Прогнозування рівнів майбутніх продажів для систем планування ресурсів підприємств

Автор(и)

  • Serhiy Hrebenovych студент магістерської програми «Інженерія програмного забезпечення» факультету інформатики Національного університету «Києво-Могилянська академія», Україна
  • Rinata Sinitsyna кандидат фізико-математичних наук, старший викладач кафедри мережних технологій факультету інформатики Національного університету «Києво-Могилянська академія», Україна

DOI:

https://doi.org/10.18523/2617-3808.2020.3.121-126

Ключові слова:

планування ресурсів підприємства, прогнозування продажів, машинне навчання, часові ряди, кластеризація

Анотація

У цій статті розглянуто методи прогнозування рівнів майбутніх продажів і можливості їх використання у сучасних системах планування ресурсів підприємства. На прикладі Dynamics 365 BusinessCentral розглянуто практичне застосування таких методів, у тому числі з допомогою методів машинного навчання.
Також під час роботи було досліджено наявне рішення, що базується на аналізі часових рядів (timeseries), і запропоновано доповнення із застосуванням кластерного аналізу (clustering).

Матеріал надійшов 10.06.2020

Біографії авторів

Serhiy Hrebenovych, студент магістерської програми «Інженерія програмного забезпечення» факультету інформатики Національного університету «Києво-Могилянська академія»

s.hrebenovych@ukma.edu.ua

Rinata Sinitsyna, кандидат фізико-математичних наук, старший викладач кафедри мережних технологій факультету інформатики Національного університету «Києво-Могилянська академія»

r.sinitsyna@ukma.edu.ua

Посилання

  1. Cheriyan, S., et al. (2018). Intelligent Sales Prediction Using Machine Learning Techniques. International Conference on Computing, Electronics & Communications Engineering. https://www.doi.org/10.1109/iCCECOME.2018.8659115
  2. Elbahri, M., et al. (2019). Difference Comparison of SAP, Oracle, and Microsoft Solutions Based on Cloud ERP Systems: A Review. IEEE 15th International Colloquium on Signal Processing & Its Applications (CSPA), At Penang, Malaysia. https://www.doi.org/10.1109/CSPA.2019.8695976
  3. Enterprise Resource Planning (ERP). Information Technology Gartner Glossary. Retrieved from https://www.gartner.com/en/informa-tion-technology/glossary/enterprise-resource-planning-erp.
  4. Forecasting Model for Microsoft Dynamics 365 Business Central. Azure AI Gallery. Retrieved from https://gallery.azure.ai/Experiment/Forecasting-Model-for-Microsoft-Dynamics-365-Business-Central.
  5. Maitra, S. (2019). Sales Prediction using Clustering & Machine Learning (ARIMA & Holt’s Winter Approach). Towards Data Science. Retrieved from https://towardsdatascience.com/clus-tering-machine-learning-combination-in-sales-prediction-330a7a205102.
  6. Shahzad, B., et. al. (2017). Build Software or Buy: A Study on Developing Large Scale Software. IEEE Access, 5, 24262–24274. https://www.doi.org/10.1109/ACCESS.2017.2762729
  7. The Sales and Inventory Forecast Extension. Microsoft Documentation. Retrieved from https://docs.microsoft.com/en-us/dynamics365/business-central/ui-extensions-sales-forecast.
  8. Wilson, E. The 6 Models Used in Forecasting Algorithms. Institute of Business Forecast & Planning. Retrieved from https://demand-planning.com/2019/04/22/forecasting-algorithms.

##submission.downloads##

Як цитувати

[1]
S. Hrebenovych і R. Sinitsyna, «Прогнозування рівнів майбутніх продажів для систем планування ресурсів підприємств», NRPCOMP, т. 3, с. 121–126, Груд 2020.