Тема 3. Примеры практических приложений в экономике

из "Интеллектуальные методы анализа экономической информации "

Розничная и оптовая торговля - одни из популярных областей применения. Торговля характеризуется большим объемом операций, большим количеством клиентов, и, чаще всего, распределенным характером хранимых данных. Высокий уровень конкуренции вынуждает компании уделять особое внимание вопросам лояльности клиентов и учитывать особенности поведения различных категорий потребителей. Список задач, требующих решения, довольно широкий повышение оборачиваемости, снижение расходов, оптимизация складских запасов, уменьшение рисков и прочее. И через некоторое время после автоматизации торгового предприятия неизбежно встает вопрос, что делать с огромным потоком информации, накапливаемой в базах данных. [c.20]
Консолидация данных подразумевает создание и наполнение хранилища данных, что позволяет организовать централизованное хранение данных, поступающих из различных источников, к примеру, из нескольких торговых подразделений. [c.20]
Регулярная отчетность обеспечивает доступ к простой аналитике суммы продаж по периодам в разрезе городов и филиалов, загруженность торговых отделов, рейтинг популярных товаров и т.п. [c.20]
Сегментация. Здесь можно выделить три основных задачи сегментирования в торговле. [c.20]
Прогнозирование продаж- одна из наиболее актуальных задач в торговле. Наличие прогноза позволяет производить закупки в нужном объеме и в нужное время. Благодаря этому увеличивается удовлетворенность клиентов, увеличивается оборачиваемость товаров, снижаются требования к размеру складских помещений, уменьшаются риски образования нераспроданных товаров. [c.21]
Условно номенклатуру товарной продукции можно разделить на два типа. [c.21]
Каждый товар в своей группе имеет уникальные, специфические характеристики и потребительские свойства, и их обновление производится редко. Как правило, это специализированная продукция, часто напрямую связанная с используемой покупателем технологией марки сталей, дерева, стекла и т.д. Объединять в группы такие товары иногда недопустимо. Например, продукция ДВП, отличающаяся расцветкой. Спросу на каждый цвет присуща сезонность - так, зимой возникает спрос на светлые оттенки, в начале лета и осени востребованы строгие цвета и т.д. [c.21]
Соответственно методика построения модели прогнозирования продаж является различной для каждого типа продукции. Для первого типа она имеет более сложный вид. [c.21]
имеем типичную задачу спрогнозировать продажи в компании с разветвленной сетью торговой сети и относительно большим ассортиментом предлагаемой продукции. Как варианты -компания может не иметь сети торговых подразделений (оптовый поставщик), или ассортимент предлагаемой продукции невелик. Общий алгоритм решения задачи прогнозирования продаж от этого не зависит - просто добавится или ликвидируется часть этапов моделирования. [c.22]
Поскольку в рассматриваемом примере реализуемые группы товаров обладают схожей функциональностью и частой сменой модельного ряда, т.е. относятся к первому типу, то прогноз будет строиться в четыре этапа (рис. 3.1). [c.22]

Вернуться к основной статье