Решение задач прогнозирования рентабельности объектов торговой сети методами машинного обучения

Жизнеспособность и эффективность любой компании в условиях нестабильной экономической обстановки в России во многом зависит от разумного использования своих трудовых, материальных и финансовых ресурсов, а также в создании гибкой организации торгового процесса, чувствительного к запросам покупателей. Актуальность изучения вопросов по сбалансированности ведения коммерческой деятельности путем правильного распределения имеющихся активов вызвана тем, что в условиях нестабильности возрастает риск банкротства. Поэтому умение безошибочной организации работы компании, способной адаптироваться к условиям изменяющейся экономической среды, а также анализ и своевременное принятие мер по нормальному функционированию имеет несомненную важность с точки зрения вопросов финансового управления. Объектом исследования выступает торговый рынок России, а именно сетевая компания по продаже непродовольственных товаров народного потребления АО «ТД «ЦентрОбувь». Предметом исследования являются особенности и показатели объектов торговой сети, влияющие на их эффективность коммерческой деятельности и, как следствие, сохранение или закрытие магазинов. Задачa дипломной работы - попытка применения методов машинного обучения для определения рентабельности торговых точек, а также определение наиболее эффективного для этого алгоритма. В ходе работы была произведена серия экспериментов четырьмя методами классификационного отбора (SVM, Naive Bayes, OneR, J4.8) и тремя алгоритмами фильтрации характеристик (PCA, InfoGain, CFS) для каждого метода классификации, сделан сравнительный анализ полученных результатов и выявлено, что метод J4.8 показывает общую высокую точность прогноза более 90%, а также хороший показатель определения нерентабельных торговых точек 76,3%. Остальные рассмотренные методы классификации, несмотря на общий высокий показатель точности около 80%, плохо распознают нерентабельные объекты (точность предсказания порядка 50% и ниже, что делает невозможным их практическое применение.