• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Анализ и прогнозирование финансового состояния FMCG компании с использованием инструментов предиктивного моделирования (IBM Watson Analytics)

ФИО студента: Кутейников Владислав Александрович

Руководитель: Брускин Сергей Наумович

Кампус/факультет: Высшая школа бизнеса

Программа: Бизнес-информатика (Бакалавриат)

Год защиты: 2017

Финансовое планирование и прогнозирование являются важнейшими бизнес-процессами розничной торговой компании. Качество планов и прогнозов оказывает непосредственное влияние на финансовые результаты деятельности FMCG компании. Это обуславливает актуальность проблемы краткосрочного прогнозирования финансовых показателей в организациях данной отрасли. Цель работы заключается в построении предиктивных моделей краткосрочного прогнозирования финансового показателя (выручка) розничной торговой компании, удовлетворяющих требованиям точности и адаптивности. Объект исследования – розничная торговая компания ПАО «Магнит». Предмет исследования – процессы финансового планирования и прогнозирования в данной компании. Для достижения цели были выполнены следующие задачи: 1. Исследованы теоретические основы процессов финансового планирования и прогнозирования в компаниях розничного потребительского сектора (первая глава); 2. Рассмотрены существующие методы и инструменты предиктивного моделирования, применяемые для решения задачи финансового прогнозирования; 3. Сформулированы требования к прогнозным моделям (вторая глава); 4. На основе фактических показателей деятельности компании разработаны две модели; 5. Проанализированы результаты прогнозов, сделаны выводы относительно качества и соответствия моделей требованиям из п.3 (третья глава). При решении задач использовались следующие инструменты: • IBM Watson Analytics (модель, определяющая степень влияния факторов на целевую переменную); • Электронные таблицы MS Excel (построение тренд-сезонной модели); • Язык программирования Python; • Библиотеки, предназначенные для анализа данных: sklearn, numpy, pandas (модель линейной регрессии с L2-регуляризацией). Результатом исследования являются разработанные модели, соответствующие требованиям точности и адаптивности, а также рекомендации по применению инструментов прогнозного моделирования в компаниях исследуемого профиля. Ключевые слова: предиктивная аналитика, ритейл.

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Реестр дипломов НИУ ВШЭ