Разработка многофакторной модели прогнозирования спроса на продукцию крупной FMCG-компании

Представленная работа посвящена разработке многофакторной модели для повышения качества прогнозирования спроса на продукцию крупной FMCG-компании. Целью исследования выступала разработка модели прогнозирования спроса для крупной FMCG-компании. Для ее достижения был решен ряд задач: • Проведен анализ исследуемого FMCG-рынка и выявлены особенности спроса на нем; • Изучены подходы к прогнозированию спроса на продукцию FMCG-компаний; • Поставлена задача разработки прогнозной модели на примере компании XYZ; • Проведен анализ текущего процесса прогнозирования спроса на продукцию компании XYZ с учетом особенностей ее деятельности; • Разработаны требования к прогнозной модели (допущения, ограничения, метрики качества); • Проведено исследование и подготовка данных для моделирования; • Обоснован выбор методов прогнозирования; • Разработана многофакторная модель, удовлетворяющая заявленным требованиям; • Проведен анализ бизнес-эффектов и сформулированы рекомендации по применению и дальнейшему развитию модели. Результатом исследования является разработанная гибридная многофакторная модель, сочетающая в себе методы кластерного и регрессионного анализа, а также корректирующий блок прогнозирования на основе нейронной сети. Модель реализована с использованием инструментальных средств на основе Python и IBM Watson Analytics. Предложенное автором последовательное применение методов с предшествующим им кластерным анализом исходных переменных позволило с точностью 97% определить по тестовой выборке совокупный объем спроса на продукцию компании в денежном выражении. Полученное решение полностью удовлетворяет требованиям, сформулированным в работе. Практическая значимость полученных результатов заключается в том, что построенная многофакторная гибридная модель прошла апробацию в исследуемой компании и, с учетом описанных ограничений и требований, может быть успешно применена в деловой практике компаний отечественного FMCG-рынка.