Предсказание спроса: кейс из практики интернет-магазина

Данное исследование посвящено исследования вопроса применимости инструментов машинного обучения в прогнозирование спроса. Существующая академическая литература дает неполные ответ на вопрос валидности применимости данных инструментов на практике. Ввиду большого количества факторов, способных повлиять на реализацию спроса, а также необходимости делать прогнозы для каждой товарной единицы, данная работа сосредоточена на сравнение прогнозов, сделанными моделей ARIMA и ее модификаций с рандомым лесом, на уровне каждой товарной позиции. Полученные результаты было проанализированы на уровне каждой товарной позиции, а после объединены по признакам качества данных, ABC сегментации и типу продукта. В качестве выборки были использованные данные второго крупнейшего игрока рынка российской электронной коммерции, которые регулируются соглашением о неразглашение коммерческой информации – в основной выборке были использованы 520 товарных позиции с горизонтом исторических данных 166 недель. Результаты, полученные в результате исследования, являются значимым доказательством применимости инструментов машинного обучения для товаров с низким качеством данных и товарных групп, определители спроса которых не являются линейными комбинациями ценовых индексов.