Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο: http://dspace.lib.uom.gr/handle/2159/22738
Συγγραφέας: Βασιλειάδης, Ιωάννης
Τίτλος: Αναλυτική δεδομένων στις επιχειρήσεις : μελέτη περίπτωσης με δεδομένα πωλήσεων
Ημερομηνία Έκδοσης: 2019
Τμήμα: Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών στη Διοίκηση Επιχειρήσεων
Επόπτης Καθηγητής: Ταραμπάνης, Κωνσταντίνος
Περίληψη: Το επιχειρηματικό περιβάλλον έχει αλλάξει δραματικά τις τελευταίες δεκαετίες με την ευρεία υιοθέτηση της τεχνολογίας και την εμφάνιση του ηλεκτρονικού επιχειρείν. Η αξία και η σημασία, της εκ των προτέρων πληροφόρησης αποτελεί τον ακρογωνιαίο λίθο του επιχειρηματικού σχεδιασμού και ένας σωστά καθορισμένος στόχος πρόβλεψης μπορεί να καθοδηγήσει αποτελεσματικότερα τις πωλήσεις. Ως πρόβλεψη πωλήσεων ορίζεται, η μελλοντική προβολή της αναμενόμενης ζήτησης, λαμβάνοντας υπ’όψιν ένα δεδομένο σύνολο περιβαλλοντικών συνθηκών. Ο βασικός στόχος των επιχειρήσεων δεν είναι μόνο η ακρίβεια, αλλά η αποτελεσματική και αποδοτική κάλυψη της προβλεπόμενης ζήτησης. Η πρόβλεψη πωλήσεων είναι ιδιαίτερα χρήσιμη για τα περισσότερα τμήματα μιας επιχείρησης, όπως τα τμήματα μάρκετινγκ, πωλήσεων, χρηματοοικονομικών, παραγωγής και εφοδιασμού (logistic). Η επιστήμη που ασχολείται με την πρόβλεψη πωλήσεων είναι η επιστήμη των δεδομένων (Data Science), η οποία έχει ως αντικείμενο την εξαγωγή σημαντικών πληροφοριών από αδόμητα ή δομημένα δεδομένα. Υπάρχει πληθώρα τεχνικών πρόβλεψης πωλήσεων, οι τρεις ευρείες κατηγορίες είναι οι χρονοσειρές (time series), η παλινδρόμηση (regression) και η κρίσιμη (judgemental). Σε αυτή την εργασία θα ασχοληθούμε με τον διαγωνισμό στην πλατφόρμα Kaggle για την πρόβλεψη πωλήσεων για λογαριασμό της ROSSMANN, της δεύτερης μεγαλύτερης αλυσίδας φαρμακείων στη Γερμανία. Το Kaggle είναι μία διαδικτυακή πλατφόρμα, όπου επιχειρήσεις κοινοποιούν σύνολα δεδομένων και καλούν τους αναλυτές μέσω διαγωνισμών να τα διερευνήσουν ή να πραγματοποιήσουν κάποια πρόβλεψη. Τα δοθέντα δεδομένα της ROSSMANN αφορούσαν 1115 καταστήματά της για δυόμιση περίπου έτη. Ερευνήθηκαν οι έτοιμες λύσεις που ήταν δημοσιοποιημένες στην πλατφόρμα και επιλέχθηκαν δύο, οι οποίες ήταν κατανοητές και αξιόλογες. Η μία λύση αφορά την διερεύνηση των δεδομένων, ενώ η άλλη πραγματοποιεί την πρόβλεψη πωλήσεων χρησιμοποιώντας τη μέθοδο χρονοσειρών Prophet και τη μέθοδο παλινδρόμησης XGBoost. Σκοπός της παρούσας διπλωματικής είναι η κατανόηση της χρησιμότητας της πρόβλεψης πωλήσεων και των μεθόδων που χρησιμοποιούνται σε αυτές.
Λέξεις Κλειδιά: Πρόβλεψη
Πωλήσεων
Data
Analytics
Kaggle
Rossmann
Xgboost
Prophet
Ανάλυση
Δεδομένων
Πληροφορίες: Διπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2019.
Δικαιώματα: CC0 1.0 Παγκόσμια
Εμφανίζεται στις Συλλογές:ΔΠΜΣ Διοίκηση Επιχειρήσεων (M)

Αρχεία σε αυτό το Τεκμήριο:
Αρχείο Περιγραφή ΜέγεθοςΜορφότυπος 
VasileiadisIoannisMsc2019.pdf5.27 MBAdobe PDFΠροβολή/Ανοιγμα


Αυτό το τεκμήριο προστατεύεται από Αδεια Creative Commons Creative Commons