Πρόβλεψη πωλήσεων με χρήση αλγόριθμων μηχανικής μάθησης για την βελτιστοποίηση επιχειρηματικών στρατιγικών
Loading...
Date
2026-05-26
Authors
Μυλωνάς, Δημήτριος
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η πρόβλεψη πωλήσεων είναι απαραίτητη για τη λήψη αποφάσεων που σχετίζονται με την επιχειρηματική στρατηγική. Από τις προσπάθειες ποσοτικής ανάλυσης αγοράς στις αρχές του 20ου αιώνα έως τις πρακτικές του 21ου αιώνα που περιλαμβάνουν αλγόριθμους μηχανικής μάθησης, η ανάπτυξη μοντέλων πρόβλεψης έχει αλλάξει τον τρόπο με τον οποίο οι εταιρείες διαχειρίζονται τη ζήτηση, την παραγωγή και την πολιτική πωλήσεων.
Η πρόβλεψη πωλήσεων αναφέρεται στο πόσο καλά γνωρίζετε πόσα προϊόντα ή υπηρεσίες θα πουλήσετε τους επόμενους δύο μήνες/χρόνια. Οποιοδήποτε λάθος θα μπορούσε να βλάψει αυτήν την επιχείρηση. Οι πρώτες μαθηματικές προσεγγίσεις για την πρόβλεψη πωλήσεων ξεκίνησαν τη δεκαετία του 1950. Οι βιομηχανίες διαθέτουν προηγμένα εργαλεία που μπορούν να τις βοηθήσουν να αναλύσουν μεγάλα δεδομένα και να κάνουν πιο ακριβείς προβλέψεις χάρη στην άφιξη της πληροφορικής και την εισαγωγή εργαλείων τεχνητής νοημοσύνης.
Η παρούσα διπλωματική εργασία αποτελείται από επτά κεφάλαια και εστιάζει στην εφαρμογή αλγορίθμων μηχανικής μάθησης για την πρόβλεψη πωλήσεων και τη βελτιστοποίηση της επιχειρηματικής στρατηγικής. Ο κύριος στόχος είναι η κατανόηση διαφορετικών τεχνικών που μπορούν να εφαρμοστούν κατά την ανάλυση ιστορικών δεδομένων πωλήσεων, καθώς και η σύγκριση της απόδοσής τους.
Πιο συγκεκριμένα, η διατριβή στοχεύει στη μελέτη μεθόδων πρόβλεψης πωλήσεων, στην παρουσίαση των σημαντικότερων αλγορίθμων μηχανικής μάθησης που χρησιμοποιούνται και στην εφαρμογή συγκεκριμένων μοντέλων πρόβλεψης σε εμπειρικά δεδομένα από διαφορετικούς τομείς (τουρισμός, λιανικό εμπόριο, τραπεζικός κλάδος).
Για την επίτευξη αυτών των στόχων, χρησιμοποιείται μια μεθοδολογική προσέγγιση που περιλαμβάνει τη συλλογή δεδομένων από αξιόπιστες πηγές, την προεπεξεργασία δεδομένων για τη βελτιστοποίηση της ακρίβειας του μοντέλου, καθώς και τη συγκριτική ανάλυση διαφόρων αλγορίθμων μηχανικής μάθησης.
Τα δεδομένα θα ανακτηθούν από δημόσιες βάσεις δεδομένων και οργανισμούς, συμπεριλαμβανομένης της Ελληνικής Στατιστικής Αρχής (ΕΛΣΤΑΤ), του Παγκόσμιου Οργανισμού Τουρισμού των Ηνωμένων Εθνών (UNWTO), της Τράπεζας της Ελλάδος και διεθνών πλατφορμών ανοιχτών δεδομένων όπως το Kaggle και το UCI Machine Learning Repository.
Description
Keywords
Πρόβλεψη πωλήσεων, Μηχανική μάθηση