پیش بینی بلندمدت تقاضای شرکت داروسازی با رویکردهای مستقیم و بازگشتی - روش جنگل تصادفی

دستیابی به یک پیش بینی بلند مدت دقیق چالشی است که بسیاری از شرکت ها به دلیل عدم قطعیت درپیش بینی تقاضا برای چندین سال با آن مواجه هستند. ا ز آنجایی که شرکتها بر اساس این پیش بینی ها تصمیماتاستراتژیک می گیرند بسیار مهم است که پیش بینی بلندمدت تا حد امکان دقیق باشد. دنیای مدرن، دنیایی دادهمحور است. داده های عددی و غیر عددی در بخش های مدیریتی، بازرگانی، صنعتی، مالی و علمی به فراوانییافت میشوند. این داده ها باید تجزیه و تحلیل و پردازش شوند تا به دانشی تبدیل شوند که بتوان بینش درستیاز واقعیت به دست آورد. این پژوهش به بررسی استفاده از یک برنامه کاربردی یادگیری ماشین (ML) درپیش بینی تقاضای بلندمدت برای شرکت حامی ، یک تولید کننده بزرگ داروسازی در ایران میپردازد. ابتدا بااستفاده از روش جنگل تصادفی (RF) و یژگی های مرتبط را شناسایی میکنیم. سپس، با بهره گیری از رویکردهایمستقیم و بازگشتی، مدلهای پیش بینی یک مرحله ای و چندمرحله ای را توسعه میدهیم. در انتها نیز رتبه بند یاهمیت ویژگیها بیان میشود که ویژگی شرکت رقیب در جایگاه اول قرار گرفت. همچنین پس از مقایسه نتایجپیش بینی در رویکردهای بیان شده میتوان یافت که عملکرد مدل به محصول و افق زمانی پیش بینی و همچنینداده در دسترس بستگی دارد.

کلیدواژه ها:

پیش بینی تقاضا ، جنگل تصادفی ، صنعت داروسازی