پیش بینی تقاضا در تجارت الکترونیکی مبتنی بر ارزش اطلاعات پویا و تاثیر آن بر تصمیم گیری زنجیره

رشد شتابان تجارت الکترونیکی موجب افزایش عدم قطعیت، پیچیدگی و نوسانات تقاضا در زنجیره های تامین شده است. در چنین محیطی پیش بینی تقاضا به عنوان یکی از ارکان اصلی تصمیم گیری در مدیریت زنجیره تامین نقش حیاتی ایفا می کند. در سال های اخیر، استفاده از کلان داده و مدل های پیشرفته یادگیری ماشین به طور گسترده برای بهبود دقت پیش بینی تقاضا مورد توجه قرار گرفته است. با این حال، بخش عمده ای از پژوهش های موجود بر این فرض استوارند که افزایش حجم و تنوع داده ها همواره منجر به بهبود عملکرد پیش بینی می شود؛ فرضی که در بسیاری از موارد می تواند موجب افزایش نویز، بیش برازش مدل ها و ناپایداری تصمیمات عملیاتی شود. پژوهش حاضر با معرفی مفهوم ارزش اطلاعات پویا چارچوبی نوین برای پیش بینی تقاضا در تجارت الکترونیکی ارائه می دهد که تمرکز آن بر انتخاب تطبیقی منابع داده بر اساس ارزش واقعی آنها در بهبود تصمیمات زنجیره تامین است. در چارچوب پیشنهادی منابع مختلف کلان داده به صورت پویا ارزیابی شده و تنها داده هایی که ارزش افزوده معناداری در کاهش خطای پیش بینی و بهبود تصمیمات عملیاتی دارند وارد مدل پیش بینی می شوند. نتایج تحلیلی و کمی نشان می دهد که رویکرد پیشنهادی علاوه بر افزایش دقت پیش بینی موجب کاهش نوسانات سفارش دهی، کاهش اثر شلاق چرمی و افزایش تاب آوری زنجیره تامین می شود. این پژوهش مسیر جدیدی را برای مطالعات آینده در حوزه زنجیره تامین هوشمند و تصمیم گیری داده محور ترسیم می کند.

کلیدواژه ها:

تجارت الکترونیکی ، زنجیره تامین ، پیش بینی تقاضا ، کلان داده ، ارزش اطلاعات پویا ، تصمیم گیری تطبیقی