مدل سازی داده محور سامانه های هوشمند پیشبینی فروش در کسب وکارها

پیش بینی فروش به عنوان یکی از ارکان بنیادین تصمیم گیری استراتژیک و عملیاتی در سازمان های کسب وکار محور شناخته می شود. افزایش پیچیدگی بازارها، تغییرات سریع در رفتار مصرف کنندگان و رقابت فزاینده، موجب شده است که اتکای صرف به روش های سنتی پیش بینی فروش کارایی و دقت لازم را نداشته باشد. در این راستا، بهره گیری از رویکردهای داده محور و سامانه های هوشمند مبتنی بر یادگیری ماشین و یادگیری عمیق به عنوان راهکاری موثر برای ارتقای دقت پیش بینی و پشتیبانی از تصمیم گیری های مدیریتی مطرح شده است. پژوهش حاضر با هدف ارائه یک چارچوب جامع و داده محور برای مدل سازی سامانه های هوشمند پیش بینی فروش انجام شده است که به عنوان حلقه واسط میان تحلیل الگوهای مصرف مشتریان و سیستم های تصمیم یار هوشمند عمل می کند. در گام نخست، مرور نظام مند ادبیات پژوهش انجام شده و شکاف اصلی مطالعات پیشین یعنی فقدان اتصال ساختاریافته میان مدل های پیش بینی فروش و فرآیند تصمیم گیری مدیریتی شناسایی گردیده است. سپس یک چارچوب مفهومی چندلایه ارائه می شود که از مرحله جمع آوری داده های فروش و رفتاری مشتریان آغاز شده و تا استقرار مدل های پیش بینی در بستر سامانه های تصمیم یار ادامه می یابد. در بخش تجربی پژوهش با استفاده از داده های واقعی فروش مراحل پیش پردازش، مهندسی ویژگی و تحلیل اکتشافی داده ها انجام شده و مدل های مختلفی شامل Random Forest، ARIMA، XGBoost و شبکه های عصبی بازگشتی از نوع LSTM و GRU مورد پیاده سازی و مقایسه قرار گرفته اند. ارزیابی عملکرد مدل ها بر اساس معیارهای میانگین قدر مطلق خطا، ریشه میانگین مربعات خطا و میانگین درصد قدر مطلق خطا صورت گرفته و نتایج نشان می دهد که مدل LSTM، به ویژه در حالتی که ویژگی های رفتاری مشتریان در مدل لحاظ شده اند بالاترین دقت پیش بینی را ارائه می دهد. یافته های پژوهش بیانگر آن است که مدل سازی داده محور سامانه های پیش بینی فروش نه تنها دقت پیش بینی را افزایش می دهد بلکه زمینه ساز توسعه سیستم های تصمیم یار هوشمند و داده محور در کسب و کارها خواهد بود.

کلیدواژه ها:

پیش بینی فروش ، الگوهای مصرف مشتریان ، یادگیری ماشین ، یادگیری عمیق ، LSTM ، سیستم های تصمیم یار هوشمند