Кафедра "Підприємництво, торгівля і логістика"

Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/32369

Офіційний сайт кафедри http://web.kpi.kharkov.ua/business

Від 2021 року кафедра перейменована та має назву "Підприємництво, торгівля i логістика" (Наказ 552 ОД від 26.11.2021 року), попередня назва – "Підприємництво, торгівля та експертиза товарів", первісна – кафедра комерційної, торговельної та підприємницької діяльності.

Кафедра комерційної, торговельної та підприємницької діяльності заснована в 2017 році.

Кафедра входить до складу Навчально-наукового інституту економіки, менеджменту і міжнародного бізнесу Національного технічного університету "Харківський політехнічний інститут". Викладачі кафедри є членами Харківського осередку Українського товариства товарознавців і технологів (УТТТ), що входить до Міжнародній асоціації товарознавства, інновацій та сталого розвитку (International Association of Commodity Science, Innovation and Sustainability) IACSIS.

У складі науково-педагогічного колективу кафедри працюють: 3 доктора наук: 2 – економічних, 1 – технічних; 7 кандидатів наук: 4 –економічних, 3 – технічних; 3 співробітника мають звання професора, 6 – доцента.

Переглянути

Результати пошуку

Зараз показуємо 1 - 10 з 540

Застосування методів машинного навчання в алгоритмі пошуку партнерів для колаборації на прикладі сектора роздрібної торгівлі
(ФОП Лібуркіна Л. М., 2024) Чернова, Наталя Леонідівна; Чернов, Олександр Олександрович; Пирогова, С. Є.
Компанії роздрібної торгівлі відіграють важливу роль у світовій економіці, задовольняючи повсякденні потреби споживачів. У період загально-економічних криз зазначені компанії демонструють відносно менші розміри «просадок» порівняно із ринком, але, з іншого боку, такий фактор стабільності є і певним обмежувачем зростання. Тому компанії дуже часто співпрацюють одна з одною, створюючи бізнес-колаборації, щоб розширити свій ринок і досягти спільного зростання й успіху. Метою дослідження є розробка та практична реалізація алгоритму пошуку партнерів для колаборації. Запропонований алгоритм містить такі кроки: формування інформаційної бази дослідження; попередній статистичний аналіз сформованого датасету; класифікація об’єктів у багатофакторному просторі ознак; оцінка якості класифікації; змістовний аналіз отриманої класифікації; ранжування об’єктів у межах кластерної групи та обрання кандидатів для створення колаборації. Алгоритм реалізовано для вихідного датасету компаній сектора роздрібної торгівлі, які станом на початок серпня 2024 р. входили до складу індексу SP500. Початковий датасет містив інформацію щодо значень таких фінансово-економічних показників, як: дивідендний дохід, мультиплікатор ціна/чистий прибуток, рентабельність активів, рентабельність власного капіталу, маржа прибутку, співвідношення позикового капіталу до власного, мультиплікатор ціна/виручка, мультиплікатор ціна/грошовий потік, мультиплікатор ціна/балансова вартість, частка акціонерного капіталу, коефіцієнт поточної ліквідності. Реалізація алгоритму дозволяє отримати кількісну оцінку придатності аналізованої компанії для участі в колаборації. Така кількісна оцінка отримана в результаті реалізації алгоритмів машинного навчання, а саме – алгоритму k-medoids, який дозволяє класифікувати об’єкти дослідження на відносно гомогенні групи, а також ідентифікувати репрезентанта кожної групи, коорди нати якого відіграють роль кластерного центроїда
Аналіз сучасних тенденцій розвитку сектору роздрібної торгівлі
(Інститут міжнародних відносин Київського національного університету імені Тараса Шевченка, 2024) Чернов, Олександр Олександрович; Гузь, Остап Богданович; Волкодав, Владислав Юрійович
Роль коллаборації в роздрібній торгівлі: алгоритм пошуку партнерів для інноваційного розвитку
(Національний технічний університет "Харківський політехнічний інститут", 2024) Чернов, Олександр Олександрович
Місце роздрібної торгівлі в системі життєзабезпечення населення
(Національний технічний університет "Харківський політехнічний інститут", 2024) Кизлюк, Олександр Анатолійович; Гапоненко, Ольга Євгенівна
Упорядкування партнерів для колоборації у багатофакторному просторі ознак
(Центральноукраїнський національний технічний університет, 2024) Чернов, Олександр Олександрович
Аналіз сучасних підходів до моделювання процесу управління запасами
(Центральноукраїнський національний технічний університет, 2024) Гудименко, Вячеслав Павлович; Соснов, Ігор Ігорович
Методичні вказівки до виконання практичних занять з дисципліни "Інформаційно-аналітичне забезпечення прийняття управлінських рішень в бізнесі"
(Національний технічний університет "Харківський політехнічний інститут", 2024) Соснов, Ігор Ігорович; Сергієнко, Олена Андріанівна; Застьола, Євген Олексійович; Самусь, Павло Олегович
В умовах економічної нестабільності, характерної для ринкового середовища, постійно виникає потреба у швидкому прийнятті науково обґрунтованих рішень щодо підвищення результативної діяльності суб'єктів господарювання. У цьому контексті вагомим фактором формування базису таких рішень є серйозна фахова підготовка спеціалістів та керівників підприємств, ураховуючи сучасну практику господарювання. Навчальна дисципліна «Інформаційно-аналітичне забезпечення прийняття управлінських рішень в бізнесі» є вибірковою навчальною дисципліною для здобувачів, які навчаються за освітнім ступенем доктора філософії зі спеціальності «Підприємництво та торгівля».
Сучасні наукові платформи як рушійна сила інновацій та інтеграції в глобальну економіку знань
(Barca Academy Publishing, 2024) Смородін, Андрій Юрійович; Сергієнко, Олена Андріанівна
Бізнес-аналітика багатовимірних процесів
(Харківський національний економічний університет імені Семена Кузнеця, 2024) Клебанова, Тамара Семенівна; Гур'янова, Лідія Семенівна; Чаговець, Л. О.; Панасенко, О. В.; Сергієнко, Олена Андріанівна; Яценко, Р. М.
У мультимедійному навчальному посібнику розглянуто особливості застосування економіко-математичних методів і моделей для розв’язання широкого класу прикладних задач багатовимірного аналізу даних: формування вибірки для дослідження та оцінювання її якості; застосування методів кластерного та дискримінантного аналізу; розрахунок таксономічного показника рівня розвитку, використання методу «центру ваги» в економічних дослідженнях; застосування методів факторного аналізу багатовимірних процесів. Подано теоретичний матеріал і приклади, що дозволяють засвоїти зміст і методику застосування методів аналізу багатовимірних економічних процесів. Наведено інтерактивні завдання для самостійного розв’язання, глосарій, лабораторний практикум. Рекомендовано для студентів економічних спеціальностей і практичних спеціалістів.
Machine Learning Algorithms Application for Fixed-Income Market Analysis: Cross Countries Comparisons
(Institute of Electrical and Electronics Engineers, 2024) Chernova, Natalia; Serhiienko, Olena; Mashchenko, Maryna; Lisna, Iryna; Haponenko, Olha
The research aim is to distinguish the global fixed income market structure and dynamics basing on such core indicator as yields to maturity of government bonds. The processes taken part within or linked with fixed income market are of core importance for the global world economic system as a whole, thus have to be analyzed and researched constantly to ensure decision-making processes on all levels of hierarchy. The following tasks have been implemented to achieve the aim: initial observation set of yields data for world government bonds of different maturities has been formed; initial dataset dimension has been reduced based on principal components analysis technique; fixed-income market structure has been analyzed in the obtained three-dimensional level-slope-curvature space for each researched country; set of countries has been classified onto homogenous groups in multi-dimensional space basing on k-means algorithm; the resulting groupings composition and structure have been analyzed.