Прогнозирование потребительского спроса на сезонные товары с использованием вектора кривой продаж

Abstract

Предложен метод прогнозирования спроса на сезонные товары с использованием вектора распределения объемов продаж в течение года или вектора кривой продаж, компонентами которого являются объемы недельных продаж рассматриваемого либо аналогичного товара, полученные на основе статистики продаж за предыдущий календарный год. Условием применимости предложенного метода является выполнение гипотезы о сходимости соответствующих недельных объемов продаж двух последовательно идущих лет и гипотезы о существовании групп товаров со схожей динамикой продаж. Применение метода позволяет построить прогноз спроса на товар в течение следующей недели на основе данных об объемах продаж за предыдущие несколько недель текущего и предыдущего годов, а также данных об объемах продаж за интересующую неделю предыдущего года. Представлены особенности программной реализации предложенного метода прогнозирования спроса с использованием микро-сервисной архитектуры на основе платформы Google Cloud Platform, с использованием таких компонентов как Google Kubernetes Engine, Google BigQuery, Redis. Для снижения вычислительной нагрузки на основную систему выполняется копирование необходимых данных для анализа в OLAP-систему и построение требуемого прогноза без использования OLTP-системы. Приведены результаты численного эксперимента по прогнозированию спроса на товар, полученные на основе реальных данных. Выполнено сравнение результатов прогнозирования спроса, полученных с использованием вектора кривой продаж и метода скользящего среднего. Показана возможность использования данного метода прогнозирования спроса в качестве компоненты системы автоматизированного управления запасами в сетях поставок.

A method for forecasting the demand for seasonal goods using the vector of distribution of sales during the year, called retail curve vector is proposed. Components of retail curve vector are the weekly sales volumes of the considered or similar product, obtained on the basis of sales statistics for the previous calendar year. The condition of applicability of the proposed method is the fulfillment of the hypothesis about the convergence of the corresponding weekly sales volumes of two consecutive years and the hypothesis about the existence of goods groups with similar sales dynamics. The application of the method allows to build a demand forecast for the goods within the next week based on sales volumes data for the previous few weeks of the current and previous years, as well as sales volumes data for the same week of the previous year. Software architecture to implement proposed method for forecasting demand using a micro-service architecture based on the Google Cloud Platform is presented. Such components as Google Kubernetes Engine, Google BigQuery, Redis as used. To reduce the computational load on the main system, necessary data is copied to the OLAP system and required forecast is build without usage of the OLTP system. The results of numerical experiment on forecasting the demand for goods, obtained on the basis of real data, are presented. Comparison of the results of demand forecasting using the retail curve vector and the moving average method is performed. The possibility of using proposed method of demand forecasting as a component of an automated inventory control system in supply networks is shown.