Использование машинного обучения как инструмент цифровизации экономической деятельности компаний-ритейлеров

Бесплатный доступ

В статье описывается использование машинного обучения, как инструмент цифровизации экономической деятельности компаний - игроков рынка розничной торговли Российской Федерации. В настоящее время машинное обучение является одним из основных инструментов цифровизации современной российской экономики, но в связи со спецификой рынка розничной торговли и отсутствием подобного опыта, очень малое количество организаций внедряют этот инструмент в свою деятельность. В статье предлагается комплекс показателей, помогающий оценить эффективность и результативность бизнес - процессов, до и после внедрения моделей машинного обучения, расчет которых является для каждого ритейлера уникальным. Особое внимание уделено алгоритмам машинного обучения, применяемым к деятельности компаний ритейлеров для улучшения двух основных процессов их деятельности, а именно процессу ценообразования и процессу выбора поставщика. Автором предлагается алгоритм внедрения моделей машинного обучения, который уже прошёл апробацию в двух крупных организациях и находится в постоянном использовании. Данный алгоритм является базовым алгоритмом перехода ритейлера к использованию машинного обучения, при этом компания должна сама определять обучающие признаки в соответствии со спецификой своей экономической деятельности.

Еще

Ритейл, управление качеством, розничная торговля, удовлетворенность потребителя, экономическая эффективность, результативность, машинное обучение, линейная регрессия, логистическая регрессия, канал дистрибуции

Короткий адрес: https://sciup.org/140300858

IDR: 140300858

Список литературы Использование машинного обучения как инструмент цифровизации экономической деятельности компаний-ритейлеров

  • ГОСТ Р 51303–99. Торговля. Термины и определения. М.: Изд-во стандартов, 1999. 1 с.
  • Закон РФ №2300–1 «О защите прав потребителей» от 07.02.1992. URL: https://www.consultant.ru/document/cons_doc_LAW_305/ (дата обращения: 05.06.2023).
  • Для чего нужен парсинг данных. URL: https://roistat.com/rublog/parsing/ (дата обращения: 05.06.2023).
  • ГОСТР 59895–2021. Технологии искусственного интеллекта в образовании. Общие положения и терминология. М.: Изд-во стандартов, 2021. 2 с.
  • What is machine-learning model? URL: https://learn.microsoft.com/ru-ru/windows/ai/windows-ml/what-is-a-machine-learning-model/ (дата обращения: 05.06.2023).
  • Алексеев Г. Введение в машинное обучение. URL: https://habr.com/ru/articles/448892/ (дата обращения: 05.06.2023).
  • Как легко понять логистическую регрессию? URL: https://habr.com/ru/companies/io/articles/265007/ (дата обращения: 05.06.2023).
  • What is linear regression? URL: https://aws.amazon.com/ru/what-is/linear-regression/ (дата обращения: 05.06.2023).
  • Сендеров Д. В. Мастер больших продаж, искусство заключать крупные контракты. М: Альпина-Паблишер, 2019. 328 с.
  • Бринк Х., Ричардс Д. Машинное обучение. СПб.: Питер, 2017. 336 с.
  • Вьюгин В. В. Математические основы машинного обучения и прогнозирования. М.: МЦНМО, 2014. 305 с.
  • Флах П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных. М.: ДМК Пресс, 2017. 402 с.
  • Бурков А. Машинное обучение без лишних слов. СПб.: Питер, 2020. 192 с.
  • Шпигельхалтер Д. Искусство статистики. Как находить ответы в данных. М.: Манн, Иванов и Фебер, 2020. 450 с.
  • Шурыгин А. В. Виртуализация цен в условиях конкуренции. М.: Синергия, 2013. 15 с.
Еще
Статья научная