Enhancing sales forecasting : leveraging retail sales data for advanced ai predictive models
Ενίσχυση της πρόβλεψης πωλήσεων : αξιοποίηση δεδομένων λιανικών πωλήσεων για προηγμένα προγνωστικά μοντέλα τεχνητής νοημοσύνης
Προβολή/
Λέξεις κλειδιά
ΑΙ ; Artificial Intelligence ; Machine learning ; Deep learning ; Time series ; Forecasting ; Retail data ; FBProphet ; NeuralProphet ; XGBoost ; LSTM ; TFT ; TimeGPT ; ARIMA ; Predictive models ; Data preprocessing ; Sales ; Sales forecastingΠερίληψη
Στην παρούσα διπλωματική εργασία αποσκοπείται η βελτίωση της πρόβλεψης πωλήσεων στον τομέα του λιανικού εμπορίου μέσω της εφαρμογής προηγμένων τεχνικών Τεχνητής Νοημοσύνης (AI). Επιπλέον, αντιμετωπίζεται η πρόκληση των διακυμάνσεων στις λιανικές πωλήσεις, οι οποίες επηρεάζονται από διάφορους εξωτερικούς παράγοντες, όπως οι οικονομικές αλλαγές και οι μεταβολές στη συμπεριφορά των καταναλωτών. Στη μελέτη αναπτύσσονται και αξιολογούνται πολλαπλά μοντέλα πρόβλεψης AI, όπως τα FBProphet, NeuralProphet, XGBoost, LSTM, TFT και TimeGPT, με στόχο τη βελτίωση της ακρίβειας και της ευελιξίας των προβλέψεων. Ακόμα, παρέχεται μια εις βάθος σύγκριση μεταξύ των παραδοσιακών μεθόδων πρόβλεψης χρονοσειρών, όπως το ARIMA, και των προαναφερθέντων προσεγγίσεων μηχανικής μάθησης και βαθιάς μηχανικής μάθησης. Τα ευρήματα υποδεικνύουν την υψηλή απόδοση των υπερσύγχρονων μοντέλων AI στην αντιμετώπιση πολύπλοκων προτύπων και στην προσαρμογή σε νέα δεδομένα, προσφέροντας έτσι πιο ακριβείς προβλέψεις πωλήσεων. Τέλος, στην εργασία υπογραμμίζεται η σημασία και η επίδραση της ενδελεχούς προεπεξεργασίας δεδομένων.