Программная система формирования товарной матрицы торговой сети
ОПРЕДЕЛЕНИЯ, ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ 5
ВВЕДЕНИЕ 6
1 Анализ методов формирования товарной матрицы 8
1.1 Базовая теория и основные принципы формирования товарной (ассортиментной) матрицы 8
1.2 Анализ существующих методов машинного обучения, применимых в предметной области 19
1.3 Постановка задачи на проектирование и разработку программной системы 36
1.4 Выводы по разделу 37
2 Проектирование программной системы 38
2.1 Методика формирования товарной матрицы 38
2.2 Частные алгоритмы формирования товарной матрицы 43
2.3 Разработка общей структуры программной системы формирования товарной матрицы 49
2.4 Разработка основных функций и процедур 60
2.5 Выводы по разделу 66
3 Технология тестирования и развертывания программной системы 67
3.1 Разработка технологии развертывания программной системы 67
3.2 Разработка технологии тестирования программной системы 71
3.3 Результаты работы прототипа программной системы 75
3.4 Выводы по разделу 91
ЗАКЛЮЧЕНИЕ 92
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 94
ПРИЛОЖЕНИЕ А Техническое задание 96
ПРИЛОЖЕНИЕ Б Графические материалы 105
ПРИЛОЖЕНИЕ В Листинг программной системы 116
ПРИЛОЖЕНИЕ Г Руководство пользователя 125
В данной выпускной квалификационной работе магистра исследуются вопросы связанные с технологиями формирования товарной матрицы на ос-нове данных продаж и информации о покупателях. Сложность формирования товарной матрицы для сети магазинов связана с особенностями реализуемых товаров, которые представлены обычно множеством групп, а также группами покупателей, для которых могут быть приоритетными различные товары.
Многогранность исследуемой темы работы подразумевает использование технологий анализа данных, методов кластеризации, а также технологи ма-шинного обучения.
Методологическим фундаментом исследования являются методы ма-шинного обучения.
Объектом исследования в работе является товарная матрица и принципы ее формирования.
Предметом исследования в работе являются технологии формирования товарной матрицы.
Целью работы является программная система формирования товарной матрицы торговой сети.
Цель работы определяет частные задачи, к которым относятся:
исследование методов формирования товарной матрицы;
проектирование программной системы;
разработка технологии тестирования и развертывания.
Актуальность работы состоит в том, что на основании существующих алгоритмов построения товарной матрицы «вручную» предлагается метод ав-томатизации процесса построения товарной матрицы.
Теоретическая значимость исследования состоит в том, что проводится анализ методов и технологий формирования товарной матрицы, а также мето-дов машинного обучения, которые могут быть использованы для ее создания.
Практическая значимость работы заключается в том, что разработанная система является универсальной и может быть использована для формирова-ния товарной матрицы любого типа товарной сети магазинов.
Структура работы представлена введением, тремя основными разделами, разделенными на подразделы, заключением, списком используемых источни-ков и тремя приложениями.
Во введении обоснована актуальность, описаны объект, предмет, цель, задачи работы, теоретическая и практическая значимость, а также научная но-визна работы.
В первом разделе выпускной квалификационной работы магистра про-водится исследование методов формирования товарной матрицы, в том числе рассматривается базовая теория основные принципы формирования товарной матрицы, анализ существующих методов машинного обучения, применимых в предметной области. Формулируется постановка задачи исследования.
Во втором разделе выпускной квалификационной работы магистра про-водится проектирование программной системы, описывается методика фор-мирования товарной матрицы, частные алгоритмы. В рамках второй главы разрабатывается техническое задание на разработку системы и описываются основные функции.
В третьем разделе выпускной квалификационной работы магистра про-водится разработка технологии тестирования и развертывания программной система формирования товарной матрицы торговой сети.
В заключении представлены основные выводы по проведенной работе.
В приложении А представлено техническое задание на разработку про-тотипа программная система формирования товарной матрицы торговой сети.
В приложении Б представлены графические материалы, описывающие разработанный прототип программной системы формирования товарной мат-рицы торговой сети.
В приложении В представлен листинг программной системы.
В приложении Г представлено руководство пользователя.
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
1. Бейдер Д. Чистый Python. Тонкости программирования для профи. СПб.: Питер, 2018. 288 с.
2. Берри П. Изучаем программирование на Python. М.: Эксмо, 2017. 611 с.
3. Бершадский А.М., Лычагин К.А., Финогеев А.Г., Шмид А.В. Оптимизация потенциала и привлекательности торговых точек на основе интеллектуального анализа больших данных // Труды международного симпозиума «Надежность и качество». – 2018. – Т. 1. – С. 317-320.
4. Ватутин Э.И., Титов В.С., Емельянов С.Г. Основы дискретной комбинаторной оптимизации. – М.: АРГАМАК-МЕДИА, 2016. – 270 с.
5. Винжегин О. М. Особенности планирования ассортимента торгового предприятия (на примере ООО «Наполеон») //Вестник Омского университета. Серия «Экономика». – 2007. – №. 4.
6. Ершов И. А., Стукач О.В. Повышение устойчивости решения задач классификации методами кластерного анализа с корректным нормированием данных // Управление развитием. – 2016. – Т.185. №3. – С.120-129.
7. Карпенко А. П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой. – М.: МГТУ, 2017. – 447 с.
8. Лычагин К. А. Количественная оценка потенциала торговых точек // Статистика и экономика. – 2019. – №. 3 (16). – С. 60-69.
9. Любанович Б. Простой Python. Современный стиль программирования. СПб.: Питер ,2016. 480 с.
10. Милов С.Н., Милов А.С Применение кластерного анализа при управлении запасами и ассортиментом // Логистика и управление цепями поставок. – 2018. – № 6 (89). – С. 47-72.
11. Пивкин, К.С. Моделирование покупательского спроса на предприятиях розничной торговли на основе методов машинного обучения. [Текст]: дис. … канд. экон. наук: 08.00.13: защищена 25.12.19: утв. 25.04.20 / Пивкин Кирилл Сергеевич. – Ижевск, 2018. – 220 с. – Библиогр.: с.202-213. – 04200201565.
12. Симакина М. А., Колобов С. В., Кожина О. М. Влияние поставщика на маркетинговый аспект разработки ассортиментной матрицы розничной компании // Экономические системы. – 2020. – Т. 13. – №. 1. – С. 48-56.
13. Снегурова В., Кочуренко Н. Основы математической обработки информации. Учебник и практикум. – М.: Юрайт, 2017. – 220 с.
14. Чижина К.С., Сергеев С.М. Моделирование влияния качества товаров на ассортиментную матрицу // В сборнике: Неделя науки СПбПУ. Материалы научной конференции с международным участием. Институт промышленного менеджмента, экономики и торговли. – 2018. – С. 290-292.
15. Шолле Ф. Глубокое обучение на Python. СПб.: Питер, 2018. 486 с.
16. Bulti A.G., Ray A. Commodity Market Price Analysis and Prediction using Machine Learning Framework // International Journal of Innovative Technology and Exploring Engineering (IJITEE). – 2019. – V. 8. – №. 38. – pp. 2822-2828.
17. Tianyuan Ni Data Analysis and Machine Learning: on Long Memory Commodity Time Series [Текст]: Thesis submitted for the degree of Master of Philosophy University of Liverpool. – Liverpool, 2019. – 117 p. – Bibliography.: – pp. 108-117.
18. Won H.-R., Lee Y., Shim J.-S., Ahn H. A Hybrid Collaborative Filtering Model Using Customer Search Keyword Data for Product Recommendation //2019 18th IEEE International Conference On Machine Learning And Applications (ICMLA). – IEEE, 2019. – pp. 1523-1526.
19. Yi S., Liu X. Machine learning based customer sentiment analysis for recommending shoppers, shops based on customers’ review //Complex & Intelligent Systems. – 2020. – Т. 6. – №. 3. – pp. 621-634.
20. Scikit-learn 0.24.1. URL: https://scikit-learn.org/stable/supervised_learning.html
21. Введение в Scikit-learn. URL: https://neurohive.io/ru/osnovy-data-science/vvedenie-v-scikit-learn/
Хочешь уникальную работу?
Больше 3 000 экспертов уже готовы начать работу над твоим проектом!
4.8 (105 отзывов)
4.8 (40 отзывов)
5 (22 отзыва)
4.9 (826 отзывов)
4.9 (20 отзывов)
4.8 (373 отзыва)
4.9 (298 отзывов)
4.9 (66 отзывов)
4.9 (343 отзыва)
