Исследователи Московского технического университета связи и информатики (МТУСИ) разработали новый метод прогнозирования объемов продаж, который позволяет точнее оценивать спрос на товары даже в нестабильных условиях. Разработка может помочь торговым компаниям эффективнее управлять закупками, запасами и логистикой. Об этом CNews сообщили представители МТУСИ.

Авторами исследования стали сотрудники факультета «Информационные технологии» МТУСИ под руководством профессора, доктора технических наук Юрия Леохина и доцента, кандидата технических наук Тимура Фатхулина.

Сегодня компании ежедневно работают с большими массивами данных о продажах. Однако такие данные нередко содержат аномалии — резкие всплески или падения спроса, ошибки учета, сезонные и случайные отклонения. Все это снижает точность прогнозов и мешает алгоритмам машинного обучения корректно оценивать будущий спрос.

Чтобы решить эту проблему, ученые МТУСИ усовершенствовали один из самых популярных алгоритмов машинного обучения для прогнозирования — XGBoost. Исследователи предложили новый подход, при котором модель «учится» распознавать аномальные значения в данных и снижать их влияние на итоговый прогноз.

В основе метода — комбинация двух алгоритмов искусственного интеллекта. Первый отвечает за прогнозирование продаж, второй — за поиск аномалий в данных. Такой подход позволяет системе заранее выявлять «подозрительные» значения и учитывать их при обучении модели, не допуская искажения итогового результата.

Кроме того, ученые добавили в модель механизм ранней остановки обучения, который помогает избежать переобучения — распространенной проблемы, при которой алгоритм слишком точно подстраивается под обучающие данные, но хуже работает с новыми данными на практике. Также в исследовании использовались дополнительные параметры настройки и кросс-валидация — метод проверки качества модели на разных выборках данных.

Испытания показали, что разработанный в МТУСИ подход стабильно повышает точность прогнозирования по сравнению со стандартными моделями, особенно при работе с данными, содержащими выбросы и аномалии.

Разработка имеет высокую практическую значимость для ритейла и e-commerce. Новый метод может использоваться для более точного прогнозирования продаж товаров разных категорий, что особенно важно для управления ассортиментом, планирования поставок и снижения издержек торговых компаний.

Юрий Леохин: «Предложенный подход универсален и может быть адаптирован под широкий круг задач, где требуется точное прогнозирование на основе сложных и неоднородных данных. Также он может использоваться при прогнозировании объемов продаж телекоммуникационного оборудования, что в настоящих реалиях особо актуально. На этом рынке сейчас имеются существенные изменения, которые необходимо учитывать при прогнозировании, и наша разработка дает такую возможность».

Короткая ссылка