Али Рауф оглы Багирзаде ассистент кафедры теории менеджмента и бизнес-технологий
109992, Москва, Стремянный пер., д. 36
Ali Rauf Baghirzade Assistant of the Department of Management Theory and Business Technologies
36 Stremyanny Lane, Moscow, 109992
В статье рассмотрены методы повышения эффективности управления розничной торговой сетью «М.Видео – Эльдорадо» на основе внедрения нейросетевых методов прогнозирования ключевых финансовых показателей. Автор акцентирует внимание на цифровой трансформации компании, ориентированной на использование микросервисной архитектуры и облачных технологий, однако подчеркивает, что нейронные сети до настоящего времени не применялись для прогнозирования выручки в российской практике. Исследование основано на анализе данных начиная с 2019 г. после слияния компаний «М.Видео» и «Эльдорадо». Использование корреляционно-регрессионного анализа при прогнозировании выручки организации показало низкую прогностическую точность и экономическую неадекватность результатов. В ответ на это была разработана и протестирована серия нейросетевых моделей на базе Deductor Studio Lite 5.1 с использованием метода скользящего окна, включая байесовский ансамбль из пяти многослойных персептронов различной архитектуры. Все модели продемонстрировали высокую точность аппроксимации (средняя ошибка – менее 0,01%), причем наилучшие результаты показала двухслойная сеть (6 и 8 нейронов в скрытых слоях). Сделан вывод, что нейросетевые модели превосходят традиционные методы по точности и устойчивости прогнозирования, а их внедрение в практику управления торговыми компаниями представляет собой перспективное направление дальнейшей цифровой трансформации.
The article studies methods of raising efficiency of managing the trade chain ‘M. Video – Eldorado’ on the basis of introducing neuro-net methods of forecasting key finance figures. The author focuses at digital transformation of company oriented to the use of micro-service architecture and cloud technologies but he also underlines that neuron nets have not been applied so far to forecast proceeds in Russian practice. The research is based on analyzing data since 2019 after the merger of the companies ‘M. Video’ and ‘Eldorado’. The use of correlation-regressive analysis for forecasting proceeds of the organization showed a low prognostic accuracy and economic inadequacy of results. In response a series of neuro-net models were developed on the basis of Deductor Studio Lite 5.1 with method of sliding window, including bayes ensemble of five multilayer perceptrons of different architecture. All models demonstrated high accuracy of approximation (mean error is less that 0.01%) and the best results were reached by the two-layer net (6 and 8 neurons in concealed layers). A conclusion was drawn that neuro-net models exceed traditional methods by accuracy and sustainability of forecasting and their introduction into practice of trade company management could provide a promising line in further digital transformation.
The authors declare that there are no conflicts of interest present.