Применение нейросетевого моделирования при прогнозировании ключевых финансовых показателей на предприятиях торговли

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.

1. Докторова Н. П. Использование современных нейросетевых технологий при принятии управленческих решений // Научно-исследовательский журнал «Экономические исследования и разработки». – 2024. – № 12. – С. 88–93.

2. Пахомова К. И., Пересунько П. В., Виденин С. А. Прогнозирование выручки предполагаемой торговой точки сети медицинских товаров на основе геоинформационных данных // Современные наукоемкие технологии. – 2020. – № 6 (ч. 1). – С. 74–78.

3. Ретейл будущего: как технологии помогают магазинам зарабатывать. – URL: https://sber.pro/digital/publication/riteil-buduschego-kak-tehnologii-pomogayutmagazinam-zarabativat/ (дата обращения: 11.02.2025).

4. Что такое микросервисы, в чем плюсы и минусы такой архитектуры и кому она подходит. – URL: https://eurobyte.ru/articles/chto-takoe-mikroservisy-v-chem-plyusy-iminusy-takoj-arkhitektury-i-komu-ona-podkhodit/ (дата обращения: 11.02.2025).

5. Ширшов Е. В., Иванченко А. А. Применение кластерного анализа для оценки эффективности деятельности предприятия на основе использования нейросетевых технологий // Colloquium-journal. – 2020. – № 5. – С. 119–124.