Специалисты Московского технического университета связи и информатики (МТУСИ) создали инновационный способ прогнозирования продаж, который позволяет более точно определять потребительский спрос даже в условиях нестабильности. Эта разработка способна помочь торговым предприятиям оптимизировать процессы закупок, управления запасами и логистики. Как сообщили представители МТУСИ в беседе с CNews, данное достижение может найти широкое применение в коммерческой сфере.
Над исследованием трудились сотрудники факультета «Информационные технологии» МТУСИ под руководством профессора, доктора технических наук Юрия Леохина и доцента, кандидата технических наук Тимура Фатхулина.
В настоящее время компании ежедневно обрабатывают огромные объемы информации о продажах. Однако эти данные часто содержат аномалии — внезапные скачки или спады спроса, ошибки в учете, а также сезонные и случайные колебания. Подобные факторы снижают точность прогнозов и мешают алгоритмам машинного обучения адекватно оценивать будущий спрос.
Для преодоления этой проблемы ученые МТУСИ модифицировали один из наиболее востребованных алгоритмов машинного обучения для прогнозирования — XGBoost. Исследователи разработали инновационный метод, при котором модель «обучается» выявлять аномальные показатели в данных и минимизировать их воздействие на конечный прогноз.
В основе предложенного метода лежит сочетание двух алгоритмов искусственного интеллекта. Первый отвечает за прогнозирование объемов продаж, а второй — за обнаружение аномалий в данных. Такой подход позволяет системе заранее распознавать «подозрительные» значения и принимать их во внимание при обучении модели, предотвращая искажение итоговых результатов.
Помимо этого, ученые внедрили в модель механизм ранней остановки обучения, который предотвращает переобучение — распространенную проблему, когда алгоритм чрезмерно адаптируется к обучающим данным, но теряет эффективность при работе с новыми данными в реальных условиях. В исследовании также были использованы дополнительные параметры настройки и кросс-валидация — метод оценки качества модели на различных наборах данных.
Тестирование показало, что разработанный в МТУСИ подход стабильно улучшает точность прогнозирования по сравнению со стандартными моделями, особенно при анализе данных, содержащих выбросы и аномалии.
Эта разработка обладает высокой практической ценностью для розничной торговли и электронной коммерции. Новый метод может применяться для более точного прогнозирования продаж товаров различных категорий, что особенно важно для управления ассортиментом, планирования поставок и сокращения расходов торговых компаний.
Юрий Леохин: «Разработанный нами подход универсален и может быть адаптирован для решения широкого спектра задач, требующих точного прогнозирования на основе сложных и неоднородных данных. Кроме того, он применим для прогнозирования объемов продаж телекоммуникационного оборудования, что особенно актуально в текущих условиях. На этом рынке происходят значительные изменения, которые необходимо учитывать при прогнозировании, и наша разработка предоставляет такую возможность».
