| Abstract : | Στην παρούσα διπλωματική αναλύεται ο ρόλος της πρόβλεψης ζήτησης, οι μέθοδοι της και τα πλεονεκτήματα στις επιχειρήσεις γενικότερα και στην εταιρεία λιανεμπορίου που αναλύεται παρακάτω ειδικότερα.Αναλυτικότερα, στην πρώτη ενότητα γίνεται μια εισαγωγή στα big data, στα χαρακτηριστικά τους, στις πηγές δεδομένων με σκοπό να κατανοήσουμε καλύτερα την ευρύτερη έννοιά τους. Στην ενότητα 2, αναφερόμαστε στους τρόπους αξιοποίησης αυτών των δεδομένων και στην χρησιμότητα τους στις εταιρείες μέσω των analytics. Κάνουμε μία ανάλυση σε ποια functions μιας επιχείρησης χρησιμοποιούνται όπως το marketing, finance, HR, sales και τα operations. Η ενότητα 3, εστιάζει στα επιχειρησιακά οφέλη της πρόβλεψης ζήτησης σε τομείς όπως τα αποθέματα, το επίπεδο εξυπηρέτησης των πελατών, στο operational planning, στο sales targeting, στο budgeting κ.α. Παράλληλα γίνεται μια αναφορά στο demand driven forecasting, στα στάδιά του και στην συμβολή του ενώ αναλύονται και οι χρήσεις της πρόβλεψης στο promotional modelling και στο price optimization. Τέλος, επεξηγούνται ο όρος quantitative forecasting με τα μοντέλα ARIMA και UCM και ο όρος qualitative forecasting με τις μεθόδους Delphi και jury of executives. Στην ενότητα 4, γίνεται αναφορά στην εταιρεία της οποίας τα δεδομένα εξετάζονται. Περιγράφονται η ιστορία της εταιρείας, οι αγορές στις οποίες δραστηριοποιείται, τα προϊόντα της, οι εργαζόμενοι, η δομή καθώς και ο τρόπος που χρησιμοποιείται για την πρόβλεψη της ζήτησης. Επίσης, αναλύονται και τα δεδομένα τα οποία έχουμε λάβει.Στην τελευταία ενότητα, χρησιμοποιούμε το SAS forecast studio για την ανάλυση των δεδομένων μας και την πρόβλεψη της ζήτησης. Παρουσιάζονται διαγράμματα και πιθανά σενάρια.
In this master thesis, a presentation of the role of demand forecasting, the methods and its advantages for the businesses in general and for the retail company analyzed below in particular.More specifically, in the first section, an introduction is made to big data, its characteristics and the data sources in order to better understand its wider meaning. In section 2, we refer to the ways of exploiting this data and its usefulness to companies through analytics. It could be used to the functions of a company such as marketing, finance, HR, sales and operations.Section 3 focuses on the business benefits of demand forecasting in areas such as inventory, customer service level, operational planning, sales targeting, budgeting, etc. At the same time, a reference is made to demand driven forecasting, its stages and its contribution, while the uses of forecasting in promotional modeling and price optimization are also analyzed. Finally, the term quantitative forecasting with the ARIMA and UCM models and the term qualitative forecasting with the Delphi and jury of executives’ methods are explained.In section 4, reference is made to the company whose data is examined. The history of the company, the markets in which it operates, its products, its employees, the structure and its ways of forecasting demand are described.In the last section, we use SAS forecast studio to analyze our data and forecast demand. Diagrams and possible scenarios are presented.
|
|---|
Copyright © 2013 Library AUEB. All rights reserved.