| Abstract : | Η παρούσα διπλωματική εργασία στοχεύει στην κατανόηση της μεθοδολογίας και των ωφελειών της πρόβλεψης ζήτησης, συνδυάζοντας βιβλιογραφική και πρακτική προσέγγιση. Αναλύονται τα χαρακτηριστικά, οι πηγές και η εξέλιξη των μεγάλων δεδομένων, και πώς η ανάλυσή τους παρέχει στις εταιρείες σημαντικές πληροφορίες για την υφιστάμενη και μελλοντική τους κατάσταση. Στη συνέχεια εξετάζονται ποσοτικά μοντέλα πρόβλεψης, όπως η εκθετική εξομάλυνση, το μοντέλο ARIMA και το μοντέλο UCM και ποιοτικές μέθοδοι πρόβλεψης, όπως η μέθοδος Delphi, παρουσιάζοντας μια ολοκληρωμένη καταγραφή των εφαρμοσμένων διαδικασιών πρόβλεψης. Η μεθοδολογία εφαρμόζεται στην πράξη μέσω της πρόβλεψης ζήτησης και παραγγελιών δεδομένων που προέρχονται από μια εφαρμογή διαδικτυακής διανομής παραγγελιών. Για την ανάλυση, οπτικοποίηση και πρόβλεψη των δεδομένων, χρησιμοποιήθηκαν τα εργαλεία SAS Enterprise Guide, SAS Viya και SAS Forecast Studio, αντίστοιχα. Στόχος της διατριβής είναι να λειτουργήσει ως οδηγός για την εισαγωγική κατανόηση των μοντέλων πρόβλεψης και τη χρήση του SAS Forecast Studio λογισμικού.
This thesis aims to understand the methodology and benefits of demand forecasting by combining bibliographical and practical approaches. It analyzes the characteristics, sources, and evolution of big data, demonstrating how their analysis provides companies with crucial information about their current and future states. Quantitative forecasting models, such as exponential smoothing, the ARIMA model, and the UCM model, along with qualitative forecasting methods, such as the Delphi method, are examined, presenting a comprehensive inventory of applied forecasting processes. The methodology is practically applied through the forecasting of demand and orders for a food delivery platform. The SAS Enterprise Guide, SAS Viya, and SAS Forecast Studio tools are used to analyze, visualize, and forecast the data, respectively. The objective of this thesis is to serve as a guide for an introductory understanding of forecasting models and the use of SAS Forecast Studio software.
|
|---|
Copyright © 2013 Library AUEB. All rights reserved.