AUEB Library - Digital Repository

PYXIDA Institutional Repository
and Digital Library

Username
Password

Collections :	Ιδρυματικό Αποθετήριο ΟΠΑ / AUEB Institutional Repository Σχολή Διοίκησης Επιχειρήσεων / School of Business Τμήμα Διοικητικής Επιστήμης και Τεχνολογίας / Department of Management Science and Technology Μεταπτυχιακές Εργασίες / Postgraduate dissertations

Title :	Grouped time series forecasting on fast moving consumer goods company sales data

Alternative Title :	Πρόβλεψη πωλήσεων εταιρείας ταχέως κινούμενων καταναλωτικών αγαθών σε δεδομένα με ιεραρχική δομή

Creator :	Πατεράκης, Αντώνιος Paterakis, Antonios

Contributor :	Καρλής, Δημήτριος (Επιβλέπων καθηγητής) Athens University of Economics and Business, Department of Management Science and Technology (Degree granting institution)

Type :	Text

Extent :	58p.

Language :	en

Identifier :	http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=7798

Abstract :	Σε αυτή τη διατριβή, θα δείξουμε ότι μια νέα μέθοδος για πρόβλεψη δεδομένων που έχουν ιεραρχική δομή, παρέχει καλύτερες προβλέψεις σε σχέση με την μέθοδο bottom-up. Η νέα μέθοδος εφαρμόζεται σε προβλέψεις που προκύπτουν από μοντέλα ARIMA όσο και από SARIMA. Εφαρμόζουμε τη μέθοδο για την πρόβλεψη πωλήσεων μιας εταιρείας Ταχέως Κινούμενων Καταναλωτικών Αγαθών, όπου τα δεδομένα δομούνται ιεραρχικά σε επίπεδο προϊόντος και γεωγραφικής περιοχή. In this thesis, we will show that a new approach to hierarchical/group forecasting, provides optimal forecasts that performs better than forecasts produced by the bottom-up approach. We show that this method performs well, compared to the bottom-up method both for ARIMA and SARIMA models. We apply the method to forecasting sales of a Fast Moving Consumer Goods company, where the data are disaggregated by product and geographical region.

Abstract :

Σε αυτή τη διατριβή, θα δείξουμε ότι μια νέα μέθοδος για πρόβλεψη δεδομένων που έχουν ιεραρχική δομή, παρέχει καλύτερες προβλέψεις σε σχέση με την μέθοδο bottom-up. Η νέα μέθοδος εφαρμόζεται σε προβλέψεις που προκύπτουν από μοντέλα ARIMA όσο και από SARIMA. Εφαρμόζουμε τη μέθοδο για την πρόβλεψη πωλήσεων μιας εταιρείας Ταχέως Κινούμενων Καταναλωτικών Αγαθών, όπου τα δεδομένα δομούνται ιεραρχικά σε επίπεδο προϊόντος και γεωγραφικής περιοχή.
In this thesis, we will show that a new approach to hierarchical/group forecasting, provides optimal forecasts that performs better than forecasts produced by the bottom-up approach. We show that this method performs well, compared to the bottom-up method both for ARIMA and SARIMA models. We apply the method to forecasting sales of a Fast Moving Consumer Goods company, where the data are disaggregated by product and geographical region.

Subject :	Ιεραρχική πρόβλεψη Πρόβλεψη πωλήσεων Πρόβλεψη χρονοσειρών Αγαθά ταχείας κατανάλωσης Hierarchical forecasting Sales forecasting Time Series forecasting Fast Μoving Consumer Goods (FMCG)

Date Available :	2020-04-22 15:01:56

Date Issued :	09-12-2019

Date Submitted :	2020-04-22 15:01:56

Access Rights :	Free access

Licence :

File: Paterakis_2019.pdf

Type: application/pdf

Login