Интегрированный подход к прогнозированию спроса и оптимизации запасов в электронной коммерции

В работе рассматривается задача прогнозирования спроса и оптимизации запасов в системе электронной коммерции, характеризующейся широким ассортиментом товаров и высокой вариативностью спроса. Объектом исследования являются временные ряды спроса на уровне отдельных товарных позиций (SKU), сформированные на основе транзакционных данных интернет-магазина. Предложен интегрированный подход, объединяющий методы машинного обучения и стохастическую модель управления запасами. Прогнозирование спроса осуществляется с использованием регрессионных и ансамблевых моделей с применением календарных, лаговых и скользящих признаков. Неопределённость спроса оценивается на основе ошибок прогнозирования с использованием процедуры ограничения выбросов. Результаты эксперимента показали, что наилучшую точность демонстрирует модель градиентного бустинга (MAE = 23.97, RMSE = 311.70). Средний недельный спрос составляет около 158 единиц, при значительной неоднородности между товарами. Применение модели Newsvendor приводит к среднему оптимальному объёму заказа 236 единиц, что отражает влияние неопределённости спроса на формирование страхового запаса. При этом суммарная стоимость закупки без ограничений превышает бюджет более чем в 14 раз. Для учёта финансовых ограничений введено бюджетное ограничение и применена процедура пропорционального масштабирования заказов. В результате средний объём заказа снижается до 16 единиц, а итоговая стоимость закупки (119.3 тыс.) не превышает заданный бюджет (122.8 тыс.). Достигнутый уровень обслуживания составляет около 0.94. Полученные результаты показывают, что интеграция методов машинного обучения и стохастической оптимизации является эффективным инструментом управления запасами в электронной коммерции.