عنوان پایان‌نامه
طراحی سیستمی برای پیش بینی و تحلیل میزان فروش محصولات در مناطق جغرافیایی مختلف کشور با استفاده از روش های داده کاوی: مطالعه موردی گروه صنایع غذایی سولیوک
- رشته تحصیلی
- مدیریت فن آوری اطلاعات
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 81415;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 81415
- تاریخ دفاع
- ۲۷ بهمن ۱۳۹۴
- دانشجو
- مهتاب امامی
- استاد راهنما
- بابک سهرابی یورتچی
- چکیده
- پیش بینی دقیق میزان فروش، نقش بسیار مهمی را در مدیریت تولید و تامین موثر کارخانجات تولیدی برعهده دارد. نیازمندی ها و محدودیت های ویژه ی نگهداری از مواد اولیه و محصولات در صنعت لبنیات، این نقش را به مراتب پررنگ تر کرده است. جذب بیش از نیاز شیر خام در تانکرهای شیر کارخانه و نیز هزینه های بسیار بالای انقضای زودرس مواد اولیه و محصولات لبنی، از جمله خطراتی هستند که بصورت مداوم شرکت های تولیدی لبنیات را تهدید می کند که البته با پیش بینی صحیح و دقیق تقاضا و در نتیجه ی آن برنامه ریزی موثر تولید و تامین، می توان این تهدیدات را به حداقل رساند. علاوه بر این، برای حداکثر سازی درآمد فروش، لازم است مدیران سازمان، بهترین و مناسب ترین استراتژی فروش و بازاریابی را در شرایط مختلف بازار اتخاذ کنند. به این منظور، تحلیل و کشف رفتار مشتری و روندهای فروش به عنوان چراغ راه، به مدیران در ایجاد استراتژی های کارآمد کمک می کند. سهم تحقیق حاضر در پاسخ به این نیازمندی ها در شرکت فرآورده های لبنی کاله، طراحی سیستمی است که بتوان با آن به تحلیل داده های فروش پرداخت و بعد از کشف الگوهای پنهان حاکم بر فروش و بررسی میزان تاثیر متغیرهای قیمت و شرایط جوی بر فروش، میزان فروش را در سالهای آتی پیش بینی نموده و سپس با بررسی شرایط متفاوت پیش بینی شده ی تقاضا در بازار، به مدیران در تدوین استراتژی فروش و بازاریابی کمک کرد. به همین جهت، داده های تاریخی فروش 20 کالای لبنی در 6 شهر منتخب در طی 4 سال و سه ماه متوالی، با مجوز کتبی از طرف شرکت فرآورده های لبنی کاله در اختیار پژوهشگر قرار داده شده است. جهت تحلیل داده ها، روش های منتخب آمار توصیفی بکار گرفته شده است. سپس به جهت طراحی سیستم پیش بینی فروش، ابتدا از روش ترکیبی دسته بندی و خوشه بندی استفاده شده است؛ سپس از شبکه عصبی مصنوعی بهره گرفته شده است، و در نهایت دقیق ترین و کارآمدترین روشهای پیش بینی معرفی و پیاده سازی گردیده است. حاصل این بخش از پژوهش، سیستمی است که قادر است با دریافت پیش بینی آب و هوایی، متوسط فروش را با دقت قابل قبولی تخمین بزند. سیستم پیش بینی فروش دیگری نیز ایجاد شده است که می تواند با دریافت پیش بینی فروش یک گروه محصول خاص، به تخمین متوسط فروش سایر محصولات بپردازد. در گام بعدی تحقیق، برای ایجاد سیستم پیشنهاد دهنده ی استراتژی فروش و بازاری
- Abstract
- Accurate forecasting of sales amount plays an important role in effective production and sourcing management of manufacturing companies which ultimately leads to high profitability. Special maintenance necessities of dairy raw material and products highlights this role even more. In addition, the surplus in collected raw milk and expensive outdating of goods are everlasting treats to every dairy company which can also be mitigated by reliable sales forecasting (Demand Planning) system. In addition, in order to achieve the highest possible sales volume, a proper sales strategy must be employed. To that end, analysis of sales patterns and customer behavior is considered as the guiding light that helps managers in forming marketing and sales strategies. In this paper, our contribution to mentioned requirements is to estimate products sales amount by extracting and analyzing available data with appropriate data mining techniques and then build a forecasting along with a marketing strategies recommender system. For this purpose, the sales data related to 20 dairy products of an Iranian dominant dairy company for a 4-year period has been analyzed. With respect to the diversity of external variables affecting the sales volume, four effecting factors have been selected to build a sales forecasting and sales strategy recommender system. Various algorithms of Clustering and Classification approaches are employed to analyze and extract clusters from the data that best characterizing the purchasing behavior of the dairy customers in different regions of Iran. Then, appropriate sales policies have been formulated for each cluster. At the end, a forecasting system is developed. Our analysis demonstrates that demand in dairy market is very sensitive to changes in weather condition while it does not show a quick reaction to price changes.
