Дослідження методів машинного навчання для аналізу та прогнозування закупівельних даних

Abstract

Закупівельні процеси є важливою та невід'ємною частиною функціонування бізнес-структур та організацій, забезпечуючи можливість отримання ресурсів, матеріалів та послуг для підтримки їх операцій та досягнення стратегічних бізнес-цілей. Отже, в умовах стрімко мінливого ринкового середовища та стану світової економіки аналіз закупівельних даних і прогнозування поведінки ринку стають ключовими для своєчасної реакції на такі зміни з метою прийняття ефективних управлінських рішень. Робота присвячена дослідженню методів машинного навчання та їх застосування для аналізу й прогнозування закупівельних даних. Практичне значення дослідження полягає у визначенні певних переваг використання методів машинного навчання для оптимізації процесів управління закупівлями. Дослідження направлене на аспекти використання машинного навчання для прогнозування обсягів планування та оптимізації закупівель. Розглянуто переваги та недоліки методів машинного навчання для прогнозування, виявлення аномалій і ризиків у закупівельних процесах. Увагу приділено практичному застосуванню різних методів машинного навчання, зокрема окремих нейронних мереж для задачі класифікації в управлінні закупівлями. У результаті дослідження сформульовано технічне завдання на розробку програмного продукту "Система управління закупівлями".

Procurement processes are an essential and integral part of the functioning of business structures and organizations, providing the means to acquire resources, materials, and services to support their operations and achieve core business objectives. Therefore, in the rapidly changing world and the state of the global economy, the analysis of procurement data and forecasting market behavior become crucial for timely response to changing conditions and making effective decisions. This work is dedicated to reviewing machine learning methods and their application for the analysis and prediction of procurement data. The practical significance of the research lies in supporting an understanding of the potential advantages offered by machine learning methods to optimize procurement management processes. The research focuses on studying aspects of machine learning application, such as volume forecasting, as well as procurement planning and optimization. Attention is directed towards examining the advantages and disadvantages of machine learning methods, with a more detailed exploration of forecasting methods and the detection of anomalies and risks in procurement processes. The practical application of machine learning methods and neural network architecture for each method discussed is also considered. As a result of the research, a technical task for the development of the software product "Procurement Management System" has been formulated.