ДОСЛІДЖЕННЯ МЕТОДІВ МАШИННОГО НАВЧАННЯ ДЛЯ АНАЛІЗУ ТА ПРОГНОЗУВАННЯ ЗАКУПІВЕЛЬНИХ ДАНИХ

Анотація

Стаття присвячена дослідженню методів машинного навчання, які можуть бути використані для аналізу та прогнозування закупівельних даних. Закупівельні процеси є важливою та невід’ємною частиною функціонування різних бізнес-структур та організацій. Налагодження та реалізація таких процесів забезпечує необхідними ресурсами, матеріалами та послугами діяльність компанії та сприяє досягненню її головних бізнес-цілей. В умовах швидкоплинно мінливого ринкового середовища та світової економіки для більшості компаній актуальними задачами є аналівз закупівельних даних великих обсягів та прогнозування параметрів закупівельних процесів для своєчасного реагування на виникаючі ринкові умови та для прийняття ефективних управлінських рішень. За останні роки зі зростанням обсягів закупівельних даних машинне навчання стало перспективним інструментом для обробки, аналізу та інтерпретації інформації, а також для розв’язання інших задач, які пов’язані з управлінням закупівельними процесами компаній. Розробка та впровадження у контур управління логістичними процесами програмних систем, які реалізують різні методи машинного навчання для аналізу та прогнозування закупівельних даних, значно прискорити та спростить процеси прийняття рішень щодо придбання послуг та матеріалів, а також забезпечить високу якість цих рішень. Практична цінність дослідження полягає у наданні рекомендацій щодо використання методів машинного навчання для розв’язання складних задач, які виникають при управлінні закупівельними процесами. Наведено результати аналізу переваг та недоліків таких методів машинного навчання, як кластерний аналіз, класифікація, регресійний аналіз, генетичні алгоритми та глибоке навчання. Правильний вибір методу машинного навчання для розв’язання задач аналізу та прогнозування даних щодо закупівельних процесів допоможе досягти високої точності та ефективності аналітичних результатів у системі інтелектуального управління логістичними операціями.