Публикации автора

Введение. В исследовании подчеркивается актуальность задачи моделирования и прогнозирования банковских продаж на примере ПАО «Сбербанк» в контексте эффективного управления бизнесом. Прогнозирование объемов продаж является важным инструментом, позволяющим предсказать спрос на продукты и услуги, определить оптимальные стратегии и тактики для достижения целей компании. Уникальность исследования состоит в использовании методов искусственного интеллекта в области маркетинга. Результаты применения методов прогнозирования на проприетарной выборке данных о ежедневных продажах ПАО «Сбербанк» обладают элементами новизны, что придает значимость разработке оптимальных стратегий и тактик для успешного управления бизнесом. Основная гипотеза исследования заключается в проверке прогностических способностей методов машинного обучения в сравнении с классическими эконометрическими подходами при моделировании объемов продажах ПАО «Сбербанк». Цель. Разработка моделей прогнозирования продаж универсальных продуктов и их инструментальная реализация для блока «Сеть продаж» ПАО «Сбербанк». Материалы и методы. В работе использованы методы системного анализа, статистические и экономико-математические методы анализа данных и их обработки. На собранных и предварительно обработанных данных о продажах условных продуктов ПАО «Сбербанк», отражающих динамику банковских продаж, проведены вычислительные эксперименты для построения ряда моделей прогнозирования и обоснован выбор наилучшей модели из числа построенных. Результаты. Модели на основе методов случайного леса (Random Forest) и градиентного бустинга (XGBRegressor) позволили получить прогнозы, точность которых существенно выше точности прогнозов ARIMA-модели и линейной регрессии на обучающей и тестовой выборках. Выводы. Результаты проведенной работы позволяют утверждать, что методы машинного обучения в настоящий момент являются перспективными для решения задач прогнозирования банковских продаж и могут выступать предметом дальнейших исследований в данной области. Внедрение методов машинного обучения в банковскую практику способно значительно улучшить эффективность существующего управления продажами и рисками.