Програмний модуль аналізу та прогнозування продажів аптечної мережі

Abstract

Метою роботи є розробка інтерактивного програмного модуля (MVPдашборду) для аналізу та предиктивного моделювання продажів фармацевтичної продукції на основі алгоритмів машинного навчання для оптимізації товарних запасів аптечної мережі. Методами дослідження та розроблення обрано: методи об’єктноорієнтованого проєктування(UML-моделювання), предиктивний аналіз часових рядів за допомогою алгоритму Prophet, а також емпіричні методи валідації та оцінки якості моделей машинного навчання (MAPE, MSE). Внаслідок виконання роботи спроєктовано та реалізовано веб-сторінку предиктивної аналітики роздрібного попиту на базі алгоритмів машинного навчання. Розроблений програмний модуль автоматизує розрахунок майбутньої потреби в медикаментах, що дозволяє суттєво знизити вплив людського фактору, оптимізувати обсяги поставок ліків та мінімізувати ризики «заморожування» обігових коштів підприємства в надлишкових товарних запасах. Результати дослідження мають практичну цінність для аналітичних підрозділів і департаментів постачання роздрібних фармацевтичних мереж, а також можуть застосовуватися як інструмент підтримки прийняття рішень у системах операційного планування.

The purpose of the work is to develop an interactive software module (MVP dashboard) for the analysis and predictive modeling of pharmaceutical sales based on machine learning algorithms to optimize the inventory of a pharmacy chain. Research and development methods include: object-oriented design methods (UML modeling), time-series predictive analysis using the Prophet algorithm, as well as empirical methods for validation and quality assessment of machine learning models (MAPE, MSE). As a result of the work, a predictive analytics web application for retail demand based on machine learning algorithms was designed and implemented. The developed software module automates the calculation of future pharmaceutical demands, significantly reducing the impact of the human factor, optimizing medicine supply volumes, and minimizing the risks of freezing the enterprise’s working capital in excess inventory. The research results hold practical value for analytics units and supply departments of retail pharmacy chains, and can also be applied as a decision support tool within operational planning systems.