PhD in Economics, Associate Professor
кандидат экономических наук, доцент
PhD in Economics, Associate Professor
кандидат экономических наук, доцент
PhD in Engineering, Associate Professor
кандидат технических наук, доцент
Background. In a highly competitive world in the tobacco market, companies face the need to optimize their data analysis and decision-making processes. The main problem is the processing of ever-growing volumes of sales data that were previously stored and analyzed in Excel, which led to slower analysis processes, calculation errors, and reduced effectiveness of marketing strategies. To solve this problem, the company’s management decided to switch to using modern technologies.
The relevance of the study is due to high competition in the tobacco market and the need to optimize data analysis and decision-making processes. Previously, sales data was stored and analyzed in Excel, which slowed down analysis, led to calculation errors, and reduced the effectiveness of marketing strategies.
Purpose: to develop and implement a machine learning-based data analysis and sales forecasting system to improve the effectiveness of trade marketing
Methodology. The work uses machine learning methods, automation of analytical reporting, as well as tools for working with data (PostgreSQL, Power BI, Python). Airflow is used to manage the execution of data processing scripts and model training, monitor the updating of analytical reports, and integrate the system with CRM.
Results. A data processing and analysis system has been developed; data has been transferred from Excel to PostgreSQL to solve encoding problems; automatic data loading and conversion mechanisms have been implemented; high-quality data preparation for analysis has been carried out.
Practical implications. The results of the study can be applied in companies working with large volumes of data; in the field of business analytics and working with big data; in industries with fierce competition and complex market conditions.
Обоснование. В мире высокой конкуренцией на рынке табачной продукции, компании сталкиваются с необходимостью оптимизации процессов анализа данных и принятия решений. Основной проблемой является обработка постоянно растущих объемов данных о продажах, которые ранее хранились и анализировались в Excel, что приводило к замедлению процессов анализа, ошибкам в расчетах и снижению эффективности маркетинговых стратегий. Для решения этой проблемы руководством компании было принято решение перейти на использование современных технологий.
Актуальность обусловлена высокой конкуренцией на рынке табачной продукции и необходимостью оптимизации процессов анализа данных и принятия решений. Ранее данные о продажах хранились и анализировались в Excel, что приводило к замедлению анализа, ошибкам в расчётах и снижению эффективности маркетинговых стратегий.
Цель – разработка и внедрение системы анализа данных и прогнозирования продаж на основе машинного обучения для повышения эффективности трейд-маркетинга.
Метод и методология проведения работы. В работе применяются методы машинного обучения, автоматизация аналитической отчётности, а также инструменты для работы с данными (PostgreSQL, Power BI, Python). Для управления выполнением скриптов обработки данных и обучения моделей, контроля обновления аналитических отчётов и интеграции системы с CRM используется Airflow.
Результаты. Разработана система обработки и анализа данных; осуществлён перенос данных из Excel в PostgreSQL с решением проблем кодировки; реализованы механизмы автоматической загрузки и конвертации данных, проведена качественная подготовка данных для анализа.
Область применения результатов. Результаты исследования могут быть применены в компании, работающие с большими объёмами данных; сфере бизнес-аналитики и работы с большими данными; отрасли с жёсткой конкуренцией и сложными рыночными условиями.