Kysynnän ennustevirheiden hallinta päivittäistavarakaupan toimitusketjussa : Kvantitatiivinen tutkimus kysynnän ennustevirheisiin liittyvistä ilmiöistä ja tekoälyn tarjoamista mahdollisuuksista
Rantala, Aleksi (2021-04-12)
Kysynnän ennustevirheiden hallinta päivittäistavarakaupan toimitusketjussa : Kvantitatiivinen tutkimus kysynnän ennustevirheisiin liittyvistä ilmiöistä ja tekoälyn tarjoamista mahdollisuuksista
Rantala, Aleksi
(12.04.2021)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
suljettu
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2021042311613
https://urn.fi/URN:NBN:fi-fe2021042311613
Tiivistelmä
Laadukkaat kysyntäennusteet ovat erityisen tärkeitä päivittäistavarakaupassa toimiville yrityksille,
sillä ennusteet vaikuttavat alalle tärkeisiin varastotasoihin ja tuotesaatavuuteen. Kysyntäennusteiden
laatua on kuitenkin hankalaa hallita monen niihin vaikuttavan tekijän takia, ja siksi
tutkimuksen tavoitteena oli luoda uusia työkaluja ja toimenpiteitä ennustevirheiden hallinnan
tueksi hyödyntämällä toimeksiantajan ennustevirhedataa. Tutkimus pyrki vastaamaan kysymyksiin:
mitkä toimenpiteet auttavat parantamaan kysynnän ennustamisen laatua päivittäistavarakaupassa
ja mille tuotteille toimenpiteet tulisi ottaa käyttöön. Myös aikaisemmassa tutkimuksessa
on tunnistettu tarve tutkia käytännön kannalta hyödyllisiä ratkaisuja reaalimaailman
datalla, ja siksi tutkimus on akateemisesti perusteltu. Ennustevirheitä tutkittiin toimeksiantona
merkittävälle suomalaiselle päivittäistavarakaupassa toimivalle yritykselle kvantitatiivisten
menetelmien avulla. Tutkimuksessa käytettiin konstruktiivista tutkimusotetta ja luotiin ennustevirheiden
hallinnan työkaluja tekemällä aineistolle erilaisia tilastollisia testejä hyödyntäen
SPSS tilasto-ohjelmistoa sekä ohjelmointikieltä R. Tutkimuksen tulokset antavat tietoa kiertoluokan
vaikutuksesta ennustevirheiden syntyyn, sekä ottaa kantaa hitaasti kiertävien tuotteiden
ennustamisen mielekkyyteen. Tutkimus myös osoittaa systemaattisiin virheisiin puuttumisen
tärkeyttä ja lisäksi tutkimuksessa luodun neuroverkon avulla osoitetaan tekoälyn olevan tehokas
työkalu ennustevirheiden hallinnassa. Tutkimuksessa esitetään toimeksiantajalle konkreettisia
toimintaehdotuksia. Tulokset ovat joiltain osin myös sovellettavissa muihin konteksteihin.
sillä ennusteet vaikuttavat alalle tärkeisiin varastotasoihin ja tuotesaatavuuteen. Kysyntäennusteiden
laatua on kuitenkin hankalaa hallita monen niihin vaikuttavan tekijän takia, ja siksi
tutkimuksen tavoitteena oli luoda uusia työkaluja ja toimenpiteitä ennustevirheiden hallinnan
tueksi hyödyntämällä toimeksiantajan ennustevirhedataa. Tutkimus pyrki vastaamaan kysymyksiin:
mitkä toimenpiteet auttavat parantamaan kysynnän ennustamisen laatua päivittäistavarakaupassa
ja mille tuotteille toimenpiteet tulisi ottaa käyttöön. Myös aikaisemmassa tutkimuksessa
on tunnistettu tarve tutkia käytännön kannalta hyödyllisiä ratkaisuja reaalimaailman
datalla, ja siksi tutkimus on akateemisesti perusteltu. Ennustevirheitä tutkittiin toimeksiantona
merkittävälle suomalaiselle päivittäistavarakaupassa toimivalle yritykselle kvantitatiivisten
menetelmien avulla. Tutkimuksessa käytettiin konstruktiivista tutkimusotetta ja luotiin ennustevirheiden
hallinnan työkaluja tekemällä aineistolle erilaisia tilastollisia testejä hyödyntäen
SPSS tilasto-ohjelmistoa sekä ohjelmointikieltä R. Tutkimuksen tulokset antavat tietoa kiertoluokan
vaikutuksesta ennustevirheiden syntyyn, sekä ottaa kantaa hitaasti kiertävien tuotteiden
ennustamisen mielekkyyteen. Tutkimus myös osoittaa systemaattisiin virheisiin puuttumisen
tärkeyttä ja lisäksi tutkimuksessa luodun neuroverkon avulla osoitetaan tekoälyn olevan tehokas
työkalu ennustevirheiden hallinnassa. Tutkimuksessa esitetään toimeksiantajalle konkreettisia
toimintaehdotuksia. Tulokset ovat joiltain osin myös sovellettavissa muihin konteksteihin.