Kysynnän ennustevirheiden hallinta päivittäistavarakaupan toimitusketjussa : Kvantitatiivinen tutkimus kysynnän ennustevirheisiin liittyvistä ilmiöistä ja tekoälyn tarjoamista mahdollisuuksista

Ladataan...
suljettu
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
Lataukset1

Verkkojulkaisu

DOI

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.

item.page.okmtext