Розробка підсистеми прогнозування системи управління маркетинговою інформацією на промисловому підприємстві

Автор(и)

  • Mykhailo Oklander Одеський національний політехнічний університет пр. Шевченка, 1, м. Одеса, Україна, 65044, Україна https://orcid.org/0000-0002-1268-6009
  • Tatyana Oklander Одеська державна академія будівництва та архітектури вул. Дідріхсона 4, м. Одеса, Україна, 65029, Україна https://orcid.org/0000-0003-3955-9808
  • Irina Pedko Одеська державна академія будівництва та архітектури вул. Дідріхсона 4, м. Одеса, Україна, 65029, Україна https://orcid.org/0000-0001-6005-7007
  • Oksana Yashkina Одеський національний політехнічний університет пр. Шевченка, 1, м. Одеса, Україна, 65044, Україна https://orcid.org/0000-0002-8028-575X

DOI:

https://doi.org/10.15587/1729-4061.2017.111547

Ключові слова:

маркетингова інформація, система управління маркетинговою інформацією, типи прогнозів, методи прогнозування

Анотація

Досліджено тенденції розвитку промислових ринків та стан наукової думки щодо визначення поняття «система управління маркетинговою інформацією». Встановлено необхідність модернізації класичної концепції побудови системи управління маркетинговою інформацією промислового підприємства. Розроблені класифікація інформації, яка надходить у підсистему прогнозування та типів прогнозів, які можуть бути отримані в підсистемі прогнозування системи управління маркетинговою інформацією промислового підприємства

Біографії авторів

Mykhailo Oklander, Одеський національний політехнічний університет пр. Шевченка, 1, м. Одеса, Україна, 65044

Доктор економічних наук, професор

Кафедра маркетингу

Tatyana Oklander, Одеська державна академія будівництва та архітектури вул. Дідріхсона 4, м. Одеса, Україна, 65029

Доктор економічних наук, доцент

Кафедра економіки підприємства

Irina Pedko, Одеська державна академія будівництва та архітектури вул. Дідріхсона 4, м. Одеса, Україна, 65029

Доктор економічних наук, доцент

Кафедра економіки підприємства

Oksana Yashkina, Одеський національний політехнічний університет пр. Шевченка, 1, м. Одеса, Україна, 65044

Доктор экономических наук, доцент

Кафедра маркетингу

Посилання

  1. Malhotra, N. K., Birks, D. F. (2007). Marketing Research: An Applied Approach. Prentice Hall/Financial Times, 835.
  2. Churchill, G. A., Iacobucci, D. (2005). Marketing Research: Methodological Foundations. Thomson/South-Western, 697.
  3. Evans, J. R., Berman, B. (2005). Marketing in the 21st Century. Cincinnati, Ohio: Atomic Dog Publishing, 628.
  4. Gates, B. (1999). Business @ the Speed of Thought: Using a Digital Nervous Sistem. New York: Warner Books, 166.
  5. Kotler, P. T., Keller, K. L. (2011). Marketing Management. Hardcover, 668.
  6. Kourentzes, N., Rostami-Tabar, B., Barrow, D. K. (2017). Demand forecasting by temporal aggregation: Using optimal or multiple aggregation levels? Journal of Business Research, 78, 1–9. doi: 10.1016/j.jbusres.2017.04.016
  7. Athanasopoulos, G., Hyndman, R. J., Kourentzes, N., Petropoulos, F. (2017). Forecasting with temporal hierarchies. European Journal of Operational Research, 262 (1), 60–74. doi: 10.1016/j.ejor.2017.02.046
  8. Guo, F., Diao, J., Zhao, Q., Wang, D., Sun, Q. (2017). A double-level combination approach for demand forecasting of repairable airplane spare parts based on turnover data. Computers & Industrial Engineering, 110, 92–108. doi: 10.1016/j.cie.2017.05.002
  9. Lessmann, S., Voß, S. (2017). Car resale price forecasting: The impact of regression method, private information, and heterogeneity on forecast accuracy. International Journal of Forecasting, 33 (4), 864–877. doi: 10.1016/j.ijforecast.2017.04.003
  10. Garcia, M. G. P., Medeiros, M. C., Vasconcelos, G. F. R. (2017). Real-time inflation forecasting with high-dimensional models: The case of Brazil. International Journal of Forecasting, 33 (3), 679–693. doi: 10.1016/j.ijforecast.2017.02.002
  11. Bergman, J. J., Noble, J. S., McGarvey, R. G., Bradley, R. L. (2017). A Bayesian approach to demand forecasting for new equipment programs. Robotics and Computer-Integrated Manufacturing, 47, 17–21. doi: 10.1016/j.rcim.2016.12.010
  12. Zelenkov, Y., Fedorova, E., Chekrizov, D. (2017). Two-step classification method based on genetic algorithm for bankruptcy forecasting. Expert Systems with Applications, 88, 393–401. doi: 10.1016/j.eswa.2017.07.025
  13. Jiang, S., Chin, K.-S., Wang, L., Qu, G., Tsui, K. L. (2017). Modified genetic algorithm-based feature selection combined with pre-trained deep neural network for demand forecasting in outpatient department. Expert Systems with Applications, 82, 216–230. doi: 10.1016/j.eswa.2017.04.017
  14. Mirakyan, A., Meyer-Renschhausen, M., Koch, A. (2017). Composite forecasting approach, application for next-day electricity price forecasting. Energy Economics, 66, 228–237. doi: 10.1016/j.eneco.2017.06.020
  15. Bui, L. T., Truong Vu, V., Huong Dinh, T. T. (2017). A novel evolutionary multi-objective ensemble learning approach for forecasting currency exchange rates. Data & Knowledge Engineering. doi: 10.1016/j.datak.2017.07.001
  16. Kuo, R. J., Chen, C. H., Hwang, Y. C. (2001). An intelligent stock trading decision support system through integration of genetic algorithm based fuzzy neural network and artificial neural network. Fuzzy Sets and Systems, 118 (1), 21–45. doi: 10.1016/s0165-0114(98)00399-6
  17. Yang, M.-S., Lin, T.-S. (2002). Fuzzy least-squares linear regression analysis for fuzzy input–output data. Fuzzy Sets and Systems, 126 (3), 389–399. doi: 10.1016/s0165-0114(01)00066-5
  18. Seraya, O. V., Demin, D. A. (2012). Linear Regression Analysis of a Small Sample of Fuzzy Input Data. Journal of Automation and Information Sciences, 44 (7), 34–48. doi: 10.1615/jautomatinfscien.v44.i7.40
  19. Cebeci, U. (2009). Fuzzy AHP-based decision support system for selecting ERP systems in textile industry by using balanced scorecard. Expert Systems with Applications, 36 (5), 8900–8909. doi: 10.1016/j.eswa.2008.11.046
  20. Shavranskyi, V. M. (2012). Using fuzzy logic in support systems decision complications during drilling. Technology audit and production reserves, 4 (1 (6)), 35–36. doi: 10.15587/2312-8372.2012.4782
  21. Li, D.-F. (2005). Multiattribute decision making models and methods using intuitionistic fuzzy sets. Journal of Computer and System Sciences, 70 (1), 73–85. doi: 10.1016/j.jcss.2004.06.002
  22. Holt, C. C. (2004). Forecasting seasonals and trends by exponentially weighted moving averages. International Journal of Forecasting, 20 (1), 5–10. doi: 10.1016/j.ijforecast.2003.09.015
  23. Winters, P. R. (1960). Forecasting Sales by Exponentially Weighted Moving Averages. Management Science, 6 (3), 324–342. doi: 10.1287/mnsc.6.3.324
  24. Box, G. E., Jenkins, G. M., Reinsel, G. C. (1994). Time Series Analysis, Forecasting and Control. NJ.: Prentice Hall, Englewood Clifs, 379.
  25. Mandelbrot, B. (1972). Statistical Methodology for Non-Periodic Cycles: From the Covariance to R/S Analysis. Annals of Economic and Social Measurement, 1 (3), 259–290.
  26. Mandelbrot, B. B., Hudson, R. L. (2004). The (mis)behavior of markets: a fractal view of risk, ruin and reward. N.Y.: Basic Books, 352.
  27. Peters, E. E. (1994). Fractal market analysis: applying chaos theory to investment and economics. John Wiley &Sons, Inc, 336.
  28. Yankovyi, O. H., Yashkina, O. I. (2006). Prohnozuvannia vzaiemopoviazanykh pokaznykiv sotsialno-ekonomichnoho rozvytku Ukrainy. Statystyka Ukrainy, 3, 61–66.
  29. Zadeh, L. (1965). Fuzzy Sets. Information and Control, 8 (3), 338–353.
  30. Raskin, L. G., Seraya, O. V. (2008). Nechetkaya matematika. Kharkiv: Parus, 352.
  31. Dyubua, D., Prad, A. (1990). Teoriya vozmozhnostey. Prilozhenie k predstavleniyu znaniy v informatike. Moscow: Radio i svyaz', 286.
  32. Raskin, L., Sira, O. (2016). Method of solving fuzzy problems of mathematical programming. Eastern-European Journal of Enterprise Technologies, 5 (4 (83)), 23–28. doi: 10.15587/1729-4061.2016.81292
  33. Pawlak, Z. (1982). Rough sets. International Journal of Computer & Information Sciences, 11 (5), 341–356. doi: 10.1007/bf01001956
  34. Raskin, L., Sira, O. (2016). Fuzzy models of rough mathematics. Eastern-European Journal of Enterprise Technologies, 6 (4 (84)), 53–60. doi: 10.15587/1729-4061.2016.86739

##submission.downloads##

Опубліковано

2017-10-25

Як цитувати

Oklander, M., Oklander, T., Pedko, I., & Yashkina, O. (2017). Розробка підсистеми прогнозування системи управління маркетинговою інформацією на промисловому підприємстві. Eastern-European Journal of Enterprise Technologies, 5(3 (89), 39–51. https://doi.org/10.15587/1729-4061.2017.111547

Номер

Том 5 № 3 (89) (2017): Процеси управління

Розділ

Процеси управління

Ліцензія

Авторське право (c) 2017 Mykhailo Oklander, Tatyana Oklander, Irina Pedko, Oksana Yashkina

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.