Забезпечення об’єктивності технології прогнозування показників бізнес-процесів у сфері е-комерції

Автор(и)

  • Олексій Євстахійович Федорчак Національний університет «Львівська політехніка», Україна https://orcid.org/0000-0002-0767-8346
  • Ярослава Євгенівна Москвяк Національний університет «Львівська політехніка», Україна https://orcid.org/0000-0003-3147-0251
  • Анатолій Васильович Кучер Національний університет «Львівська політехніка», Україна https://orcid.org/0000-0001-5219-3404
  • Святослав Володимирович Князь Національний університет «Львівська політехніка», Україна https://orcid.org/0000-0002-7236-1759

DOI:

https://doi.org/10.15587/2706-5448.2025.326211

Ключові слова:

прогнозування, е-комерція, інтеграція результатів, бізнес-управління, виявлення аномалій, нейронні мережі, оптимізація рішень

Анотація

Об’єктом дослідження є технології прогнозування показників бізнес-процесів у сфері е-комерції. Ці технології досліджено на предмет виявлення шляхів підвищення їх об’єктивності.

У процесі дослідження виконано аналіз вхідних даних, визначено часові горизонти та сформульовано очікувані результати. Нормалізацію даних здійснено за допомогою мінмакс-методу, виявлення аномалій – на основі критерію стандартного відхилення. Вибір методу прогнозування включав застосування фактографічних, експертних і комбінованих методів. Обробку даних виконано із використанням алгоритмів K-середніх і DBSCAN. Формування прогнозів здійснено за допомогою ретроспективних методів із налаштуванням показників і функцій активації. Моніторинг та коригування прогнозів реалізовано через метрики MAPE, RMSE, MAE та аналіз похибок. Оцінку точності прогнозів проведено шляхом порівняння методів за метриками в різних сценаріях, що забезпечило адаптивність моделі до змінного бізнес-середовища. Запропоновані підходи інтегрують сучасні цифрові інструменти: аналіз великих даних, автоматизацію вибору методів прогнозування, обробку аномалій, сценарний підхід і нейронні мережі.

Об’єктивність технології прогнозування показників бізнес-процесів у сфері е-комерції забезпечує зростання точності прогнозів, адаптивності до змінного ринкового середовища, розширює можливості прийняття стратегічних управлінських рішень. Це сприяє підвищенню конкурентоспроможності підприємств, їх здатності до швидкого реагування на зміни кон’юнктури ринку та покращення управлінських процесів.

Завдяки підвищенню об’єктивності прогнозування підприємства можуть швидко реагувати на зміни ринку та оптимізувати використання ресурсів. Інтеграція сучасних інструментів обробки даних і мультифакторних метрик гарантує точність прогнозів і врахування складних взаємозв’язків.

Це створює основу для стратегічного планування, забезпечує стійкий розвиток підприємств у цифровій економіці та дозволяє підвищити ефективність управління в умовах динамічного ринку. Результати дослідження демонструють, що відкоригована технологія прогнозування показників бізнес-процесів у сфері е-комерції сприяє прийняттю обґрунтованих управлінських рішень, орієнтованих на довгострокову ефективність.

Біографії авторів

Олексій Євстахійович Федорчак, Національний університет «Львівська політехніка»

Кандидат економічних наук

Кафедра підприємництва та екологічної експертизи товарів

Ярослава Євгенівна Москвяк, Національний університет «Львівська політехніка»

Кандидат економічних наук, доцент

Кафедра туризму

Анатолій Васильович Кучер, Національний університет «Львівська політехніка»

Доктор економічних наук, старший дослідник, професор

Кафедра менеджменту організацій

Святослав Володимирович Князь, Національний університет «Львівська політехніка»

Доктор економічних наук, професор, директор інституту

Інститут сталого розвитку імені В’ячеслава Чорновола

Посилання

  1. Kliuchovi tsyfry ta trendy e-commerce 2024 (2024). UA-Retail. Available at: https://ua-retail.com/2024/10/kliuchovi-tsyfry-ta-trendy-e-commerce-2024/?utm_source=chatgpt.com
  2. Zakhozhyi, M. (2024). Trendy ta vyklyky ukrainskoho rynku eCommerce u 2024 rotsi. UAATEAM. Available at: https://uaateam.agency/blog/trendy-ta-vyklyky-ukrainskogo-rynku-ecommerce/?utm_source=chatgpt.com
  3. Harrison, H. C., Qizhong, G. (1993). An intelligent business forecasting system. Proceedings of the 1993 ACM Conference on Computer Science, 229–236. https://doi.org/10.1145/170791.170834
  4. Safavi, A. (2000). Choosing the right forecasting software and system. The Journal of Business Forecasting Methods & Systems, 19 (3), 6–10. Available at: https://typeset.io/papers/choosing-the-right-forecasting-software-and-system-5a5zfd2b5k
  5. Fei-Fei, W. (2009). E-commerce market forecast system R&D based on time-series. Information Sciences. Available at: https://www.semanticscholar.org/paper/E-commerce-Market-Forecast-System-R%26D-Based-on-Fei-fei/db40ce09339277d57cf0052eacf37de1175fecc0?utm_source=consensus
  6. Gordini, N., Veglio, V. (2017). Customers churn prediction and marketing retention strategies: An application of support vector machines based on the AUC parameter-selection technique in B2B e-commerce industry. Industrial Marketing Management, 62, 100–107. https://doi.org/10.1016/j.indmarman.2016.08.003
  7. Carta, S., Medda, A., Pili, A., Recupero, D., Saia, R. (2018). Forecasting e-commerce products prices by combining an autoregressive integrated moving average (ARIMA) model and Google Trends data. Future Internet, 11 (1), 5. https://doi.org/10.3390/FI11010005
  8. Bandara, K., Shi, P., Bergmeir, C., Hewamalage, H., Tran, Q., Seaman, B. (2019). Sales demand forecast in e-commerce using a long short-term memory neural network methodology. Proceedings of the 26th International Conference on Neural Information Processing (ICONIP 2019), 11955, 462–474. https://doi.org/10.1007/978-3-030-36718-3_39
  9. Qi, Y., Li, C., Deng, H., Cai, M., Qi, Y., Deng, Y. (2019). A deep neural framework for sales forecasting in e-commerce. Proceedings of the 28th ACM International Conference on Information and Knowledge Management, 299–308. https://doi.org/10.1145/3357384.3357883
  10. Ji, S., Wang, X., Zhao, W., Guo, D. (2019). An application of a three-stage XGBoost-based model to sales forecasting of a cross-border e-commerce enterprise. Mathematical Problems in Engineering. https://doi.org/10.1155/2019/8503252
  11. Aal, S. (2020). An intelligent approach for demand forecasting in e-commerce. American Journal of Business and Operations Research, 1 (2), 77–83. https://doi.org/10.54216/ajbor.010203
  12. Mia, M., Yousuf, M., Ghosh, R. (2021). Business forecasting system using machine learning approach. 2021 2nd International Conference on Robotics, Electrical and Signal Processing Techniques (ICREST), 314–318. https://doi.org/10.1109/ICREST51555.2021.9331114
  13. Yaremko, S., Kuzmina, E., Savina, N., Yepifanova, I., Gordiichuk, H., Mussayeva, D. (2022). Forecasting business processes in the management system of the corporation. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 12 (4), 51–55. https://doi.org/10.35784/iapgos.3249
  14. Kalifa, D., Singer, U., Guy, I., Rosin, G. D., Radinsky, K. (2022). Leveraging world events to predict e-commerce consumer demand under anomaly. Proceedings of the Fifteenth ACM International Conference on Web Search and Data Mining (WSDM '22), 430–438. https://doi.org/10.1145/3488560.3498452
  15. Bajoudah, A., Alsaidi, M., Alhindi, A. (2023). Time series forecasting model for e-commerce store sales using FB-Prophet. 14th International Conference on Information and Communication Systems (ICICS), 1–6. https://doi.org/10.1109/ICICS60529.2023.10330530
  16. Tang, T. (2023). Analysis and demand forecasting based on e-commerce data. 6th International Conference on Artificial Intelligence and Big Data (ICAIBD), 64–68. https://doi.org/10.1109/ICAIBD57115.2023.10206072
  17. Kucher, L., Kniaz, S., Heorhiadi, N., Tyrkalo, Y., Bovsunivska, A. (2023). Development of a customer service system in electronic commerce. Business Management, 2 (20), 64–82. https://doi.org/10.58861/tae.bm.2023.2.04
  18. Kniaz, S., Brych, V., Heorhiadi, N., Shevchenko, S., Dzvonyk, R., Skrynkovskyy, R. (2024). Enhancing the informativeness of managing mentoring activities based on simulation modeling. Proceedings of the 2024 14th International Conference on Advanced Computer Information Technologies (ACIT), 384–388. https://doi.org/10.1109/ACIT62333.2024.10712547
  19. Kniaz, S., Brych, V., Heorhiadi, N., Shevchenko, S., Dzvonyk, R., Skrynkovskyy, R. (2024). Informational-reflective management of mentoring activities development in the enterprise. Proceedings of the 2024 14th International Conference on Advanced Computer Information Technologies (ACIT), 389–392. https://doi.org/10.1109/ACIT62333.2024.10712601
  20. Shpak, N., Seliuchenko, N., Dvulit, Z., Kniaz, S., Kucher, L. (2023). Assessment of the impact of macroeconomic crises and war on the activities of JSC “Ukrzaliznytsia”. Financial and Credit Activity Problems of Theory and Practice, 6 (53), 260–272. https://doi.org/10.55643/fcaptp.6.53.2023.4177
  21. Wiljohn, F., Prince, L., Marvile, S., John, E., Centeno, C. (2024). Web-based ordering system for start-up business with forecasting. World Journal of Advanced Research and Reviews, 22 (3), 357–368. https://doi.org/10.30574/wjarr.2024.22.3.1721
  22. Nan, X., Wanting, S., Shaowen, Z., Daoyan, J., Yutong, W., Xiang, J. (2024). Intelligent prediction system of e-commerce commodity demand based on big data technology. IEEE 4th International Conference on Electronic Communications, Internet of Things and Big Data (ICEIB), 483–488. https://doi.org/10.1109/ICEIB61477.2024.10602621
  23. Madanchian, M. (2024). The role of complex systems in predictive analytics for e-commerce innovations in business management. Systems, 12 (10), 415. https://doi.org/10.3390/systems12100415
Ensuring the objectivity of the technology for forecasting business process indicators in the field of e-commerce

##submission.downloads##

Опубліковано

2025-04-09

Як цитувати

Федорчак, О. Є., Москвяк, Я. Є., Кучер, А. В., & Князь, С. В. (2025). Забезпечення об’єктивності технології прогнозування показників бізнес-процесів у сфері е-комерції. Technology Audit and Production Reserves, 2(4(82), 14–23. https://doi.org/10.15587/2706-5448.2025.326211

Номер

Том 2 № 4(82) (2025): Економіка підприємств. Макроекономіка

Розділ

Економіка та управління підприємством

Ліцензія

Авторське право (c) 2025 Oleksii Fedorchak, Yaroslava Moskvyak, Anatolii Kucher, Sviatoslav Kniaz

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.