Details

Тема выпускной квалификационной работы: «Обнаружение аномалий в данных товародвижения и сбыта товаров розничного потребления». Данная работа посвящена разработке алгоритма установления закономерностей и обнаружения аномалий в данных массивов разнородных финансовых показателей в сфере товародвижения и сбыта. Задачи, которые решались в ходе исследования: 1) анализ проблемы повышения эффективности коммерческой деятельности при внедрении технологий анализа данных товародвижения и сбыта товаров; 2) исследование методологии и инструментария теории распознавания закономерностей и обнаружения аномалий в данных; 3) разработка и экспериментальное исследование алгоритма обнаружения аномалий с использованием промышленного набора данных. В работе был проведен аналитический обзор и структурирование ключевых вопросов, связанных с поиском аномалий данных в области управления движением товаров и розничной торговли. Исследована технологическая инфраструктура Больших данных, что послужило основанием для приведения массивов разнородных финансовых показателей к виду многомерного гиперкуба. Особое внимание уделено достоинствам применения нейронных сетей (BProp) для обработки данных с организованных в виде многомерных структур. Разработан алгоритмический комплекс по выявлению аномалий в розничной торговле на платформе MATLAB. Проведено тестирование на реальных наборах данных по обороту розничной торговли раздела «Макроэкономическая и отраслевая статистика» портала Европейского центрального банка (ЕЦБ) с достижением высокого уровня точности. Это подтверждает практическую ценность и эффективность предложенного анализа для оптимизации процессов в розничной торговле.

The subject of the graduate qualification work is «Detecting anomalies in retail merchandising and sales data». This work is devoted to the development of an algorithm for establishing patterns and detecting anomalies in the data arrays of heterogeneous financial indicators in the field of commodity circulation and sales. The research set the following goals: 1) analyzing the problem of improving the efficiency of commercial activity in the implementation of technologies for analyzing data of goods circulation and sales of goods; 2) research of methodology and tools of the theory of pattern recognition and anomaly detection in data; 3) development and experimental study of an anomaly detection algorithm using an industrial dataset. The paper analytically reviewed and structured the key issues related to the search for data anomalies in the field of merchandise flow management and retailing. The technological infrastructure of Big Data has been investigated, which served as a basis for reducing arrays of heterogeneous financial indicators to the form of a multidimensional hypercube. Special attention is paid to the merits of applying neural networks (BProp) to process data with high multidimensionality. An algorithmic complex for anomaly detection in retail trade on MATLAB platform is developed. Testing on real European datasets of turnover indicators with achieving a high level of accuracy has been carried out, which confirms the practical value and effectiveness of the proposed analysis for optimizing processes in retail trade.