Детальная информация

Данная работа посвящена исследованию возможностей применения методов и алгоритмов машинного обучения для совершенствования бизнес-процессов современного коммерческого предприятия и для достижения его ключевых целей. Задачи, которые решались в ходе исследования: 1) Определение сущности, характеристик и основных особенностей бизнес-процессов организации и их оптимизации. 2)  Определение теоретических положений машинного обучения, методов и стратегий их использования. 3) Обзор существующих программных решений оптимизации бизнес-процессов с применением машинного обучения. 4) Выявление проблемных зон в бизнес-процессах рассматриваемой организации. 5) Обоснование выбора математического и аналитического аппарата для реализации программного решения. 6) Разработка и обучение модели с использованием методов машинного обучения. 7) Тестирование разработанного решения и анализ эффективности. Работа проведена на базе коммерческой организации ООО «Авторский стиль». В качестве исходных данных для разработки и апробации программного решения используется массив текстовых данных, который сформирован на обращениях клиентов компании. В рамках исследования были разработаны две модели машинного обучения, дополняющие друг друга: модель классификации обращений клиентов и модель регрессионного анализа для прогнозирования вероятности сделки и максимизации прибыли предприятия. В качестве базового метода разработки модели используется метод случайного леса (Random Forest), включая соответствующий математический аппарат. Также проведен сравнительный анализ разработанного программного решения с другими стратегиями обработки обращений, что наглядно показало эффективность разработанного решения. В результате были проанализированы бизнес-процессы предприятия с привлечением ведущих сотрудников, идентифицированы проблемные зоны, предложено и разработано программное решение с помощью алгоритмов машинного обучения и языка программирования Python. Также проведена оценка качества моделей с использованием соответствующих статистических метрик. Для достижения результатов в работе были использованы: среда разработки для языка программирования Python с библиотеками для машинного обучения (Scikit-learn и NumPy), векторный графический редактор Microsoft Visio, Microsoft Excel с надстройками, а также инструменты статистической обработки данных (описательные статистики, коэффициенты корреляции, анализ качества моделей).

The given work is devoted to the study of the possibilities of applying machine learning methods and algorithms to improve the business processes of a modern commercial enterprise and to achieve its key objectives. The following tasks were solved in the study: 1) Definition of the essence, characteristics, and main features of organizational business processes and optimization. 2) Identification of theoretical foundations of machine learning, its methods, and application strategies. 3) Analysis of existing software solutions for business process optimization using machine learning. 4) Identifying problem areas in the companys business processes. 5) Justification of the choice of mathematical and analytical tools for the implementation of the software solution. 6) Development and training of a model using machine learning methods. 7) Testing of the developed solution and analysis of its effectiveness. The given work was conducted on the basis of the commercial organization “Avtorskiy Stil”. The initial data used for the development and testing of the software solution consisted of a set of textual data formed from customer inquiries to the company. Within the framework of the research, two complementary machine learning models were developed: a customer inquiry classification model and a regression analysis model for predicting deal probability and maximizing company profit. The Random Forest method was used as the main approach for developing the model, including the corresponding mathematical algorithms. A comparative analysis of the developed software solution with other inquiry-processing strategies was also carried out, clearly demonstrating the effectiveness of the proposed solution. As a result, the company’s business processes were analyzed with the involvement of key employees, problem areas were identified, and a software solution was proposed and developed using machine learning algorithms and the Python programming language. The quality of the models was also evaluated using appropriate statistical metrics. To achieve the results, the following tools were used: a Python development environment with machine learning libraries (Scikit-learn and NumPy), the vector graphics editor Microsoft Visio, Microsoft Excel with add-ins, as well as statistical data processing tools (descriptive statistics, correlation coefficients, and model quality analysis).

• ВВЕДЕНИЕ
• ГЛАВА 1 ТЕОРЕТИЧЕСКИЕ ОСНОВЫ МЕТОДОВ ОПТИМИЗАЦИИ БИЗНЕС-ПРОЦЕССОВ
  • 1.1 Понятие и основные особенности оптимизации бизнес-процессов
  • 1.2 Статистика внедрения AL-технологий
  • 1.3 Обзор и классификация методов машинного обучения
  • 1.3.1 Общий обзор
  • 1.3.2 Методы классификации
  • 1.3.3 Методы регрессии
  • 1.4 Обзор существующих способов для оптимизации бизнес-процессов с помощью машинного обучения
• ГЛАВА 2 МЕТОДОЛОГИЯ ПРИМЕНЕНИЯ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ОПТИМИЗАЦИИ БИЗНЕС-ПРОЦЕССОВ
  • 2.1. Выявление и систематизации проблемных зон в бизнес-процессах
  • 2.2 Постановка задачи исследования
    • 2.2.1 Выбор и обоснование метода машинного обучения
    • 2.2.2 Формализация модели классификации
    • 2.2.3 Формализация модели регрессии
  • 2.3 Метрики для оценки эффективности моделей
• ГЛАВА 3 РАЗРАБОТКА МОДЕЛИ ОПТИМИЗАЦИИ ЗАЯВОК
  • 3.1 Разработка модели классификации заявок
  • 3.2 Разработка модели оптимизации прибыли
• ГЛАВА 4 ОЦЕНКА ЭФФЕКТИВНОСТИ РАЗРАБОТАННЫХ РЕШЕНИЙ
  • 4.1 Сравнение алгоритмов обработки заявок
  • 4.2 Оценка качества моделей
• СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ
• ПРИЛОЖЕНИЕ А ЭКСПЕРТНЫЙ АНАЛИЗ БИЗНЕС-ПРОЦЕССОВ
• ПРИЛОЖЕНИЕ Б ДОПОЛНИТЕЛЬНЫЕ МАТЕРИАЛЫ