Volume Prediction as a Part of Demand Planning Solution

Thesis title: Volume Prediction as a Part of Demand Planning Solution
Author: Schwarzová, Eva
Thesis type: Diploma thesis
Supervisor: Kuchtíková, Nikola
Opponents: Maryška, Miloš
Thesis language: English
Abstract:
This master thesis develops and refines predictive methodologies to improve demand forecasting accuracy in demand planning. By enriching company sales data with exogenous variables such as price indicators and macroeconomic factors, a comprehensive predictive framework was created. The study identified SARIMA, XGBoost, and LSTM as the most accurate models for given data characteristics, achieving a significant improvement in demand forecasts compared to previously used methods. Utilizing Azure’s cloud-based architecture and IBM Planning Analytics, the solution facilitated precise product-level predictions. This improved demand planning solution provides significant benefits for demand planners, including time savings, improved inventory management, and better decision-making processes.
Keywords: Machine Learning; Demand Prediction; Supply Chain Management; Statistical Models; Predictive Analytics
Thesis title: Predikce prodaného množství jako součást řešení plánování poptávky
Author: Schwarzová, Eva
Thesis type: Diplomová práce
Supervisor: Kuchtíková, Nikola
Opponents: Maryška, Miloš
Thesis language: English
Abstract:
Tato diplomová práce rozvíjí a zdokonaluje prediktivní metodiky ke zlepšení přesnosti předpovědí poptávky v rámci plánování poptávky. Obohacením údajů o prodeji společnosti o exogenní proměnné, jako jsou cenové indikátory a makroekonomické faktory, byl vytvořen komplexní prediktivní rámec. Studie identifikovala modely SARIMA, XGBoost a LSTM jako nejpřesnější pro dané charakteristiky dat, což vedlo k výraznému zlepšení předpovědí poptávky ve srovnání s dříve používanými metodami. Využitím cloudové architektury Azure a IBM Planning Analytics řešení umožnilo přesné předpovědi na úrovni produktů. Toto vylepšené řešení plánování poptávky poskytuje významné výhody pro plánovače poptávky, včetně úspory času, zlepšení řízení zásob a lepších rozhodovacích procesů.
Keywords: předpověď poptávky; řízení dodavatelského řetězce; statistické modely; strojové učení; prediktivní analýzy

Information about study

Study programme: Data a analytika pro business
Type of study programme: Magisterský studijní program
Assigned degree: Ing.
Institutions assigning academic degree: Vysoká škola ekonomická v Praze
Faculty: Faculty of Informatics and Statistics
Department: Department of Information Technologies

Information on submission and defense

Date of assignment: 16. 1. 2024
Date of submission: 26. 6. 2024
Date of defense: 30. 9. 2024
Identifier in the InSIS system: https://insis.vse.cz/zp/87122/podrobnosti

Files for download

    Last update: