Retail Analytics: Integrated Forecasting and Inventory Management for Perishable Products in Retailing

این کتاب به وظیفه چالش برانگیز پیش بینی تقاضا و مدیریت موجودی در خرده فروشی می پردازد. این تجزیه و تحلیل می کند که چگونه می توان از اطلاعات سیستم های اسکنر نقطه فروش برای بهبود تصمیمات موجودی استفاده کرد، و یک رویکرد مبتنی بر داده را توسعه می دهد که پیش بینی تقاضا و مدیریت موجودی را برای محصولات فاسد شدنی یکپارچه می کند، در حالی که فروش از دست رفته غیرقابل مشاهده و جایگزینی را در نظر می گیرد. موقعیت های موجود در انبار با استفاده از برنامه ریزی خطی، یک تابع موجودی جدید که منعکس کننده رابطه علی بین تقاضا و عوامل خارجی مانند قیمت و آب و هوا است، پیشنهاد شده است. این کتاب متعاقباً مزایای این رویکرد جدید را در مطالعات عددی نشان می‌دهد که از داده‌های واقعی جمع‌آوری‌شده در زنجیره خرده‌فروشی بزرگ اروپایی استفاده می‌کند. علاوه بر این، این کتاب یک خط مشی موجودی بهینه را برای یک مجموعه چند محصولی که در آن تصمیم گیرنده با هدف سطح خدمات انبوه مواجه می شود، استخراج می کند و تجزیه و تحلیل می کند که آیا تصمیم گیرنده بر اساس داده های واقعی برای محصولات نانوایی در معرض سوگیری های رفتاری قرار می گیرد یا خیر. p>

This book addresses the challenging task of demand forecasting and inventory management in retailing. It analyzes how information from point-of-sale scanner systems can be used to improve inventory decisions, and develops a data-driven approach that integrates demand forecasting and inventory management for perishable products, while taking unobservable lost sales and substitution into account in out-of-stock situations. Using linear programming, a new inventory function that reflects the causal relationship between demand and external factors such as price and weather is proposed. The book subsequently demonstrates the benefits of this new approach in numerical studies that utilize real data collected at a large European retail chain. Furthermore, the book derives an optimal inventory policy for a multi-product setting in which the decision-maker faces an aggregated service level target, and analyzes whether the decision-maker is subject to behavioral biases based on real data for bakery products.