is Íslenska en English

Lokaverkefni (Meistara)

Háskólinn í Reykjavík > Tæknisvið / School of Technology > Med/MSc Tækni- og verkfræðideild (-2019) / School of Science and Engineering >

Vinsamlegast notið þetta auðkenni þegar þið vitnið til verksins eða tengið í það: http://hdl.handle.net/1946/33997

Titill: 
  • Titill er á ensku Sales forecasting using different forecasting methods
  • Notkun spálíkana við gerð söluspár
Námsstig: 
  • Meistara
Útdráttur: 
  • Útdráttur er á ensku

    The advantages to accurately forecasting sales are significant. For any company it is important to have foresight knowledge of financial outcomes and to have confidence in the forecasting process to be able to trust its results. This knowledge is the basis for all operations planning and makes the company better equipped to deal with situations that may arise. Recently machine learning has become the new buzzword in business and business leaders are keen to find out if these methods are applicable in today's business environment. One of the main challenges for businesses, when striving to adapt machine learning in their processes, is lack of appropriate data. Performance of machine learning models has been associated with access to large amounts of data that enable the models to learn. This thesis examines if published external data can be used to generate accurate sales forecasts for the medical devices company Össur. Two different approaches were used; traditional time series methods using only historical quarterly sales data from 2001 to 2018 and machine learning methods using the historical sales data as well as exogenous variables believed to influence sales. The traditional time series models that were applied were simple moving average, decomposition using least squares regression and Holt-Winters. The machine learning models applied were multiple linear regression, random forest and neural networks. The accuracy of the models was then compared using the RMSE value for the testing data set. The machine learning methods all yielded lower RMSE values then the traditional time series methods. The model the yielded the lowest RMSE value was the random forest model.

  • Mikilvægi söluspáa fyrirtækja er óumdeilanlegt. Það er mikilvægt að stjórnendur fyrirtækja hafi yfirsýn yfir mögulega fjárhagslega afkomu og treysti sínum spálíkönum. Þessi yfirsýn gerir stjórnendum kleift að skipuleggja reksturinn á sem hagkvæmastann hátt og vera undirbúin fyrir þær aðstæður sem að mögulega gæti komið upp. Undanfarið hefur vitvélafræði verið að ryðja sér til rúms og eru stjórnendur fyrirtækja almennt áhugasamir um að komast að því hvort að þessum aðferðum megi beita innan fyrirtækja. Eitt meginvandamálið við þessar aðferðir hefur verið það að aðgangur að viðeigandi gögnum hefur verið ábótavant. Frammistaða líkanna af þessu tagi veltur á gæði og magni gagna sem til eru. Í þessu meistaraverkefni eru tvær mismunandi nálganir á söluspár skoðaðar. Annarsvegar hefðbundnar tölfræðilegar aðferðir og hinsvegar vitvéla aðferðir. Einnig er skoðað hvort að birt, opinber gögn séu nýtanleg til að þess að búa til söluspár með þessum aðferðum. Skoðaðar voru sölutölur frá árinu 2001-2018 frá stoðtækjafyritækinu Össur. Össur er skráð fyrirtæki á markaði og eru þessar upplýsingar því opinberar í ársskýrslum. Þremur hefðbundnum tölfræðilegum aðferðum var beitt til að búa til söluspárlíkön og þremur vitvélaaðferðum. Frammistaða líkananna var svo metin með því að bera saman RMSE gildi líkananna. Öll vitvéla líkönin skiluðu lægra RMSE gildi en hefðbundnu tölfræðilegu líkönin. Það líkan sem skilaði lægsta RMSE gildinu var slembiskógar líkan.

Samþykkt: 
  • 20.6.2019
URI: 
  • http://hdl.handle.net/1946/33997


Skrár
Skráarnafn Stærð AðgangurLýsingSkráartegund 
ruthesis1006.pdf977.75 kBOpinnHeildartextiPDFSkoða/Opna