УДК 37
DOI: 10.36871/ek.up.p.r.2025.11.05.018

Авторы

Милана Мусаевна Намаева,
Тамерлан Арбиевич Садулаев,
Грозненский государственный нефтяной технический университет имени академика М. Д. Миллионщикова

Аннотация

Актуальность применения информационных технологий машинного обучения для прогнозирования потребительского спроса определяется необходимостью повышения точности управленческих решений в условиях высокой турбулентности рыночных процессов и значительного роста объёмов данных, формируемых цифровой экономикой, вследствие чего современные предприятия вынуждены переходить от традиционных статистических моделей к интеллектуальным системам анализа информации, способным выявлять скрытые закономерности и адаптироваться к динамическим изменениям внешней среды. В статье раскрываются теоретические и методологические основы применения алгоритмов машинного обучения для моделирования потребительского поведения, рассматриваются источники данных, оценка их качества, перспективы и ограничения внедрения интеллектуальных технологий в практику стратегического планирования бизнеса.

Ключевые слова

информационные технологии, потребительский спрос, машинное обучение

Список литературы

  1. Алексеев В. В. Прогнозирование потребительского спроса в условиях цифровой трансформации экономики. Москва: Инфра-М, 2021. 214 с.
  2. Борисов К. А. Машинное обучение: методы и приложения в бизнес-аналитике. СанктПетербург: Питер, 2020. 368 с.
  3. Васильев М. С. Аналитические технологии в управлении спросом. Новосибирск: СибАК, 2019. 292 с.
  4. Дмитриев Д. Н. Прогнозирование и моделирование продаж: современные подходы. Екатеринбург: УрФУ, 2022. 301 с.
  5. Ефимова Н. П. Обработка больших данных в системах управления. Москва: Горячая линия-Телеком, 2020. 256 с.
  6. Захаров И. И. Интерпретируемый искусственный интеллект: теория и практика. Москва: Наука, 2023. 240 с.
  7. Карпенко Р. Л. Управление цепями поставок и прогнозирование спроса. Самара: Самарский университет, 2021. 318 с.
  8. Романов В. Е. Моделирование поведения потребителей на основе интеллектуальных технологий. Москва: ДМК Пресс, 2019. 344 с.
  9. Смирнова Т. А. Качество данных в задачах бизнес-аналитики. Казань: КГТУ, 2021. 220 с.
  10. Чернышев П. Н. Системы искусственного интеллекта в управлении торговыми предприятиями. Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2022. 287 с.