УДК 004.852:339.37
DOI: 10.36871/26189976.2026.05-2.005
Авторы
Рустам Русланович Салгириев,
ФГБОУ ВО Грозненский государственный нефтяной технический университет им. акад. М.Д. Миллионщикова, Грозный, Россия; ФГБУН Комплексный научно-исследовательский институт им. Х.И. Ибрагимова РАН, Грозный, Россия
Фердос Джабраиловна Кодзоева,
ФГБОУ ВО Ингушский государственный университет, Магас, Россия; Ингушский стоматологический институт, Магас, Россия
Хута Айсаевна Бачаева,
Чеченский государственный университет имени А.А. Кадырова, Грозный, Россия
Аннотация
В статье исследуются теоретические и прикладные аспекты применения методов моделирования и современных информационных technologies для прогнозирования потребительского спроса на основе цифровых данных, что представляет собой актуальную проблему современного маркетинга и управления цепочками поставок, поскольку точность прогнозирования спроса непосредственно определяет эффективность управления запасами, планирования производства, ценообразования и маркетинговых стратегий, а в условиях цифровой экономики объёмы доступных данных о поведении потребителей растут экспоненциально, открывая новые возможности для построения высокоточных прогнозных моделей, но одновременно создавая методологические и вычислительные вызовы. На основе синтеза положений маркетинговой аналитики, теории временных рядов, методов машинного обучения и технологий обработки больших данных автором рассматриваются основные источники цифровых данных для прогнозирования спроса, включая транзакционные данные (история продаж), данные о веб-навигации (просмотры, клики, добавления в корзину), данные поисковых запросов, данные социальных сетей (упоминания бренда, анализ тональности), а также внешние данные (погода, праздники, макроэкономические индикаторы).
Работа выполнена в рамках государственного задания Министерства науки и высшего образования Российской Федерации (тема Nº Применение моделирования и информационных технологий для прогнозирования потребительского спроса на основе цифровых данных).
Ключевые слова
прогнозирование спроса
моделирование
информационные технологии
цифровые данные
машинное обучение
Список литературы
[1] Бокс Дж., Дженкинс Г. Анализ временных рядов: прогноз и управление / Дж. Бокс, Г. Дженкинс. — М.: Мир, 2019. — 406 с.
[2] Васильев А. П., Козлов, Д. А. Прогнозирование спроса с использованием методов машинного обучения // Прикладная эконометрика. — 2024. — № 4. — С. 34–51.
[3] Григорьев М. В., Соколова, Т. Н. Применение градиентного бустинга для прогнозирования розничных продаж // Экономика и математические методы. — 2024. — Т. 60, № 3. — С. 45–62.
[4] Дробышевский С. М., Синельников-Мурылев, С. Г. Цифровая трансформация управления цепочками поставок // Экономическая политика. — 2023. — Т. 18, № 6. — С. 8–35.
[5] Ермаков С. В., Кузнецова, О. И. Гибридные модели прогнозирования спроса в электронной коммерции // Вопросы экономики. — 2025. — № 2. — С. 56–73.
[6] Иванов К. Л., Смирнова, Е. А. Оценка точности прогнозов спроса: метрики и методы // Российский журнал менеджмента. — 2024. — Т. 22, № 3. — С. 34–51.
[7] Кузнецов А. В., Фролова, Е. А. Прогнозирование временных рядов спроса: сравнение методов машинного обучения и классической эконометрики // Журнал Новой экономической ассоциации. — 2025. — № 1. — С. 45–62.
[8] Лебедев А. А., Михайлова, О. В. Проблема «холодного старта» в прогнозировании спроса на новые товары // Информационные технологии и вычислительные системы. — 2024. — № 2. — С. 23–41.
[9] Морозов В. П., Тихомирова, Н. П. Системы поддержки принятия решений для управления запасами на основе прогнозов спроса // Финансовый менеджмент. — 2025. — № 1. — С. 56–71.
[10] Попов С. А., Тихонова, Л. И. Учёт внешних факторов в прогнозировании спроса: погода, праздники, макроэкономика // Маркетинг и маркетинговые исследования. — 2024. — № 4. — С. 23–41.
