Создание системы прогнозирования объема продаж с использованием модели Prophet

Написать диплом по теме «Создание системы прогнозирования объема продаж с использованием модели Prophet»

Вы работаете над ВКР по теме «Создание системы прогнозирования объема продаж с использованием модели Prophet» в МТИ (09.03.02, Информационные системы и технологии)? В этой статье — полное руководство: как структурировать работу, реализовать Prophet на Python, избежать ошибок и оформить по ГОСТ. Есть примеры кода, диаграммы, чек-листы и FAQ. Всё, что нужно — в одном месте.

Нужен разбор вашей темы Создание системы прогнозирования объема продаж с использованием модели Prophet? Получите бесплатную консультацию: @Diplomit | +7 (987) 915-99-32 (WhatsApp)

Актуальность темы

Прогнозирование объема продаж — не просто удобство, а стратегическая необходимость. По данным IBM Institute for Business Value (2024), компании, внедрившие AI-прогнозирование, сократили ошибки в планировании спроса на 30–50%. В российской рознице — особенно в FMCG — точность прогнозов напрямую влияет на уровень остатков и прибыль.

Модель Prophet от Facebook (Meta) — один из немногих инструментов, который:

• автоматически учитывает сезонность и праздники,
• устойчива к пропущенным данным и выбросам,
• имеет понятный интерфейс на Python и R.

На практике студенты МТИ часто работают с вымышленными данными. Но по нашему опыту анализа 50+ работ — научные руководители ценят, когда в работе есть реальные временные ряды, даже если они синтезированы на основе открытых отчетов. Например, можно взять данные из Росстата или Федстата за 2020–2024 гг. по продажам бытовой химии или продуктов.

Цель и задачи

Цель ВКР: разработка информационной системы прогнозирования объема продаж на основе модели Prophet, обеспечивающей точность прогноза не ниже 85% (MAPE ≤ 15%) на тестовых данных.

Задачи:

1. Провести анализ бизнес-процессов управления запасами в розничной компании (объект — АО «Продтовары-регион»).
2. Сформировать выборку временных рядов продаж за 2 года.
3. Обосновать выбор Prophet перед ARIMA, SARIMA и нейросетями.
<4>Разработать прототип веб-интерфейса для загрузки данных и визуализации прогноза.
4. Рассчитать экономическую эффективность снижения избыточных запасов на 20%.

Задачи соответствуют структуре методички МТИ: от анализа до экономики. Каждая задача — шаг к достижению цели. Не делайте задачи вроде «изучить литературу» — это не считается.

Объект и предмет исследования

• Объект: процесс управления запасами в розничной сети (например, филиал в г. Тула).
• Предмет: алгоритм прогнозирования объема продаж на основе модели Prophet.

Не путайте: объект — где работает система, предмет — что вы разрабатываете. Это частая ошибка студентов.

Рекомендуемая структура дипломной работы

Пример введения для МТИ

В условиях высокой конкуренции в розничной торговле точное прогнозирование спроса становится критически важным. Недооценка спроса ведет к потерям продаж, а переоценка — к росту издержек на хранение и списание. В АО «Продтовары-регион» отсутствует автоматизированная система прогнозирования, что приводит к колебаниям уровня запасов на 35–40% от норматива.

Целью выпускной квалификационной работы является создание системы прогнозирования объема продаж с использованием модели Prophet, позволяющей повысить точность прогноза и снизить издержки на управление запасами. В рамках работы будет проведен анализ текущих процессов, спроектирована и реализована система на базе Python, а также рассчитана экономическая эффективность внедрения.

Объектом исследования выступает процесс управления запасами в розничной сети, предметом — алгоритм прогнозирования на основе Prophet. Работа соответствует требованиям ГОСТ 7.0.100-2018 и методическим указаниям МТИ по специальности 09.03.02.

Этапы разработки информационной системы

Пример реализации Prophet на Python

Вот как может выглядеть фрагмент кода для прогноза продаж молочной продукции:

import pandas as pd
from prophet import Prophet
import matplotlib.pyplot as plt

# Загрузка данных
df = pd.read_csv('sales_data.csv')  # Дата, Объем продаж
df.columns = ['ds', 'y']  # Требуемый формат Prophet

# Инициализация и обучение модели
model = Prophet(
    yearly_seasonality=True,
    weekly_seasonality=True,
    daily_seasonality=False,
    changepoint_prior_scale=0.05
)
model.fit(df)

# Прогноз на 30 дней
future = model.make_future_dataframe(periods=30)
forecast = model.predict(future)

# Визуализация
fig = model.plot(forecast)
plt.title("Прогноз объема продаж молочной продукции")
plt.show()

Код должен быть в приложении к ВКР. Обязательно укажите источник данных — даже если они синтезированы, опишите метод генерации (например, на основе средних значений Росстата).

Требования к списку литературы МТИ

Список литературы должен соответствовать ГОСТ Р 7.0.100-2018. Обязательно включите:

• Официальную документацию Prophet: https://facebook.github.io/prophet/
• Учебник по прогнозированию: Хандриков, В. Е. Прогнозирование в условиях рынка: учебное пособие. — М.: Финансы и статистика, 2023.
• Статью из eLibrary: Сидоров, А. В. (2024). Сравнительный анализ моделей прогнозирования временных рядов в ритейле. Вестник МТИ, №2, с. 45–58. https://elibrary.ru/item.asp?id=51234567

Минимум 10 источников — из них не менее 5 опубликованы после 2020 года.

Как написать заключение по Информационные системы и технологии

В ходе выполнения выпускной квалификационной работы была разработана система прогнозирования объема продаж на основе модели Prophet. Анализ текущих процессов в АО «Продтовары-регион» выявил неэффективность ручного планирования спроса. Была спроектирована архитектура системы, реализован алгоритм прогнозирования и веб-интерфейс для визуализации результатов.

Тестирование на исторических данных показало точность прогноза (MAPE) на уровне 12,7%, что превышает целевой показатель. Экономический эффект от снижения избыточных запасов оценен в 1,2 млн рублей в год. Разработанная система рекомендуется к внедрению в пилотном режиме.

Вопросы, которые часто задают студенты

• Как объяснить выбор Prophet вместо нейросетей?
• Где взять данные для прогноза, если нет доступа к реальной компании?
• Нужно ли делать полноценное веб-приложение или достаточно Jupyter Notebook?

Проверьте свою тему ВКР

• □ Есть ли реальная организация для анализа?
• □ Есть ли измеримый эффект внедрения?
• □ Можно ли построить диаграммы процессов?
• □ Есть ли реальные данные для экономических расчетов?