ĐỀ TÀI: MÔ HÌNH DỰ ĐOÁN DOANH SỐ BÁN HÀNG

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI KHOA TOÁN ỨNG DỤNG VÀ TIN HỌC ĐỀ TÀI: MƠ HÌNH DỰ ĐỐN DOANH SỐ BÁN HÀNG Chuyên ngành: TOÁN TIN Chuyên sâu: Tin học Giảng viên hướng dẫn: LÊ CHÍ NGỌC Sinh viên thực hiện: TRẦN QUANG HẢI ĐỒNG VĂN TÙNG HÀ NỘI - 11/2019 MỤC LỤC Lời mở đầu Trong thời kì cơng nghệ 4.0, ứng dụng cơng nghệ thông tin xem yếu tố quan trọng thúc đẩy kinh tế phát triển, giúp cho doanh nghiệp, tổ chức tăng tính cạnh tranh giao dịch dễ dàng thực mà không bị giới hạn khía cạnh địa lý Hệ hỗ trợ định vấn đề nhiều người quan tâm thời kỳ internet phát triển mạnh Với việc đánh giá, phân tích liệu, thống kê, từ đưa giải pháp, phương án nhằm hỗ trợ cho nhà quản lí, doanh nghiệp lựa chọn phương án tối ưu Ở báo cáo em xin trình bày đề tài dự báo doanh số bán hàng, qua hỗ trợ định nhà quản lí sách, ưu đãi Báo cáo gồm chương chính: • • • • Chương Khảo sát đánh giá Chương Phân tích thiết kế hệ thống Chương 3.Phân tích mơ hình giải toán Chương Thiết kế hệ thống Em xin gửi lời cảm ơn sâu sắc tới thầy Lê Chí Ngọc bạn lớp Hệ hỗ trợ định giúp em hoàn thành đề tài CHƯƠNG KHẢO SÁT ĐÁNH GIÁ Dự báo bán hàng công cụ quan trọng cho doanh nghiệp Có vài lý khiến dự báo doanh số bán hàng quan trọng doanh nghiệp; chủ yếu để xác định doanh thu tương lai (dự báo doanh thu) lập kế hoạch cho yêu cầu (Dự báo khối lượng) Bán hàng nghĩa giới thiệu thông tin liên quan đến doanh nghiệp, cho dù doanh nghiệp kinh doanh online hay offline! Ngân sách bán hàng phòng kinh doanh ảnh hưởng đến nhiều phận khác giúp Giám đốc Điều hành (CEO) đưa nhiều định kinh doanh quan trọng Chính vậy, Giám đốc Kinh doanh (CCO) suy nghĩ sâu cách dự báo bán hàng để phục vụ cho hoạt động kinh doanh doanh nghiệp 1.1 Phương pháp điều tra khảo sát 1.1.1 Lấy ý kiến ban quản lý điều hành Đây phương pháp dự báo sử dụng rộng rãi Trong phương pháp này, cần lấy ý kiến nhà quản trị cao cấp , người phụ trách công việc quan trọng thường hay sử dụng số liệu thống kê, tiêu tổng hợp doanh nghiệp Ngoài cần lấy thêm ý kiến đánh giá cán điều hành marketing, kỹ thuật, tài sản xuất Phương pháp sử dụng trí tuệ kinh nghiệm cán trực tiếp liên quan đến hoạt động thực tiễn Tuy nhiên có nhược điểm mang yếu tố chủ quan ý kiến người có chức vụ cao thường chi phối ý kiến người khác 1.1.2 Lấy ý kiến lực lượng bán hàng Những người bán hàng người hiểu rõ nhu cầu thị hiếu người tiêu dùng người tiêu dùng Họ dự báo lượng hàng hố, dịch vụ bán tương lai khu vực bán hàng Tập hợp ý kiến nhiều người bán hàng nhiều khu vực khác nhau, dự báo nhu cầu hàng hoá, dịch vụ doanh nghiệp Phương pháp có nhược điểm phụ thuộc vào đánh giá chủ quan người bán hàng Một số người bán hàng thường có xu hướng đánh giá thấp lượng hàng hoá, dịch vụ bán để dễ đạt định mức, ngược lại số khác lại chủ quan dự báo mức cao để nâng danh tiếng 1.1.3 Nghiên cứu thị trường người tiêu dùng Đây phương pháp lấy ý kiến khách hàng khách hàng tiềm doanh nghiệp Việc nghiên cứu thường phận nghiên cứu thị trường thực nhiều hình thức tổ chức điều tra lấy ý kiến khách hàng, vấn trực tiếp, vấn qua điện thoại, gửi phiếu điều tra tới gia đình sở tiêu dùng Phương pháp nghiên cứu thị trường người tiêu dùng giúp doanh nghiệp không chuẩn bị dự báo nhu cầu khách hàng mà cịn hiểu đánh giá khách hàng sản phẩm, dịch vụ doanh nghiệp để có biện pháp cải tiến, hồn thiện cho phù hợp Tuy nhiên, phương pháp đòi hỏi tốn tài chính, thời gian phải có chuẩn bị công phu việc xây dựng câu hỏi Đơi phương pháp vấp phải khó khăn ý kiến khách hàng không xác thực lý tưởng 1.2 Phương pháp chuyên gia Phương pháp chuyên gia phương pháp thu thập xử lý đánh giá dự báo cách tập hợp hỏi ý kiến chuyên gia giỏi thuộc lĩnh vực hẹp khoa học - kỹ thuật sản xuất Phương pháp chuyên gia dựa sở đánh giá tổng kết kinh nghiệm, khả phản ánh tương lai cách tự nhiên chuyên gia giỏi xử lý thống kê câu trả lời cách khoa học Nhiệm vụ phương pháp đưa dự báo khách quan tương lai phát triển khoa học kỹ thuật sản xuất dựa việc xử lý có hệ thống đánh giá dự báo chuyên gia 1.3 Các bước dự báo doanh số bán hàng Xác định mục đích dự báo (ví dụ: để mua, lập kế hoạch chiến lược, v.v.) Chia sản phẩm công ty thành loại đồng (hoặc có liên quan) Xác định yếu tố ảnh hưởng đến doanh số nhóm sản phẩm tầm quan trọng tương đối chúng Chọn nhiều phương pháp dự báo dựa loại liệu có sẵn độ tinh vi cần thiết dự báo Thu thập tất liệu cần thiết Phân tích liệu Kiểm tra kiểm tra chéo điều chỉnh liệu (ví dụ: lập mục giá điều chỉnh theo mùa) Giả định ảnh hưởng yếu tố khác đo lường dự báo Chuyển đổi khoản khấu trừ giả định thành dự báo hạn ngạch sản phẩm lãnh thổ cụ thể 10 Áp dụng dự báo cho hoạt động cơng ty CHƯƠNG 2: PHÂN TÍCH THIẾT KẾ HỆ THỐNG 2.1 Biểu đồ phân cấp chức Mô hình dự đốn doanh số bán hàng Xử lí liệu Dự đốn Nhập liệu Luyện mơ hình Doanh số bán hàng Thống kê Luyện mơ hình Số lượng sản phẩm Cập nhập liệu Nạp mơ hình Số lượng cửa hàng Lưu liệu Lưu mơ hình Số lượng danh mục sản phẩm Số lượng tháng bán hàng khứ Hình 2.1: Biểu đồ phân cấp chức 2.2 Biểu đồ luồng liệu 2.2.1 Biểu đồ luồng liệu mức ngữ cảnh Dữ liệu cần xử lý Nhà quản lý Dự đoán doanh số bán hàng Kết trả Hình 2.2: Biểu đồ luồng liệu mức ngữ cảnh 2.2.2 Biểu đồ luồng liệu mức đỉnh Hình 2.3: Biểu đồ luồng liệu mức đỉnh 2.2.3 Biểu đồ mức đỉnh chức Xử lí liệu Nhập liệu Chuyên gia Cập nhật liệu Dữ liệu Lưu liệu Hình 2.3: Biểu đồ luồng liệu mức đỉnh chức xử lý liệu 2.2.4 Biểu đồ mức đỉnh chức Luyện mơ hình Nhập liệu Chun gia Dữ liệu Nhập liệu Hình 2.4: Biểu đồ luồng liệu mức đỉnh chức luyện mô hình 2.2.5 Biểu đồ luồng liệu mức đỉnh chức dự đoán Chuyên gia Dự đoán doanh số bán hàng Dữ liệu Hình 2.5 Biểu đồ luồng liệu mức đỉnh chức dự đoán 2.2.6 Biểu đồ luồng liệu mức đỉnh chức thống kê Thống kê số lượng sản phẩm Chuyên gia Thống kê số lượng cửa hàng Thống kê số lượng danh mục sản phẩm Thống kê số lượng tháng bán hàng 10 khứ Dữ liệu Hình 2.6 Biểu đồ luồng liệu mức đỉnh chức thống kê CHƯƠNG 3: PHÂN TÍCH MƠ HÌNH GIẢI QUYẾT BÀI TỐN 3.1 Neural Network (NN) Mạng nơ-ron mơ hình xử lý thông tin theo cách thức xử lý thông tin hệ nơ-ron sinh học Nó tạo nên từ số lượng lớn phần tử (nơ-ron) kết nối với thông qua liên kết (trọng số liên kết) làm việc thể thống để giải vấn đề cụ thể Một mạng nơron nhân tạo cấu hình cho ứng dụng cụ thể (nhận dạng mẫu, phân loại liệu …) thơng qua q trình học từ tập mẫu huấn luyện Về chất học trình hiệu chỉnh trọng số liên kết nơ-ron Hình 1.1: Mạng neural 11 Các thành phần neural nhân tạo bao gồm: Tập đầu vào: Là tín hiệu vào (input signals) nơ-ron, tín hiệu thường đưa vào dạng vector N chiều Tập liên kết: Mỗi liên kết thể trọng số liên kết – Synaptic weight Trọng số liên kết tín hiệu vào thứ j với nơ-ron k thường kí hiệu Thơng thường, trọng số khởi tạo cách ngẫu nhiên thời điểm khởi tạo mạng cập nhật liên tục trình học mạng Bộ tổng (Summing function): Thường dùng để tính tổng tích đầu vào với trọng số liên kết Ngưỡng (cịn gọi độ lệch - bias): Ngưỡng thường đưa vào thành phần hàm truyền Hàm truyền (Transfer function): Hàm dùng để giới hạn phạm vi đầu nơ-ron Nó nhận đầu vào kết hàm tổng ngưỡng Đầu ra: Là tín hiệu đầu nơron, với nơ-ron có tối đa đầu Xét mặt toán học, cấu trúc neural k, mô tả cặp biểu thức sau: Với Trong đó: tín hiệu vào; trọng số liên kết neural thứ k; hàm tổng; ngưỡng; f hàm truyền tín hiệu đầu neural Như neural nhân tạo nhận tín hiệu đầu vào, xử lý (nhân tín hiệu với trọng số liên kết, tính tổng tích thu gửi kết tới hàm truyền), cho tín hiệu đầu (là kết hàm truyền) 3.2 Recurrent Neural Network (RNN) RNN mạng neural mạng sử dụng nhớ để lưu lại thơng tin từ bước tính tốn xử lý trước để dựa vào đưa dự đốn xác cho bước dự đốn Do đó, so với mạng NN bản, mạng RNN có lợi toán với loại liệu đầu vào dạng chuỗi 12 Hình 1.2: Mạng RNN Mơ hình bên trái node mạng RNN, bên phải hình vẽ mạng duỗi thành time-step Ví dụ ta có câu gồm chữ “Viện Tốn ứng dụng Tin học”, mạng neural triển khai gồm tầng neural tương ứng với chữ tầng Lúc việc tính tốn bên RNN thực sau: • • U, V, W ma trận trọng số đầu vào, lớp ẩn đầu đầu vào bước t Ví dụ: vec tơ one-hot tương ứng từ thứ câu (đại) • trạng thái ẩn bước t tính tốn dựa trạng thái ẩn phía trước đầu vào bước đó: = f(U + W), với f thường hàm phi tuyến tính tang hyperbolic (tanh) hay ReLu Để làm phép toán cho phần tử đầu tiên, ta khởi tạo , thường giá trị khởi tạo • đầu bước t Ví dụ, ta muốn dự đốn cho từ xuất câu vec tơ xác suất từ suất danh sách từ vựng ta: = softmax(V) 3.3 Long Short Term Memory (LSTM) Với thông tin đủ gần, mạng RNN ghi nhớ Tuy nhiên khoảng cách thông tin cần ghi nhớ xa mạng RNN khơng thể nhớ học tốt Mạng LSTM đời nhằm giải vấn đề Mạng LSTM - dạng đặc biệt RNN, có khả học phụ thuộc xa Việc nhớ thông tin suốt thời gian dài đặc tính mặc định chúng, ta khơng cần phải huấn luyện để nhớ 13 Hình 3: Mạng LSTM 14 Bước LSTM định xem thông tin cần bỏ từ trạng thái tế bào Quyết định đưa tầng sigmoid - gọi “tầng cổng quên” (forget gate layer) Nó lấy đầu vào đưa kết số khoảng [0, 1] cho số trạng thái tế bào Đẩu thể giữ tồn thơng tin lại, cịn tồn thơng tin bị bỏ Hình 4: Cổng quên LSTM Bước định xem thông tin ta lưu vào trạng thái tế bào Việc gồm phần Đầu tiên sử dụng tầng sigmoid gọi “tầng cổng vào” (input gate layer) để định giá trị ta cập nhật Tiếp theo tầng tạo véc-tơ cho giá trị nhằm thêm vào cho trạng thái Trong bước tiếp theo, ta kết hợp giá trị lại để tạo cập nhập cho trạng thái Hình 5: Cổng cập nhật LSTM Giờ lúc cập nhật trạng thái tế bào cũ thành trạng thái Ở bước trước định việc cần làm, ta nhân trạng thái cũ với ft để bỏ thông tin ta định quên lúc trước Sau cộng thêm Trạng thái thu phụ thuộc vào việc ta định cập nhật giá trị trạng thái 15 Hình 6: Cập nhật trạng thái Cuối cùng, ta cần định xem ta muốn đầu Giá trị đầu dựa vào trạng thái tế bào, tiếp tục sàng lọc Đầu tiên, ta chạy tầng sigmoid để định phần trạng thái tế bào ta muốn xuất Sau đó, ta đưa trạng thái tế bảo qua hàm để co giá trị khoảng [−1,1] nhân với đầu cổng sigmoid để giá trị đầu ta mong muốn Hình 7: Đầu LSTM CHƯƠNG 4: THIẾT KẾ HỆ THỐNG 4.1 Thiết kế hệ thống mặt liệu 4.1.1 Bảng item_categories  Gồm trường liên quan tới thể loại sản phẩm:  item_category_name  item_category_id 16 4.1.2 Bảng items  Gồm trường liên quan tới thông tin sản phẩm:  item_name  item_id  item_category_id 4.1.3 Bảng shops  Gồm trường liên quan tới cửa hàng:  shop_name  shop_id 4.1.4 Bảng sales_train_v2  Gồm trường liên quan tới giao dịch cửa hàng:  date  date_block_num  shop_id  item_id  item_price  item_cnt_day 4.1.5 Bảng test  Gồm trường:  ID  shop_id  item_id 4.2 Thiết kế mặt giao diện 17 18 KẾT LUẬN Lập ngân sách dự báo đóng vai trị quan trọng doanh nghiệp Ngân sách giúp doanh nghiệp hướng phát triển tránh trường hợp chi tiêu mức Dự báo giống vẽ đồ cho tương lai Nhờ đó, doanh nghiệp đưa kế hoạch thực phù hợp để đạt mục tiêu đề Lên ngân sách dự báo danh thu việc cần thiết doanh nghiệp nên thực thường xuyên để đảm bảo doanh nghiệp luôn vững mạnh 19 ... cấp chức Mơ hình dự đốn doanh số bán hàng Xử lí liệu Dự đốn Nhập liệu Luyện mơ hình Doanh số bán hàng Thống kê Luyện mơ hình Số lượng sản phẩm Cập nhập liệu Nạp mơ hình Số lượng cửa hàng Lưu liệu... cho doanh nghiệp Có vài lý khiến dự báo doanh số bán hàng quan trọng doanh nghiệp; chủ yếu để xác định doanh thu tương lai (dự báo doanh thu) lập kế hoạch cho yêu cầu (Dự báo khối lượng) Bán hàng. .. liệu mức đỉnh chức dự đoán Chuyên gia Dự đoán doanh số bán hàng Dữ liệu Hình 2.5 Biểu đồ luồng liệu mức đỉnh chức dự đoán 2.2.6 Biểu đồ luồng liệu mức đỉnh chức thống kê Thống kê số lượng sản phẩm