Értékesítési adatok klaszteranalízise és előrejelzések készítése SAP HANA platformon

Dátum
Folyóirat címe
Folyóirat ISSN
Kötet címe (évfolyam száma)
Kiadó
Absztrakt

Napjainkban, a technológia fejlődésének köszönhetően a vállalatok közötti verseny fokozódik. A versenyképesség szükséges feltétele, illetve növelésének egy lehetséges módja, ha megteremtjük a vállalati működést teljes mértékben átfogó, központosított, könnyen áttekinthető informatikai hátteret. A kutatásom célja olyan elemzési és előrejelzési módszerek keresése, amely napjaink vállalatainak nyújthat megoldást különböző pénzügyi és logisztikai problémákra. Céljaim eléréséhez egy SAP által fejlesztett vállalatirányítási rendszert használó valós vállalat adatbázisa került elemzésre: a 2013. január – 2016. október időszakból 7 millió eladási rekord, 15.674 különböző termékről. Ezen mennyiségbe beletartoznak a már inaktív cikkek is, amelyek azonban az adatelemzés szempontjából fontosak lehetnek a vizsgált időszakra vonatkozóan. Az adatok felépítése az SAP HANA (High Performance ANalytic Appliance) adatbázis-kezelő rendszerrel készült, mely in-memory és oszloporientált tulajdonságával új alapokra helyezte az adatok tárolását. Az új technológia különböző tranzakciók végrehajtásának hatékonyabb működését és gyors lebonyolítását teszi lehetővé. A több relációból álló csillagséma segítségével egy olyan táblázat készült el, amely tartalmazza az összes, későbbi feldolgozáshoz szükséges adatot. A séma létrehozása és a kalkulációs mezők (beszerzési ár, árrés, hónap) kiszámítása után, a későbbi elemzések alapjául egy 3 dimenzióból álló OLAP (Online Analytical Processing) kocka szolgált. Az adathalmaz negyedéves elemzése K-közép klaszterezéssel történt, melynek célja minél több olyan összefüggés feltárása volt, amelyek megkönnyíthetik a vállalat készletgazdálkodási és árazási stratégiájának kialakítását, ezáltal versenyképességét és hozamát növelik. A klaszterezési eredményeken idősor-analízis segítségével hasznos előrejelzések készültek.

Leírás
Kulcsszavak
HANA, klaszteranalízis, előrejelzések
Forrás