Авторы |
Ирина Вячеславовна Маланьина, магистрант, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), E-mail: ecifin@mail.ru
Андрей Сергеевич Похвалов, кандидат экономических наук, доцент, доцент кафедры экономики и финансов, Пензенский государственный университет (Россия, г. Пенза, ул. Красная, 40), E-mail: ecifin@mail.ru
|
Аннотация |
Актуальность и цели. Рассматривается проблема повышения эффективности прогнозирования продаж на рынке эндопротезирования крупных суставов человека, решение которой связано с необходимостью учета большого числа количественных и качественных параметров, зависящих от выбора отдельных типов искусственных суставов и технологий протезирования. Показаны условия, при которых традиционный подход к прогнозированию, основанный на простой экстраполяции и методе сценариев, не позволяет учесть особенности продукта и требования целевого рынка. Материалы и методы. Информационной базой выступили результаты научных и прикладных исследований специалистов в области прогнозирования рынков медицинских изделий, статистического анализа данных и машинного обучения. В работе показаны направления использования методов классификации и статистического обучения для прогнозирования объемов продаж искусственных суставов человека. Результаты. Рассмотрены условия применения древовидных моделей и логистической регрессии с позиции повышения точности прогнозирования на целевом рынке. Показана возможность применения данных моделей для решения обратных задач нахождения оптимального набора признаков классификации сегментов рынка и исследования конкуренции между продуктами с позиции процессов замещения или дополнения. Выводы. Результаты исследования позволят эффективнее решать прикладные задачи планирования создания новых продуктов и оценки потенциала увеличения продаж на рынке эндопротезирования. Они могут применяться для выбора оптимальных способов позиционирования и продвижения продукции на рынке.
|
Для цитирования |
Маланьина И. В., Похвалов А. С. Прогнозирование продаж на рынке эндопротезирования суставов с использованием методов анализа данных и машинного обучения // Модели, системы, сети в экономике, технике, природе и обществе. 2021. No 4. С. 41–51. doi:10.21685/2227-8486-2021-4-4
Ссылка для цитирования на английском языке.
|