519.86 Задачи идентификации индивидуальных покупателей на основе анализа больших объемов панельных данных о кассовых чеках

Димитриенко Ю. И. (МГТУ им.Н.Э.Баумана), Котельникова А. В. (МГТУ им.Н.Э.Баумана)

ИНДИВИДУАЛЬНЫЙ ПОКУПАТЕЛЬ, ЗАДАЧА ИДЕНТИФИКАЦИИ, КЛАСТЕРИЗАЦИЯ, КАССОВЫЕ ЧЕКИ, АНАЛИЗ БОЛЬШИХ ДАННЫХ, ПАНЕЛЬНЫЕ ДАННЫЕ, ПРОГНОЗИРОВАНИЕ


doi: 10.18698/2309-3684-2019-4-100116


Сформулированы задачи идентификации индивидуальных покупателей на основе анализа больших объемов данных о кассовых чеках в крупном супермаркете. Разработаны модели поведения различных категорий индивидуальных покупателей в супермаркете. Предложен вычислительный алгоритм решения задач идентификации индивидуальных покупателей по панельным данным кассовых чеков. Алгоритм является универсальным, так как не использует никаких персональных данных о покупателе, а построен на анализе только покупательской активности, вычисляемой на основе панельных данных о кассовых чеках. Алгоритм позволяет идентифицировать группы покупателей, а также с определенной вероятностью, отдельного индивидуального покупателя. В качестве примера применения разработанных моделей и вычислительных алгоритмов использовались товарные чеки из сети супермаркетов компании X5Retail Group за некоторый промежуток времени.


Барсегян А.А., Куприянов М.С., Холод И.И. Тесс М.Д. Елизаров С.И. Анализ данных и процессов: учебное пособие, 3-е изд. СПб., БХВ-Петербург, 2009, 512 с.
Демидова Л.А., Кираковский В.В., Пылькин А.Н. Принятие решений в условиях неопределенности. Москва, Горячая линия — Телеком, 2012, 288 с.
Демин И.С. Кластеризация как инструмент интеллектуального анализа данных. Ч. 1: Новые информационные технологии в образовании. Москва, 1 С-Паблишинг, 2011, с. 98–103.
Журавлев Ю.И., Рязанов В.В., Сенько О.В. Распознавание. Математические методы. Программная система. Практические применения. Москва, Изд-во Фазис, 2006, 176 с.
Кулаичев А.П. Методы и средства комплексного анализа данных: учебное пособие, 4-е изд., перераб. и доп. Москва, ФОРУМ, Инфра-М, 2013, 312 с.
Шевкунова Е.С. Анализ потребления продуктов питания. Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета, 2014, № 101, с. 480–495.
Уварова В.И., Волков Г.О., Евдокимова О.В. Исследование уровня удовлетворения физиологических потребностей населения в продуктах питания. Маркетинг в России и за рубежом, 2006, № 1, с. 48–53.
Якимов А.С., Баженов Р.И. Сегментация клиентов с помощью RFM-анализа. Экономика и менеджмент инновационных технологий, 2015, № 1, с. 55–61.
Баженов Р.И., Векслер В.А., Гринкруг Л.С. RFM-анализ клиентской базы в прикладном решении 1С: Предприятие 8.3. Информатизация и связь, 2014, № 2, с. 51–54.
Голубков Е.П. RFM-анализ: методика и практика применения. Маркетинг в России и за рубежом, 2013, № 6, c.11–24.
Александров В.И. Применение RFM-анализа при разработке таргетированных маркетинговых стратегий в сфере e-commerce. Маркетинг и маркетинговые исследования, 2014, № 5, c.332–339.
Коробов П.Н. Математическое программирование и моделирование экономических процессов. СПб., ДНК, 2002, 364 с.
Иванилов Ю.П., Логов Л.В. Математическое моделирование в экономике. Москва, Наука, 1979, 304 с.
Печерских И.А., Семенов А.Г. Математические модели в экономике: учебное пособие. Кемерово, КемТИПП, 2011, 191 с.
Алесинская Т.В., Сербин В.Д., Катаев А.В. Учебно-методическое пособие по курсу «Экономико-математические методы и модели. Линейное программирование». Таганрог, Изд-во ТРТУ, 2001, 79 с.
Кобелев Н.Б. Практика применения экономико-математических методов и моделей. Москва, Наука, 2000, 248 c.
Солопахо А.В. Математика в экономике: учебно-практическое пособие. Ч.1. Тамбов, Изд-во ТГТУ, 2001, 71 с.
Поттосина С.А., Журавлев В.А. Экономико-математические модели и методы: учеб. пособие для студ. экон. спец. БГУИР всех форм обуч. Минск, БГУИР, 2003, 94 с.
Алесинская Т.В. Учебное пособие по решению задач по курсу «Экономико-математические методы и модели». Таганрог, Изд-во ТРТУ, 2002, 153 с.
Димитриенко Ю.И., Димитриенко О.Ю. Модель деформируемых кластеров для анализа динамических данных в экономике. Информационные технологии, 2010, № 9, с. 43–50.
Димитриенко Ю.И., Димитриенко О.Ю. Кластерно-континуальное моделирование экономических процессов. Доклады Академии наук, 2010, т. 435, № 4, с. 466-469.
Димитриенко Ю.И., Димитриенко О.Ю. Кластерно-континуальное моделирование в экономике на основе методов механики многомерных сплошных сред. Информационные технологии, 2010, № 8, с. 54–62.
Димитриенко Ю.И., Димитриенко О.Ю. Модель многомерной деформируемой сплошной среды для прогнозирования динамики больших массивов индивидуальных данных. Математическое моделирование и численные методы, 2016, № 1(9), с. 105–122.
Dimitrienko Yu.I., Dimitrienko O.Yu. Application of Continuum Mechanics Methods for Economy. Journal of Physics: Conference Series, 2018, vol.1141, no.012019. DOI: 10.1088/1742-6596/1141/1/012019


Димитриенко Ю.И., Котельникова А.В. Задачи идентификации индивидуальных покупателей на основе анализа больших объемов панельных данных о кассовых чеках. Математическое моделирование и численные методы, 2019, № 4, с. 100–116.



Скачать статью

Количество скачиваний: 570