ISSN 2308-8559 e-ISSN 2415-8224

https://doi.org/10.62763/ef/2.2025.45

Том 15, № 2, 2025

45-55

  • Читати статтю

    • Використання big data для прогнозування попиту та динамічного ціноутворення

    Дмитро Зелений

    Отримано 25.12.2024, Доопрацьовано 02.04.2025, Прийнято 24.04.2025

    Анотація

    Дослідження передбачало розробку та впровадження системи прогнозування попиту й динамічного ціноутворення на основі аналізу великих даних для підприємств роздрібної торгівлі України. Методологія роботи охопила збір масивного набору даних з онлайн-торговельних платформ, транзакційної інформації з терміналів продажів та програм лояльності, які продемонстрували загальний індекс якості агрегованих даних на рівні 92,6 %. Застосування комплексу методів очищення та нормалізації забезпечило приріст якості даних на 12,47  %. Порівняльний аналіз прогностичних моделей виявив найвищу ефективність LSTM-мережі серед індивідуальних моделей (R2 =0,874, MAPE=6,83 %) та ансамблевої моделі серед усіх апробованих підходів (R2 = 0,896, MAPE = 5,92 %). Впровадження розробленої системи на підприємствах різних форматів, таких як ТОВ «АТБ-Маркет», ТОВ «Фокстрот», ПрАТ «Нова Лінія», ТОВ «АЛЛО», ТОВ «Сільпо-Фуд», ТОВ «МЕТРО Кеш енд Керрі Україна», ТОВ «Епіцентр К», ТОВ «Rozetka», ТОВ «Комфі Трейд», ТОВ «ІНТЕРТОП Україна» показало підвищення економічної ефективності з середнім приростом виручки на 9,16 %, маржинального прибутку на 11,08 % та зниженням рівня запасів на 6,95 %. Найвищу результативність продемонстрували інтернет-магазини «Rozetka» та «ALLO» з показниками повернення інвестицій (ROI) на рівні 516  % та періодом окупності 2,7 місяця. Регіональний аналіз виявив значні відмінності в ефективності впровадження системи з найкращими показниками у західному регіоні, а саме у Львівській та Волинській областях (приріст виручки 9,27 ± 2,05 %) та серед підприємств непродовольчої спеціалізації, зокрема ТОВ «Комфі Трейд», ТОВ «ІНТЕРТОП Україна» (9,86 ± 2,23 %). Найвищу адаптивність до динамічного ціноутворення продемонстрували малі підприємства з приростом виручки 10,23±2,14 % та ROI 405±86 %. Дослідження підтвердило високу масштабованість та адаптивність запропонованого підходу для українського ринку та дозволило розробити диференційовані рекомендації щодо впровадження системи для різних типів підприємств роздрібної торгівлі з урахуванням їх розміру, регіонального розташування та товарної спеціалізації

    Ключові слова:

    масиви даних; прогностичні моделі; економічна ефективність; роздрібна мережа; споживча поведінка

    ЦИТУВАТИ
    Zelenyi, D. (2025). Using big data for demand forecasting and dynamic pricing. Economic Forum, 15(2), 45-55. https://doi.org/10.62763/ef/2.2025.45
    1 017 Переглядів

    Використані джерела

    [1] ALLO. (n.d.). Retrieved from https://allo.ua/.

    [2] Arguelles Jr, P., & Pólkowski, Z. (2023). Impact of big data on supply chain performance through demand forecasting. International Journal of Computations, Information and Manufacturing, 3(1), 19-26. doi: 10.54489/ijcim.v3i1.232.

    [3] Bigl.ua. (n.d.). Retrieved from https://bigl.ua/. 

    [4] Bondarenko, L., & Liashenko, Y. (2023). Application of time series analysis methods for forecasting pricing in the real estate market. Automobile Roads and Road Construction, 114, 233-240. doi: 10.33744/0365-8171-2023-114.1-233-240.

    [5] Chornous, G., & Horbunova, Y. (2020). Modeling and forecasting dynamic factors of pricing in e-commerce. In IT&I-2020 information technology and interactions (pp. 71-82). Kyiv: KNU Taras Shevchenko.

    [6] Dobrovolska, O., & Fenenko, N. (2024). Forecasting trends in the real estate market: Analysis of relevant determinants. Financial Markets, Institutions and Risks, 8(3), 227-253. doi: 10.61093/fmir.8(3).227-253.2024.

    [7] Euromonitor. (n.d.). Market Research Ukraine. Retrieved from https://www.euromonitor.com/ukraine.

    [8] Guizzardi, A., Pons, F.M.E., Angelini, G., & Ranieri, E. (2021). Big data from dynamic pricing: A smart approach to tourism demand forecasting. International Journal of Forecasting, 37(3), 1049-1060. doi: 10.1016/j.ijforecast.2020.11.006.

    [9] Hancock, J.T., & Khoshgoftaar, T.M. (2020). CatBoost for big data: An interdisciplinary review. Journal of Big Data, 7, article number 94. doi: 10.1186/s40537-020-00369-8.

    [10] Hotline.ua. (n.d.). Retrieved from https://hotline.ua/.

    [11] Iftikhar, R., & Khan, M.S. (2020). Social media big data analytics for demand forecasting: Development and case implementation of an innovative framework. Journal of Global Information Management, 28(1), 103-120. doi: 10.4018/JGIM.2020010106.

    [12] Jawad, W.K., & Al-Bakry, A.M. (2023). Big data analytics: A survey. Iraqi Journal for Computers and Informatics, 49(1), 41-51. doi: 10.25195/ijci.v49i1.384.

    [13] Kaminskyi, A., Versal, N., Petrovskyi, O., & Prykaziuk, N. (2023). Dynamic framework for strategic forecasting of the bank consumer loan market: Evidence from Ukraine. Banks and Bank Systems, 18(3), 87-100. doi: 10.21511/bbs.18(3).2023.08.

    [14] Kanyhin, S. (2024). Big data in corporate financial management. Economics, Management and Administration, 3, 97-104. doi: 10.26642/ema-2024-3(109)-97-104.

    [15] Kumar, S., Sharma, D., Rao, S., Lim, W.M., & Mangla, S.K. (2022). Past, present, and future of sustainable finance: Insights from big data analytics through machine learning of scholarly research. Annals of Operations Research, 345, 1061-1104. doi: 10.1007/s10479-021-04410-8.

    [16] Kustov, V., & Kovalenko, M. (2024). Information support for managing processes on exchanges in the context of digitalization. Modeling the Development of the Economic Systems, 2, 47-57. doi: 10.31891/mdes/2024-12-7.

    [17] Law of Ukraine No. 2297-VI “On Personal Data Protection”. (2010, June). Retrieved from https://zakon.rada.gov.ua/laws/show/2297-17#Text.

    [18] Law of Ukraine No. 80/94-VR “On Protection of Information in Information and Communication Systems”. (1994, July). Retrieved from https://zakon.rada.gov.ua/laws/show/80/94-%D0%B2%D1%80#Text.

    [19] Liavynets, H., Rohliev, Y., & Bortnichuk, O. (2024). Anomaliy and fraud detection mode from big data of hotel and restaurant industry enterprises. Economy and Society, 70. doi: 10.32782/2524-0072/2024-70-29.

    [20] Maksymova, J. (2021). The importance of big data in industry and economy. Economy and Society, 28. doi: 10.32782/2524-0072/2021-28-38.

    [21] Maltsev, A. (2022). Methods of machine learning of the neural network to predict large noisy data using modern programming languages. Information Technology: Computer Science, Software Engineering and Cyber Security, 1, 39-43. doi: 10.32782/it/2022-1-6.

    [22] Nesterov, V. (2024). Exploring the impact of big data analytics on business performance in the digital era. Information Technology and Society, 1, 70-76. doi: 10.32689/maup.it.2024.1.10.

    [23] Novoseletskyy, O., Zubenko, I., & Gurina, M. (2021). Modeling and forecasting demand for a digital product. Scientific Notes of Ostroh Academy National University, “Economics” Series, 22, 95-101. doi: 10.25264/2311-5149-2021-22(50)-95-101.

    [24] Pakki, A. (2025). Transformation of business process structure in modern conditions of economic development. Modeling the Development of the Economic Systems, 1, 168-175. doi: 10.31891/mdes/2025-15-23.

    [25] Petriv, T. (2024). Top software development companies in Ukraine with a strong portfolio. N-ix. Retrieved from https://www.n-ix.com/software-development-companies-in-ukraine/.

    [26] Ponochovnyi, Y., Pryada, O., Soroka, Y., & Dikun, Y. (2021). Model of server pool for estimation of energy consumption in big data processing. IT Synergy, 1, 26-31. doi: 10.53920/its-2021-1-4.

    [27] Price.ua. (n.d.). Retrieved from https://price.ua/.

    [28] Prom.ua. (n.d.). Retrieved from https://prom.ua/. 

    [29] Razzaq, A., & Yang, X. (2023). Digital finance and green growth in China: Appraising inclusive digital finance using web crawler technology and big data. Technological Forecasting and Social Change, 188, article number 122262. doi: 10.1016/j.techfore.2022.122262.

    [30] Rozetka. (n.d.). Retrieved from https://rozetka.com.ua/.

    [31] Schultz, D., Stephan, J., Sieber, J., Yeh, T., Kunz, M., Doupe, P., & Januschowski, T. (2023). Causal forecasting for pricing. doi: 10.48550/arXiv.2312.15282.

    [32] Seyedan, M., & Mafakheri, F. (2020). Predictive big data analytics for supply chain demand forecasting: Methods, applications, and research opportunities. Journal of Big Data, 7, article number 53. doi: 10.1186/s40537-020-00329-2.

    [33] Sharma, A. (2025). Big data in retail: Industry applications, benefits & best practices. Turing. Retrieved from https://www.turing.com/resources/big-data-in-retail.

    [34] Shkyrta, I., & Lazar, V. (2019). Big data technology: Essence, opportunities for business. Scientific Bulletin of Mukachevo State University. Series “Economics”, 6(2), 51-56. doi: 10.31339/2313-8114-2019-2(12)-51-56.

    [35] State Statistics Service of Ukraine. (2025). Economic statistics. Economic activity. Business activity. Retrieved from https://www.ukrstat.gov.ua/operativ/menu/menu_u/sze_20.htm.

    [36] Xu, D., et al. (2020). Dynamic pricing strategy for logistics revenue management using data mining technology. In Proceedings of the 2020 4th international symposium on computer science and intelligent control (article number 7). New York: Association for Computing Machinery. doi: 10.1145/3440084.3441183.

    [37] Youcontrol. ALLO LLC. (n.d.). Retrieved from https://youcontrol.com.ua/catalog/company_details/30012848/.

    [38] Youcontrol. ATB-Market LLC. (n.d.). Retrieved from https://youcontrol.com.ua/catalog/company_details/30487219/.

    [39] Youcontrol. Comfy Trade LLC. (n.d.). Retrieved from https://youcontrol.com.ua/ru/catalog/company_details/36962487/.

    [40] Youcontrol. Epicentr K LLC. (n.d.). Retrieved from https://youcontrol.com.ua/catalog/company_details/32490244/.

    [41] Youcontrol. Foxtrot LLC. (n.d.). Retrieved from https://youcontrol.com.ua/catalog/company_details/23703827/.

    [42] Youcontrol. INTERTOP Ukraine LLC. (n.d.). Retrieved from https://youcontrol.com.ua/catalog/company_details/41097426/.

    [43] Youcontrol. METRO Cash and Carry Ukraine LLC. (n.d.). Retrieved from https://youcontrol.com.ua/catalog/company_details/32049199/.

    [44] Youcontrol. Nova Liniya PJSC. (n.d.). Retrieved from https://youcontrol.com.ua/catalog/company_details/32816917/.

    [45] Youcontrol. Rozetka LLC. (n.d.). Retrieved from https://youcontrol.com.ua/catalog/company_details/34047188/.

    [46] Youcontrol. Silpo-Fud LLC. (n.d.). Retrieved from https://youcontrol.com.ua/catalog/company_details/40720198.

    [47] Zabor, K. (2023). The best Big Data companies in Europe. N-ix. Retrieved from https://www.n-ix.com/top-big-data-companies-europe/.

    uk