hệ thống hỗ trợ dự báo doanh thu của cửa hàng cà phê

HỆ HỖ TRỢ QUYẾT ĐỊNH ĐỀ TÀI: HỆ THỐNG HỖ TRỢ DỰ BÁO DOANH THU CỦA CỬA HÀNG CÀ PHÊ... Việc quản lý doanh thu và dự báo doanh thu là một việc vô cùng cần thiết đối với cửa hàng kinh doanh

HỆ HỖ TRỢ QUYẾT ĐỊNH

ĐỀ TÀI: HỆ THỐNG HỖ TRỢ DỰ BÁO DOANH

THU CỦA CỬA HÀNG CÀ PHÊ

MỤC LỤC:

1.Điều tra khảo sát

2.Dữ liệu bài toán

3.Mô hình dự báo

4.Áp dụng mô hình dự báo

5 Giao diện chương trình

Việc quản lý doanh thu và dự báo doanh thu là một việc

vô cùng cần thiết đối với cửa hàng kinh doanh nói chung

và cửa hàng coffee nói riêng

Người quản lý muốn :

* Có được báo cáo doanh thu nhanh, chính xác

* Dự báo doanh thu để tránh rủi ro, đưa ra kế hoạch kinh doanh nhằm tăng doanh thu, lợi nhuận

Cần có công cụ hỗ trợ là hệ thống dự báo doanh thu của cửa hàng trong tương lai

Điều tra

khảo sát

Dữ liệu Nguồn dữ liệu:

https://www.kaggle.com/ylchang/coffe e-shop-sample-data-1113?fbclid=IwAR1 1srNOWEGXgcetZ7N9onvA00KJg8AmYa1ixBH X3Zyy3GxJkdCwa8Dc9bk#201904%20sales% 20reciepts.csv

Bộ dữ liệu gồm 49893 bản ghi, Có 5 trường,

bao gồm các trường: ID sản phẩm, ID khách

hàng,

ngày bán, số sản phẩm trên 1 hóa đơn, giá

tiên trên từng sản phẩm

Dữ liệu

Sau khi tiền xử lý dữ liệu, dữ liệu gồm có 304

bộ dữ liệu gồm 2 trường là Date và Sales

Mô hình dự báo

Mô hình ARIMA

Thuật toán:

Sử dụng chuỗi thời gian và dự báo bằng ARIMA

Gồm 3 bước:

+ Lấy dữ liệu từ cơ sở dữ liệu

+ Tìm mô hình ARIMA phù hợp

+ Dự báo dựa vào mô hình vừa tìm được

Mô hình

dự báo

Mô hình ARIMA gồm 2 phần:

• AR ( Auto Regressive) : Mô hình tự hồi quy

• MA ( Moving Average) : Trung bình trượt

• ARIMA (p,d,q) với p: Bậc tự hồi quy

d : Sai phân q: Bậc trung bình trượt

Tổng quan về mô hình

Mô hình

dự báo

Các bước cơ bản với mô hình ARIMA

B1: Kiểm tra dữ liệu có tình dừng hay không? Có tính mùa vụ hay không?

B2: Xác định hàm tương quan (ACF) và hàm tự tương quan ( PACF) B3: Ước lượng tham số p,d,q của mô hình

B4: Kiểm định mô hình

B5: Đưa ra dự báo

Mô hình

dự báo

Áp dụng

mô hình

Phân tích mô hình

Dùng phép thử Augmented Dickey-Fuller (*) kiểm định giả thuyết (z) = 0 là chuỗi thời gian là chuỗi không dừng

và đối thuyết H1 : chuỗi thời gian là chuỗi dừng.

Ta thu được :

 chuỗi thời gian là dừng sau

khi lấy 1 lần sai phân

=> d=1 là bậc sai phân

Áp dụng

mô hình

Dựa vào đồ thị

• Pacf để xác định p

• Acf xác đinh q

Áp dụng

mô hình

Áp dụng

mô hình

Lần lượt thử mô hình với p=0,1,2,….,12

q= 0,1,2,….,12 Tính giá trị AIC, và chọn ra mô hình có AIC bé nhất để áp dụng vào bài toán

Ta chọn được mô hình ARIMA (6,1,10)

Áp dụng

mô hình

Kiểm tra tính phù hợp của mô hình

Dựa vào đồ thị tương quan

của chuỗi phần dư:

Ngoại trừ độ trễ 3 và 7 thì

các hệ số tương quan đều

bằng 0 có nghĩa

Nên có thể nói phần dư của

mô hình là nhiễu trắng

=> Mô hình phù hợp

Luyện mô hình

Áp dụng

mô hình

MAPE≈ 22.27%  

Dự báo

Áp dụng

mô hình

Giao diện chương trình