Видео

1. Працюватиме, оскільки її функціональність спрямована на здійснення прогнозу та визначення втрат від ефекту канібалізації. Якщо товар має унікальні особливості, то можна прирівняти значення коефіцієнту канібалізації до 0, припустивши, що цей товар охопить цілком нову аудиторії і не вплине на продажі попередніх товарів. 2. Рівень канібалізації знаходиться в межах від 0% до 100%. 0% - продажі нового товару абсолютно не впливають на продажі існуючого товару; 100% - новий товар повністю замінив собою попит існуючого товару.

1. На етапі пошуку найкращої моделі відбувається перебір параметрів і для кожної комбінації будується відповідна модель. Оскільки це вимагає обчислювальних затрат, то може виникнути деяка затримка (5-10 секунд), в залежності від технічних можливостей комп'ютера, на якому запускається дана система. 2. Дана система приймає на вхід вже оцінений рівень канібалізації і обчислює втрати, які можуть під його впливом. Оцінити як буде продаватися новий товар без його історичних даних вкрай складно, тому існують методики прогнозування, що базуються на даних продажів схожих товарів. Інший підхід використовує проведення маркетингових досліджень потенційного ринку нового товару і вже потім певний прогноз попиту на нього.

1. Припускається, що компанія має інформацію про рівень канібалізації нового товару. 2. Так, встановивши відповідне значення змінної cannibalization_rate.

1. Дана система є специфічною та налаштована на конкретні дані із використанням одного типу моделі прогнозування. 2. Керівник, на основі прогнозування попиту на відповідні товари та визначення втрат від ефекту канібалізації, може оцінювати ефективність продажів та приймати відповідні стратегічні рішення.

1. Компанії необхідно створювати нови товари, які відрізняються від попередніх за споживчими властивостями та орієнтовані на іншу цільову категорію споживачів. 2. Моделі можна покращити збільшивши обсяг навчальних даних та здійснивши перебір більшої кількості параметрів.

1. Можливо розширити історичну базу даних, збільшити кількість параметрів побудови моделей, ввести нові моделі, додати інтерактивність до системи, покращити візуалізацію результатів. 2. Ця мова програмування має велику кількість бібліотек для аналізу даних та є простою у використанні.

1. Можна, також, використати середню абсолютну помилку (MAE) та R-квадрат. 2. Так, можливо, змінивши значення аргументу steps для методу get_forecast відповідного часового ряду.

Дана система розроблена у вигляді аналітичного звіту, що відразу виводить результати виконання скрипту у формі графіків та таблиць.

Можливе. Для використання системи необхідно лише вказати шлях до файлу з даними та покроково запустити фрагменти коду шляхом натискання комбінації клавіш Shift+Enter або повністю - вкладка Cell->Run All