Methodology of development and implementation of an intelligent sales forecasting information system for effective inventory management
DOI:
https://doi.org/10.31649/1681-7893-2025-49-1-123-134Keywords:
sales forecasting, machine learning, inventory management, AutoML .NET, risk management, optimisation.Abstract
The study is devoted to the development and implementation of a flexible sales forecasting methodology for efficient inventory management in stores and warehouses. The proposed model is based on machine learning methods and takes into account changing market conditions, allowing for adaptive forecast updates. The main stages of the research include analysing existing forecasting methods, selecting machine learning algorithms, developing a prototype model, and evaluating its accuracy and economic effect. To implement the model, the AutoML .NET framework was used, which provides automatic selection of the most efficient algorithms and hyperparameters. The results of model training experiments on data sets of different sizes demonstrated high forecasting accuracy using FastTree, FastForest, SDCA, and LightGBM algorithms. The effectiveness of various parameter optimisation strategies was also investigated, allowing the model to adapt to new market changes. The proposed methodology helps to reduce risks in the inventory management process, increase the efficiency of business processes and minimise costs associated with excess or shortage stocks.
References
Bykov V.Yu. Risk management in corporate information systems. – K.: Naukova Dumka, 2016. – 240 p.
Gnatenko O.V. Sales forecasting methods: theory and practice. – Lviv: ArtEk Publishing House, 2018. – 320 p.
Drobot I.M. Inventory management: modern methodologies and approaches. – Kharkiv: Fakt, 2019. – 285 p.
Zinchenko P.I. Information technologies in warehouse inventory management. – Dnipro: University Book, 2020. – 350 p.
Kolesnikova L.O. Sales analytics: methods and models. – Odesa: Phoenix, 2021. – 200 p.
Kuznetsov O.I. Automated inventory management systems. – Kyiv: Lybid, 2017. – 275 p.
Levchenko Y.P. Enterprise management systems: ERP, CRM, SCM. – Lviv: Academic Express, 2018. – 340 p.
Martyniuk O.V. Flexible forecasting methods in commercial activities. – Ternopil: Aston, 2016. – 290 p.
Nazarenko T.O. Software for accounting and control of inventories. – Vinnytsia: Podillya, 2019. – 260 p.
Oliynyk V.M. Logistics systems and their impact on inventory management. – Kyiv: Nauka Publishing House, 2022. – 310 p.
Petrenko S.V. Software solutions for inventory management in retail trade. – Kharkiv: Vector, 2023. – 280 p.
Romanenko L.S. Digital technologies in business management. – Kyiv: Osvita, 2015. – 315 p.
Smirnova A.V. Automation of inventory accounting processes.– Poltava: Poltava University, 2017.–290 p
Soroka N.P. Demand forecasting methods and optimization of inventory balances. – Lutsk: Student, 2018. – 270 p.
Tkachenko I.O. Analytics tools for sales forecasting. – Sumy: Sumy State University, 2019. – 285 p.
Umanets V.I. Risk modeling in trade: modern approaches. – Kyiv: Tekhnika, 2020. – 295 p.
Kharchenko G.F. Goods flow management technologies. – Zaporizhzhia: Premier, 2021. – 280 p.
Chepurko O.V. The impact of information systems on logistics processes. – Chernihiv: Prosvita, 2022. – 305 p.
Shevchenko I.G. Artificial intelligence systems in sales forecasting. – Kharkiv: Kharkiv National University, 2023. – 290 p.
Yakovenko P.M. ERP systems in modern business. – Lviv: Western Region, 2024. – 320 p.
Forbes. Best Inventory Management Software 2025. [Electronic resource]. – Access mode: https://www.forbes.com (access date: 03/12/2025).
Cin7. Features & Pricing. [Electronic resource]. – Access mode: https://www.cin7.com (access date: 12.03.2025).
Conquer shipping, inventory, and dropshipping complexity | Ordoro [Electronic resource]. – Electronic data – 2024. – Access mode to the resource: https://www.ordoro.com/ (access date: 25.11.2024)
Downloads
-
PDF (Українська)
Downloads: 13
Published
How to Cite
Issue
Section
License
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
