ЖУРНАЛ БІЗНЕС ІНФОРМ.

УКР

ENG

Пошук:

СВІДОЦТВО ПРО РЕЄСТРАЦІЮ

КВ №19905-9705 ПР від 02.04.2013 р.

ЗАСНОВНИКИ

НАУКОВО-ДОСЛІДНИЙ ЦЕНТР ІНДУСТРІАЛЬНИХ ПРОБЛЕМ РОЗВИТКУ НАН УКРАЇНИ
(ХАРКІВ, УКРАЇНА)

Згідно з рішенням № 802 Національної ради України з питань телебачення і радіомовлення від 14.03.2024 р. зареєстрований суб’єктом у сфері друкованих медіа. Ідентифікатор R30-03156

ВИДАВЕЦЬ

ФОП Лібуркіна Л. М.

РОЗДІЛИ САЙТУ

Застосування методів машинного навчання в алгоритмі пошуку партнерів для колаборації на прикладі сектора роздрібної торгівлі
Чернова Н. Л., Чернов О. О., Пирогова С. Є.

Чернова Н. Л., Чернов О. О., Пирогова С. Є. Застосування методів машинного навчання в алгоритмі пошуку партнерів для колаборації на прикладі сектора роздрібної торгівлі. Бізнес Інформ. 2024. №9. C. 153–161.
https://doi.org/10.32983/2222-4459-2024-9-153-161

Розділ: Економіко-математичне моделювання

Стаття написана українською мовою
Завантажень/переглядів: 13

Завантажити статтю (pdf) -

УДК 334.7.01, 330.4

Анотація:
Компанії роздрібної торгівлі відіграють важливу роль у світовій економіці, задовольняючи повсякденні потреби споживачів. У період загальноекономічних криз зазначені компанії демонструють відносно менші розміри «просадок» порівняно із ринком, але, з іншого боку, такий фактор стабільності є і певним обмежувачем зростання. Тому компанії дуже часто співпрацюють одна з одною, створюючи бізнес-колаборації, щоб розширити свій ринок і досягти спільного зростання й успіху. Метою дослідження є розробка та практична реалізація алгоритму пошуку партнерів для колаборації. Запропонований алгоритм містить такі кроки: формування інформаційної бази дослідження; попередній статистичний аналіз сформованого датасету; класифікація об’єктів у багатофакторному просторі ознак; оцінка якості класифікації; змістовний аналіз отриманої класифікації; ранжування об’єктів у межах кластерної групи та обрання кандидатів для створення колаборації. Алгоритм реалізовано для вихідного датасету компаній сектора роздрібної торгівлі, які станом на початок серпня 2024 р. входили до складу індексу SP500. Початковий датасет містив інформацію щодо значень таких фінансово-економічних показників, як: дивідендний дохід, мультиплікатор ціна/чистий прибуток, рентабельність активів, рентабельність власного капіталу, маржа прибутку, співвідношення позикового капіталу до власного, мультиплікатор ціна/виручка, мультиплікатор ціна/грошовий потік, мультиплікатор ціна/балансова вартість, частка акціонерного капіталу, коефіцієнт поточної ліквідності. Реалізація алгоритму дозволяє отримати кількісну оцінку придатності аналізованої компанії для участі в колаборації. Така кількісна оцінка отримана в результаті реалізації алгоритмів машинного навчання, а саме – алгоритму k-medoids, який дозволяє класифікувати об’єкти дослідження на відносно гомогенні групи, а також ідентифікувати репрезентанта кожної групи, координати якого відіграють роль кластерного центроїда.

Ключові слова: стратегія колаборації, партнер, алгоритм, машинне навчання, класифікація, репрезентант.

Рис.: 2. Табл.: 5. Формул: 4. Бібл.: 14.

Чернова Наталя Леонідівна – кандидат економічних наук, доцент, доцент, кафедра програмної інженерії та інтелектуальних технологій управління, Національний технічний університет «Харківський політехнічний інститут» (вул. Кирпичова, 2, Харків, 61002, Україна)
Email: [email protected]
Чернов Олександр Олександрович – аспірант, кафедра підприємництва, торгівлі і логістики, Національний технічний університет «Харківський політехнічний інститут» (вул. Кирпичова, 2, Харків, 61002, Україна)
Email: [email protected]
Пирогова Світлана Євгенівна – старший викладач, кафедра вищої математики, Харківський національний університет радіоелектроніки (пр. Науки, 14, Харків, 61166, Україна)
Email: [email protected]

Список використаних у статті джерел

The Global Industry Classification Standard. URL: https://www.msci.com/our-solutions/indexes/gics
Gyimothy S. Business Models of the Collaborative Economy. In: Collaborative Economy and Tourism: Perspectives, Politics, Policies and Prospects. 2017. P. 31–39. DOI: https://doi.org/10.1007/978-3-319-51799-5_3
Petzer B. J. M., Wieczorek A., Verbong G. Collaborative Business Models and Platforms in Shared Mobility Transitions: The Case of Bikeshare Integration. In: Business Models for Sustainability Transitions. Palgrave Macmillan, Cham. 2021. P. 191–228. DOI: https://doi.org/10.1007/978-3-030-77580-3_7
Abdullahi H., Ajulo E. B. Competition Versus Collaboration Business Model: A Review. International Journal of Innovative Science and Research Technology. 2023. Vol. 8. Iss. 11. P. 1526–1533. DOI: https://doi.org/10.5281/zenodo.10250914
Pedersen E. R. G., Ludeke-Freund F., Henriques I., Seitanidi M. M. Toward Collaborative Cross-Sector Business Models for Sustainability. Business & Society. 2021. Vol. 60. Iss. 5. P. 1039–1058. DOI: https://doi.org/10.1177/0007650320959027
Pop O.-M. The Four Main Types of Business Collaboration (Feb 28, 2023). HYPE. URL: https://www.hypeinnovation.com/blog/the-four-main-types-of-business-collaboration
De Man A.-P., Luvison D. Collaborative business models: Aligning and operationalizing alliances. Business Horizons. 2019. Vol. 62. Iss. 4. P. 473–482. DOI: https://doi.org/10.1016/j.bushor.2019.02.004
Tan W., Huang L., Kataev M. Yu. et al. Method towards reconstructing collaborative business processes with cloud services using evolutionary deep Q-learning. Journal of Industrial Information Integration. 2021. Vol. 21. DOI: https://doi.org/10.1016/j.jii.2020.100189
Gownder J. P. Modern Work Complexity Requires A Modern Collaboration Model. Forrester. 19.06.2023. URL: https://www.forrester.com/blogs/modern-work-complexity-requires-an-updated-collaboration-model/
Chen S., Yu D. Exploring the impact of external collaboration on firm growth capability: the mediating roles of R&D efforts. Humanities and Social Sciences Communications. 2022. Iss. 9. Art. 404. DOI: https://doi.org/10.1057/s41599-022-01429-5
Arora P., Virmani D., Varshney Sh. Analysis of K-Means and K-Medoids Algorithm For Big Data. Procedia Computer Science. 2016. Vol. 78. P. 507–512. DOI: https://doi.org/10.1016/j.procs.2016.02.095
Park S. Y., Yun D. Y., Hwang C-G., Lee D. Performance Evaluation of k-means and k-medoids in WSN Routing Protocols. Journal of Information and Communication Convergence Engineering. 2022. Vol. 20. Iss. 4. P. 259–264. DOI: https://doi.org/10.56977/jicce.2022.20.4.259
Schubert E., Rousseeuw P. J. Fast and eager k-medoids clustering: O(k) runtime improvement of the PAM, CLARA, and CLARANS algorithms. Information Systems. 2021. Vol. 101. DOI: https://doi.org/10.1016/j.is.2021.101804
S&P 500 Consumer Staples ETF Components. Barchart. URL: https://www.barchart.com/stocks/indices/sp-sector/consumer-staples?viewName=main

ДЛЯ АВТОРІВ

Ліцензійний договір

Умови публікації

Вимоги до статей

Положення про рецензування

Договір публікації

Номер в роботі

Питання, які задаються найчастіше

ІНФОРМАЦІЯ

План наукових конференцій

НАШІ ПАРТНЕРИ

Журнал «Проблеми економіки»

Матеріали на сайті розміщені на умовах ліцензії Creative Commons Attribution 4.0 International CC BY-SA.

Написати вебмастеру