Please use this identifier to cite or link to this item: http://hdl.handle.net/10216/106489
Author(s): Nelson da Silva Alves
Title: Predicting product sales in fashion retailing: a data analytics approach
Issue Date: 2017-07-10
Abstract: In the retail context, an erroneous determination of the amounts to buy of each article from the suppliers, either by excess or defect, can result in unnecessary costs of storage or lost sales, respectively. Both situations should be avoided by companies, which promotes the need to determine purchase quantities efficiently. Currently companies collect huge amounts of data referring to their sales and products' features. In the past, that information was seldom analyzed and integrated in the decision making process. However, the increase of the information processing capacity has promoted the use of data analytics as a means to obtain knowledge and support decision makers inachieving better business outcomes. Therefore, the development of models which use the different factors which influences sales and produces precise predictions of future sales represents a very promising strategy. The results obtained could be very valuable to the companies, as they enable companies to align the amount to buy from the suppliers with the potential sales.This project aims at exploring the use of data mining techniques to optimize the amounts to buy of each product sold by a fashion retail company. The project results in the development of a model that uses past sales data of the products with similar characteristics to predict the quantity the company will potentially sell from the new products. The project will use as a case study a Portuguese fashion retail company.To validate the model it will be used several linear regression measures to quantify model quality.
Description: No mercado de retalho de moda, uma determinação errônea dos montantes a comprar de cada artigo pelos fornecedores, seja por excesso ou defeito, pode resultar em custos desnecessários de armazenamento ou vendas perdidas, respectivamente. Ambas as situações devem ser evitadas pelas empresas, como tal surge a necessidade de determinar as quantidades de compras de uma forma precisa. Atualmente, as empresas recolhem grandes quantidades de dados referentes às suas vendas e características dos seus produtos. No passado, essa informação raramente era analisada e integrada no processo de tomada de decisão. No entanto, o aumento da capacidade de processamento de informações promoveu o uso da análise de dados como meio para obter conhecimento e apoiar os responsáveis pela tomada de decisão com o objetivo de alcançar melhores resultados comerciais. Portanto, o desenvolvimento de modelos que utilizem os diferentes fatores que influenciam as vendas e produzem previsões precisas de vendas futuras representam uma estratégia muito promissora. Os resultados obtidos podem ser muito valiosos para as empresas, pois permitem que as empresas alinhem o valor a comprar aos fornecedores com as vendas potenciais.Este projeto visa explorar o uso de técnicas de extração de dados para otimizar as quantidades de compra de cada produto vendido por uma empresa de retalho de moda. O projeto resulta no desenvolvimento de um modelo que usa dados de vendas anteriores dos produtos com características semelhantes para prever a quantidade que a empresa venderá potencialmente dos novos produtos. O projeto usará como um caso de estudo uma empresa de retalho de moda portuguesa.Para validar o modelo, serão utilizadas várias medidas de regressão linear para quantificar a qualidade do modelo.
Subject: Engenharia electrotécnica, electrónica e informática
Electrical engineering, Electronic engineering, Information engineering
TID identifier : 201801655
URI: http://hdl.handle.net/10216/106489
Document Type: Dissertação
Rights: openAccess
Appears in Collections:FEUP - Dissertação

Files in This Item:
File Description SizeFormat 
205585.pdfPredicting product sales in fashion retailing: a data analytics approach597.86 kBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.