18/11/2024
सार: ग्राहक की मांग कई कारकों से प्रेरित होती है, अक्सर जटिल तरीकों से। इसलिए, व्यावहारिक मांग मॉडल को ग्राहकों की प्राथमिकताओं को सटीक रूप से पकड़ने में सक्षम होने के लिए कई देखी गई विशेषताओं को शामिल करने के लिए डिज़ाइन किया गया है। हालाँकि, ये मॉडल केवल देखी गई विशेषताओं को ध्यान में रखते हैं और अक्सर न देखी गई विशेषताओं/कारकों (यूएफ) के प्रभाव को अनदेखा करते हैं। ब्रांड जागरूकता, उत्पाद शेल्फ स्थिति, स्थानीय कार्यक्रम आदि जटिल तरीकों से मांग को प्रभावित करते हैं लेकिन व्यवहार में इनका पालन करना कठिन होता है। आश्चर्य की बात नहीं है कि, यूएफ को पूरी तरह से नजरअंदाज करने से खराब पूर्वानुमान प्रदर्शन होता है।
इस कार्य में, हम ग्राहक की मांग को मॉडल करते समय यूएफ के लिए लेखांकन के लिए एक नवीन पद्धति का प्रस्ताव करते हैं। हम एक खुदरा विक्रेता की मानक परिचालन सेटिंग पर ध्यान केंद्रित करते हैं जो विभिन्न दुकानों में अलग-अलग वर्गीकरण के साथ अपने उत्पादों की पेशकश करता है। खुदरा विक्रेता का लक्ष्य वर्गीकरण और कीमतों के आधार पर मांग की भविष्यवाणी करना है, जिसके लिए खुदरा विक्रेता के पास ऐतिहासिक बिक्री लेनदेन डेटा तक पहुंच होती है। हम लॉगिट्स मॉडल के मिश्रण का उपयोग करके मॉडल की मांग करते हैं, लेकिन मिश्रण वितरण या यूएफ उत्पन्न करने वाले अंतर्निहित तंत्र पर कोई पैरामीट्रिक धारणा नहीं बनाते हैं।
हमारे दृष्टिकोण में यूएफ को स्पष्ट मॉडल पैरामीटर के रूप में व्यवहार करना शामिल है, जिसके परिणामस्वरूप एक ओवरपैरामीटराइज्ड मॉडल बनता है, और एक नियमितीकरण दृष्टिकोण को नियोजित किया जाता है जिसे ओवरफिटिंग को नियंत्रित करने के लिए डेटा में शोर के स्तर के आधार पर लचीले ढंग से ट्यून किया जा सकता है। हम अपने मॉडल को एक बड़े डेटासेट पर प्रशिक्षित करने और एक स्थिर बिंदु पर अभिसरण की एक उपरेखीय दर स्थापित करने के लिए एक वैकल्पिक न्यूनतमकरण एल्गोरिदम का प्रस्ताव करते हैं। सैद्धांतिक और अनुभवजन्य दोनों विश्लेषणों का उपयोग करके, हम दिखाते हैं कि हमारी पद्धति डेटा में शोर और अलग-अलग जमीनी सच्चाई मिश्रण वितरण के लिए मजबूत है। वास्तविक दुनिया के किराने की बिक्री लेनदेन डेटा का उपयोग करके, हम दिखाते हैं कि हमारी विधि वास्तविक दुनिया के आकार के परिचालन अनुप्रयोगों के लिए स्केल करती है और उत्पाद और स्टोर-स्तरीय यूएफ के लिए लेखांकन एक राज्य में 11 उत्पाद श्रेणियों में मानक मेट्रिक्स पर 63% से अधिक पूर्वानुमान सटीकता में सुधार करता है। -अत्याधुनिक बेंचमार्क जो यूएफ को नजरअंदाज करता है।
अध्यक्ष के बारे में: प्रो. अश्विन वेंकटरमन डलास (यूटीडी) में टेक्सास विश्वविद्यालय के नवीन जिंदल स्कूल ऑफ मैनेजमेंट में संचालन प्रबंधन के सहायक प्रोफेसर हैं। उनका अनुसंधान राजस्व प्रबंधन और मूल्य निर्धारण पर केंद्रित है, जिसमें नवीन मॉडल और कार्यप्रणाली विकसित करने पर विशेष जोर दिया गया है जो आज फर्मों के लिए उपलब्ध व्यापक डेटा का उपयोग करते हैं। उनका काम ऑपरेशंस रिसर्च, मैनेजमेंट साइंस और एम एंड एसओएम सहित प्रमुख पत्रिकाओं में प्रकाशित हुआ है। प्रो. अश्विन ने न्यूयॉर्क विश्वविद्यालय के कूरेंट इंस्टीट्यूट ऑफ मैथमेटिकल साइंसेज से कंप्यूटर विज्ञान में एमएस और पीएचडी की उपाधि प्राप्त की है, जहां उनके डॉक्टरेट थीसिस को इन्फोर्म्स डेंटज़िग शोध प्रबंध पुरस्कार में एक माननीय उल्लेख (संयुक्त दूसरा स्थान) प्राप्त हुआ। उन्होंने आईआईटी दिल्ली से कंप्यूटर साइंस और इंजीनियरिंग में बी.टेक की डिग्री भी हासिल की।
