ANALYSIS AND FORECASTING OF DEMAND FOR DAIRY PRODUCTS UNDER CONDITIONS OF HIGH COMPETITION IN RETAIL TRADE
Received: 2026-05-26
Published: 2026-06-06
Abstract
This article examines the application of data analytics for demand analysis and forecasting of dairy products in a small retail business environment. The study is based on real sales data collected by the author during part-time employment in a retail store entering a highly competitive market. The research focuses on demand analysis, reduction of returns for perishable goods, inventory optimization, and forecasting of supply volumes. Time series analysis, data aggregation, and moving average forecasting methods were applied during the study. The results demonstrate that analytical approaches can improve inventory management efficiency and minimize losses associated with product shortages or excessive stock levels.
Keywords
List of references
-
Тиличенко, П. В. Использование ABC- и XYZ-анализа для принятия решений в управлении продажами / П. В. Тиличенко, С. С. Дрозд. — Текст: непосредственный // Вестник ГГТУ имени П. О. Сухого: научно-практический журнал. — 2013. — № 4. — С. 120–125.
-
Голубков, Е. П. ABC- и XYZ-анализ: проведение и оценка результативности / Е. П. Голубков. — Текст: непосредственный // Маркетинг в России и за рубежом. — 2010. — № 3. — С. 12–23.
-
Дуброва, Т. А. Статистические методы прогнозирования: учебное пособие для вузов / Т. А. Дуброва. — Москва: ЮНИТИ, 2003. — 208 с. — ISBN 5-238-00497-4. — Текст: непосредственный.
-
Махмутова, Э. М. Применение методов скользящей средней, экспоненциального сглаживания и тренда при прогнозировании финансового результата от продаж на примере ОАО «Булочно-кондитерский комбинат» / Э. М. Махмутова. — Текст: непосредственный // Вопросы экономики и управления. — 2016. — № 4 (6). — С. 56–59. — URL: https://moluch.ru/th/5/archive/38/1106 (дата обращения: 26.05.2026).
-
Афанасьев, В. Н. Анализ временных рядов и прогнозирование: учебник / В. Н. Афанасьев, М. М. Юзбашев. — Москва: Финансы и статистика, 2001. — 228 с. — ISBN 5-279-02331-5. — Текст: непосредственный.
-
Syntetos, A. The accuracy of intermittent demand estimates / A. Syntetos, J. E. Boylan. — Text: unmediated // International Journal of Forecasting. — 2005. — Vol. 21, No. 2. — P. 303–314. — DOI: 10.1016/j.ijforecast.2004.10.001.
-
Mohammed, A. R. Moving Average Smoothing for Gregory-Newton Interpolation: A Novel Approach for Short-Term Demand Forecasting / A. R. Mohammed, K. S. Hassan, M. A. M. Abdel-Aal. — Text: unmediated // IFAC-PapersOnLine. — 2022. — Vol. 55, No. 10. — P. 749–754. — DOI: 10.1016/j.ifacol.2022.09.499.Chopra S., Meindl P. Supply Chain Management: Strategy, Planning, and Operation. — Pearson, 2021.
-
McKinney W. Python for Data Analysis. — O’Reilly Media, 2022.
-
VanderPlas J. Python Data Science Handbook. — O’Reilly Media, 2023.
-
Kumar R., Patel S. Retail Demand Forecasting Using Data Analytics // Journal of Retail Analytics. — 2022. — Vol. 14. — P. 45–58.
-
Wang L., Li H. Time Series Forecasting in Retail Industry // International Journal of Data Science. — 2023. — Vol. 8. — P. 112–127.
-
Brown T. Inventory Optimization for Perishable Products // Retail Management Review. — 2024. — Vol. 19. — P. 77–91.
-
Smith J., Taylor K. Data-Driven Retail Management // Business Analytics Journal. — 2021. — Vol. 11. — P. 15–29.
-
Документация библиотеки pandas. https://pandas.pydata.org/
-
Документация библиотеки matplotlib. https://matplotlib.org/
About the Authors
License

This work is licensed under a Creative Commons Attribution 4.0 International License.