Ανάπτυξη και αξιολόγηση μοντέλων πρόβλεψης ζήτησης προϊόντων επισιτισμού.

Abstract

Η διαρκώς αυξανόμενη ζήτηση για καφέ, σε συνδυασμό με τη μείωση της διαθεσιμότητας της πρώτης ύλης λόγω των επιπτώσεων της κλιματικής αλλαγής, δημιουργεί σημαντικές προκλήσεις για τις επιχειρήσεις του κλάδου της καφεστίασης. Ο περιορισμός της προσφοράς οδηγεί σε συνεχή άνοδο των τιμών και εντείνει την ανάγκη για αποτελεσματικό προγραμματισμό προμηθειών και ορθολογική διαχείριση αποθεμάτων. Στο πλαίσιο αυτό, η αξιοποίηση μεθόδων και αλγορίθμων πρόβλεψης της ζήτησης καθίσταται ιδιαίτερα σημαντική για τη βελτίωση της επιχειρησιακής λήψης αποφάσεων. Η παρούσα μελέτη εξετάζει το ζήτημα μέσω ποσοτικής ανάλυσης, αξιοποιώντας πραγματικά δεδομένα πωλήσεων που προέρχονται από μεγάλη ελληνική εταιρεία καφεστίασης. Τα δεδομένα αφορούν επιλεγμένους και επιχειρησιακά κρίσιμους εμπορικούς κωδικούς της επιχείρησης, ώστε η ανάπτυξη και η αξιολόγηση των μοντέλων να πραγματοποιηθούν σε ρεαλιστικές συνθήκες λειτουργίας. Κύριος στόχος της μελέτης είναι ο σχεδιασμός και η εφαρμογή ενός συστήματος πρόβλεψης της ζήτησης που θα υποστηρίζει την έγκαιρη προσαρμογή των επιπέδων αποθεμάτων, συμβάλλοντας τόσο στην αποτελεσματική κάλυψη της ζήτησης όσο και στη διατήρηση του λειτουργικού κόστους σε βέλτιστα επίπεδα. Στο πλαίσιο της ανάλυσης εφαρμόστηκαν εναλλακτικά μοντέλα πρόβλεψης σε δύο επιλεγμένους κωδικούς προϊόντων. Τα αποτελέσματα δείχνουν ότι η αποδοτικότητα των μοντέλων εξαρτάται σε σημαντικό βαθμό τόσο από την ποιότητα και τα χαρακτηριστικά των διαθέσιμων δεδομένων όσο και από τον χρονικό ορίζοντα και τον σκοπό της πρόβλεψης. Η αξιολόγηση των μοντέλων πραγματοποιήθηκε με τη χρήση των δεικτών σφάλματος MAD, MSE και MAPE, οι οποίοι παρέχουν ένα αξιόπιστο πλαίσιο εκτίμησης της ακρίβειας και της καταλληλόλητάς τους για επιχειρησιακή χρήση.The continuously increasing demand for coffee, combined with the reduced availability of raw materials due to the effects of climate change, poses significant challenges for businesses operating in the coffee service industry. The constraints in supply lead to a persistent increase in prices and intensify the need for effective procurement planning and efficient inventory management. In this context, the application of demand forecasting methods and algorithms becomes particularly important for improving operational decision-making. This study addresses the issue through a quantitative analysis based on real sales data obtained from a large Greek coffee service company. The dataset includes selected and operationally critical product codes, allowing the development and evaluation of forecasting models under realistic business conditions. The main objective of the study is the design and implementation of a demand forecasting system capable of supporting timely inventory adjustments, thereby contributing both to the effective fulfillment of demand and to maintaining operational costs at optimal levels. Within the framework of the analysis, alternative forecasting models were applied to two selected product codes. The findings indicate that the performance of forecasting models depends significantly on both the quality and characteristics of the available data and the forecasting objectives. Model evaluation was conducted using the error metrics MAD, MSE, and MAPE, which provide a reliable framework for assessing forecasting accuracy and determining the suitability of the models for practical business applications.