• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Ученый НИУ ВШЭ – Санкт-Петербург победил в конкурсе РНФ

Доцент департамента менеджмента Евгений Антипов получил грант Президентской программы Российского научного фонда, направленной на поддержку молодых ученых.

Ученый НИУ ВШЭ – Санкт-Петербург победил в конкурсе РНФ

Российский научный фонд объявил победителей конкурса "Проведение инициативных проектов молодыми учеными" Президентской программы исследовательских проектов 2018 года. Конкурс был направлен на поддержку молодых людей в возрасте до 33 лет, защитивших кандидатские диссертации. На реализацию проекта фонд выделяет полтора миллиона рублей в год. 

В кампусе победителем конкурса стал доцент департамента менеджмента Санкт-Петербургской школы экономики и менеджмента Евгений Антипов. С 2018 по 2020 год Евгений Александрович будет работать над проектом "Разработка математических моделей планирования и прогнозирования спроса на ассортимент предприятий розничной торговли на основе усовершенствованных ансамблей методов машинного обучения для оптимизации использования ценовых и неценовых инструментов стимулирования спроса с учетом сложности паттернов продуктовой субституции и комплементарности и высокой размерности пространства детерминант спроса".

Антипов Евгений Александрович

Доцент департамента менеджмента

"Тема поддержанного Российским Научным Фондом исследования (укороченный вариант которой может звучать как "Разработка математических моделей планирования и прогнозирования спроса на ассортимент предприятий розничной торговли") связана с предсказанием спроса на какой-либо товар в каком-либо магазине в определенный момент времени. Умение предсказывать спрос при различной цене и различной промо-активности позволит назначать оптимальную цену и завозить в магазин нужное количество товара, а также оценивать прирост от каких-то специальных промо-акций за счет сравнения фактических продаж с предсказанными продажами (при условии отсутствия такой промо-акции). Задача осложняется тем, что на продажи влияет множество факторов. В своей работе я учту больше факторов, чем это делалось в традиционных моделях, публиковавшихся в научной литературе по маркетингу: цены не только самого товара, но множества товаров-заменителей и дополняющих товаров, наличие промо-акции на товар, наличие промо-акции на товары-конкуренты, то, насколько давно была предыдущая промо-акция и множество других факторов. Традиционные методы регрессионного анализа не позволяют работать с таким большим количеством факторов, и на помощь придут методы машинного обучения, для некоторых из которых такое большое число объясняющих переменных – не помеха.
Анализ будет проводиться для примера на данных одной крупной североамериканской розничной сети, однако, поскольку работа носит методологический характер, все использованные подходы и методики будут применимы в розничной торговле в любой точке мира. Анализ позволит выявить, какие группы факторов сильнее влияют на продажи, как промо-акции на один товар снижают продажи другого товара, и какой график промо-мероприятий позволит максимизировать общую прибыль магазина".