Использование виртуального ассистента для управления сбытовой политикой на промышленном предприятии
Суслов Д.Н.1, Кашкарева Е.А.1
1 Сибирский федеральный университет, Россия, Красноярск
Скачать PDF | Загрузок: 36 | Цитирований: 1
Статья в журнале
Креативная экономика (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 13, Номер 12 (Декабрь 2019)
Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=42441868
Цитирований: 1 по состоянию на 05.09.2022
Аннотация:
В данной статье рассматривается способ получения информации о рынке производителем посредством информационных технологий. В работе представлен алгоритм сбора информации в сети интернет посредством виртуального сборщика (парсера), приведены рекомендации по дальнейшему использованию аккумулированных данных. Автором рассматриваются преимущества использования алгоритма, обозначаются сферы применения. Помимо этого, в статье рассматриваются особенности использования инструмента, а также случаи, оказывающие влияние на итоговую достоверность данных. Целью рассматриваемого алгоритма - повышение эффективности управления взаимоотношениями производителя с торговыми партнерами, товаром.
Ключевые слова: исследование рынка, производитель, сбор данных, дистрибьюторская цепь, анализ параметров
Источники:
2. Bergamaschi S., Carlini E. Big Data Research in Italy: A Perspective // Engineering. – 2016. – С. 163-170.
3. Суркова А.С., Буденков С.С. Построение модели и алгоритма кластеризации в интеллектуальном анализе данных // Вестник Нижегородского университета им. Н.И. Лобачевского. – 2012. – № 2(1). – С. 198-202.
4. Трусов А.Н., Иванченко П.Ю., Кацуро Д.А. Разработка автоматизированной информационной системы для оптимизационного анализа экономических процессов // Современные наукоемкие технологии. – 2014. – № 11. – С. 38-40.
5. Hirsch D.D. Glass house effect: big data, the new oil, and the power ofanalogy // Maine Law Review. – 2013. – № 66. – С. 373.
6. Hashem I.A.T., Yaqoob I., Anuar N.B., Mokhtar S., Gani A., Khan S.U. The rise of big data on cloud computing: review and open research issues // Information Systems. – 2015. – № 47. – С. 98-115.
Tolk. A The next generation of modeling & simulation: integrating big data and deep learning // Summer Simulation Multiconference. 2015.
8. Iqbal R., et al. Big Data analytics: Computational intelligence techniques and application areas // International Journal of Information Management. – 2016. – doi: 10.1016/j.ijinfomgt.2016.05.020 .
Grzywaczewski A., Iqbal R., Shah N., James A. E-marketing strategy for businesses // E-Business Engineering (ICEBE): IEEE 7th International Conference. М., 2010. – С. 428-434.
Chakrabarti S. Mining the Web: discovering knowledge from hypertext data. - М: Morgan Kaufmann, 2003. – 345 с.
Чиркин Е.С. Некоторые проблемы автоматизированного извлечения данных из веб-страниц // Интернет и современное общество: сборник научных статей XVI Всероссийской объединенной конференции. СПб., 2013. – С. 291-294.
12. Семёнов Д.А., Ошмарина О.Е., Шадрина Е.В. Автоматизация сбора и обработки спортивной статистики для последующего сетевого анализа // Вестник нгту им. р.е. алексеева. серия: управление в социальных системах. коммуникативные технологии. – 2014. – № 2. – С. 45-52.
13. Юсупова Н.И., Богданова Д.Р., Бойко М.В. Математическое обеспечение для поддержки принятия решений при управлении качеством продукции на основе анализа текстовой информации // Современные проблемы науки и образования. – 2014. – № 3. – С. 18. – url: http://www.science-education.ru/ru/article/view?id=13024.
14. Трусов А.Н., Кацуро Д.А., Иванченко П.Ю. Извлечение и обработка информации с сайтов экономической статистики // Международный журнал прикладных и фундаментальных исследований. – 2013. – № 12. – С. 120-122.
ГОСТ Р 54732-2011/ISO/TS 10004:2010 Менеджмент качества. Удовлетворенность потребителей. Руководящие указания по мониторингу и измерению. - М.: Стандартинформ, 2012. – 28 с.
Страница обновлена: 22.12.2025 в 22:43:56
Download PDF | Downloads: 36 | Citations: 1
Использование виртуального ассистента для управления сбытовой политикой на промышленном предприятии
Suslov D.N., Kashkareva E.A.Journal paper
Creative Economy
Volume 13, Number 12 (December 2019)
Abstract:
This article describes a way to obtain information on the market by the manufacturer through information technologies. This paper presents an algorithm of collecting information on the Internet through a virtual collector (parser) and provides recommendations for the further use of the accumulated data. The authors discuss the advantages of the algorithm. The implementation areas are indicated. In addition, the article describes the features of the tool, as well as cases that have an impact on the accuracy of the final data. The goal of the algorithm is to increase effectiveness of relationships between manufacturer and distribution partners.
Keywords: manufacturer, market research, data collection, distribution chain, analysis of parameters
JEL-classification: O31, M11, O33, O32, M21
References:
Bergamaschi S., Carlini E. (2016). Big Data Research in Italy: A Perspective Engineering. 163-170.
Chakrabarti S. (2003). Mining the Web: discovering knowledge from hypertext data M.: Morgan Kaufmann.
Chirkin E.S. (2013). Nekotorye problemy avtomatizirovannogo izvlecheniya dannyh iz veb-stranits [Some problems of automated extraction of data from web pages] The Internet and modern society. 291-294. (in Russian).
Grzywaczewski A., Iqbal R., Shah N., James A. (2010). E-marketing strategy for businesses E-Business Engineering (ICEBE). 428-434.
Hashem I.A.T., Yaqoob I., Anuar N.B., Mokhtar S., Gani A., Khan S.U. (2015). The rise of big data on cloud computing: review and open research issues Information Systems. (47). 98-115.
Hirsch D.D. (2013). Glass house effect: big data, the new oil, and the power ofanalogy Maine Law Review. (66). 373.
Iqbal R., et al. (2016). Big Data analytics: Computational intelligence techniques and application areas International Journal of Information Management. doi: 10.1016/j.ijinfomgt.2016.05.020 .
Semyonov D.A., Oshmarina O.E., Shadrina E.V. (2014). Avtomatizatsiya sbora i obrabotki sportivnoy statistiki dlya posleduyushchego setevogo analiza [Automating the collection and processing of sports statistics for the subsequent network analysis]. Vestnik ngtu im. r.e. alekseeva. seriya: upravlenie v sotsialnyh sistemakh. kommunikativnye tekhnologii. (2). 45-52. (in Russian).
Surkova A.S., Budenkov S.S. (2012). Postroenie modeli i algoritma klasterizatsii v intellektualnom analize dannyh [Building a model and a clustering algorithm in data mining]. Vestnik of Lobachevsky University of Nizhni Novgorod. (2(1)). 198-202. (in Russian).
Tolk. A (2015). The next generation of modeling & simulation: integrating big data and deep learning Summer Simulation Multiconference.
Trusov A.N., Ivanchenko P.Yu., Katsuro D.A. (2014). Razrabotka avtomatizirovannoy informatsionnoy sistemy dlya optimizatsionnogo analiza ekonomicheskikh protsessov [Development of automated information system for optimization analysis of economic processes]. Modern high technologies. (11). 38-40. (in Russian).
Trusov A.N., Katsuro D.A., Ivanchenko P.Yu. (2013). Izvlechenie i obrabotka informatsii s saytov ekonomicheskoy statistiki [Extraction and processing of information from the sites of economic statistics]. International Journal of Applied and Fundamental Research. (12). 120-122. (in Russian).
Xie K., et al. (2016). Value co-creation between firms and customers: The role of big data-based cooperative assets Information & Management. 53 (8). 1034-1048. doi: 10.1016/j.im.2016.06.003.
Yusupova N.I., Bogdanova D.R., Boyko M.V. (2014). Matematicheskoe obespechenie dlya podderzhki prinyatiya resheniy pri upravlenii kachestvom produktsii na osnove analiza tekstovoy informatsii [Decision support for quality management based on artificial intelligence applications for unstructed data analysis]. Modern problems of science and education. (3). 18. (in Russian).