Enhancing Sales Forecasting: Leveraging Retail Sales Data for Advanced AI Predictive Models / Βελτίωση της πρόβλεψης πωλήσεων στον τομέα του λιανικού εμπορίου μέσω της εφαρμογής προηγμένων τεχνικών Τεχνητής Νοημοσύνης

Summary

This thesis aims to improve sales forecasting in the retail sector through the application of advanced Artificial Intelligence (AI) techniques. It addresses the challenge of fluctuations in retail sales, which are influenced by various external factors, including economic changes and shifts in consumer behavior. The study develops and evaluates multiple AI forecasting models, such as FBProphet, NeuralProphet, XGBoost, LSTM, TFT, and TimeGPT, to enhance the accuracy and flexibility of predictions. Furthermore, it provides an in-depth comparison between conventional time series forecasting methods, such as ARIMA, and the aforementioned machine learning and deep learning approaches. The findings highlight the superior performance of state-of-the-art AI-based models in handling complex patterns and adapting to new data, thereby offering more accurate sales forecasts. Additionally, the thesis underscores the importance and impact of thorough data preprocessing.  

Περίληψη

Στην παρούσα διπλωματική εργασία αποσκοπείται η βελτίωση της πρόβλεψης πωλήσεων στον τομέα του λιανικού εμπορίου μέσω της εφαρμογής προηγμένων τεχνικών Τεχνητής Νοημοσύνης (AI). Επιπλέον, αντιμετωπίζεται η πρόκληση των διακυμάνσεων στις λιανικές πωλήσεις, οι οποίες επηρεάζονται από διάφορους εξωτερικούς παράγοντες, όπως οι οικονομικές αλλαγές και οι μεταβολές στη συμπεριφορά των καταναλωτών. Στη μελέτη αναπτύσσονται και αξιολογούνται πολλαπλά μοντέλα πρόβλεψης AI, όπως τα FBProphet, NeuralProphet, XGBoost, LSTM, TFT και TimeGPT, με στόχο τη βελτίωση της ακρίβειας και της ευελιξίας των προβλέψεων. Ακόμα, παρέχεται μια εις βάθος σύγκριση μεταξύ των παραδοσιακών μεθόδων πρόβλεψης χρονοσειρών, όπως το ARIMA, και των προαναφερθέντων προσεγγίσεων μηχανικής μάθησης και βαθιάς μηχανικής μάθησης. Τα ευρήματα υποδεικνύουν την υψηλή απόδοση των υπερσύγχρονων μοντέλων AI στην αντιμετώπιση πολύπλοκων προτύπων και στην προσαρμογή σε νέα δεδομένα, προσφέροντας έτσι πιο ακριβείς προβλέψεις πωλήσεων. Τέλος, στην εργασία υπογραμμίζεται η σημασία και η επίδραση της ενδελεχούς προεπεξεργασίας δεδομένων.