Statistička analiza podataka u maloprodaji

diplomski rad

• Naslov (engleski): Statistical analysis of data in retail
• Autor: Mihaela Lekić
• Mentor: Tomislav Stipančić (mentor)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet strojarstva i brodogradnje; Zagreb
• Datum i država obrane: 2023-12-07, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Strojarstvo

Sažetak

Fokus rada je analiza maloprodajnih podataka online platformi kako bi se utvrdila opća kretanja i korelacije zavisne varijable, predvidjela buduća potražnja te predložila optimalna lokacija skladišta tvrtke. Korišteni su stvarni podaci poslovanja maloprodajne platforme Plac.hr, ali i komplementarne baze podataka za koronavirus (Hrvatski zavod za javno zdravstvo), demografiju stanovništva (Državni zavod za statistiku, GeoPortal Zagrebačke infrastrukture prostornih podataka i dr.) i poslovanje pravnih subjekata (Financijska agencija i Poslovna Hrvatska). Podaci su u obliku vremenskih nizova (eng. time series) od 2020. do 2023. godine, a metodologija uključuje korištenje alata Google Colab za analizu i vizualizaciju podataka u programskom jeziku Python. Cilj rada je pružiti dubinsku analizu vremenskih nizova maloprodajne tvrtke, identificirati trendove, sezonalnosti i korelacije, te primijeniti modele za poboljšanje operativne učinkovitosti e-trgovine. Poseban je osvrt dan utjecaju pandemije COVID-19 na potrošačke navike.

Sažetak (engleski)

The focus of the work is the analysis of retail data from online platforms to determine general trends and correlations of the dependent variable, predict future demand, and propose the optimal location of a company's warehouse. The main dataset relied on real-life business data of the retail platform Plac.hr, as well as complimentary databases on the coronavirus pandemic (Croatian Institute of Public Health), population demography (State Statistical Office, GeoPortal of the Zagreb Spatial Data Infrastructure, etc.), business operations of legal entities (Financial Agency and Poslovna Hrvatska). The data are in the form of time series from 2020 to 2023, and the methodology includes the use of Google Colab for data analysis and visualization in the Python programming language. The work aims to provide an in-depth analysis of time series data of a retail company, identify trends, seasonality and correlations, and apply models to improve the operational efficiency of e-commerce. A special review is given to the impact of the COVID-19 pandemic on consumer habits.

• Ključne riječi: maloprodajna analitika; vremenski nizovi; e-trgovine; COVID-19; API
• Ključne riječi (engleski): retail analytics; time series; e-commerce; COVID-19; API
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:235:228786
• Studijski program: Naziv: Strojarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka strojarstva (mag. ing. mech.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Rad dostupan nakon; Datum isteka embarga: 2028-12-01
• Datum i vrijeme pohrane: 2023-12-01 16:04:45