Подсистема анализа данных как способ автоматизации процессов мониторинга и анализа цен интернет-магазинов

Аннотация

В статье представлена разработка подсистемы для автоматизации процессов мониторинга и анализа цен интернет-магазинов. Актуальность исследования связана с тем, что важность данных в эпоху цифровых технологий растет с каждым днем, предприятия полагаются на данные при принятии важных решений. Большие данные стали неотъемлемой частью современных бизнес-моделей. Целью статьи стало описание основных технологических этапов разработки подсистемы для автоматизации процессов мониторинга и анализа цен интернет-магазинов, а также представление примеров визуализации информации, полученной в результате использования этой подсистемы.
Системы онлайн мониторинга цен в интернете используются для корректировки ценовой политики фирмы. Основной функционал подобных систем: возможность в автоматическом режиме проанализировать цены на нужные товары на выбранных торговых площадках в конкретном регионе, скорректировать цены на реализуемые товары таким образом, чтобы они стали ниже, чем у конкурентов, но выше установленной рентабельности. Интерфейс большинства систем для анализа цен интернет-магазинов интуитивно понятный. Применение автоматизированных систем анализа цен экономически обосновано. Установка и настройка системы занимает существенно меньше времени, чем ручной анализ и корректировка ценовых предложений интернет-магазина. В статье приведены критерии, на которые необходимо обратить внимание при выборе системы онлайн мониторинга цен в интернет-магазинах.
Для мониторинга, обработки, хранения и анализа данных о ценах на товары в интернет-магазинах разработана подсистема, которая собирает информацию с маркетплейсов, сохраняет собранные данные в базу данных и выводит пользователю готовый результат в удобном виде. Это позволит снизить затраты на приобретение программного обеспечения. В процессе разработки подсистемы были выделены информационные объекты, определены их свойства, создана логическая структура базы данных, на её основании – физическая модель, проведено построение модели автоматизации технологии мониторинга цен с использованием методологии UML.

Сведения об авторах

Alla Valeryevna Vsevolodova, Международная академия бизнеса и новых технологий

старший преподаватель кафедры информационно-компьютерных технологий

Olga Vitalyevna Kartasheva, Финансовый университет при Правительстве Российской Федерации

доцент кафедры экономики и финансов Ярославского филиала, кандидат педагогических наук, доцент

Литература

1. Baumann P., Misev D., Merticariu V., Bang Pham Huu. Array databases: concepts, standards, implementations. Journal of Big Data. 2021;8:28. https://doi.org/10.1186/s40537-020-00399-2
2. Kreutzer R.T. Analysis and Design of a Digital Business Performance. In: Toolbox Digital Business. Management for Professionals. Wiesbaden: Springer; 2022. p. 61-120. https://doi.org/10.1007/978-3-658-37017-6_2
3. Boutkhoum O., Hanine M. An integrated decision-making prototype based on OLAP systems and multicriteria analysis for complex decision-making problems. Applied Informatics. 2017;4:11. https://doi.org/10.1186/s40535-017-0041-6
4. Brewis C., Dibb S., Meadows M. Leveraging big data for strategic marketing: A dynamic capabilities model for incumbent firms. Technological Forecasting and Social Change. 2023;190:122402. https://doi.org/10.1016/j.techfore.2023.122402
5. Jha D.K., Paurana B.A., Tarapatla S., Thamatam P., Nayak B.J.N., Singh A. A Parser Based Apparel Transformation to Aid in Cloth Virtual Try-On. In: Sugumaran V., Upadhyay D., Sharma S. (eds.) Advancements in Interdisciplinary Research. AIR 2022. Communications in Computer and Information Science. Vol. 1738. Cham: Springer; 2022. p. 333-340. https://doi.org/10.1007/978-3-031-23724-9_31
6. Chang C. CMAT: Column-Mask-Augmented Training for Text-to-SQL Parsers. In: Mantoro T., Lee M., Ayu M.A., Wong K.W., Hidayanto A.N. (eds.) Neural Information Processing. ICONIP 2021. Communications in Computer and Information Science. Vol. 1517. Cham: Springer; 2021. p. 511-518. https://doi.org/10.1007/978-3-030-92310-5_59
7. Bochkova E.V., Avdeeva E.A. Applying Machine Learning Methods to Analyze Pricing in an Online Store. Naucnoe obozrenie: teoria i praktika = Science review: theory and practice. 2020;10(11):2673-2683. (In Russ., abstract in Eng.) https://doi.org/10.35679/2226-0226-2020-10-11-2673-2683
8. Gerpott T.J., Berends J. Competitive pricing on online markets: a literature review. Journal of Revenue and Pricing Management. 2022;21:596-622. https://doi.org/10.1057/s41272-022-00390-x
9. Cavallo A. Are Online and Offline Prices Similar? Evidence from Large Multi-Channel Retailers. American Economic Review. 2017;107(1):283-303. https://doi.org/10.1257/aer.20160542
10. Vaskov A.B. Faktory` e`lektronnoj kommercii, vliyayushhie na reshenie potrebitelej o pokupke v internete [Factors of e-commerce influencing the decision of consumers to purchase on the internet]. Colloquium-Journal. 2019;(9):169-170. (In Russ., abstract in Eng.) EDN: OCXIIS
11. Reiffer A.S., Kübler J., Kagerbauer M., Vortisch P. Agent-based model of last-mile parcel deliveries and travel demand incorporating online shopping behavior. Research in Transportation Economics. 2023;102:101368. https://doi.org/10.1016/j.retrec.2023.101368
12. Cotter T.S. Managerial Economics of Engineering Organizations. In: Engineering Managerial Economic Decision and Risk Analysis. Topics in Safety, Risk, Reliability and Quality. Vol. 39. Cham: Springer; 2022. p. 3-35. https://doi.org/10.1007/978-3-030-87767-5_1
13. Zimin D.V. Razrabotka avtomatizirovannoj sistemy` kontrolya i regulirovaniya cen internet-magazina na osnove analiza povedeniya konkurentov [Development of automated system control and adjustment of the prices of online store based on analyzing the behavior of competitors]. Reshetnevskie chteniya = Reshetnev Readings. 2013;2:145-146. (In Russ., abstract in Eng.) EDN: SJCMGR
14. Mofokeng T.E. Antecedents of trust and customer loyalty in online shopping: The moderating effects of online shopping experience and e-shopping spending. Heliyon. 2023;9(5):e16182. https://doi.org/10.1016/j.heliyon.2023.e16182
15. Fu J., Mouakket S., Sun Y. The role of chatbots human-like characteristics in online shopping. Electronic Commerce Research and Applications. 2023;61:101304. https://doi.org/10.1016/j.elerap.2023.101304
16. Zhao G., Zhou, Z. Design and Implementation of the Online Shopping System. In: Wang F.L., Lei J., Gong Z., Luo X. (eds.) Web Information Systems and Mining. WISM 2012. Lecture Notes in Computer Science. Vol. 7529. Berlin: Springer; 2012. . 664-670. Heidelberg. https://doi.org/10.1007/978-3-642-33469-6_82
17. Füller J., Hutter K., Wahl J., Bilgram V., Tekic Z. How AI revolutionizes innovation management Perceptions and implementation preferences of AI-based innovators. Technological Forecasting and Social Change. 2022;178:121598. https://doi.org/10.1016/j.techfore.2022.121598
18. Kovacic I., Schuetz Ch. G., Neumayr B., Schrefl M. OLAP Patterns: A pattern-based approach to multidimensional data analysis. Data & Knowledge Engineering. 2022;138:101948. https://doi.org/10.1016/j.datak.2021.101948
19. Belcastro L., Cantini R., Marozzo F., Orsino A., Talia D., Trunfio P. Programming big data analysis: principles and solutions. Journal of Big Data. 2022;9:4. https://doi.org/10.1186/s40537-021-00555-2
20. Ferreira K.J., Lee B.H.A., Simchi-Levi D. Analytics for an Online Retailer: Demand Forecasting and Price Optimization. Manufacturing & Service Operations Management. 2016;18(1):69-88. https://doi.org/10.1287/msom.2015.0561
21. Gentile C., Pinto D.M., Stecca G. Price of robustness optimization through demand forecasting with an application to waste management. Soft Computing. 2023;27:13013-13024. https://doi.org/10.1007/s00500-022-07148-y
22. Coffay M., Bocken N. Sustainable by design: An organizational design tool for sustainable business model innovation. Journal of Cleaner Production. 2023;427:139294. https://doi.org/10.1016/j.jclepro.2023.139294
23. Rhodes J.M. Creating a Survey Response Dashboard with Power BI. In: Creating Business Applications with Microsoft 365. Apress, Berkeley, CA; 2022. p. 51-62. https://doi.org/10.1007/978-1-4842-8823-8_4
24. Chy M., Buadi O. Role of Data Visualization in Finance. American Journal of Industrial and Business Management. 2023;13:841-856. https://doi.org/10.4236/ajibm.2023.138047
25. Vsevolodova A.V., Kartasheva O.V. Texnologii vizualizacii e`konomicheskoj informacii [Technologies of Visualization of Economic Information]. Ucheny`e zapiski Mezhdunarodnogo bankovskogo instituta = Proceedings of the International Banking Institute. 2015;(11-2):57-62. (In Russ., abstract in Eng.) EDN: TYRRYD
Опубликована
2023-10-15
Как цитировать
VSEVOLODOVA, Alla Valeryevna; KARTASHEVA, Olga Vitalyevna. Подсистема анализа данных как способ автоматизации процессов мониторинга и анализа цен интернет-магазинов. Современные информационные технологии и ИТ-образование, [S.l.], v. 19, n. 3, p. 780-791, oct. 2023. ISSN 2411-1473. Доступно на: <http://sitito.cs.msu.ru/index.php/SITITO/article/view/955>. Дата доступа: 21 nov. 2024 doi: https://doi.org/10.25559/SITITO.019.202303.780-791.
Раздел
Когнитивно-информационные технологии в цифровой экономике