Data-analytiikan hyödyntäminen kysynnän ennustamisessa ja ostojen optimoinnissa
Inkinen, Anna-Kaisa (2025)
2025
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2025063023571
https://urn.fi/URN:NBN:fi:amk-2025063023571
Tiivistelmä
Opinnäytetyön tavoitteena oli kehittää toimeksiantajayrityksen Yritys X:n kysynnän ennustamisen tarkkuutta ja optimoida ostotoimintaa hyödyntämällä data-analytiikkaa. Kehittämistyön tarkoituksena oli parantaa tilauspäätösten laatua, pienentää varastoarvoa ja vähentää hävikkiä. Opinnäytetyö aloitettiin tutkimuksella, jossa haastateltiin yrityksen ostajia. Haastattelun avulla saatiin tarkennettua kehittämishankkeen aihe.
Kehittämishankkeessa muokattiin yrityksen olemassa olevaa kysynnän ennustetyökalua hyödyntämään sekä kuluvan vuoden toteutunutta myyntidataa että vertailuvuoden vastaavan ajankohdan myyntitietoja. Tavoitteena oli tutkia, tuottaako myyntihistorian tietojen ja sesonkimuutosten huomiointi tarkempia ja ennakoivampia ennusteita kuin aiemmin käytetty malli, joka perustui pelkästään neljän edellisen viikon myyntiin.
Viitekehys rakentui kysynnän ennustamisen teorioista, ennustamismenetelmien luokittelusta sekä varastonhallinnan keskeisistä näkökulmista, kuten varaston arvosta ja hävikin vähentämisestä. Tietoperustana hyödynnettiin ajankohtaista logistiikan, ostotoiminnan ja data-analytiikan kirjallisuutta.
Menetelmällisesti kehittämistyössä sovellettiin määrällistä analyysia vertaamalla kahdella eri tavalla tuotettuja ennusteita todelliseen myyntidataan. Työssä analysoitiin tilausmäärien muutoksia ja arvioitiin, miten myyntihistorian trendien hyödyntäminen vaikutti ennustetarkkuuteen. Kehittämishankkeen keskeiset tulokset osoittivat, että vertailuvuoden tietojen mukaan muokattu ennustemalli tasapainotti tilausmääriä erityisesti sesonkien vaihtuessa, minkä avulla voitiin vähentää ylisuuria tilauksia ja parantaa varaston hallittavuutta. Uuden ennustemallin tarkkuus parani huomattavasti verrattuna aiempaan malliin.
Tulosten arvioinnin perusteella pystyttiin todeta, että data-analytiikan hyödyntäminen parantaa kysynnän ennustamisen luotettavuutta ja tukee ostojen optimointia. Johtopäätöksenä todetaan, että kehitettyä mallia kannattaa laajentaa käyttöön muihin tuotteisiin. Jatkotutkimuksena suositellaan mallin vaikutuksen pitkäaikaisempaa seurantaa sekä soveltamista erilaisissa kysynnän vaihtelutilanteissa.
Kehittämishankkeessa muokattiin yrityksen olemassa olevaa kysynnän ennustetyökalua hyödyntämään sekä kuluvan vuoden toteutunutta myyntidataa että vertailuvuoden vastaavan ajankohdan myyntitietoja. Tavoitteena oli tutkia, tuottaako myyntihistorian tietojen ja sesonkimuutosten huomiointi tarkempia ja ennakoivampia ennusteita kuin aiemmin käytetty malli, joka perustui pelkästään neljän edellisen viikon myyntiin.
Viitekehys rakentui kysynnän ennustamisen teorioista, ennustamismenetelmien luokittelusta sekä varastonhallinnan keskeisistä näkökulmista, kuten varaston arvosta ja hävikin vähentämisestä. Tietoperustana hyödynnettiin ajankohtaista logistiikan, ostotoiminnan ja data-analytiikan kirjallisuutta.
Menetelmällisesti kehittämistyössä sovellettiin määrällistä analyysia vertaamalla kahdella eri tavalla tuotettuja ennusteita todelliseen myyntidataan. Työssä analysoitiin tilausmäärien muutoksia ja arvioitiin, miten myyntihistorian trendien hyödyntäminen vaikutti ennustetarkkuuteen. Kehittämishankkeen keskeiset tulokset osoittivat, että vertailuvuoden tietojen mukaan muokattu ennustemalli tasapainotti tilausmääriä erityisesti sesonkien vaihtuessa, minkä avulla voitiin vähentää ylisuuria tilauksia ja parantaa varaston hallittavuutta. Uuden ennustemallin tarkkuus parani huomattavasti verrattuna aiempaan malliin.
Tulosten arvioinnin perusteella pystyttiin todeta, että data-analytiikan hyödyntäminen parantaa kysynnän ennustamisen luotettavuutta ja tukee ostojen optimointia. Johtopäätöksenä todetaan, että kehitettyä mallia kannattaa laajentaa käyttöön muihin tuotteisiin. Jatkotutkimuksena suositellaan mallin vaikutuksen pitkäaikaisempaa seurantaa sekä soveltamista erilaisissa kysynnän vaihtelutilanteissa.