polito.it
Politecnico di Torino (logo)

Robust Pricing Optimization Data-Driven Demand Forecasting

Milena Maio

Robust Pricing Optimization Data-Driven Demand Forecasting.

Rel. Paolo Brandimarte. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Matematica, 2024

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (3MB) | Preview
[img] Archive (ZIP) (Documenti_allegati) - Altro
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (509kB)
Abstract:

Nel contesto odierno, per raggiungere il successo in un mercato sempre più competitivo ed esigente come quello del marketing e del business aziendale è necessario adottare decisioni strategiche anche analizzando dati provenienti dall'esterno (non a caso si sente sempre più spesso parlare di approccio data-driven). Essi, infatti, costituiscono una fonte preziosa di informazioni per conoscere il cliente e il suo comportamento d'acquisto, dunque, uno strumento molto utile alla stima dei parametri delle funzioni di domanda che modellano le vendite dei prodotti in relazione ai diversi fattori che le influenzano. Uno dei driver principali che si andrà ad approfondire è il prezzo e, attraverso un esempio pratico, verrà analizzato il suo rapporto di inversa proporzionalità con la domanda lineare. I coefficienti saranno stimati attraverso una regressione ai minimi quadrati sulla base dei dati raccolti e l'incertezza verrà gestita utilizzando tecniche di ottimizzazione robusta. Spesso, però, non è possibile accedere ad un numero di dati sufficiente ad individuare una buona stima delle variabili non note, quindi, si può adottare un approccio differente, il cosiddetto online learning, ovvero un tipo di apprendimento step by step che consente di accumulare i dati e aggiornare il proprio modello predittivo man mano che le informazioni diventano disponibili.

Relatori: Paolo Brandimarte
Anno accademico: 2023/24
Tipo di pubblicazione: Elettronica
Numero di pagine: 63
Soggetti:
Corso di laurea: Corso di laurea magistrale in Ingegneria Matematica
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-44 - MODELLISTICA MATEMATICO-FISICA PER L'INGEGNERIA
Aziende collaboratrici: Politecnico di Torino
URI: http://webthesis.biblio.polito.it/id/eprint/31609
Modifica (riservato agli operatori) Modifica (riservato agli operatori)