bgscience@idbg.ru
+7 495 648 62 41 127015, Москва, ул. Новодмитровская, д. 5А, стр. 7
Меню

Switch to English:to English

Использование виртуального ассистента для управления сбытовой политикой на промышленном предприятии


Суслов Д.Н. , Кашкарева Е.А.
(подробнее об авторах)

Суслов Дмитрий Николаевич – доцент кафедры международных экономических отношений, кандидат экономических наук, доцент (Сибирский федеральный университет)

Кашкарева Елена Анатольевна – доцент кафедры международных экономических отношений, кандидат экономических наук (Сибирский федеральный университет)

Опубликовано в журнале:
Креативная экономика
– Том 13, Номер 12 (Декабрь 2019)

JEL classification: M11, M21, O31, O32, O33

Ключевые слова: анализ параметров, дистрибьюторская цепь, исследование рынка, производитель, сбор данных


Цитировать статью:
Суслов Д.Н. , Кашкарева Е.А. Использование виртуального ассистента для управления сбытовой политикой на промышленном предприятии // Креативная экономика. — 2019. — Том 13. — № 12. — doi: 10.18334/ce.13.12.41371


Другие статьи по этой тематике :
Смольянова Е.Л., Серебрякова Н.А. (2008) Реализация промышленно-торговой политики предприятия посредством гармонизации производственной и сбытовой деятельности
Белякова С.Б. (2007) Методологические и теоретические подходы к управлению производственно-сбытовой деятельностью промышленного предприятия
Сергеева О.Ю., Гузаирова Г.Р. (2014) Стратегия управления сбытом промышленного предприятия в рыночных условиях

(+ еще похожие статьи)



Поделиться этой страницей:

Аннотация:

В данной статье рассматривается способ получения информации о рынке производителем посредством информационных технологий. В работе представлен алгоритм сбора информации в сети интернет посредством виртуального сборщика (парсера), приведены рекомендации по дальнейшему использованию аккумулированных данных. Автором рассматриваются преимущества использования алгоритма, обозначаются сферы применения. Помимо этого, в статье рассматриваются особенности использования инструмента, а также случаи, оказывающие влияние на итоговую достоверность данных. Целью рассматриваемого алгоритма - повышение эффективности управления взаимоотношениями производителя с торговыми партнерами, товаром.







Источники:
1. Xie K., et al. Value co-creation between firms and customers: The role of big data-based cooperative assets // Information & Management. – 2016. – № 8. – С. 1034-1048. – doi: 10.1016/j.im.2016.06.003.
2. Bergamaschi S., Carlini E. Big Data Research in Italy: A Perspective // Engineering. – 2016. – С. 163-170.
3. Суркова А.С., Буденков С.С. Построение модели и алгоритма кластеризации в интеллектуальном анализе данных // Вестник Нижегородского университета им. Н.И. Лобачевского. – 2012. – № 2(1). – С. 198-202.
4. Трусов А.Н., Иванченко П.Ю., Кацуро Д.А. Разработка автоматизированной информационной системы для оптимизационного анализа экономических процессов // Современные наукоемкие технологии. – 2014. – № 11. – С. 38-40.
5. Hirsch D.D. Glass house effect: big data, the new oil, and the power ofanalogy // Maine Law Review. – 2013. – № 66. – С. 373.
6. Hashem I.A.T., Yaqoob I., Anuar N.B., Mokhtar S., Gani A., Khan S.U. The rise of big data on cloud computing: review and open research issues // Information Systems. – 2015. – № 47. – С. 98-115.
Tolk. A The next generation of modeling & simulation: integrating big data and deep learning // Summer Simulation Multiconference. 2015.
8. Iqbal R., et al. Big Data analytics: Computational intelligence techniques and application areas // International Journal of Information Management. – 2016. – doi: 10.1016/j.ijinfomgt.2016.05.020 .
Grzywaczewski A., Iqbal R., Shah N., James A. E-marketing strategy for businesses // E-Business Engineering (ICEBE): IEEE 7th International Conference. М., 2010. – С. 428-434.
Chakrabarti S. Mining the Web: discovering knowledge from hypertext data. - М: Morgan Kaufmann, 2003. – 345 с.
Чиркин Е.С. Некоторые проблемы автоматизированного извлечения данных из веб-страниц // Интернет и современное общество: сборник научных статей XVI Всероссийской объединенной конференции. СПб., 2013. – С. 291-294.
12. Семёнов Д.А., Ошмарина О.Е., Шадрина Е.В. Автоматизация сбора и обработки спортивной статистики для последующего сетевого анализа // Вестник нгту им. р.е. алексеева. серия: управление в социальных системах. коммуникативные технологии. – 2014. – № 2. – С. 45-52.
13. Юсупова Н.И., Богданова Д.Р., Бойко М.В. Математическое обеспечение для поддержки принятия решений при управлении качеством продукции на основе анализа текстовой информации // Современные проблемы науки и образования. – 2014. – № 3. – С. 18. – url: http://www.science-education.ru/ru/article/view?id=13024.
14. Трусов А.Н., Кацуро Д.А., Иванченко П.Ю. Извлечение и обработка информации с сайтов экономической статистики // Международный журнал прикладных и фундаментальных исследований. – 2013. – № 12. – С. 120-122.
ГОСТ Р 54732-2011/ISO/TS 10004:2010 Менеджмент качества. Удовлетворенность потребителей. Руководящие указания по мониторингу и измерению. - М.: Стандартинформ, 2012. – 28 с.