Modelli predittivi per previsione delle vendite

L’analisi predittiva delle vendite rappresenta uno strumento cruciale per le decisioni commerciali, dalla gestione delle scorte alla pianificazione del lavoro. Risulta naturalmente complessa e richiede modelli e pipeline robuste poichè le serie storiche di vendita possono essere per natura rumorose, sparse, stagionali e influenzate da fattori esterni non direttamente osservabili. L’elaborato sviluppa e valuta un sistema di previsione con l’obiettivo di stimare la domanda a livello mensile per coppie di prodotti-punti vendita. Il lavoro si basa su un dataset pubblico di vendite reso disponibile dalla 1C Company, una delle più grandi compagnie di sviluppo e pubblicazione software russe. Questo fornisce un caso di studio realistico per l’analisi delle problematiche tipiche della previsione della domanda. In particolare, viene condotto un confronto tra due famiglie di approcci: • Modelli di Machine Learning, con particolare attenzione a metodi di Gradient Boosting • Modelli di Deep Learning per sequenze temporali, basati su architetture CNN e LSTM Gli esperimenti adottano una validazione temporale per evitare leakage informativo e utilizzano RMSE come metrica di riferimento per la valutazione delle previsioni. I risultati permettono di analizzare potenzialità e limiti delle soluzioni adottate, evidenziando il ruolo della corretta formulazione del problema.