Системний аналіз та прогнозування фінансових показників партнерських платформ електронної комерції методами машинного навчання

Abstract

Роботу присвячено системному аналізу та предиктивному моделюванню фінансових показників учасників партнерських платформ електронної комерції. Описано архітектуру інтелектуальної інформаційної системи, що включає централізовану базу даних, серверну частину на основі асинхронного фреймворку, ізольований модуль машинного навчання та клієнтський веб-інтерфейс. Реалізовано функціональні блоки аналітики для користувачів та адміністраторів платформи. Для прогнозування часових рядів фінансових надходжень застосовано метод множинної лінійної регресії з адитивною декомпозицією на лінійний тренд та тижневу сезонну складову за допомогою гармонік Фур'є. Експериментальні дослідження на реальних виробничих даних підтвердили високу точність та обчислювальну стабільність запропонованого системного рішення.

The paper is devoted to the systems analysis and predictive modeling of financial metrics for e-commerce affiliate platform partners. The architecture of an intelligent information system is described, including a centralized database, an asynchronous backend framework, an isolated machine learning module, and a client web interface. Functional analytical modules for both platform users and administrators have been implemented. For time-series forecasting of financial inflows, a multiple linear regression method with additive decomposition into a linear trend and a weekly seasonal component using Fourier harmonics was applied. Experimental studies on real production data confirmed the high accuracy and computational stability of the proposed systems solution.