Master's Thesis

Demand Forecasting in E-commerce Using Artificial Neural Networks

Final Thesis 1.43 MB Appendix 4.28 MB

Author of thesis: Ing. Vojtěch Rezek

Acad. year: 2025/2026

Supervisor: Mgr. Eva Michalíková, Ph.D.

Reviewer: Ing. et Ing. Zuzana Janková, Ph.D.

Abstract:

This master's thesis deals with demand prediction and subsequent inventory management optimization in an e-commerce environment using artificial neural networks. The research is applied to real data from AUDIO PARTNER s.r.o. (Kytary.cz), where the initial financial analysis identified inefficient capital allocation in inventory as the main barrier to higher profitability. To address this problem, a predictive model based on a feedforward artificial neural network (ANN) trained with the Bayesian regularization algorithm was developed in the MATLAB environment. On a large dataset containing nearly 600,000 transaction records, the network verifiably outperformed traditional reference methods (Persistence model, Holt-Winters), achieving the highest predictive accuracy in key product categories with high purchase value. The final simulation demonstrates that improving demand prediction accuracy enables the transformation of purchasing processes from reactive to proactive, allowing for an approximately 8\,\% reduction in safety stock. In the context of the analyzed company, this would free up tied capital of nearly 18 million CZK and significantly increase the return on total assets (ROA) by more than 10\,\%.

Keywords:

demand prediction, artificial neural networks, inventory management, machine learning, e-commerce, cash flow optimization, financial analysis, MATLAB

Date of defence

10.06.2026

Result of the defence

Defended (thesis was successfully defended)

znamkaAznamka

Grading

A

Process of defence

Student ve své prezentaci seznámil komisi s cíli, řešením a výsledky, ke kterým v závěrečné práci dospěl. Komise se poté seznámila s posudky a hodnocením vedoucího práce a oponenta. Otázky z posudku vedoucího student zodpověděl v plném rozsahu, otázky z posudku oponenta zodpověděl v plném rozsahu. Otázky členů komise: 1 doc. Pirožek - Ovlivnila dimenzionalita dat výsledky? - zodpovězeno 2 doc. Pirožek - Jak je možné v praxi aplikovat prezentované výstupy? - zodpovězeno 3 Ing. Havíř - Jaký vzorek dat by byl ideální pro vaší analýzu? - zodpovězeno 4 Je model přenositelný do jiných podniků? - zodpovězeno Na základě přednesené prezentace a odpovědí na otázky položené v diskusi komise rozhodla, že student práci obhájil.

Language of thesis

Czech

Faculty

Fakulta podnikatelská

Department

Institute of Management

Study programme

Strategic Company Development (MGR-SRP-KS)

Composition of Committee

doc. Ing. Robert Zich, Ph.D. (předseda)
doc. Ing. Petr Pirožek, Ph.D. (místopředseda)
Mgr. Eva Michalíková, Ph.D. (člen)
Mgr. Štěpán Konečný, Ph.D. (člen)
Ing. David Havíř, Ph.D. (člen)

Supervisor’s report
Mgr. Eva Michalíková, Ph.D.

Diplomová práce je ukázkovým příkladem výborného díla s přesahem do byznysu. Student úspěšně naprogramoval v prostředí MATLAB funkční prediktivní systém na bázi umělé neuronové sítě, který dokáže firmě ušetřit nemalé finanční prostředky z vázaného kapitálu. I přes drobné metodické nepřesnosti (u výpočtu vázaného kapitálu či parametrů referenčního modelu), které otevírají výborný prostor pro akademickou debatu u obhajoby, je celková úroveň práce nadprůměrná. Doporučuji ji k obhajobě s celkovým hodnocením A (výborně).

 

Otázka: Ve své práci odhadujete uvolnění vázaného kapitálu na téměř 18 milionů Kč, a to aplikací 8% úspory z celkové hodnoty zásob podniku. Přesnější predikcí se však snižuje primárně pojistná zásoba. Můžete vysvětlit toto zjednodušení a odhadnout, jak by se úspora změnila, pokud byste ji vztáhl pouze na pojistnou část skladu?

Otázka: V textu deklarujete u referenční metody Holt-Winters sezónní periodu 52 týdnů, avšak v tabulce 4.2 uvádíte periodu 26. Jedná se o překlep, nebo o reálné nastavení parametru? A jaký by měla perioda 26 týdnů vliv na zachycení vánoční špičky?
Evaluation criteria Verbal classification Grade
Meeting the objectives Cíle práce – tedy predikce poptávky a optimalizace řízení zásob v prostředí e-commerce s využitím umělých neuronových sítí – byly naplněny. Student zpracoval datový soubor obsahující téměř 600 tisíc transakčních záznamů, naprogramoval vlastní prediktivní model na bázi umělé neuronové sítě a úspěšně vyčíslil dopady navrženého řešení na snížení zásob a zvýšení rentability. A
Selected procedure of the solution, the adequacy of the used methods Metodický aparát je pokročilý. Student neaplikuje nástroje umělé inteligence naslepo, ale vykazuje porozumění matematice. Správně například zvolil algoritmus Bayesovské regularizace pro zamezení přeučení sítě na krátké časové řadě. K dosažení čistého hodnocení A však brání dvě metodické nepřesnosti v praktické části. První z nich je rozpor u referenčního modelu (Holt-Winters), kde student v textu deklaruje sezónní periodu 52 týdnů, avšak ve výsledkové tabulce uvádí periodu 26, což by při aplikaci referenční model pro vánoční sezónu znehodnotilo. Druhou výtkou je nekonzistentní přístup k extrémním výkyvům v datech u zobcových fléten – ačkoliv student výkyv správně identifikoval a částečně ošetřil winsorizací, v závěru trochu alibisticky doporučuje vedení tyto anomálie pro trénování raději zcela vyřazovat. Vzhledem ke kvalitě celé práce v této oblasti se jedná ale o drobnost.  B
The ability to interpret the results and to draw conclusions Studentova schopnost interpretovat tvrdá data a matematické výstupy do manažerského jazyka je mimořádná. Zcela přesně analyzuje finanční výkazy. Velmi analyticky si počíná i při hodnocení samotné neuronové sítě, kdy záporné hodnoty koeficientu determinace u některých kategorií neinterpretuje jako selhání modelu, ale správně je odhaluje jako důsledek distribučního posunu testovací sady o vánoční špičce. A
The practical usability of conclusions Vlastní návrhy představují téměř hotový IT produkt s pragmatickým plánem na integraci do firemního ERP systému. Student exaktně vypočítal 8% úsporu zásob díky přesnější predikci. Tuto úsporu však následně aplikoval na celkovou účetní hodnotu skladu a vyčíslil tak uvolněný kapitál na téměř. Z hlediska teorie řízení zásob se však zpřesněním predikce snižuje primárně pojistná zásoba, nikoliv celkový sklad. Ekonomický dopad pro podnik je tak v práci finančně nadhodnocen. V kontextu celé práce se ale jedná o drobný nedostatek.  A
The thesis´s framework, formalities, used terminology and the professional level of language Práce má špičkovou formální úroveň. Je sázena v typografickém systému LaTeX, což zaručuje perfektní vzhled složitých matematických rovnic. Grafické výstupy přímo ze softwaru MATLAB jsou čisté a přehledné. Odborná jazyková úroveň textu je vynikající, student používá exaktní statistickou terminologii přesně a v kontextu. A
Using of information resources, including citations Práce zahrnuje 23 zdrojů, z nichž mnohé představují zahraniční monografie a "bible" pro oblast umělé inteligence a statistiky. Citace jsou v textu uváděny korektně. A

Grade proposed by supervisor: A

Reviewer’s report
Ing. et Ing. Zuzana Janková, Ph.D.

Předložená diplomová práce se zabývá problematikou predikce poptávky a optimalizace řízení zásob v prostředí e-commerce s využitím umělých neuronových sítí. Autor si stanovil ambiciózní a aktuální cíl, který byl naplněn prostřednictvím návrhu a implementace prediktivního modelu založeného na dopředné umělé neuronové síti v prostředí MATLAB. Výsledky práce prokazují schopnost navrženého řešení přispět ke zefektivnění nákupních procesů a ke snížení objemu pojistných zásob ve vybraném podniku. Práce je logicky členěna do teoretické, metodologické, analytické a návrhové části, které na sebe vzájemně navazují a tvoří ucelený celek. V teoretické části autor vhodně využívá relevantní odborné zdroje zaměřené na statistické metody, finanční analýzu, řízení zásob a umělé neuronové sítě. Použitá odborná terminologie odpovídá zaměření práce a práce s informačními zdroji je na dobré úrovni. Metodologický postup řešení je zvolen vhodně a odpovídá charakteru řešeného problému. Autor pracuje s rozsáhlým datasetem reálných transakčních dat společnosti AUDIO PARTNER s.r.o. a vhodně kombinuje statistické přístupy s metodami strojového učení. Analytická část obsahuje strategické a finanční analýzy společnosti, jejichž cílem je zdůvodnit potřebu implementace prediktivního modelování v oblasti řízení zásob. Tyto analýzy mohly být zpracovány detailněji a systematičtěji. Výhradu mám zejména k jejich struktuře, kdy SWOT analýza předchází detailnějším analytickým nástrojům, jako jsou PESTLE či finanční analýza podniku, což snižuje logickou návaznost analytické části. Přesto autor dokázal identifikovat hlavní problém společnosti, kterým je neefektivní alokace kapitálu ve skladových zásobách, a vhodně jej promítl do návrhové části práce. Velmi pozitivně hodnotím schopnost autora interpretovat dosažené výsledky a kriticky přemýšlet nad navrženým řešením. Přínosná je zejména kapitola věnovaná limitům modelu a rizikům implementace, která zvyšuje odbornou úroveň práce. Praktická využitelnost výsledků práce je vysoká, jelikož navržený model může podniku reálně pomoci při optimalizaci zásob, zlepšení cash-flow a efektivnějším řízení nákupních procesů. Diplomová práce splňuje požadavky kladené na diplomovou práci a doporučuji ji k obhajobě.
Evaluation criteria Grade
Meeting the objectives A
Selected procedure of the solution, the adequacy of the used methods B
The ability to interpret the results and to draw conclusions A
The practical usability of conclusions A
The thesis´s framework, used terminology and the professional level of language B
Using of information resources B
Topics for thesis defence:
  1. Proč jste pro trénování neuronové sítě zvolil právě algoritmus Bayesovské regularizace a jaké jsou jeho hlavní výhody oproti standardnímu backpropagation algoritmu?
  2. Na základě čeho jste určoval optimální architekturu neuronové sítě (počet neuronů, vrstev) a jak jste ověřoval, že model není přeučený (overfitted)?

Grade proposed by reviewer: A

Responsibility: Mgr. et Mgr. Hana Odstrčilová