Πρόβλεψη ζήτησης και επιχειρησιακός προγραμματισμός - μελέτη περίπτωσης σε τηλεπικοινωνιακά προϊόντα B2B

Abstract

Η παρούσα διπλωματική εργασία εξετάζει την πρόβλεψη ζήτησης ενεργοποιήσεων τηλεπικοινωνιακών προϊόντων σε περιβάλλον B2B, με στόχο την υποστήριξη του επιχειρησιακού προγραμματισμού και της λήψης αποφάσεων. Σε αντίθεση με καταναλωτικές αγορές, η ζήτηση σε B2B τηλεπικοινωνιακές υπηρεσίες χαρακτηρίζεται από ασυνέχεια και έντονες αιχμές, οι οποίες προκύπτουν από μεμονωμένες εμπορικές συμφωνίες και μαζικές ενεργοποιήσεις γραμμών. Για τον λόγο αυτό, η αποκλειστική χρήση στατιστικών μοντέλων χρονοσειρών συχνά δεν επαρκεί για την αποτύπωση επικείμενων επιχειρησιακών εξελίξεων. Στο πλαίσιο της εργασίας εφαρμόζονται σύγχρονες στατιστικές μέθοδοι πρόβλεψης στο περιβάλλον SAS Viya, με στόχο τη δημιουργία ενός baseline forecast βασισμένου σε ιστορικά δεδομένα. Παράλληλα, αναπτύσσεται και εφαρμόζεται μεθοδολογία judgmental forecasting μέσω της ενσωμάτωσης δεδομένων από το σύστημα CRM, τα οποία περιλαμβάνουν ανοιχτές ευκαιρίες πώλησης, τον αναμενόμενο αριθμό γραμμών, τις ημερομηνίες ολοκλήρωσης και τις πιθανότητες επιτυχίας. Η συνδυαστική αυτή προσέγγιση οδηγεί στη διαμόρφωση ενός υβριδικού πλαισίου πρόβλεψης, στο οποίο το στατιστικό forecast λειτουργεί ως baseline, ενώ οι judgmental παρεμβάσεις αποτυπώνουν τη συμπληρωματική επίδραση του εμπορικού pipeline. Τα αποτελέσματα δείχνουν ότι η ενσωμάτωση επιχειρησιακής γνώσης βελτιώνει τη ρεαλιστικότητα των προβλέψεων και ενισχύει την επιχειρησιακή τους χρησιμότητα, ιδίως για τον προγραμματισμό δυναμικότητας και τη διαχείριση πόρων σε τηλεπικοινωνιακά περιβάλλοντα B2B.This thesis examines the forecasting of demand for the activation of telecommunications products in a B2B environment, with the aim of supporting operational planning and decision-making. Unlike consumer markets, demand in B2B telecommunications services is characterized by discontinuities and sharp peaks, which arise from individual commercial agreements and mass line activations. For this reason, the exclusive use of statistical time series models is often insufficient to capture upcoming business developments. Within the framework of this study, modern statistical forecasting methods are applied in the SAS Viya environment, with the goal of creating a baseline forecast based on historical data. At the same time, a judgmental forecasting methodology is developed and implemented through the integration of data from the CRM system, which includes open sales opportunities, the expected number of lines, completion dates, and probabilities of success. This combined approach leads to the formulation of a hybrid forecasting framework, in which the statistical forecast functions as a baseline, while the judgmental interventions capture the complementary impact of the commercial pipeline. The results show that the incorporation of business knowledge improves the realism of the forecasts and enhances their operational usefulness, particularly for capacity planning and resource management in B2B telecommunications environments.