Metrika

  • citati u SCIndeksu: 0
  • citati u CrossRef-u:0
  • citati u Google Scholaru:[]
  • posete u poslednjih 30 dana:5
  • preuzimanja u poslednjih 30 dana:3

Sadržaj

članak: 3 od 31  
Back povratak na rezultate
2018, vol. 66, br. 5-6, str. 283-293
Poslovna analiza i predviđanje u funkciji optimizacije procesa upravljanja lancem snabdevanja u kompanijama Srbije
aUniverzitet u Novom Sadu, Ekonomski fakultet, Katedra za poslovnu informatiku, Subotica
bUniverzitet u Novom Sadu, Ekonomski fakultet, Subotica
Ključne reči: ekonomsko predviđanje; zalihe; optimizacija; upravljanje procesom nabavke; prodaja
Sažetak
Konkurencija, tehnološke inovacije i intenzitet poslovnih promena su odlike savremenog poslovanja. Njihova kompleksnost postavlja zahteve za novim politikama i pristupima na svim poslovnim područjima. U mnogim kompanijama, nabavka kao poslovna funkcija postala je rutina u kojoj nastavljaju da se održavaju dugogodišnje poslovne veze sa dobavljačima i drugim poslovnim partnerima. Takva poslovna politika postaje neodrživa. Kako bi opstale u tržišnim uslovima, kompanije u fokus svog poslovanja postavljaju operativnu efikasnost. Analizom kompanije naftne industrije i njenog odeljenja nabavke, postavili smo ekonomski model za predviđanje prodaje i plan nabavke. Razvoj kompjuterske tehnologije i kvantitativnih metoda doprinosi kvalitetu rada lanca snabdevanja. Isto tako otvara nove mogućnosti u poslovnoj primeni, zahtevajući značajne promene u poslovnom razmišljanju s obzirom na značaj informacija, njihovu količinu i raspoloživost. U savremenom poslovanju, uz kapital i rad, pravovremene i tačne informacije, znanje koje je sadržano u njima, postaju značajan resurs poslovanja i platforma opstanka kompanije. Cilj ovog rada je da od postojećih informacija stvorimo novu - dodatnu vrednost. Primenom kvantitativnih metoda za predviđanje prodaje izvršena je optimizacija zaliha. Analizom mesečnih informacija o nabavci, prodaji i količini na zalihama jednog proizvoda (početno stanje) u vremenskom periodu za 5 godina, sastavlja se plan nabavke na osnovu ekonomskog predviđanja prodaje. Optimizacijom smo stvorili mogućnost za oslobađanje i primenu kapitala za druge namene i nove investicije. Ostvarili smo cilj kompanije i izbegli stvaranje prekomernih zaliha i propuštenih prodaja. U radu za ekonomska predviđanja prodaje koristili smo statistički paket za analizu podataka Gretl.
Reference
*** Gretl version 1.10.1. downloaded on 10.01.2016 from http://gretl.sourceforge.net/win32
Alor-Hernandez, G., Alberto, A., Cortes-Robles, G., Sanchez-Ramirez, C. (2011) Improving E-Procurement in Supply Chain Through Web Technologies: The HYDRA Approach. u: Renko, Sanda [ur.] Supply Chain Management - New Perspectives, IntechOpen
Ash, C.G., Burn, J.M. (2003) A strategic framework for the management of ERP enabled e-business change. European Journal of Operational Research / EJOR, 146, pp. 233-240
Bugar, D. (2008) Inventories in function of the organization efficiency. School of Business, 131-134; 2
Chan, H.K., Subramanian, N., Abdulrahman, M.D.A. (2016) Supply chain management in the big data era. IGI Global, 3, 25-49
Dangwal, P. (2014) A statistical way of decision support system. International Journal of Technical Research and Applications, 2(3); 129-141
Dobrodolac, S.T. (2011) Forecasting by econometric models as support to management. Perspectives of Innovations, Economics and Business, str. 72-76
Fredendall, L.D., Hill, E. (2016) Basics of supply chain management. Boca Raton: CRC Press, Teylor&Francis Group
Gunasekaran, A., Papadopoulos, T., Dubey, R., Wamba, S.F., Childe, S.J., Hazen, B., Akter, S. (2017) Big data and predictive analytics for supply chain and organizational performance. Journal of Business Research, 70: 308-317
Hazen, B.T., Skipper, J.B., Boone, C.A., Hill, R.R. (2018) Back in business: operations research in support of big data analytics for operations and supply chain management. Annals of Operations Research, 270(1-2): 201-211
Kiš, T., Čileg, M., Dobrodolac, Š.T., Radovanov, B., Marcikić, A. (2014) Ekonomsko predivđanje. Bečej: Proleter
Lapinskas, R. (2008) Time series analysis. Vilnius University
Özdilek, Ü. (2016) Common Essentials in a Demand-Supply Allocation Model for Regional Development Forecasting. Journal of Urban Planning and Development, 142(4): 04016016
Ross, D.F. (2016) Introduction to supply chain management technologies. Boca Raton: CRC Press, Teylor&Francis Group
Sanders, N.R. (2016) How to Use Big Data to Drive Your Supply Chain. California Management Review, 58(3): 26-48
Shen, B., Chan, H. (2017) Forecast Information Sharing for Managing Supply Chains in the Big Data Era: Recent Development and Future Research. Asia-Pacific Journal of Operational Research, 34(01): 1740001
Stefanovic, N. (2014) Proactive Supply Chain Performance Management with Predictive Analytics. Scientific World Journal, 2014: 1-17
Szymszal, J., Gajdzik, B., Piątkowski, J., Kliś, J. (2012) Optimisation of inventory management in foundry in terms of an economic order quantity. Metalurgija, 51(2); 281-284
van Fraassen, B.C., Halpern, J.Y. (2016) Updating Probability: Tracking Statistics as Criterion. British Journal for the Philosophy of Science, str. axv027
Wang, G., Gunasekaran, A., Ngai, E.W.T., Papadopoulos, T. (2016) Big data analytics in logistics and supply chain management: Certain investigations for research and applications. International Journal of Production Economics, 176: 98-110
 

O članku

jezik rada: engleski
vrsta rada: izvorni naučni članak
DOI: 10.5937/EKOPRE1806283D
objavljen u SCIndeksu: 29.11.2018.