Аннотації
05.12.2022
Розробка та підтримка алгоритмів для розрахунку цін у сфері торгівлі – один з актуальних напрямів розвитку інформаційних систем в останні роки, що привертає увагу фахівців різного профілю. Фахівці в галузі економіки бачать у подібних алгоритмах нові можливості для вдосконалення автоматизованих систем, перетворення їх у публічні автоматизовані системи нового покоління з розвиненими засобами подання різноманітних цифрових інформаційних ресурсів і доступу до них, створювані з урахуванням необхідності інтеграції та використання API. У межах окресленої проблеми важливими є наукові задачі розроблення моделей, методів, алгоритмів та програм, які здійснюють моделювання процесів для обробки даних та розрахунку цін з метою визначення їх основних характеристик для побудови математичного програмного забезпечення автоматизованих систем розрахунку роздрібних цін [12]. Загалом ефективне ціноутворення сприяє підпорядкуванню виробництва суспільним потребам, а адекватний рівень цін сприяє економічному зростанню, забезпечує ефективне конкурентне середовище, орієнтує виробництво на інноваційний зміст [1]. Вищезазначене обумовлює актуальність розроблення та вдосконалення алгоритмів для розрахунку роздрібної ціни товару в разі, коли вже відомі алгоритми визначають ціну неточно (наприклад, при недостатній кількості необхідних даних, що зумовлено певними факторами). Використання останніх у подібних ситуаціях доволі часто збільшує ризик реалізувати товар по неактуальній ціні, що своєю чергою може призвести до зменшення товарообігу або втрати грошових коштів.
The development and support of algorithms for calculating prices in the field of trade is one of the current trends in the development of information systems in recent years, which attracts the attention of specialists of various profiles. Experts in the field of economics see in such algorithms new opportunities for improving automated systems, transforming them into public automated systems of a new generation with advanced means of presenting various digital information resources and accessing them, created taking into account the need for integration and the use of APIs. Within the framework of the outlined problem, the scientific tasks of developing models, methods, algorithms and programs that simulate processes for data processing and price calculation in order to determine their main characteristics for the construction of mathematical software for automated retail price calculation systems are important [12]. In general, effective pricing contributes to the subordination of production to social needs, and an adequate level of prices contributes to economic growth, provides an effective competitive environment and orients production to innovative content [1]. The above determines the relevance of the development and improvement of algorithms for calculating the retail price of a product in the event, that already known algorithms determine the price inaccurately (for example, when there is insufficient amount of necessary data due to certain factors). The use of the latest ones in such situations quite often increases the risk of selling the product at an irrelevant price, which in turn can lead to a decrease in turnover or loss of funds.
1. Andrus, О. І. (2013). Analysis of problems of the modern pricing in Ukraine and ground of ways of increase of his efficiency. Journal "Efektyvna ekonomika", 5.
2. Borovkova, V. A. (2004). Risk management in trade. St. Petersburg, 288.
3. Chen, Peter Y. & Popovich, Paula M. (2002). Correlation: Parametric and Nonparametric Measures. (1st ed., Quantitative Applications in the Social Sciences, series no. 07-139). Thousand Oaks, CA: Sage. ISBN 0-7619-2228-8.
4. Cohen, J. (1988). Statistical power analysis for the behavioral sciences. (2nd ed.). 567. ISBN 0-8058-0283-5.
5. Rodgers, Joseph Lee & Nicewander, Alan W. (1988). Thirteen Ways to Look at the Correlation Coefficient. The American Statistician, 42, 1, 59-66. DOI: 10.2307/2685263.
6. Krush, P. V. (2008). Internal economic mechanism of the enterprise. National Technical University of Ukraine "Kyiv Polytechnic Institute", 206.
7. Krush, P. V. (2019). Pricing. National Technical University of Ukraine, 291.
8. Pearson's correlation coefficient [Online]. (2022). Available: https://en.wikipedia.org/wiki/Pearson_correlation_coefficient – Accessed on: February 06, 2022.
9. Rahman, Mezbahur & Zhang, Qichao. (2015). Comparison among Pearson correlation coefficient tests. Far East Journal of Mathematical Sciences (FJMS), 99, 237-255. DOI: 10.17654/MS099020237.
10. Shkvarchuk, L. O. (2006). Price formation. K.: Kondor, 460. ISBN: 966-351-051-Х.
11. Verkhohlyadova, N. I., Ilʹina, S. B., Ivannikova, N. A., Slabko, Ya. Ya. and Lysenko Yu. V. (2006). Bases of price formation. K.: Kondor, 252. ISBN 966-351-082-X.
12. Zelenko, E. (2019). Algorithm of determination of risk limit at calculation of retail price. Scientific-practical conference "Problems of science development in the context of transformations of society", Poltava, Publishing House "Molodyy vchenyy", (Technical Sciences), pp. 81–83.
1. Andrus, О. І. (2013). Analysis of problems of the modern pricing in Ukraine and ground of ways of increase of his efficiency. Journal "Efektyvna ekonomika", 5.
2. Borovkova, V. A. (2004). Risk management in trade. St. Petersburg, 288.
3. Chen, Peter Y. & Popovich, Paula M. (2002). Correlation: Parametric and Nonparametric Measures. (1st ed., Quantitative Applications in the Social Sciences, series no. 07-139). Thousand Oaks, CA: Sage. ISBN 0-7619-2228-8.
4. Cohen, J. (1988). Statistical power analysis for the behavioral sciences. (2nd ed.). 567. ISBN 0-8058-0283-5.
5. Rodgers, Joseph Lee & Nicewander, Alan W. (1988). Thirteen Ways to Look at the Correlation Coefficient. The American Statistician, 42, 1, 59-66. DOI: 10.2307/2685263.
6. Krush, P. V. (2008). Internal economic mechanism of the enterprise. National Technical University of Ukraine "Kyiv Polytechnic Institute", 206.
7. Krush, P. V. (2019). Pricing. National Technical University of Ukraine, 291.
8. Pearson's correlation coefficient [Online]. (2022). Available: https://en.wikipedia.org/wiki/Pearson_correlation_coefficient – Accessed on: February 06, 2022.
9. Rahman, Mezbahur & Zhang, Qichao. (2015). Comparison among Pearson correlation coefficient tests. Far East Journal of Mathematical Sciences (FJMS), 99, 237-255. DOI: 10.17654/MS099020237.
10. Shkvarchuk, L. O. (2006). Price formation. K.: Kondor, 460. ISBN: 966-351-051-Х.
11. Verkhohlyadova, N. I., Ilʹina, S. B., Ivannikova, N. A., Slabko, Ya. Ya. and Lysenko Yu. V. (2006). Bases of price formation. K.: Kondor, 252. ISBN 966-351-082-X.
12. Zelenko, E. (2019). Algorithm of determination of risk limit at calculation of retail price. Scientific-practical conference "Problems of science development in the context of transformations of society", Poltava, Publishing House "Molodyy vchenyy", (Technical Sciences), pp. 81–83.