امروزه پیش بینی دقیق تقاضا از اهمیت ویژه ای برای موفقیت یک کسب و کار خصوصا مدیریت صحیح یک فروشگاه زنجیره ای خرده فروشی برخوردار است. پیش بینی دقیق تر موجب می شود تا مدیران ضمن شناخت بهتر از اندازه بازار محصولات فروش رفته خود، میزان خرید مناسب از تولیدکنندگان را تخمین زده، فضای محدود فروشگاه و البته منابع محدود مالی خود را به درستی بین نیازهای مشتریان تقسیم نمایند، به نحوی که کسری کالاها خصوصا کالاهای اساسی و مهم کاهش یافته، رضایت مشتریان بالا رود. پیش بینی های دقیق، پشتیبان تصمیم گیری ها در فعالیتهای مرتبط با مدیریت عملیات از جمله برنامه ریزی ظرفیت، مدیریت موجودی، و برنامه ریزی و زمانبندی تولید است. پیش بینی تقاضا در افق های مختلف زمانی (سال، ماه، هفته و یا روز) به عنوان بخشی از مهمترین عوامل کلیدی خرد در اجرای صحیح و درست برنامه ریزی فروش و عملیات است. از سوی دیگر شناخت عوامل کلان در پیش بینی فروش در محیطهای پرتلاطم به شرکت ها کمک خواهد کرد تا با نگاهی بهتر محیط پیرامون خود را رصد کرده نسبت به اتفاقات مربوط به کسب و کار خود بی تفاوت نباشند. با توجه به حجم بسیار زیاد داده های مربوط به تقاضا در صنعت خرده فروشی، فروشگاه های زنجیره ای خرده فروشی با تعداد زیادی از داده ها در ابعاد متنوع از جمله محصولات، فروشگاه ها، مشتریان، روزهای سال و حتی آب و هوا و تورم به عنوان عوامل خرد و کلان دست و پنجه نرم می کنند. لذا از سال های قبل این نیاز باعث گسترش استفاده از کلان داده ها درصنعت خرده فروشی شده است. لازم به ذکر است که ابعاد کلان داده نه تنها پیش بینی ها را به چالش می کشد بلکه مشکلاتی را برای تجزیه و تحلیل داده ها نیز ایجاد خواهد کرد. در این پژوهش، با بررسی روش های موجود در پیش بینی تقاضا و در نظر گرفتن عوامل خرد و کلان، مدلی جهت پیش بینی میزان فروش در فروشگاه های زنجیره ای ارائه شده است. مدلها با استفاده از دیتاهای یک فروشگاه زنجیره ای بزرگ تست شده است. نتایج نشان از عملکرد مناسب روشهای ارائه شده در پیش بینی فروش فروشگاه های زنجیره ای دارد.
