Harnessing Data Science and Machine Learning for Strategic Business Decision-Making in Multi-Channel Retail Environments
Rattachement africain : bd, mm, Namibie, au. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
In the cutthroat modern retail environment, strategic decisionmaking is increasingly driven by intelligent data usage.This research investigates how data science and ML can be leveraged to enhance critical business processes in multichannel retail settings that include online, in-store, and social commerce platforms.An integrated framework comprising predictive modeling, customer segmentation, promotion response analysis, and dynamic pricing has been used in this research to demonstrate how machine learning enhances business intelligence and improves operational performance.A thorough analysis pipeline in Python was developed with models such as Random Forest, XGBoost, K-Means, LSTM, and Q-learning.Results showed significant enhancement in the accuracy of forecasts, R² = 0.93; efficiency of marketing, AUC = 0.91; and inventory optimization, MAPE = 6.2%.Feature importance analysis further showed that customer engagement and discount sensitivity are key drivers of revenue performance.The study concludes that integrating analytics driven by ML into strategic retail management empowers better-informed, agile, and profitable decision-making, placing data-driven intelligence at the heart of sustainable retail competitiveness.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Harnessing Data Science and Machine Learning for Strategic Business Decision-Making in Multi-Channel Retail Environments
- Date Crossref
- 18/12/2025
- Éditeur
- Foundation of Computer Science
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Sylhet Agricultural University pays non établi dans la noticeUniversité ou école supérieure
-
Mawlana Bhashani Science and Technology University pays non établi dans la noticeUniversité ou école supérieure
-
University of Information Technology and Sciences pays non établi dans la noticeUniversité ou école supérieure
-
University Of Information Technology pays non établi dans la noticeUniversité ou école supérieure
-
University of Namibia Namibie (code pays fourni par la source)Université ou école supérieure
-
World University of Bangladesh pays non établi dans la noticeUniversité ou école supérieure
-
Government of Victoria pays non établi dans la noticeOrganisme public
-
Department : Management University : Govt. College pays non établi dans la noticeUniversité ou école supérieure
-
& Sciences (UITS) pays non établi dans la noticeInstitution
-
Department : Marketing University name: pays non établi dans la noticeUniversité ou école supérieure
-
Department : Statistics University name : Comilla Victoria Government College under pays non établi dans la noticeUniversité ou école supérieure
-
National University pays non établi dans la noticeUniversité ou école supérieure
Sylhet Agricultural University, Mawlana Bhashani Science and Technology University et University of Information Technology and Sciences, avec 9 autres affiliations. Pays d’affiliation : Namibie.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.