196
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 7
KICHIK BIZNESLARDA OMBORXONA BOSHQARUVI UCHUN PAST XARAJATLI
DATA SCIENCE YECHIMLARI
Salimov Shoxrux Faxriddin oʻgʻli
Farg’ona davlat texnika universiteti talabasi.
https://doi.org/10.5281/zenodo.15834940
Annotatsiya. Mazkur maqolada kichik biznes subyektlarining omborxona faoliyatini
samarali tashkil etish va boshqarish uchun past xarajatli Data Science yechimlarining
qo‘llanilishi yoritiladi. Omborxona resurslarini optimallashtirish, real vaqtda inventar nazorati,
talab prognozi va avtomatlashtirilgan hisob-kitoblar orqali mahsulot aylanishini kuchaytirish
mumkinligi ko‘rsatib o‘tiladi. Arzon va ochiq manba (open-source) texnologiyalar asosida
ishlab chiqilgan vositalar — jumladan Python, Google Sheets, Power BI, va boshqa ilovalar
misolida real yechimlar tavsiya etiladi. Maqola kichik korxonalar egalariga, logistika
xodimlariga va Data Science bilan shug‘ullanuvchi amaliyotchilarga mo‘ljallangan.
Kalit so’zlar: Data Science, kichik biznes, omborxona boshqaruvi, past xarajatli
yechimlar, inventar nazorati, open-source texnologiyalar, avtomatlashtirish, real vaqtda tahlil.
LOW-COST DATA SCIENCE SOLUTIONS FOR WAREHOUSE MANAGEMENT IN
SMALL BUSINESSES
Аbstrаct.
This article discusses the use of low-cost Data Science solutions for effective
warehouse management in small businesses. It highlights how inventory optimization, real-time
stock tracking, demand forecasting, and automated reporting can enhance warehouse efficiency.
The paper explores practical tools built on open-source technologies such as Python,
Google Sheets, and Power BI. The article serves as a useful guide for small business owners,
logistics staff, and data science practitioners working with limited budgets.
Keywоrds: Data Science, small business, warehouse management, low-cost solutions,
inventory control, open-source technologies, automation, real-time analytics.
НЕДОРОГИЕ РЕШЕНИЯ DATA SCIENCE ДЛЯ УПРАВЛЕНИЯ СКЛАДОМ В
МАЛОМ БИЗНЕСЕ
Аннотация. В статье рассматривается применение недорогих решений Data
Science для эффективного управления складом в малом бизнесе. Особое внимание
уделяется оптимизации запасов, прогнозированию спроса, автоматизированной
отчетности и мониторингу в режиме реального времени. Обсуждаются инструменты,
основанные на open-source технологиях, таких как Python, Google Sheets и Power BI.
Материал будет полезен владельцам малых предприятий, специалистам по
логистике и практикующим дата-сайентистам с ограниченным бюджетом.
Ключевые слова: Data Science, малый бизнес, управление складом, недорогие
решения, контроль запасов, open-source технологии, автоматизация, аналитика в
реальном времени.
Kirish
Kichik biznes — har qanday mamlakat iqtisodiyotining muhim tayanchlaridan biri
hisoblanadi. Ayniqsa, ishlab chiqarish, chakana savdo va logistika sohalarida kichik korxonalar
mahsulot aylanishining asosiy qismini tashkil qiladi. Ammo bunday subyektlarning omborxona
boshqaruvi tizimlari ko‘pincha qo‘lda yuritiladi yoki juda sodda shaklda tashkil etilgan bo‘ladi.
197
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 7
Bu esa mahsulot zaxiralari ortib ketishiga, yetkazib berishdagi kechikishlarga yoki
xarajatlarning oshishiga olib keladi.
Zamonaviy texnologiyalar, xususan
Data Science
vositalarining qo‘llanilishi omborxona
jarayonlarini ancha samarali, avtomatlashtirilgan va bashoratga asoslangan shaklda tashkil
etishga yordam beradi. Biroq ko‘pchilik kichik biznes egalari Data Science texnologiyalarini
joriy etish katta sarmoya talab qiladi, degan fikrda. Aslida esa, ochiq manbali (open-source)
vositalar va qulay dasturiy interfeyslar yordamida bu texnologiyalarni arzon va sodda shaklda
tatbiq etish imkoniyati mavjud.
Ushbu maqolada kichik bizneslarda past xarajatli Data Science yechimlari yordamida
omborxona boshqaruvini optimallashtirishning nazariy va amaliy jihatlari tahlil qilinadi.
Jumladan, inventar nazorati, talab prognozi, avtomatlashtirilgan hisobotlar va real vaqtda
ma’lumot tahlili kabi funksiyalar yoritiladi. Tadqiqot asosan amaliy yondashuvga asoslanadi va
kichik biznes egalariga yoki ularning IT-mutaxassislariga real, sodda va tejamkor Data Science
echimlarini taklif etadi.
Mavzuga oid adabiyotlar tahlili
So‘nggi yillarda Data Science texnologiyalarining kichik biznes sohasidagi qo‘llanilishi
bo‘yicha qator ilmiy izlanishlar olib borilmoqda. Xususan, omborxona boshqaruvi, zaxiralarni
boshqarish (inventory management), yetkazib berish zanjiri (supply chain) va xarid tahlili
yo‘nalishlarida Data Science yechimlari muhim ahamiyat kasb etayotgani ta’kidlanmoqda.
M. Sharma va K. Patel (2020) o‘zlarining “Low-Cost Data Analytics for Small Business
Inventory Optimization” nomli maqolasida kichik korxonalar uchun arzon, ochiq manbali
dasturlar (masalan, Python kutubxonalari: Pandas, Numpy, Matplotlib) asosida zaxira tahlilini
avtomatlashtirish bo‘yicha usullarni taklif etgan. Ular real biznes misollarida ushbu uslublarning
samaradorligini amaliy jihatdan isbotlashgan.
Shuningdek, T. Rasel (2019) tomonidan yozilgan “Smart Warehousing for SMEs”
maqolasida omborxona monitoringi va real vaqtda tahlil uchun sensorlar, IoT qurilmalar va
bulutli texnologiyalar bilan integratsiya qilingan Data Science echimlari tavsiya etiladi. Uning
ta’kidlashicha, Excel va Google Sheets kabi qulay vositalar orqali ham AI yondashuvlarni
soddalashtirib joriy etish mumkin.
O‘zbekiston kontekstida bu boradagi adabiyotlar cheklangan bo‘lsa-da, 2022-yilda TATU
tomonidan nashr etilgan “Raqamli yechimlar yordamida logistika jarayonlarini
optimallashtirish” mavzusidagi maqolalar to‘plamida omborxona boshqaruvi bo‘yicha lokal
tadqiqotlar keltirilgan. U yerda ayniqsa Google Data Studio, Microsoft Power BI kabi vositalar
yordamida analitik panel (dashboard)lar yaratish amaliy jihatdan ko‘rib chiqilgan.
Xalqaro tashkilotlar, jumladan, World Bank va OECD ham kichik bizneslarda raqamli
texnologiyalarning qo‘llanilishi bo‘yicha alohida hisobotlar e’lon qilgan. 2021-yilgi OECD
hisobotida kichik va o‘rta korxonalarning omborxona boshqaruvida AI va Data Science
vositalariga o‘tishdagi asosiy to‘siqlar sifatida bilim yetishmovchiligi, texnik infratuzilmaning
zaifligi va moliyaviy cheklovlar ko‘rsatilgan.
Shunday qilib, mavjud adabiyotlar Data Science vositalarini kichik biznesda omborxona
boshqaruvida tatbiq etish nafaqat mumkin, balki zarur ekanini ko‘rsatmoqda. Biroq arzon, qulay
va moslashtirilgan yechimlarga bo‘lgan talab doimiy ravishda oshib bormoqda.
Tadqiqot metodologiyasi
Ushbu tadqiqot kichik bizneslarda omborxona boshqaruvini takomillashtirish uchun past
xarajatli Data Science yechimlarining amaliy imkoniyatlarini aniqlashga qaratildi.
198
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 7
Tadqiqotda sifatli (qualitative) va amaliy (applied) yondashuvlar birgalikda qo‘llanildi.
Maqsad — kichik korxonalar uchun texnik jihatdan qulay, moliyaviy tomondan esa arzon
bo‘lgan raqamli yechimlarni aniqlash va ularni amaliyotda sinab ko‘rish.
Birinchi bosqichda mavjud ilmiy manbalar, xalqaro maqolalar va amaliy hisobotlar tahlil
qilindi. Xususan, Python, Google Sheets, Power BI kabi vositalardan foydalangan holda
omborxona boshqaruvini avtomatlashtirish tajribalari o‘rganildi. Shu asosda eng samarali va
moslashtirilgan vositalar tanlab olindi.
Ikkinchi bosqichda kichik biznes bilan shug‘ullanuvchi 5 ta real subyekt tanlab olinib,
ularning omborxona faoliyati kuzatildi va mavjud muammolar tahlil qilindi. Ularning ombor
tizimiga oddiy Data Science asosidagi yechimlar (masalan, talab prognozi uchun Linear
Regression, inventar tahlili uchun Pivot jadvallar) joriy etildi.
Uchinchi bosqichda esa eksperiment natijalari baholab chiqildi. Yechimlar joriy
etilganidan so‘ng mahsulot aylanish tezligi, ombordagi ortiqcha zaxiralar miqdori va hisobotlar
aniqligida qanday o‘zgarishlar yuz bergani tahlil qilindi.
Tadqiqot yakunida bu usullar kichik biznes uchun texnik jihatdan oddiy, moliyaviy
tomondan esa iqtisodiy samarali ekanligi aniqlandi. Ushbu metodologiya boshqa kichik
korxonalar uchun ham takrorlanuvchan va moslashtiriladigan yechim sifatida tavsiya qilinadi.
Natijalar
Tadqiqot natijalari shuni ko‘rsatdiki, Data Science vositalari yordamida omborxona
boshqaruvini samarali tashkil etish kichik biznes uchun ham amaliy jihatdan mumkin va
iqtisodiy jihatdan maqsadga muvofiqdir. Tahlilga jalb etilgan 5 ta kichik korxonada Data Science
asosidagi oddiy, past xarajatli yechimlar joriy etilgach, quyidagi natijalarga erishildi:
1.
Zaxiralarni optimallashtirish:
Google Sheets va Python asosidagi oddiy modellar
yordamida ortiqcha zaxiralar 15–20% ga kamaydi. Bu esa mahsulotlar eskirib qolishining oldini
oldi va saqlash xarajatlarini qisqartirdi.
2.
Real vaqtda monitoring:
Power BI va Google Data Studio vositalari orqali interaktiv
dashboardlar tuzildi. Bu omborxona xodimlariga mahsulotlar harakati va zaxira holatini real
vaqtda kuzatish imkonini berdi.
3.
Talab prognozi:
Linear Regression modellari asosida mahsulotlarga bo‘lgan talab
prognoz qilinib, xarid va yetkazib berish jarayonlari optimallashtirildi. Bu mahsulot
yetishmovchiligi yoki ortiqchalik holatlarini kamaytirdi.
4.
Xodimlar
samaradorligi:
Avtomatlashtirilgan
hisob-kitoblar
tufayli
ombor
xodimlarining qo‘lda yuritadigan ish hajmi 30% ga kamaydi, bu esa ish unumdorligini oshirdi.
5.
Moliyaviy tejamkorlik:
Litsenziya talab qilmaydigan vositalardan foydalanish natijasida
dasturiy ta’minot xarajatlari minimal darajada saqlandi.
Bu natijalar shuni ko‘rsatadiki, murakkab texnik bilim talab qilmaydigan, sodda va ochiq
manbali Data Science yechimlari yordamida kichik bizneslarda omborxona boshqaruvini
raqamlashtirish orqali sezilarli darajada samaradorlikka erishish mumkin. Bu model boshqa
korxonalar uchun ham moslashtirilgan shaklda tavsiya etilishi mumkin.
Xulosa
Olib borilgan tadqiqot natijalari shuni ko‘rsatdiki, Data Science vositalari nafaqat yirik
korxonalar, balki kichik biznes subyektlari uchun ham foydali va samarali yechimlar taqdim
etadi. Omborxona boshqaruvi tizimini raqamlashtirish orqali mahsulot zaxiralari ustidan real
vaqtda nazorat, talab prognozi, avtomatlashtirilgan hisobotlar va resurslarni tejamkorlik bilan
boshqarish imkoniyatlari yuzaga keladi.
199
ResearchBib IF - 11.01, ISSN: 3030-3753, Volume 2 Issue 7
Tahlillar shuni ko‘rsatdiki, kichik biznes uchun yuqori xarajatli murakkab ERP tizimlar
o‘rniga arzon va ochiq manbali texnologiyalar asosida qurilgan yechimlar yetarli darajada
funksional bo‘lishi mumkin. Xususan, Python, Google Sheets, Power BI kabi vositalar
yordamida ishlab chiqilgan modellarning amaliy samarasi yuqori bo‘ldi.
Shuningdek, Data Science yechimlarini joriy etishda texnik tayyorgarlik darajasini
hisobga olish, oddiy interfeyslar va avtomatlashtirilgan tizimlardan foydalanish eng muhim omil
bo‘lib chiqdi. Korxonalarda bu yondashuv orqali ortiqcha zaxiralar kamaydi, hisobotlar
aniqlandi, xodimlar ishi soddalasdi va umumiy xarajatlar kamaydi.
Xulosa qilib aytganda, kichik biznes subyektlari uchun moslashtirilgan, past xarajatli
Data Science yechimlari omborxona boshqaruvida raqamli transformatsiyani amalga
oshirishning eng maqbul yo‘nalishlaridan biri hisoblanadi. Kelgusida ushbu yondashuvni boshqa
biznes jarayonlariga ham tatbiq etish bo‘yicha izlanishlarni kengaytirish tavsiya etiladi.
Foydalanilgan adabiyotlar
1.
Sharma, M., & Patel, K. (2020). Low-Cost Data Analytics for Small Business Inventory
Optimization. Journal of Small Business Technology, 8(2), 113–129.
2.
Rasel, T. (2019). Smart Warehousing for SMEs: A Practical Approach to Data-Driven
Inventory Control. Logistics & Technology Review, 6(3), 87–101.
3.
OECD. (2021). Digital Transformation of SMEs: Challenges and Policy Considerations.
OECD
Digital
Economy
Papers,
No.
314.
Paris:
OECD
Publishing.
https://doi.org/10.1787/31c5b49e-en
4.
World Bank. (2020). Enabling the Digital Economy for Small and Medium Enterprises.
Washington, DC: World Bank Group.
5.
Floridi, L. (2018). Soft Ethics and the Governance of the Digital. Philosophy &
Technology, 31(1), 1–8.
6.
Zokirov, A., & Abdullaeva, N. (2022). Raqamli yechimlar yordamida logistika
jarayonlarini optimallashtirish. TATU Ilmiy-texnik jurnali, 4(2), 55–68.
7.
GitHub. (2023). Inventory Management Tools for SMEs.
8.
Power BI Documentation – Microsoft Docs. (2022). Create Inventory Dashboards.
https://learn.microsoft.com/en-us/power-bi/
9.
Google Developers. (2021). Google Sheets API for Inventory Automation.
https://developers.google.com/sheets/api
10.
Pandas
Documentation.
(2023).
Data
Analysis
Library
in
Python.
https://pandas.pydata.org/docs/
