Данная статья представляет собой практическое исследование в области анализа данных. В условиях быстро меняющегося рынка розничной торговли точное прогнозирование продаж имеет решающее значение для сохранения конкурентоспособности бизнеса. В работе рассмотрены методы прогнозирования временных рядов и реализованные на их основе модели с использованием машинного обучения. Авторы анализируют данные о продажах в крупнейшей розничной торговой сети Красноярского края, обучая модель на ежедневных данных двухлетнего временного периода. Проведенный обзор научных исследований позволил выделить наиболее часто используемые аналитиками методы, оценить наличие данных и определить предварительный перечень факторов, оказывающих влияние на объем продаж. В статье представлены методы предобработки данных, этапы построения и использования модели прогноза. Описываются и сравниваются различные методы прогнозирования и модели машинного обучения для построения временных рядов, такие как метод Хольта-Винтерса, аддитивная линейная модель Prophet, модель сезонной авторегрессионной интегрированной скользящей средней. Для оценки точности прогноза рассчитывается средняя абсолютная ошибка, среднеквадратическая ошибка и средняя абсолютная процентная ошибка. Настоящее исследование дает читателю представление о возможностях прогнозирования продаж с использованием моделей машинного обучения. Полученные результаты позволили обосновать выбор лучшей модели прогноза временных рядов, что даст возможность более эффективно управлять запасами компании за счет точного прогнозирования объемов продаж.