Данная работа посвящена актуальной на сегодняшний день проблематике – оптимизации складского хозяйства. Непосредственно в работе рассматривался процесс приемки и отправки грузов на некотором складском помещении среднего масштаба. В рамках исследования, по результатам проведения предварительного анализа, были выбраны показатели, необходимые для применения средств интеллектуального анализа с целью прогнозирования количества сотрудников на складских подъездах. В соответствии с поставленной целью были сформированы модели по прогнозированию необходимого числа сотрудников на подъездах для обеспечения работы последних в режиме, соответствующем оптимальному значению показателя «загруженность подъезда». Для решения данной задачи рассмотрено применение различных методов машинного обучения, таких как дерево решений, регрессор на основе метода ближайших соседей, случайный лес, нейронная сеть прямого распространения. Каждая из задействованных моделей проходила обучение с различными значениями гиперпараметров модели, которые выбирались как в ручном режиме на основе эвристик, так и с использованием специа-лизированных программных средств перебора по сетке GridSearchCV из библиотеки scikitlearn, предназначенных для поиска оптимальных значений гиперпараметров. С использованием автоматизации поиска гиперпараметров при обучении моделей было достигнуто меньшее значение среднеквадра-тической ошибки по сравнению с ручным выбором гиперпараметров. По результатам проведенного анализа качества прогнозов моделей было установлено, что спрогнозированные значения числа сотрудников в большей степени соответствуют реальной ситуации нежели плановые значения, используемые компанией на данный момент. На основе анализа полученных результатов были состав-лены рекомендации для оценки роста экономической эффективности предприятия.