Bloq

  • Hamısı
  • Ekspertiza
  • Uğur hekayələri
  • Relizlər
6 MIN READ
SMART Demand Forecast 5.0 release banner
Təkmilləşdirmə qeydləri buraxılışı 5.0. SMART Demand Forecast: tələbin idarə olunmasında yeni mərhələ
Proqnozlaşdırma dəqiqliyinin biznesin gəlirliliyinə və rəqabət qabiliyyətinə birbaşa təsir etdiyi bir dünyada SMART Demand Forecast daim inkişaf etməkdədir. Təkmilləşdirmə qeydləri buraxılışı 5.0. ilə biz həllin funksionallığını əhəmiyyətli dərəcədə genişləndirdik, sistemi daha rahat, daha çevik və fərqli miqyasda ölçülü şirkətlər üçün daha əlçatan etdik. Yeni buraxılış genişmiqyaslı interfeys yeniləmələrini, genişləndirilmiş analitik imkanları və bir sıra yeni funksiyaları əhatə edir. Bu funksiyalar sayəsində istifadəçilər məhsulların bütün həyat dövrünü interfeys üzərindən rahat şəkildə izləyə bilir, promo fəaliyyətləri effektiv şəkildə idarə edə bilir və bir neçə bazarda eyni anda fəaliyyət göstərən şirkətlər üçün proqnozlar qurmaq imkanı əldə edirlər.

Yenilənmiş naviqasiya sistemi

Biz naviqasiya sistemini tamamilə yenilədik, müasir yan menyu əlavə olundu. Burada profilə, ayarlara və əsas səhifələrə çıxış mövcuddur. İstifadəçilər artıq aktiv proseslərin indikatorlarını görə bilir, bloklanmış səhifələrin səbəblərini anlaya bilir və menyunu rahat şəkildə ekrandan yığışdırmaq və ya genişləndirə bilirlər. Bu, lazımi bölmələrin daha sürətli axtarışını, sistemin şəffaflığını və vahid müasir interfeys görünüşünü təmin edir.

Yeni "Assortimentin idarə olunması" səhifəsi

Bu buraxılışda biz məhsulların həyat dövrünü idarə olunması və müvəqqəti məhsulların yaradılması üçün "Assortimentin idarə olunması" səhifəsini istifadəyə verdik. Genişləndirilmiş filtrlər, məhsul tarixçəsi və interaktiv Gantt diaqramı sayəsində istifadəçilər məhsulların statusunu zaman üzrə asanlıqla izləyə bilirlər. Bu, assortiment planlaşdırılmasını sadələşdirir, səhv ehtimalını azaldır və avtomatlaşdırma hesabına biznes proseslərini sürətləndirir.

Yeni "Promo aləti" səhifəsi

Biz promo kampaniyalarının yaradılması, redaktə olunması və təhlili üçün vahid bir interfeys əlavə etdik. Promo aləti aksiyaların və endirimlərin idarə olunmasını təmin edir, əl əməyini minimuma endirir və müxtəlif promo şərt ssenarilərinin yaradılmasına imkan verir — dövrlərdən və məhsullardan tutmuş endirimlərin dərinliyinə qədər — bununla da onların tələbə olan təsirini modelləşdirmək mümkündür. Yeni imkanlar sayəsində istifadəçilər fərqli ssenariləri sınaqdan keçirə, onların effektivliyini müqayisə edə və kampaniyaların nəticələrini artıraraq satışlara və müştərilərin cəlb olunmasına birbaşa təsir göstərə bilirlər.

İnterfeysin lokalizasiyası

Polyak və ispan dillərinin dəstəklənməsi sayəsində SMART Demand Forecast daha çox istifadəçi üçün rahat və əlçatan olur. Hər bir istifadəçi profilində öz dilini seçə bilər və sistem avtomatik olaraq interfeysi və analitikanı bu seçimə uyğunlaşdırır. Bu, yeni bazarlarda işləmək üçün əlavə imkanlar açır və istifadəçi məmnuniyyətini artırır, çünki hər kəs özünə tanış dil mühitində rahat şəkildə işləyə bilir.

Biznes aqreqasiyasının yeni səviyyələri

Təkmilləşdirmə qeydləri buraxılışı 5.0. həm bir neçə ölkə səviyyəsində, həm də müxtəlif satış növlərini nəzərə almaqla proqnozlaşdırma imkanı yaradır. Bu, beynəlxalq şirkətlərə eyni anda bir neçə bazar üçün proqnozlar qurmağa və bir mağaza daxilində satış kanalları arasındakı qarşılıqlı əlaqələri dərin şəkildə təhlil etməyə imkan verir. Bu səviyyədə detallılıq analitik imkanları genişləndirir və daha dəqiq idarəetmə qərarları qəbul etməyə kömək edir. İstifadəçilər müxtəlif amillərin — mövsümi dəyişikliklərin, promo kampaniyaların, "cannibalization"  hallarının və hava şəraitinin — onlayn satışlara, oflayn satışlara, çatdırmalara və digər kanallarda tələbin necə dəyişdiyini aydın şəkildə görə bilirlər.

 Əsas hesablama proseslərinin optimallaşdırılması

Bütün hesablama prosesləri Databricks Workflow-a köçürüldü ki, bu da onların icra müddətini azaltdı və resursdan istifadə xərclərini aşağı saldı. Bundan əlavə, yeni yanaşma işə salmaların fərdiləşdirilməsini daha rahat edir və sistemin miqyaslana bilmə imkanlarını artırır.

Məlumatların adaptiv şəkildə göstərilməsi

Biznesdə müxtəlif departamentlər fərqli planlaşdırma üfüqləri ilə işləyir: istehsal və logistika aylıq səviyyədə plan qurduğu halda, satış və maliyyə şöbələri həftəlik göstəricilərə əsaslana bilər. Ən böyük çətinlik isə bir həftə iki aylıq sərhədi keçdikdə hallarda yaranır — bu zaman proqnoz və planlarda təhrif riski ortaya çıxır. Bu səbəbdən, məlumatların dəqiqliyini və departamentlər arasında uyğunluğu təmin etmək üçün aydın aqreqasiya qaydalarına malik olmaq vacibdir. Yeni buraxılışda hazırlanmış funksionallıq sayəsində sistem mövsümiliyi və əməliyyat dövrünüzün məntiqini nəzərə alaraq məlumatların bölüşdürülməsini tənzimləyir. Nəticədə, siz dəqiq və təhrif olunmamış aylıq hesabatlar əldə edirsiniz. SMART Demand Forecast 5.0 şirkətlərə daha dəqiq proqnozlar verməyə, məlumatları daha rahat idarə etməyə və biznesi daha sürətli şəkildə genişləndirməyə kömək edən sistemin inkişafında innovativ bir addımdır.
17 MIN READ
Robot mağazalara qutular çatdırır — təchizat zəncirinin avtomatlaşdırılması və təkmilləşdirilməsi
İtirmək yox, qazanmaq vaxtıdır: Süni intellekt pərakəndə satış şirkətlərinə anbar ehtiyatlarını optimallaşdırmağa və silinmələrin qarşısını almağa necə kömək edir
Qlobal olaraq pərakəndə satış sektorunda iki əsas problem var ki, bunlar mənfəətin azalmasına və nəticədə inkişafın ləngiməsinə səbəb olur. Hər ikisi ehtiyatların düzgün idarə olunmamasının nəticəsidir: ehtiyatların həddindən artıq çox olması (overstock) və ehtiyat çatışmazlığı (out-of-stock). IHL Group-un araşdırmalarına görə, 2023-cü ildə ABŞ-da məhsul ehtiyatlarının mövcud tələblə uyğunsuzluğu 1,77 trilyon dollar həcmində qiymətləndirilib ki, bu da Latın və ya Cənubi Amerikanın pərakəndə ticarətinin Ümumi Daxili Məhsul (ÜDM) göstəricisindən daha çoxdur. Bu məbləğin 562 milyard dolları artıq olan məhsul ehtiyatlarının payına düşür. Pərakəndə satıcılar bu malları heç olmasa alış qiymətinə, bəzən isə ondan da ucuz satmağa çalışırlar. Bununla belə, malların bir hissəsi məcburən silinir — yəni atılır. Avropalı pərakəndə satış şirkətləri də oxşar çətinliklərlə üzləşir. Nüfuzlu "Internet Retailing" nəşrinin məlumatına görə, 2023-cü ildə Böyük Britaniyalı satıcılar malların, demək olar ki, yarısını (48%) ehtiyatların çox olması səbəbindən aşağı qiymətlərlə satmağa məcbur olublar. Bu arada, nüfuzlu "Customer Think" nəşri malların çatışmazlığı səbəbindən yaranan illik itkiləri orta pərakəndə satış mənfəətinin təxminən 4%-i səviyyəsində qiymətləndirir.

Şirkətlər ehtiyatların yanlış idarə olunması səbəbindən necə pul itirir

Ehtiyatların həm çox olmasının, həm də çatışmazlığının əsas səbəbi qeyri-dəqiq proqnozlaşdırmadır. Niyə? Çünki proqnozlaşdırma təchizat zəncirinin (supply chain) başlanğıc nöqtəsidir. Məhz bu mərhələ satınalma, istehsal və logistika planlaşdırma mexanizmlərini işə salır. Bu mərhələdəki ən kiçik səhv belə sonrakı hər mərhələdə əməliyyat xərclərinin sürətlə artmasına səbəb olur. Gəlin baxaq bu necə işləyir. Təqdimat tələb edin

Pulunuzu tullantıya çevirməyin: nə üçün həddindən artıq ehtiyat pərakəndə satış gəlirliliyi üçün kritikdir

Əgər şirkət proqnozlaşdırmada səhvə yol verərək istehlakçıların almaq istədiyindən artıq sayda məhsul gətiribsə, bu ilk növbədə resursların səmərəsiz istifadəsi deməkdir. Çünki həmin pullar, inkişaf üçün strateji investisiyaya çevrilmək əvəzinə, anbar rəflərində “dondurulmuş” vəziyyətdə qalır. Lakin bu, həddindən artıq ehtiyatın səbəb olduğu yeganə itki deyil. Siz həmçinin əməliyyat xərclərinin gözlənilməz artımına da hazır olmalısınız - xüsusən də anbar və logistika sahəsində. 2022-ci ilin sonunda Bloomberg diqqətçəkən bir statistika təqdim etdi: artıq malların satışa çıxarılması üçün göstərilən bütün səylərə baxmayaraq, dünya üzrə bu məhsulların təxminən 8%-i tullantıya çevrilir. Nəticədə, hər il 160 milyard dollardan çox dəyərində məhsul satılmadan zibilə atılır.

Ehtiyatların çatışmazlığı: biznes üçün təhlükəsi nədədir

Məhsul çatışmazlığı itirilmiş satışlar deməkdir. Lakin məhsulların həddindən artıq hallarında olduğu kimi, bu zərərlər yalnız görünən hissədir və bununla bitmir. Müntəzəm şəkildə məhsul çatışmazlığı şirkətin bazar payı və mövcudluğunun itirilməsi üçün birbaşa yoldur. Lakin, müştəriyönümlü xidmət dövründə bu problemin biznes üçün ən ağrılı nəticələrindən biri müştəri loyallığının azalmasıdır. Customer Think araşdırmasına əsasən, istehlakçıların 37%-i adətən alış-veriş etdiyi mağazanın rəflərində axtardığı məhsulu tapmadıqda, onu başqa yerdə – yolda və ya onlayn olaraq almağa çalışır. Əksər hallarda isə bu müştərilər artıq geri qayıtmır və şirkət onları həmişəlik itirir.  

Pərakəndə satışda ehtiyat səviyyəsini necə optimallaşdırmaq və maliyyə itkilərini dayandırmaq olar

Biznes proseslərini necə təşkil etmək olar ki, pərakəndə satış şəbəkələri hər bir konkret mağazada istehlakçıların dəyişkən gözləntilərinə operativ şəkildə reaksiya verə bilsin? Təchizat zəncirini necə sabitləşdirmək olar ki, itkilərin qarşısını almaq və təchizat planlaşdırılması ilə bağlı əsaslandırılmış biznes qərarları qəbul etmək mümkün olsun? Cavab sadədir — tələbi düzgün proqnozlaşdırmağı öyrənmək lazımdır. Mövcud şəraitdə bu, yalnız innovativ texnologiyalar əsasında təchizat zəncirindəki biznes proseslərin transformasiyası yolu ilə mümkündür. Bu kontekstdə Yaponiyanın Oita və Fukuoka prefekturalarında həyata keçirilən hökumət nümayiş eksperimenti olduqca nümunəvidir. Onun məqsədi süni intellekt əsasında tələbin proqnozlaşdırılmasından istifadə edərək təchizat zəncirinin optimallaşdırılması vasitəsilə ərzaq israfını azaltmaq, eyni zamanda satışları artırmaq idi. Nəticədə, eksperimentə cəlb olunan supermarketlər dəqiq proqnozlaşdırma sayəsində (xüsusən də gizli tələbi nəzərə alaraq) layihədə iştirak edən məhsulların satışını demək olar ki, 20% artırmağa nail oldular. Nə üçün bu prosesdə innovativ texnologiyalardan yan keçmək mümkün deyil və süni intellektin hansı imkanları həlledici rol oynayır? Gəlin birlikdə araşdıraq.

Tarixi satışların, mövsümiliyin və trendlərin təhlili

Əvvəlcə onu qeyd etmək lazımdır ki, süni intellektin yüksək keyfiyyətli tələb proqnozunun yaradılmasında dəyəri ondan ibarətdir ki, müasir alqoritmlər çox qısa müddətdə böyük həcmdə məlumatları təhlil etməyə imkan verir. Onlar aktual olan çoxsaylı faktorları nəzərə alır, korrelyasiyaları hesablayır, mövsümi dalğalanmaları müəyyənləşdirir və trendləri aşkar edir. Ən vacibi isə odur ki, bütün bu proseslər əl ilə aparılan hesablamalarda qaçınılmaz olan səhvlərlə müqayisədə minimum xəta ilə həyata keçirilir. Bu da öz növbəsində minimal itki deməkdir.

Süni intellekt bizneslərə silinmələri azaltmağa necə kömək edir

Pərakəndə satışda silinmələrin əsas səbəbi vaxtında satılmayan məhsullardır. Yəni, keyfiyyətsiz proqnozlaşdırma nəticəsində yaranan artıq sayda ehtiyatlar. Məhz süni intellektə əsaslanan texnologiyalar proqnozlaşdırmanı daha yüksək səmərəlilik səviyyəsinə çıxarmaq baxımından ən effektiv vasitə hesab olunur. Bundan əlavə, süni intellektə əsaslanan tələb proqnozlaşdırma həlləri, istifadə müddəti fərqli olan məhsullar üzrə silinmənin azaldılması üçün eyni dərəcədə effektivdir. Sadəcə olaraq, qısa istifadə müddəti olan məhsullar üçün bu proqnozun daha tez-tez yenilənməsi vacibdir. Süni intellektə əsaslanan tələb proqnozlaşdırma sisteminə nümunə olaraq SMART Demand Forecast göstərilə bilər. Bu həll müxtəlif səviyyələrdə aqreqasiya və müxtəlif dövrlər üçün proqnozların hazırlanmasında effektivdir. Bundan əlavə, əgər müştərinin proqnozlarda nəzərə alınmalı olan qeyri-standart tələbi varsa, SMART Demand Forecast əl ilə tələb proqnozlaşdırılmasını da dəstəkləyir. Bu, əlavə dəqiqləşdirici məlumatların operativ şəkildə daxil edilməsinə və dinamik, sürətlə dəyişən bazar şəraitinə çevik şəkildə reaksiya verməyə imkan yaradır. Təqdimat tələb edin

SMART Demand Forecast həlli McDonald’s Georgia komandasına tələbin proqnozlaşdırmasının dəqiqliyini necə artırmağa kömək etdi

Bu baxımdan diqqətəlayiq nümunə, Gürcüstanda fəaliyyət göstərən və hər gün 35 minə yaxın müştəri qəbul edən 23 “fast food” restoranından ibarət McDonald’s şəbəkəsində SMART Demand Forecast həllinin tətbiqidir. SMART business ilə əməkdaşlıqdan əvvəl şirkətdə proqnozlaşdırma bütün şəbəkə üzrə aylıq əsasda aparılırdı. Bu cür dəqiqlik səviyyəsi tez-tez inqrediyentlərin restoranlar arasında daşınması zərurətinə və əlavə logistika xərclərinə səbəb olurdu. Məhz bu problemin aradan qaldırılması və əməliyyat xərclərinin minimallaşdırılması McDonald’s Georgia şirkətinin bu təkmilləşdirməyə qərar verməsinin əsas səbəbi oldu. Yüksək peşəkarlığa malik tətbiqetmə komandası bu şirkət üçün proqnoz dəqiqliyinə təsir edən optimal amillər toplusunu müəyyən etməyə və hər bir restoran üzrə həftəlik səviyyədə proqnozlaşdırmanı uğurla həyata keçirməyə imkan verdi. Nəticədə gözləntiləri üstələyən aşağıdakı hədəf göstəricilərə nail olmaq mümkün oldu:
  • 4 həftə müddətində həftəlik məlumatların toplanması əsasında hər bir restoran üçün satış proqnozunun 83% dəqiqliyi.
  • 2 həftə müddətində həftəlik məlumatların toplanması əsasında hər bir restoran üçün satış proqnozunun 80% dəqiqliyi.
  • Qlobal biznes ictimaiyyəti arasında norma olan proqnozun yerinə yetirilməsindən orta hesabla 5%-ə qədər kənarlaşma.

Bu layihə sayəsində hər bir restoranımızda tələbin proqnozlaşdırılmasının dəqiqliyini əhəmiyyətli dərəcədə təkmilləşdirə bildik. İlk nəticələri aldıqda, biz aydın şəkildə başa düşdük ki, bu sərmayənin qarşılığını çox qısa müddətdə alacağıq.

  • Giorgi Asatiani Head of BI & Data Analytics, BI & Data Analytics Department, McDonald’s Georgia

Məlumatları biznesinizin xeyrinə necə istifadə etmək olar

Beləliklə, əgər sizin şirkətiniz artıq yalnız məlumatlar yaratmaqla kifayətlənmir, eyni zamanda öz İT ekosisteminin imkanları sayəsində onları aktiv şəkildə toplayırsa, növbəti addımı — süni intellekt əsaslı həllərin tətbiqini təxirə salmamalısınız. Məhz süni intellekt sayəsində şirkətin İT məhsulları özlərinin daha təkmil versiyasına çevrilir və məlumatlar aktiv şəkildə gəlirliliyin artırılması üçün işləməyə başlayır. Bu, ilk növbədə, məlumatların toplanması və işlənmə sürətinin əhəmiyyətli dərəcədə artması sayəsində baş verir.

Pərakəndə satış kontekstində məlumatlara əsaslanan yanaşma

Məlumata əsaslanan (Data-driven) yanaşma — biznesin məlumatları öz xeyrinə necə işlətməsi ilə bağlıdır. Hansı sahəni süni intellektə həvalə etmək isə həmişə fərdi qərardır. Son vaxtlar ən çox populyarlıq qazanan süni intellektə əsaslanan çat-botlar və virtual köməkçilər olublar ki, bu da xidmət sektorunu əhəmiyyətli dərəcədə gücləndirməyə imkan verib. Promodo ekspertləri qeyd edirlər ki, pərakəndə və e-ticarət şirkətlərinin 80%-i artıq süni intellekt çat-botlarından istifadə edir və ya yaxın gələcəkdə tətbiq etməyi planlaşdırır. Onların proqnozlarına görə, 2030-cu ilə qədər müştərilərlə olan bütün qarşılıqlı əlaqələrinin 80%-i süni intellekt tərəfindən idarə olunacaq. Həmçinin pərakəndə satışda süni intellekt köməkçiləri əməliyyat sektorunda — xüsusilə məhsulların silinməsi və qəbulunda effektiv ola bilər. Bu, onların satış və marketinq sahələrindəki potensialını nəzərə almadan qeyd olunur.

Pərakəndə satış xidmətində süni intellekt: "lehinə" və "əleyhinə"

Son dərəcə dinamik olan bazar şəraitində pərakəndə satışda uğur qazanmaq üçün çoxlu sayda amilləri nəzərə almaq bacarığı vacibdir. Bu işi müasir həllər və yanaşmalar olmadan keyfiyyətli və düzgün şəkildə həyata keçirmək demək olar ki, mümkün deyil. Buna görə də, son zamanların məşhur olan ifadələrinə çox bağlanmaq  lazım deyil.

Birinci mif: yaxşı analitiklər daha yaxşı proqnoz verəcəklər

Məsələn, Ukraynada bir çox pərakəndə satış şirkətləri hələ də proqnozlaşdırmada hava həyəcanını (hava hücumu xəbərdarlıqları) nəzərə almırlar. Bu vaxt ticarət mərkəzləri işləmirlər. Bunu nəzərə almırlar ona görə deyil ki, istəmirlər, sadəcə bunu necə etmək lazım olduğunu bilmirlər. Nəticədə isə əlavə itkilərə məruz qalırlar. Səbəb odur ki, ənənəvi statistik modellər yalnız tarixi məlumatlarla məhdudlaşır və gələcək hadisələri nəzərə almağa imkan vermir. Buna görə də, "gözlənilməz" şəraitin əsiri olmamaq üçün öz biznes proseslərinizi transformasiya etmək — xüsusilə süni intellekt əsaslı proqnoz sistemlərini tətbiq etmək son dərəcə vacibdir. Analitiklərə isə strateji önəm daşıyan tapşırıqlara fokuslanmaq imkanı yaradın.

İkinci mif: süni intellektin tətbiqi genişmiqyaslı işçi ixtisarlarına səbəb olacaq

Bu, dünya üzrə uğurlu bizneslər tərəfindən uzun müddətdir ki, təkzib olunub. İşçilərin iş yerlərini süni intellektin əlindən alacağı qorxusu hər hansı texnoloji yeniliyin tətbiqi dövründə yayılmış ümumi reaksiyadır. Bir vaxtlar mühasiblər ERP sistemlərinin kütləvi tətbiqinə ehtiyatla yanaşırdılar. Rəqəmsal transformasiya tarixinin klassik nümunələrinə çevrilmiş Nestlé və Hershey şirkətlərində baş vermiş iki böyük uğursuzluğun səbəbləri arasında mövcud biznes prosesləri ilə ERP-nin standart tələbləri arasındakı uyğunsuzluqdan başqa, işçi heyətinin müqaviməti də göstərilir. Lakin bugün ERP sistemlərinin biznes proseslərinin optimallaşdırılmasında və onların məhsuldarlığının artırılmasında  oynadığı rola şübhə ilə yanaşan birini tapmaq çətindir. ERP — biznes uğurunun əsasını təşkil edir. Bununla yanaşı, peşəkar mühasiblərə olan tələbat azalmayıb, lakin onların bacarıqlarına yeni tələblər yaranıb. Oxşar perspektiv süni intellekt əsaslı həllərə də aiddir. Süni intellektin işinizi əlinizdən alacağından narahat olmaq lazım deyil, əvəzində onunla işləmək bacarıqlarını inkişaf etdirməyə diqqət yetirməlisiniz.

Üçüncü mif: süni intellekt — baha texnologiyadır və onun faydasını qiymətləndirmək çətindir

BrandWagon "KPMG International" şirkəti tərəfindən aparılmış "Intelligent Retail" adlı tədqiqatın nəticələrini dərc edib. Araşdırmanın nəticələrinə görə, "data-driven" yanaşmadan istifadə edən pərakəndə satış şirkətlərinin 55%-i süni intellekt əsaslı transformasiya məqsədilə tətbiq olunmuş texnologiyalardan 10–30% arasında investisiya gəlirliliyi (ROI) əldə etdiklərini bildiriblər. Üstəlik, respondentlər süni intellektin tətbiq olunduğu proseslərdə biznesin səmərəliliyinin 33% artdığını və 67%-ə qədər xərclərə qənaət etdiyini bildiriblər. Beləliklə, bugün pərakəndə satış üçün süni intellekt müasir texnoloji cihaz kimidir: onsuz yaşamaq mümkündür, amma bugünkü rəqabətli bazarda uğur qazanmaq olduqca çətindir.  
19 MIN READ
відображення вагів на яких зважуються технології
Tələbin proqnozlaşdırılmasında süni intellekt texnologiyaları: ənənəvi metodlardan müasir həllərə qədər

Süni intellekt bir təhdid deyil. Bu, biznesin nə etdiyini yenidən düşünməsi üçün bir fürsətdir

Satya Nadella, CEO Microsoft
Cəmi bir neçə il əvvəl əksər şirkətlər tələbi əsasən əl ilə tərtib olunmuş cədvəllərə, menecerlərin bazarı yaxşı tanımasına və intuisiya əsaslı proqnozlara əsaslanaraq proqnozlaşdırırdılar. Lakin iqtisadiyyatın qeyri-sabitliyi, müştəri üstünlüklərinin tez-tez dəyişməsi və məlumatların sürətlə artması şəraitində köhnə yanaşmalar getdikcə daha az effektiv olur. Müasir dünyada tələbin proqnozlaşdırılması artıq yalnız təcrübənin tətbiqi deyil — bu, həm də böyük (çox vaxt uyğun olmayan) məlumat həcmləri ilə işləməyi və dəqiq alqoritmlərin qurulmasını nəzərdə tutur. Məhz bu məqamda süni intellekt dövrəyə daxil olur. Qeyd etmək vacibdir ki, süni intellekt analitikləri əvəz etmir — onları gücləndirir. AI (süni intellekt) alətləri sayəsində şirkətlər artıq gələcəyi təxmin etmir, onu minlərlə dəyişənlər əsasında real vaxt rejimində modelləşdirirlər. Təcrübə göstərir ki, müasir həllərlə həyata keçirilən tələb proqnozlaşdırması bazardakı trendlərin dəyişməsini ənənəvi üsullardan istifadə edən rəqiblər bunu hiss etməzdən əvvəl görməyə və buna uyğun hərəkət etməyə imkan verir. Məsələn, McKinsey şirkətinin statistikasına görə, süni intellektin istifadəsini tətbiq edən şirkətlər tələbin proqnozlaşdırılmasının dəqiqliyinin orta hesabla 10–20% artdığını qeyd edirlər. Bəs süni intellekt bu prosesləri necə dəyişdirir? Gəlin bunu daha ətraflı nəzərdən keçirək.

Niyə illərlə sınaqdan çıxmış tələb proqnozlaşdırma metodları artıq işə yaramır

Süni intellekt bazara çıxmamışdan əvvəl, biznes onilliklər ərzində klassik tələb proqnozlaşdırma üsullarından istifadə edirdi. Bu modellərin əsasını riyazi hesablamalar və əməkdaşların təcrübəsi təşkil edirdi — və onlar sabit bazar şəraitində öz effektivliyini sübut etmişdi. Hətta bugün də ən çox istifadə olunan metodlar bunlardır:
  • Regressiya modelləri— bu statistik alət gələcəkdə gözlənilən tələbin həcmini dəyişənlər arasındakı qarşılıqlı əlaqə əsasında proqnozlaşdırmağa imkan verir. Sadə dillə desək, model müəyyən amillərin (məsələn, qiymət, mövsümilik, reklam və ya istehlakçı gəlir səviyyəsi) necə dəyişdiyini və bunun məhsul və ya xidmətə olan tələbin səviyyəsinə necə təsir etdiyini təhlil edir. Bu proqnozlaşdırma modeli kəmiyyət qiymətləndirməsini təmin edir və bir anda bir neçə amili nəzərə almağa imkan verir, lakin məlumatlarda baş verən kəskin dəyişikliklərin öhdəsindən yaxşı gəlmir.
  • Trendlərin təhlili — bu metod məlumatlardakı uzunmüddətli dəyişikliklərin müəyyən edilməsinə əsaslanır. Trendlərin təhlili ümumi tendensiyanı müəyyən etməyə imkan verir və məhsula olan tələbin zamanla artıb-artmadığını, azalıb-azalmadığını və ya sabit qaldığını göstərir. Strateji planlaşdırma üçün faydalıdır və daha çox proqnozlaşdırıla bilən mühitdə istifadə olunur. Lakin bu metod mövsümi dalğalanmaları və ya qısamüddətli sıçrayışları nəzərə almır, buna görə də real vəziyyəti sadələşdirilmiş şəkildə əks etdirə bilər.
  • Ekspert qiymətləndirmələri — bu mütəxəssislərin peşəkar fərziyyələrinə, təcrübəsinə və intuisiyasına əsaslanan proqnozlaşdırma üsuludur. Satış menecerlərinin, marketoloqların və ya bazarın spesifikasını yaxşı bilən analitiklərin fikirləri nəzərə alınır. Kiçik müəssisələr üçün sürətli və əlçatan metod hesab olunur, lakin əsas mənfi cəhəti — subyektivlikdir: proqnozlar qərəzli ola və ya natamam informasiyaya əsaslana bilər.
  • Hərəkətli orta göstərici (moving average) — bu, məlumatlardakı dalğalanmaları hamarlamaq üçün istifadə olunan sadə statistik üsuldur. Əvvəlki dövrlərin orta göstəricisi hesablanaraq əsas tendensiya müəyyən olunur. Məsələn, üç aylıq hərəkətli orta göstərici hər yeni nöqtə üçün son üç ayın məlumatını nəzərə alır. Bu metod sabit şəraitdə effektivdir, lakin sürətli dəyişikliklərə qarşı həssas deyil.
  • Eksponensial hamarlama — əvvəlki metodun təkmilləşdirilmiş versiyasıdır. Burada ən son məlumatlara daha böyük əhəmiyyət verilir, bu da modelin dəyişikliklərə daha çevik reaksiya verməsinə imkan yaradır. Qısamüddətli proqnozlaşdırma üçün, xüsusən də dalğalanmalara sürətli reaksiya tələb olunduqda istifadə olunur. Amma bu model də səbəb-nəticə əlaqələrini nəzərə almır və kəskin bazar dəyişiklikləri zamanı etibarsız ola bilər.
  • Mövsümi proqnozlaşdırma — bu metod ilin müəyyən dövrlərində (bayramlar, mövsümlər, tədbirlər və s.) tələbin təkrarlanan dəyişikliklərini nəzərə alır. Mövsümi faktoru nəzərə alaraq əsas tendensiyanı daha dəqiq müəyyən etməyə imkan verir. Bu yanaşma pərakəndə ticarət, turizm və FMCG (geniş istehlak malları) sektorunda faydalıdır. Bununla belə, mövsümi proqnozlaşdırma adi dövrlərdən kənarda işləmir və gözlənilməz dəyişiklikləri nəzərə almır.
Bu modellər hələ də tələb proqnozlaşdırma alətlərinin bir hissəsi olsa da, onların bir sıra məhdudiyyətləri var. Ən geniş yayılmış problemlərdən biri — subyektivlikdir, xüsusilə ekspert qiymətləndirmələrində (insan amili qərəzlilik və ya məlumat çatışmazlığı səbəbindən yanlış nəticələrə gətirib çıxara bilər). Digər ciddi məhdudiyyət — miqyaslana bilməməsidir (klassik modelləri amillərin sayı sürətlə artdığı vəziyyətlərə uyğunlaşdırmaq çətin olur). Bundan əlavə, ənənəvi üsullar çox vaxt strukturlaşdırılmamış böyük həcmli məlumatları emal edə bilmir (məsələn, istifadəçilərin mobil tətbiqdəki davranışları və ya hava şəraitinin satışlara təsiri). Bu yanaşmalar həmçinin bazarda baş verən kəskin dəyişikliklərə zəif reaksiya verir, çünki onlar nisbətən sabit mühitə əsaslanır. Nəticədə, keçmişdə dəqiq hesab edilən düsturlar belə, biznes mühiti bu qədər sürətlə dəyişdikdə artıq yararsız hala düşür. Məhz bu nöqtədə süni intellekt öz əsas üstünlüyünü təklif edir — uyğunlaşma.

Süni intellektin meydana çıxması ilə nə dəyişdi: tələbin proqnozlaşdırılmasında aşkar və gizli üstünlüklər

Əgər əvvəllər bir neçə yüz SKU üzrə proqnozların hazırlanması həftələrlə vaxt aparırdısa, bugün SMART Demand Forecast kimi AI modelləri minlərlə məhsul üzrə proqnozları cəmi bir neçə dəqiqəyə qurmağa qadirdir. Bu, analitiklərin vaxtını daha strateji işlərə sərf etməyə imkan verir və rəhbərlərə tez və əsaslandırılmış qərarlar qəbul etməyə şərait yaradır. Süni intellekt eyni anda minlərlə dəyişəni emal edə bilir və təcrübəli analitiklərin belə görə bilmədiyi əlaqələri aşkarlayır. Söhbət təkcə daxili biznes məlumatlarından getmir — AI həmçinin xarici məlumatları da nəzərə alır, məsələn:
  • Makroiqtisadi göstəricilər: inflyasiya səviyyəsi, valyuta dəyişkənliyi, bazar tendensiyaları.
  • İqlim və mövsümi amillər: hava şəraitinin dəyişməsi, təbii hadisələr və s.
  • E-ticarət məlumatları: istifadəçilərin davranışı, reklamın təsiri (xüsusilə sosial şəbəkələrdə).
  • Tənzimləyici dəyişikliklər: yeni vergilər, normativ məhdudiyyətlər və s.
Bu amillər tələbin modelləşdirilməsi alqoritmlərinə inteqrasiya olunur və bazardakı dəyişikliklərə real vaxt rejimində uyğunlaşan proqnozların hazırlanmasına imkan verir. Nəticədə, süni intellekt təkcə keçmişi təhlil etmir, həm də gələcəyi modelləşdirir. AI əsaslı bəzi həllər, məsələn, SMART Demand Forecast, promo aksiyalar üçün ssenariyə əsaslanan proqnozlaşdırmadan istifadə edir — bu, müxtəlif şərtlər altında (məsələn, qiymət dəyişikliyi, endirimlər, "cannibalization" faktorları, mövsümi əmsallar)  tələbin necə dəyişəcəyini hesablamağa imkan verir. Tək bir proqnoz verən ənənəvi metodlardan fərqli olaraq, ssenari modelləşdirməsi biznesə hadisələrin bir neçə mümkün inkişaf variantını — optimist variantdan tutmuş pessimist varianta qədər təqdim edir. Belə yanaşma biznesə sadəcə reaksiya vermək deyil, həm də qabaqlayıcı addımlar atmaq imkanı yaradır: ehtiyatları optimallaşdırmaq, qiymətləri dəyişdirmək, promo kampaniyaları başlatmaq və ya təchizat zəncirlərini tənzimləmək. Yəni, tələbin proqnozlaşdırılmasında şirkətin mövqeyi reaktivdən proaktivə çevrilir. Bu üstünlük pandemiyalar, istehlakçıların davranışında kəskin dəyişikliklər, geosiyasi təlatümlər və s. kimi gözlənilməz qlobal böhranlar şəraitində xüsusi əhəmiyyət kəsb edir. Belə vəziyyətlərdə qərarların qəbulu sürəti və tələbin dalğalanmalarını qabaqcadan görmək imkanı təkcə rəqabət üstünlüyünü deyil, sözün əsl mənasında biznesin yaşaması üçün vacib şərtdir.

Ənənəvi proqnozlaşdırma ilə AI əsaslı yanaşmaların konkret meyarlar üzrə müqayisəsi

Tələbin proqnozlaşdırılmasının ənənəvi modelləri ilə süni intellektə əsaslanan bir həll olan SMART Demand Forecast arasındakı fərqləri vizual şəkildə nəzərdən keçirməyi təklif edirik:
MeyarƏnənəvi üsullarAI- əsaslı üsul
Məlumatların emal sürətiMəhdud: insan resurslarından və əl ilə idarə olunan proqramlardan asılıdırYüksək: real vaxt rejimində böyük həcmdə məlumatların avtomatik işlənməsi
Proqnozların dəqiqliyiOrta: dəyişkən şəraitdə səhv ehtimalı yüksəkdirYüksək: bir çox dəyişənləri nəzərə alır, model isə "özünü öyrədir"
Avtomatlaşdırma səviyyəsiAşağı: mərhələlərin əksəriyyəti əl ilə yerinə yetirilir, nəticədə rutin işlərə çox vaxt sərf olunurYüksək: proqnozların toplanması, təhlili və yenilənməsi prosesləri avtomatlaşdırılıb
ÇeviklikMəhdud: üsullar yeni şəraitə çətinliklə və yavaş uyğunlaşırYüksək: sürətli miqyaslanma və yeni məlumatlara və bazar dəyişikliklərinə uyğunlaşma
Mövcud olan dəyişənlərin həcmiQeyri-kafi: adətən bir neçə əsas göstərici ilə məhdudlaşırYüksək: yüzlərlə parametr eyni zamanda nəzərə alınır və təhlil edilir
Subyektivlik riskiYüksək: ekspertlərin və müvafiq əməkdaşların rəyindən asılılıq mövcuddurMinimal: qərarlar yalnız alqoritmlər və məlumatlar əsasında verilir
Səhvlərə reaksiyanın sürətiAşağı: proqnozun əl ilə yenidən hesablanması çətindir və vaxt aparır, bu isə çatışmazlıqlara və artıq xərclərə səbəb olurYüksək: daimi düzəlişlər sayəsində model kritik səhvlərin olma ehtimalını azaldır, proqnozu isə daha tez yenidən hesablamaq və düzəltmək mümkündür
Miqyaslana bilmə qabiliyyətiAşağı: modelləri miqyaslaşdırmaq çətindir və bu, yüksək xərclər tələb edirYüksək: bir alqoritm bir çox seqment və ya bazar ilə işləyə bilər

Maneəsiz transformasiya: AI-proqnozlaşdırmanı biznes üçün risk olmadan necə və nə zaman inteqrasiya etmək olar?

McKinsey statistikasına görə, 2023-cü ildən 2024-cü ilə qədər biznes proseslərində süni intellektdən istifadə 50% artıb. Hal-hazırda hər 10 şirkətdən 7-si gündəlik işlərində süni intellektdən istifadə edir və bu rəqəmin daha da artacağı aydındır. Proqnozlaşdırma proseslərində süni intellekti artıq tətbiq etmiş müəssisələr nəinki tələbi daha dəqiq modelləşdirir, həm də daha sürətli qərarlar qəbul edir, ehtiyatları daha yaxşı idarə edir və real vaxt rejimində dəyişikliklərə uyğunlaşırlar. Buna görə də “Süni intellekti şirkət proseslərinə nə zaman tətbiq etmək lazımdır?” sualına cavab budur — "İndi". Çünki trendin hər həftə, müştəri gözləntilərinin isə hər gün dəyişdiyi şəraitdə sürətlə inkişaf edən bazarda gecikmə rəqabət üstünlüyünün itirilməsinə səbəb ola bilər. Eyni zamanda, bu prosesə son dərəcə düşünülmüş şəkildə yanaşmaq lazım olduğunu nəzərə almağa dəyər. Yeni texnologiyaların tətbiqi zamanı əsas biznes proseslərinin dayandırılması şirkətlər üçün qəbul edilə bilməz bir riskdir.  Logistika, ehtiyatlar və ya paylama kanallarına nəzarətin müvəqqəti itirilməsi təchizat zəncirinin pozulmasına, rəflərdə məhsul çatışmazlığına, müştəri itkisinə və maliyyə itkilərinə gətirib çıxara bilər. Bəs bunun qarşısını necə almaq olar? Süni intellekti tələbin proqnozlaşdırılması proseslərinə uğurla inteqrasiya etmək üçün məsləhətlər və tövsiyələr:
  1. Etibarlı təchizatçı seçin: Adətən təchizatçılar tam texniki dəstək, konkret biznes proseslərinə uyğunlaşma və inteqrasiyanın bütün mərhələlərində dəstək təmin edirlər — məsələn, SMART Demand Forecast tələbin proqnozlaşdırılması həllinin tətbiqi zamanı SMART business şirkəti kimi.
  2. Məlumatların keyfiyyətini təmin edin: Yüksək keyfiyyətli, strukturlaşdırılmış və tarixi məlumatlar olmadan süni intellekt effektiv işləyə bilməz. İlk addım məlumatların mənbələrinin, növlərinin və keyfiyyətinin yoxlanılmasıdır. Məlumatların müntəzəm yenilənməsinə, standartlaşdırılmasına, formatların vahidləşdirilməsinə və təkrarlanan məlumatların aradan qaldırılmasına diqqət yetirin. Əgər bunu ən yaxşı şəkildə necə edəcəyinizə əmin deyilsinizsə, təchizatçıya müraciət edin; məsələn, SMART business şirkəti hələ diaqnostika mərhələsində müştəri ilə birlikdə vahid məlumat strukturunu razılaşdırır və hazır şablonlar təklif edir.
  3. Texniki infrastrukturu hazırlayın: Bu, daxili hesablama bazası və ya miqyaslana bilən və sürətli işləməni təmin edən bulud platformalarına qoşulma ola bilər. Texniki imkanlarınızın seçilmiş həllə uyğun olub-olmadığını yoxlayın — bu məsələdə də təchizatçı sizə kömək göstərə bilər.
  4. Pilot layihəni işə salın: Əvvəlcə sistemi ayrı bir regionda, SKU və ya satış kanalında işə salın. Bu, sizə həlli minimal risklərlə sınaqdan keçirməyə və onun biznes dəyərini müəyyən etməyə imkan verəcək ki, bu da innovasiyanın bütün biznes üzrə miqyasını müəyyənləşdirməyə kömək edəcək.
  5. Kross-funksional komanda yaradın: AI əsaslı proqnozlaşdırma hər zaman yalnız İT ilə məhdudlaşmır — biznes sektorundan asılı olaraq prosesə logistlər, marketoloqlar, əməliyyat komandası və s. daxil ola bilər. Proqnozlaşdırma prosesində birbaşa iştirak edəcək əməkdaşlardan ibarət komanda qurun.
  6. Komandanı öyrədin: Yeni sistemin məntiqini izah edin və əməkdaşlara ondan istifadə etməyi öyrədin. Komandanın rəy bildirməsini təşviq edin və bu rəyləri inteqrasiya zamanı nəzərə alın.
  7. Analitikləri cəlb edin: Onların rolu yalnız nəticələri şərh etmək deyil, həm də proqnozlaşdırmanın dəqiqliyinə dair müəyyən olunmuş KPI-ların riayət olunmasına nəzarət etməkdir. Süni intellekt ilk növbədə insanın əlində bir alətdir, onun əvəzedicisi deyil. AI rutin tapşırıqları öz üzərinə götürərək əməkdaşların əsas və prioritet olan işlərə fokuslanmasına şərait yaradır.
  8. Əlavə tövsiyə: Əgər proseslərdə dəyişikliklərin tətbiqi ilə bağlı tərəddüdləriniz varsa, həlli mərhələli şəkildə inteqrasiya edin. Başlanğıcda AI modellərini mövcud metodlarla paralel olaraq işlədin, proqnozları test rejimində hazırlayın və əvvəlki nəticələrlə müqayisə edin.
Boston Consulting Group tərəfindən aparılan araşdırma göstərdi ki, süni intellekt əsasında aparılan proqnozlaşdırma şirkətlərin gəlirini 5–10% artırmağa kömək edə bilər. Bu, məhsul əlçatanlığının yaxşılaşdırılması, qiymətlərin optimallaşdırılması və reallaşdırılmamış satışlardan yaranan itkilərin azaldılması hesabına baş verir. Eyni zamanda, ehtiyat səviyyələrinin optimallaşdırılması sayəsində inventarizasiya xərcləri 25%-ə qədər azalır. Beləliklə, əminliklə söyləmək olar ki, AI-əsaslı proqnozlaşdırmaya düzgün təşkil edilmiş keçid demək olar ki, dərhal öz bəhrəsini verməyə başlayan bir investisiyadır. Əgər siz zəmanətli texniki dəstək ilə tələbin proqnozlaşdırılmasında süni intellekt tətbiq etmək istəyirsinizsə, sorğu göndərin və SMART business ekspertləri məhz sizin proseslərinizə uyğun həlli seçməyə və inteqrasiya etməyə sizə kömək edəcəklər.
34 MIN READ
Tələbin proqnozlaşdırılması praktikada: SMART Demand Forecast həlli müəssisələrə dəqiq proqnozlar əldə etməyə necə kömək edir

Gələcəyin proqnozlaşdırılması aerodinamik boruda olduğu kimi, strategiyaların möhkəmliyini sınaqdan keçirmək üçün bir yoldur

  • Jamais Cascio
Məşhur futuroloqun yuxarıda qeyd olunan sözlərində proqnozlaşdırma prosesinin aerodinamik boru vasitəsilə süni yaradılmış şəraitdə müxtəlif təyyarə modellərinin sınaqdan keçirilməsi ilə kifayət qədər dəqiq bir müqayisəsi verilmişdir. Bu bənzətmə istehsaldan tutmuş pərakəndə satışa qədər müxtəlif biznes sektorlarında getdikcə daha çox istifadə edilən müasir həllər vasitəsilə tələbin proqnozlaşdırılmasına da tətbiq oluna bilər. Axı tələbin proqnozlaşdırılması sisteminin risksiz bir mühitdə mümkün ssenariləri sınaqdan keçirməyə, onların üstünlüklərini və çatışmazlıqlarını qiymətləndirməyə imkan verməsi çox önəmlidir.

Tələbin proqnozlaşdırılmasının vəzifələri:

Aerodinamik boru modeldə işə salınmazdan əvvəl dizayn qüsurlarını aşkar etdiyi kimi, tələbin proqnozlaşdırılması həlləri də şirkətlərə gələcək dəyişikliklərə aşağıda qeyd olunanlar sayəsində daha yaxşı hazırlaşmağa kömək edir:
  1. Ehtiyatların optimallaşdırılması;
  2. Malların artıqlığının və ya çatışmazlığının formalaşmasının minimuma endirilməsi;
  3. Təchizat zənciri proseslərinin sabitliyinin təmin edilməsi;
  4. Dəqiq məlumatlar əsasında istehsal və marketinq fəaliyyətinin planlaşdırılması.

Beləliklə, tələbin proqnozlaşdırılması nədir?

Yuxarıda göstərilənlərə əsasən, tələbin proqnozlaşdırılması belə tərif edilə bilər – bu, şirkətin mal və ya xidmətlərə olan gələcək ehtiyaclarının təhlili və proqnozlaşdırılması prosesidir ki, müəssisənin ehtiyatlarını, istehsalını və logistikasını optimallaşdırmağa imkan verir. Süni intellekt alqoritmlərindən istifadə edən müasir həllər sayəsində isə müəssisələr dəyişən bazar çağırışlarına daha effektiv şəkildə cavab vermək və yeni, əvvəllər nəzərə alınmayan mənfəət mənbələri kəşf etmək imkanı əldə edirlər.

Tələbin proqnozlaşdırılması ilə bağlı müəssisələrin üzləşdiyi çətinliklər

Tələbin proqnozlaşdırılması prosesi müasir biznesin qarşılaşa biləcəyi bir çox çətinliklərlə doludur, bunların arasında aşağıdakıları qeyd etək olar:
  1. Məlumatın çatışmazlığı və ya aşağı keyfiyyətli olması – əgər tələb haqqında məlumat tam və ya dəqiq deyilsə, proqnozlar yanlış ola bilər.
  2. Tələbin dəyişkənliyi – mövsümilik, xarici amillər (məsələn, iqtisadi dalğalanmalar və ya qanunvericilikdəki dəyişikliklər və s.) proqnozları daha az etibarlı edə bilər.
  3. İnteqrasiya çətinlikləri – proqnozlaşdırılan məlumatların gündəlik əməliyyat proseslərinə inteqrasiyası kompleks yanaşma, yüksək səviyyədə təcrübə və kross-funksional komandalar arasında effektiv əməkdaşlıq tələb edir.
  4. Köhnəlmiş əl üsulları ilə proqnozlaşdırma metodlarından istifadə – ənənəvi cədvəllər, avtomatlaşdırmanın olmaması və sadə tələbin proqnozlaşdırılması düsturlarının istifadəsi çoxlu sayda dəyişənlərin nəzərə alınmasına və proqnozların yeni məlumatlara tez uyğunlaşdırılmasına imkan vermir ki, bu da onların dəqiqliyinin azalmasına səbəb olur.

Proqnozlaşdırma necə işləyir və dəqiq tələb proqnozu yaratmaq üçün effektiv yanaşmanın əsas addımları

Tələbin proqnozlaşdırılması bir neçə əsas mərhələdən ibarət mürəkkəb və strukturlaşdırılmış bir prosesdir:

Keyfiyyətli məlumatların toplanılması

Bu mərhələ dəqiq tələb proqnozunun əldə edilməsi üçün əsas və vacib addımdır. Buraya satışların tarixçəsi, marketinq fəaliyyətləri, mövsümi məlumatlar və xarici təsir amilləri haqqında məlumatların toplanması daxildir. Nə qədər çox sayda keyfiyyətli məlumatınız varsa, proqnozlarınız bir o qədər dəqiq olacaq.

Tələbə təsir edən amillərin təhlili

Bu mərhələ daxili və xarici amillərin öyrənilməsindən ibarətdir, məsələn: mal və ya xidmətlərin qiymətləri, aksiyalar, endirimlər, marketinq kampaniyaları, ehtiyat səviyyələri və ya mövsümilik, rəqabət mühiti, iqtisadi vəziyyət, demoqrafik göstəricilər, bazar tendensiyaları və s. Şirkətin tələbinə ən çox təsir edən amilləri müəyyən etmək üçün korrelyasiya təhlili aparılır, asılılıqlar araşdırılır, müştərilərin seqmentasiyası və statistik üsullardan istifadə edilməklə faktor təhlili aparılır.

Müvafiq tələbin proqnozlaşdırılması metodunun seçilməsi

Əvvəlki addımların nəticələrinə əsasən, konkret hallar üçün ən effektiv olan tələbin proqnozlaşdırılması metodları (məsələn, kəmiyyət və ya keyfiyyət) seçilir.

Tələbin proqnozlaşdırılması modelinin yaradılması

Bu, ən vacib mərhələlərdən biridir, çünki toplanmış və təhlil edilmiş məlumatlar əsasında proqnoz qurulur. Tələbin proqnozlaşdırılması modelləri müxtəlif statistik alətlərə əsaslana bilər, məsələn: xətti reqressiya, zaman sıraları metodları və s. Lakin bugün proqnozlaşdırma modelinin yeni tendensiyalar, bazar dəyişkənliyi və digər dəyişən amilləri nəzərə alınmaqla uyğunlaşmaq üçün kifayət qədər çevik olması vacibdir. Belə hallarda, ənənəvi statistik modellər çoxlu məhdudiyyətlərə malikdir və süni intellekt alqoritmlərindən istifadə edən modellərdən geri qalır. Beləliklə, SMART Demand Forecast həlli çevik tələb proqnozlaşdırma modellərinin yaradılması üçün bütün zəruri olan alətləri ehtiva edir. Sistem proqnozların dəqiqliyini və dinamikliyini təmin edən süni intellekt alqoritmlərini istifadə edir.

Tələbin proqnozlaşdırılması modelinin sınaqdan keçirilməsi və optimallaşdırılması

Bu mərhələ mütləqdir, çünki modelin real şəraitdə effektivliyini qiymətləndirməyə imkan verir. Test nəticələrinə əsasən modelə düzəlişlər edilir ki, proqnozların dəqiqliyi maksimum səviyyəyə çatdırılsın.
  • Proqnozun əsas biznes proseslərində istifadəsi – bu sonuncu mərhələ şirkət üçün vacib olan və biznesə real dəyər gətirən biznes proseslərində proqnozdan istifadəni nəzərdə tutur: ehtiyatların idarə olunması, istehsal, marketinq kampaniyalarının planlaşdırılması və s.

Tələbin proqnozlaşdırılmasının üstünlükləri:

  • Təchizat zənciri prosesinin optimallaşdırılması: məhsul üzrə dəqiq tələb proqnozu malların ehtiyatlarının daha effektiv şəkildə idarə olunmasına kömək edir ki, bu da ehtiyatların çatışmazlığı və ya həddindən artıq sayda yaranmağı riskini minimuma endirir. Bu, öz növbəsində, malların saxlanılması ilə bağlı xərcləri azaltmağa kömək edir, malların çatışmazlığı və ya xidmətin əlçatan olmamağı səbəbindən satışların itirilməsinin qarşısını alır. Dəqiq tələb proqnozlarına əsaslanan proseslər quraraq, şirkət təcili çatdırılma və gecikmələri minimuma endirərək təchizat zənciri boyunca malların səmərəli şəkildə hərəkətini təmin edir.
  • İstehsal proseslərinin daha yaxşı planlaşdırılması: dəqiq tələb proqnozları ilə istehsal şöbələri resurslardan istifadəni optimallaşdıra bilərlər. Proqnozlar lazım olan miqdarda xammalın vaxtında mövcudluğunu təmin etməyə kömək edir.
  • Daha effektiv marketinq kampaniyaları: hansı məhsul və ya xidmətə nə zaman daha yüksək tələbat olacağını anladıqda, marketinq mütəxəssisləri daha məqsədyönlü və uğurlu kampaniyalar hazırlayıb həyata keçirə bilərlər, bu isə satışları maksimal səviyyəyə çatdırmağa kömək edir.
  • Xərclərin azaldılması və şirkətin P&L-ə təsiri: dəqiq tələb proqnozlarından istifadə saxlama, istehsal, marketinq, satınalma, təchizat zənciri və s. kimi şirkətin əsas proseslərini optimallaşdırmaqla xərcləri azaldır. Bütün bunlar tələb və resurslar arasında dəqiq uyğunluğu təmin edir. Nəticədə bu, şirkətin P&L göstəricilərinə müsbət təsir göstərir. Çünki xərclərin azaldılması və bu proseslərin səmərəliliyinin artırılması şirkətin ümumi gəlirinin və xalis mənfəətinin artmasına kömək edir.
  • Xidmət keyfiyyətinin yüksəldilməsi: dəqiq tələb proqnozu şirkətin resurslarını daha rasional şəkildə planlaşdırmağa kömək edir. Məsələn, proqnoza əsaslanaraq, fərdi satış nöqtələrində müştəri tələbatını tam ödəmək üçün lazımi sayda işçi heyəti və mallar əvvəlcədən təmin edilə bilər.

Tələbin proqnozlaşdırılmasının dəqiqliyinə nail olmaq üçün ən vacib olan nədir və hansı amillər buna təsir edir?

Süni intellektə əsaslanan həllər üçün məlumat əsas şərtdir. SMART Demand Forecast həllini tətbiq edərkən, təchizatçı modelləşdirmə zamanı gələcəkdə istifadə ediləcək universal məlumat strukturunun formalaşmasına kömək edir. Bu struktur modelin düzgün işləməsini təmin edir, həmçinin məlumatı effektiv şəkildə təhlil etməyə və dəqiq proqnozlar verməyə imkan verir. Buna görə də, icra layihəsi çərçivəsində SMART business şirkəti müştərinin əsas biznes proseslərini təhlil edir və məlumatların toplanması üçün hazır şablon təklif edir. Müştəri yalnız məlumatı hazırlayıb təchizatçıya təqdim etməlidir ki, bu da səylərə, vaxta qənaət edir və həllin həyata keçirilməsinin sonrakı mərhələlərində müvəffəqiyyəti təmin edir.

Tələbin proqnozlaşdırılmasına təsir edən amillər

İstehlakçının nəyə və hansı miqdarda ehtiyac duyduğunu dəqiq proqnozlaşdırmaq üçün müxtəlif amilləri nəzərə almağa dəyər. Axı, onlar göstəriciləri yuxarı və ya aşağı çəkən görünməz iplər kimi işləyirlər və biznesinizin uğuru onların düzgün təhlilindən asılıdır. Əsas amillərə aşağıdakılar daxildir:
  • Xarici amillər və sosial hadisələr: pandemiya dövründə hamının qoruyucu maskalar və antiseptiklər aldığını xatırlayın. Trend təhlili müştəri seçimlərində mühüm və gözlənilməz dəyişiklikləri proqnozlaşdırmaq üsuludur.
  • Qiymət siyasəti: endirimlər, promo kampaniyalar və ya hətta minimal qiymət artımı satışlarınıza kəskin şəkildə təsir edə bilər. İnsanlar həmişə özləri üçün ən yaxşı qiymət-keyfiyyət nisbətini axtaracaqlar. Məhz bunu başa düşmək bizə tələbin necə dəyişəcəyini daha dəqiq proqnozlaşdırmağa imkan verir.
  • Mövsümilik: qış və yay aylarında bir dondurma mağazası təsəvvür edin. Aydın məsələdir ki, tələbat soyuq mövsümdə düşür, istidə isə yüksəlir. Mövsümi dəyişiklikləri anlamaq və dəqiq tələb proqnozları ilə ehtiyatları planlaşdırmaq müəssisələrə həddindən artıq istehsal və ya çatışmazlıqlarla qarşılaşmadan istehsal gücünü və məhsul həcmini planlaşdırmağa kömək edir.
  • İqtisadi amillər: əhalinin gəlir səviyyəsi, inflyasiya və valyuta bazarında dalğalanmalar istehlakçıların alıcılıq qabiliyyətini formalaşdıran amillərdir.
  • Rəqabət: rəqiblərinizin fəaliyyəti də mühüm rol oynayır. Rəqabət mühitinin təhlili sizə öz strategiyalarınızı vaxtında uyğunlaşdırmağa imkan verir.

Qısamüddətli və uzunmüddətli tələbin proqnozlaşdırılması nədir və hansı yanaşma daha uyğun olar?

Tələbin proqnozlaşdırılması səyahət üçün marşrut hazırlamağa bənzəyir: hara getdiyinizi anlamaq vacibdir, lakin eyni zamanda növbəti döngənin arxasında nə olacağını da bilməlisiniz.

Qısamüddətli dövrə tələbin proqnozlaşdırılması

Ən yaxın həftələr və ya aylar üçün nəzərdə tutulur və 12 aya qədər bir dövrü əhatə edir. Qısamüddətli tələbin proqnozlaşdırılması həm makro səviyyədə, məsələn, ölkədə və ya regionda müəyyən növ məhsula olan ümumi tələbin proqnozlaşdırılmasında, həm də mikro səviyyədə – konkret mağazada, satış nöqtəsində və ya müəyyən kateqoriyalı müştərilər arasında ayrı-ayrı mallara və ya xidmətlərə olan tələbin proqnozlaşdırılmasında istifadə oluna bilər. Qısamüddətli proqnozlaşdırma ani tələbat, mövsümi zirvələr və ya marketinq kampaniyalarının başlanması ilə bağlı dəyişikliklərə operativ şəkildə reaksiya verməyə imkan verir. Bu, satış, marketinq və əməliyyat şöbələri arasında sıx qarşılıqlı əlaqəni nəzərdə tutur, çünki onların fəaliyyəti tələbin dəyişməsinə birbaşa təsir göstərir. Məsələn, marketinq kampaniyası məhsula olan marağı əhəmiyyətli dərəcədə artıra bilər ki, bu da ehtiyatların sayında və təchizatda dərhal düzəlişlər tələb edəcək.

Uzunmüddətli dövrə tələbin proqnozlaşdırılması

Əsas diqqəti strategiyaya yönəldir: yəni, bazar tendensiyaları, dəyişikliklər və biznesin inkişafı nəzərə alınmaqla bir ildən çox müddət üçün tələbin proqnozlaşdırılması. Qısamüddətli proqnozlaşdırma kimi, makro və mikro səviyyələr üçün də istifadə edilə bilər. Uzunmüddətli yanaşma şirkətə hansı tendensiyaların üstünlük təşkil edəcəyini, istehlakçı davranışının necə dəyişəcəyini və gələcəkdə biznesin hansı resurslara və miqyasa ehtiyac duyacağını anlamağa kömək edir. Məsələn, yeni mağaza və ya istehsal xəttinin açılması təkcə mövcud tələbin başa düşülməsini deyil, həm də uzunmüddətli perspektivlərin qiymətləndirilməsini tələb edir. Tələbin uzunmüddətli və qısamüddətli proqnozlaşdırılması fəaliyyət sahəsindən asılı olmayaraq eyni dərəcədə vacibdir. Pərakəndə satışda qısamüddətli proqnozlar pik dövrlərdən əvvəl rəfləri vaxtında məhsullarla doldurmağa kömək edir, uzunmüddətli proqnozlar isə şirkətin ümumi istiqamətini müəyyənləşdirir. Mürəkkəb təchizat zəncirinə malik istehsalda qısamüddətli proqnozlar tədarük gecikmələrinin qarşısını almağa kömək edir, uzunmüddətli proqnozlar isə istehsal gücünün genişləndirilməsini planlaşdırmağa imkan verir. Balanslaşdırılmış proqnozlaşdırma yanaşması isə çevikliyi, səmərəliliyi və dayanıqlı inkişafı təmin edir.

Tələbin proqnozlaşdırılmasının kəmiyyət və keyfiyyət üsulları hansılardır və onlardan nə zaman istifadə edilməlidir?

Tələbin proqnozlaşdırılmasında riyazi dəqiqlik və bazarın intuitiv başa düşülməsi arasında balans tapmaq vacibdir.

Tələbin proqnozlaşdırılmasının kəmiyyət üsulları

Kəmiyyət üsulları rəqəmlərə və statistik məlumatlara əsaslanır. Onlar keçmiş məlumatları, mövsümi trendləri, satış səviyyələrini və müştəri davranışlarını təhlil edirlər. Bu üsullar xüsusilə böyük həcmli tarixi məlumatlarınız olduqda və tələb tendensiyalarının yaxşı proqnozlaşdırıldığı bir bazarda fəaliyyət göstərdiyiniz zaman effektiv olur. Tələb proqnozunu necə hesablamaq barədə sual yarandıqda, məhz kəmiyyət üsulları obyektiv məlumatlar əsasında dəqiq nəticələr əldə etməyə imkan verir.

Tələbin proqnozlaşdırılmasının keyfiyyət üsulları

Bu üsullar proqnozlaşdırmaya insan amilini əlavə edirlər. Bunlar ekspert fikirlərini və ya məsələn, müştəri rəylərini nəzərə alan yanaşmalardır. Bu yanaşmalar ani bazar dəyişiklikləri baş verdikdə və ya tarixi məlumat olmadan yeni məhsulun bazara çıxarılması zamanı faydalıdırlar. Kəmiyyət təhlili və keyfiyyət qiymətləndirməsinin yaxşı balanslaşdırılmış birləşməsi gələcək tələb haqqında tam məlumat əldə etməyə imkan verir.

Tələbin proqnozlaşdırılması modelləri hansılardır?

Şərti olaraq, əksər modelləri çoxfaktorlu və zamanla bağlı modellərə bölmək olar. Zamanla bağlı modellər tarixi məlumatları təhlil edərək müəyyən bir müddət ərzində tələbin necə dəyişdiyini, mövsümi dalğalanmaların olub-olmamasını və yaxın gələcəkdə gözlənilə bilən tendensiyaları müəyyən edir. Məsələn, hərəkətli ortalama və ya trend təhlili üsulları məlumatların sabit struktura malik olduğu mallara tələbatı yüksək dəqiqliklə proqnozlaşdırılmağa imkan verir. Müasir çoxfaktorlu modellər daha dərinə gedir — onlar sadə statistik modellərin öhdəsindən gəlməyəcəyi çoxlu sayda amillərə əsaslanaraq proqnoz qurmağı bacarır. Bu faktorlara qiymət dəyişiklikləri, yeni məhsulların bazara çıxarılması, iqtisadi şərtlər və hətta hava şəraiti daxil ola bilər. Məsələn, reqressiya modeli bir parametrin (məsələn, endirim) dəyişməsinin satış həcminə necə təsir etdiyini müəyyən etməyə kömək edir.

Tələbin proqnozlaşdırılması texnikaları hansılardır və onlardan hansıları müasir biznes ehtiyaclarına ən yaxşı cavab verir?

Tələbin proqnozlaşdırılması texnikaları sadə və anlaşılanlardan tutmuş mürəkkəb analitik olanlara qədər müxtəlifdir. Məsələn, ən çox istifadə edilən texnikalardan biri keçmiş hadisələrin və tendensiyaların və ya trendlərin gələcəyə ötürüldüyü ekstrapolyasiyadır. Tələb sabit və proqnozlaşdırıla biləndirsə, bu metod yaxşı işləyir. Lakin anormal sıçrayışlar, çatışmazlıqlar, dəyişkənliklər və s. səbəblərdən tələbin tez-tez qeyri-sabit olduğu müasir dünyada biznes çoxfaktorlu modellərdən istifadə edən daha effektiv texnikalara ehtiyac duyur. Axı onlar mövsümilik təhlilini, dövri dalğalanmaları, məsələn, bayramqabağı satışların pik nöqtələrini və ya yay aylarında mövsümi enişləri nəzərə alır, anomaliyaları təmizləyir və s. Beləliklə, müasir bazar daha çevik və ağıllı yanaşmalar tələb edir. Buna görə də, müəssisələr getdikcə daha mürəkkəb metodlara, məsələn, süni intellektə (AI) və ya maşın öyrənməsinə (ML) əsaslanan modelləşdirməyə müraciət edirlər.

Süni intellekt əsasında tələbin proqnozlaşdırılması: üstünlüklər və çətinliklər

Süni intellekt əsasında işləyən tələbin proqnozlaşdırılmasının əsas üstünlüklərindən biri onun müxtəlif mənbələrdən alınan böyük həcmdə məlumatı tez təhlil etmək imkanıdır – bu, əl üsulları ilə müqayisədə daha səmərəlidir. Süni intellekt alqoritmləri insanlar tərəfindən diqqətdən kənarda qala biləcək mürəkkəb əlaqələri aşkar edə bilər və real vaxt rejimində real bazar dəyişikliklərini əks etdirmək üçün proqnozları uyğunlaşdıra bilər. Bununla belə, hər hansı bir texnologiya kimi, süni intellektə əsaslanan proqnozlaşdırmanın da keyfiyyətli məlumatlarından asılılıq kimi çətinlikləri və tələbləri var. Məlumatlarda səhvlər və ya boşluqlar varsa, bu, proqnozlaşdırmanın dəqiqliyini əhəmiyyətli dərəcədə azalda bilər. Buna görə də, vahid məlumat strukturunun formalaşdırılmasına və təchizatçının seçilməsinə düzgün yanaşmaq vacibdir. Məsələn, SMART business şirkətlərə səhvləri və boşluqları minimuma endirən və yüksək dəqiqliklə proqnozlaşdırmanı təmin edən universal məlumat strukturu yaratmağa kömək edir.

Süni intellekt əsasında tələbin mövsümi dalğalanmalarının və promo aksiyaların proqnozlaşdırılması

Mövsümi və promo məhsullarına tələbin proqnozlaşdırılması hər zaman dəyişkən təbiətinə görə bir çox suallar doğurub. Lakin süni intellekt sayəsində bu çətinliklər keçmişdə qaldı. Alqoritmlər əvvəlki satış dövrlərini təhlil edir və onları xarici amillərlə müqayisə edir. Məsələn, süni intellekt Milad mövsümü üçün hansı məhsulun hansı miqdarda hazırlanması lazım olduğunu və ya endirimlərin kampaniya dövründə satışlara necə təsir edəcəyini proqnozlaşdıra bilər.

Yeni məhsullar üçün tələbinin proqnozlaşdırılmasında süni intellektdən necə istifadə etmək olar?

Tarixi məlumatların olmaması səbəbindən yeni məhsullara olan tələbin proqnozlaşdırılması biznes üçün ən çətin məsələlərdən biridir. Bununla belə, süni intellekt bu problemi həll edə bilər. Oxşar məhsullar haqqında məlumatlardan, bazar tendensiyalarının və müxtəlif istehlak seqmentlərinin davranış nümunələrinin təhlilindən istifadə edərək, ağıllı alqoritmlər hətta tamamilə yeni məhsullar üçün də proqnozlar yarada bilər.

Tələbin proqnozlaşdırılmasında maşın öyrənməsi (ML)

Maşın öyrənməsinin üstünlüyü ondan ibarətdir ki, belə bir sistem daim təkmilləşir. Həmçinin, bu sistem böyük həcmdə məlumatları təhlil edə və ənənəvi analiz üsulları üçün aşkarlanması daha çətin olan gizli nümunələri və tendensiyaları müəyyən edə bilər. Bununla belə, qeyd etmək lazımdır ki, proqnozların düzgünlüyü məlumatların həcmindən deyil, keyfiyyətindən və aktuallığından asılıdır. Buna görə də modelin mürəkkəbliyi ilə onun ümumiləşdirmə imkanları arasında tarazlığı tapmaq, modelin həddən artıq yüklənməsinin qarşısını almaq üçün düzgün alqoritmlərdən və yoxlanılmış təsdiq metodlarından istifadə etməklə gərəksiz məlumatlardan imtina etmək vacibdir.

Tələbin proqnozlaşdırılması üçün hansı ML modelləri mövcuddur?

Maşın öyrənməsi modelləri yanaşma və funksionallıq baxımından fərqlənir, hər biri xüsusi proqnozlaşdırma ehtiyaclarına xidmət edir. Ən çox yayılmış modellər bunlardır:
  • Xətti reqressiya – tələb və əsas amillər arasındakı asılılığı təhlil edən sadə, lakin effektiv modeldir. 
  • Random Forest – çox sayda dəyişənlər və mürəkkəb qarşılıqlı asılılıqlarla yaxşı işləyən ansambl modelidir. 
  • Gradient Boosting (XGBoost, LightGBM) – eyni vaxtda çoxsaylı amilləri nəzərə aldığı üçün yüksək proqnozlaşdırma dəqiqliyini təmin edir. 
  • Klasterləşdirmə metodları (K-means) – oxşarlıqları müəyyən etmək üçün məlumatların qruplaşdırılmasına kömək edirlər. 
  • Dərin Neyron Şəbəkələri LSTM (Long Short-Term Memory) – zaman sıraları ilə işləmək üçün effektivdir ki, bu da tələbin sürətlə dəyişdiyi dinamik bazarlarda xüsusilə faydalıdır. 
  • Biliklərin ötürülməsi metodları – tarixi məlumatların kifayət qədər olmadığı hallarda, məsələn, yeni bazarlara daxil olma zamanı və ya yeni məhsulların satışa çıxarılması zamanı istifadə olunur.
Hər bir şirkətin özünəməxsus biznes prosesləri olduğundan, bütün ehtiyaclara cavab verən universal model yoxdur. SMART business şirkəti, maşın öyrənməsi və məlumat analitikası sahəsində dərin təcrübəsi ilə biznesiniz üçün optimal modeli seçməyə kömək edə bilər. Şirkət SMART Demand Forecast həlli ilə dəstəklənən müasir ML modellərinin geniş çeşidi ilə işləyir. Bu, biznes məqsədlərinizə və istehlakçı davranışının sürətlə dəyişdiyi bugünkü bazarın dinamik şərtlərinə uyğun olaraq yüksək dəqiqlikli tələb proqnozlaşdırılmasını təmin edir.

Müəssisədə tələbin proqnozlaşdırılması – təchizat zəncirində biznes proseslərinin effektivliyi və davamlılığının açarıdır

Tələbin dəqiq proqnozlaşdırılması sayəsində siz təchizatçıların, istehsal xətlərinin və anbarların işini effektiv şəkildə tənzimləyə bilərsiniz ki, hər şey maksimum səmərəli şəkildə və minimum xərclərlə işləsin. Proqnozlar anbarlarda həddindən artıq sayda malların yığılmasının qarşısını alır və kritik anlarda ehtiyatları vaxtında yeniləyir. Tələbin proqnozlaşdırılmasının rolu həm də şirkətin xərclərinə birbaşa təsir edən sifariş və təchizat proseslərinin optimallaşdırılmasından ibarətdir.

Ehtiyatların idarə edilməsində tələbin proqnozlaşdırılması, ehtiyatların optimallaşdırılması

Dəqiq proqnozlar olmadan şirkətlər ehtiyatların artıq sayda olmağı və ya çatışmazlığı ilə qarşılaşa bilərlər ki, bu da maliyyə itkiləri və müştəri xidmətinin səviyyəsinin azalması ilə nəticələnir. Ehtiyatların idarə edilməsində tələbin proqnozlaşdırılması şirkətlərə bazarın tələbatını qarşılamaq üçün anbarlarda tələb olunan optimal ehtiyat səviyyələrini proqnozlaşdırmağa kömək edir.

Hazır məhsullara tələbin proqnozlaşdırılması

SMART Demand Forecast həllinin Microsoft Dynamics 365 Business Central ERP sistemi ilə inteqrasiyası ehtiyatların idarə edilməsi üçün tələbin proqnozlaşdırılmasının qızıl düsturuna çevrilə bilər. Bu, müəssisələrə tələb proqnozlarını və ehtiyatların idarə edilməsi ilə bağlı real məlumatları vahid sistemdə birləşdirməyə imkan verir. Məsələn, SMART Demand Forecast sistemi tələb proqnozlarını yaratmaq üçün cari satış məlumatlarından, mövsümi dalğalanmalardan və digər amillərdən istifadə edir. Bu proqnozlar Microsoft Dynamics 365 Business Central ilə inteqrasiya olunduqda, məhsul sifarişi və ehtiyatların idarə edilməsi ilə bağlı qərarlar yalnız faktiki ehtiyatları deyil, həm də gələcək hazır məhsul üçün tələbin proqnozlarını nəzərə ala bilər. Bu, malların alınması və çatdırılması proseslərini avtomatik konfiqurasiya etməyə, qərar qəbul etmə vaxtını azaltmağa və resurslardan səmərəsiz istifadəni minimuma endirməyə imkan verəcəkdir. Bundan əlavə, inteqrasiya bütün məlumatlara vahid rəqəmsal məkan daxilində rahat giriş təmin edərək, aktuallaşdırılmış konsolidasiya edilmiş məlumatlar əsasında sürətli şəkildə əsaslandırılmış qərarları qəbul etməyə imkan verir.

Tələbin proqnozlaşdırılması müxtəlif biznes sahələrində necə faydalı ola bilər?

Tələbin proqnozlaşdırılması hər bir sənayedə mühüm rol oynayır:
  • Pərakəndə satışda məhsula olan tələbinin proqnozlaşdırılması, anbarda lazımsız məhsullar saxlamadan müştərilərin ehtiyaclarını qarşılamaq üçün optimal ehtiyat səviyyələrini tənzimləməyə kömək edir. Bundan əlavə, dəqiq proqnozlarla, müxtəlif yerlərdə tələbin xüsusiyyətlərini nəzərə alaraq, hər bir satış nöqtəsi üçün məhsul çeşidi və ehtiyatlarını effektiv şəkildə planlaşdırmaq mümkündür. 
  • Tikiş sənayesində tələbin dəqiq proqnozları istehsalın daha yaxşı planlaşdırılmasına, xammal alışı və ehtiyatlarının optimallaşdırılmasına, material xərclərinin azaldılmasına, həmçinin məhsulun artıqlığı və ya çatışmazlığı risklərinin aradan qaldırılmasına imkan verir. 
  • Avtomobil sənayesində istehsal xətlərinin optimallaşdırılmasına kömək edir ki, bu da avtomobillərin və ehtiyat hissələrinin təchizatında gecikmələrin qarşısını almaq üçün vacibdir. 
  • Aviasiya sənayesində dəqiq proqnozlaşdırma ilə aviaşirkətlər öz daşımalarının həcmlərini və insan resurslarına olan ehtiyaclarını daha dəqiq planlaşdıra bilirlər ki, bu da onlara yanacaq və personal xərclərini azaltmağa imkan verir. 
  • Moda sənayesində mövsümiliyi və trendləri nəzərə almaq çox vacibdir. Mövsümi kolleksiyalar üçün tələbin dəqiq proqnozlaşdırılması şirkətlərə alış və istehsal həcmini daha effektiv planlaşdırmağa kömək edir. Bu, satılmayan malların qalıqlarını minimuma endirməyə, uzunmüddətli endirimlərdən qaçmağa və müvafiq olaraq satışı stimullaşdırmaq üçün nəzərdə tutulan marketinq kampaniyalarının xərclərini azaltmağa imkan verir. 
  • Qida sənayesində proqnozlaşdırma tələbin dəyişikliklərini qabaqcadan görməyə, həmçinin silinmə, inqrediyentlərin artıqlığı və ya çatışmazlığı ilə bağlı xərclərin qarşısını almağa kömək edir, keyfiyyətli məhsulların vaxtında və sabit şəkildə istehsalını təmin edir. 
  • İstehsal sənayesində tələbin proqnozlaşdırılması şirkətlərə bazarın tələblərinə uyğun olaraq istehsalı və xammal tədarükünü optimallaşdırmağa imkan verir ki, bu da əsas biznes proseslərinin səmərəliliyini artırır və xərcləri azaldır. 
  • Əczaçılıq sənayesində tələbin proqnozlaşdırılması müxtəlif bölgələrdəki ehtiyacları və xəstəliklərin mövsümi dalğalanmalarını nəzərə alaraq dərman ehtiyatlarının idarə edilməsinə kömək edir. 
  • Xidmət sektorunda proqnozlaşdırma iş resurslarının optimallaşdırılmasına və effektiv şəkildə bölüşdürülməsinə, həmçinin keyfiyyətli müştəri xidmətininin təmin edilməsinə kömək edir. 
  • Turizm sənayesində tələbin dəqiq proqnozları turizm şirkətlərinə turları daha yaxşı planlaşdırmağa, müştərilərə optimal qiymətlər təklif etməyə və populyar istiqamətlərdə həddindən artıq sıxlığın yaranma ehtimalının qarşısını almağa kömək edir. 
  • Qonaqpərvərlik sənayesində (HoReCa) tələbin proqnozlaşdırılması xidmət səviyyəsini idarə etməyə, qonaqlar üçün yüksək xidmət təmin etməyə və otellərin mənfəətini maksimuma çatdırmağa kömək edir. Restoran sektoru üçün isə proqnozlaşdırma məhsulun səmərəli şəkildə sifarişini qurmağa, inqrediyentlərin alınması xərclərini azaltmağa, mal və xammalın artıqlığı və ya çatışmazlığı səbəbindən yaranan itkilərin qarşısını almağa kömək edir.
SMART business şirkətinin müştəri portfelində tətbiqi bütün dünyada şirkətlər üçün yeni imkanlar açan SMART Demand Forecast həllindən istifadə edərək tələbin proqnozlaşdırılmasının uğurlu nümunələri var. Bunun parlaq nümunəsi, dörd həftə ərzində həftəlik məlumatların toplanması əsasında şəbəkədəki hər bir restoran üçün 83% satış proqnozu dəqiqliyinə nail olan McDonald's Georgia üçün həllin tətbiqi oldu. Bu həllin şirkətinizə necə faydalı ola biləcəyini öyrənmək üçün təqdimat sifariş edin!
16 MIN READ
Şirkətiniz əhəmiyyətli dəyişikliklərə hazırdırmı? Süni intellekt müasir dövrün əsas aspekti kimi
2022-ci ilin noyabr ayında Chat GPT-nin ümumi istifadəyə təqdim olunan versiyasının buraxılmasından sonra, bir həftə ərzində milyon istifadəçi qazandı və hər keçən gün daha da populyarlaşır. Artıq ənənəvi olaraq, əksəriyyət onu Aİ (Süni İntellekt) ilə eyniləşdirir. Bununla belə, süni intellekt, hətta Chat GPT-nin aid olduğu koqnitiv xidmətlərindən daha geniş bir anlayışdır. Xüsusilə, bu, maşın öyrənməsi, kompüter görməsi, səs tanınması və məlumatların təhlili kimi sahələri əhatə edir. Koqnitiv xidmətləri nəzərə alsaq, onların tətbiqi səviyyəsinə görə belə bir bölgü mövcuddur: səsin tanınması – voice recognition (25%); əhvalın təhlili – sentiment analysis (10%); şəkil tanıma – image recognition (20%); fərdiləşdirmə – personalization (10%); təbii dilin emalı – NLP (35%). Süni intellekt, şübhəsiz ki, biznes üçün sonsuz imkanlar açır. Onun tətbiqindən sonra şirkətlərin əldə etdiyi üstünlüklərdən yalnız bəziləri bunlardır: müştərilərlə təkmilləşdirilmiş qarşılıqlı əlaqə; əməliyyat səmərəliliyinin artırılması; idarəetmə qərarlarının qəbulu prosesinin yeni dəqiqlik səviyyəsinə çatdırılması; informasiya sistemlərinin təhlükəsizliyinin təkmilləşdirilməsi. Son illər isə süni intellekt əsasında innovativ məhsul və xidmətlərin yaradılması ilə yadda qalıb. Hər bir şirkət konkret ehtiyaclara əsaslanaraq öz "ağıllı həllər paketini" seçir. Bununla belə, istənilən halda, AI ilə biznes transformasiyası daha mürəkkəb alqoritmlərin və həllərin tətbiqi üçün əsas olan məlumatların toplanması və təhlili texnologiyalarına investisiyalardan başlayır. Beləliklə, əgər biznes proseslərinin modernləşdirilməsinə “hə” demək qərarına gəldinizsə, ERP həllini seçmək barədə düşünməlisiniz. Yadda saxlamaq lazımdır ki, ERP müəssisənin bütün proseslərində, o cümlədən AI-nin biznesinizin xeyrinə işləyəcəyi məlumatların emalı və inteqrasiyasında, əsas rol oynayır. Buna görə də, həm şirkət daxilində, həm də tərəfdaşlar və investorlar arasında bu sistemə inamın dərəcəsi çox vacibdir. Məsələn, Microsoft-un aparıcı tərəfdaşı olan SMART business şirkətinin həlləri beynəlxalq standartlara cavab verir və onlara asanlıqla nəzarət etmək və yoxlamaq imkanı ilə biznes proseslərinin avtomatlaşdırılmasını təmin edir. Eyni zamanda, onlar hər bir konkret biznesin "ən gözlənilməz" ehtiyaclarına çevik şəkildə uyğunlaşdırılır və sürətlə tətbiq olunur. Real vaxt rejimində analitika və süni intellekt imkanlarının sistemə inteqrasiyası sayəsində bu həllər həm fərdi biznes proseslərinin, həm də ümumilikdə biznesin səmərəliliyinə nəzarət etmək, həmçinin, resursları planlaşdırmaq və bölüşdürmək üçün rahat və etibarlı bir vasitədir. Əgər süni intellektin ən geniş istifadə sahələrindən bəhs etsək, olduqca geniş bir siyahı əldə edərik:
  • Öndə gedən sahə xidmət sahəsidir. Dünyada getdikcə daha çox şirkət yüksək səviyyəli xidmət göstərmək üçün süni intellektə etibar edir. AI əsaslı müxtəlif tövsiyə sistemləri mövcuddur ki, bunlar istehlakçıların əvvəlki seçimlərini təhlil edərək onların məmnunluq səviyyəsini artırmaq üçün tövsiyələr təqdim edir; həmçinin 24/7 müştərilərin tez-tez verdiyi suallara cavab verən çat-botlar və virtual köməkçilər fəaliyyət göstərir. McKinsey araşdırmasına görə, Şimali Amerikada bank xidmətləri, telekommunikasiya və proqram təminatı satışı ilə bağlı müştəri müraciətlərinin təxminən yarısı süni intellektə əsaslanan avtomatik həllərlə işlənir. Bu halda işçilər bir mütəxəssisin daha hərtərəfli işləməsini tələb edən xidmət məsələlərinin həllinə fokuslana bilərlər.
  • Təchizat zəncirinin idarə olunmasında, xüsusilə tələbin proqnozlaşdırılması və logistika sahəsində, çatdırılma marşrutlarının optimallaşdırılması üçün istifadə olunur.
  • Marketinqdə fərdiləşdirilmiş reklamın yaradılması üçün istifadə olunur, yəni konkret müştəri üçün ən uyğun təkliflər və reklam elanları təqdim olunur.
  • Maliyyə analizində – kredit risklərinin təhlilini təkmilləşdirmək və yüksək dəqiqliklə fırıldaqçılıq hərəkətlərini aşkar etmək üçün istifadə edilir. Xüsusilə, süni intellektlə maliyyə qurumları müştərilərin kredit qabiliyyətini qiymətləndirilməsi prosesini avtomatlaşdıra bilər və şübhəli əməliyyatları dərhal aşkar edərək riskləri azaldır və mümkün zərərləri minimuma endirir
  • Tibb sahəsində – xəstəliklərin diaqnostikasında istafadə edilir. Maraqlı bir təcrübə PathAI şirkətinin təcrübəsidir ki, bu şirkət maşın öyrənməsinə əsaslanan texnologiyalarından istifadə edərək toxuma nümunələrini təhlil edərək onlarda patoloji mövcudluğunu müəyyən edir. Atomwise əczaçılıq şirkəti isə dərmanların ixtirasını sürətləndirmək üçün dərin öyrənmə texnologiyalarından istifadə edir. Burada süni intellekt milyardlarla mümkün kimyəvi birləşməni təhlil edərək araşdırmalar üçün perspektivli sahələri axtarır.
  • İstehsalatda – istehsal xətlərinin avtomatlaşdırılması, ehtiyat ehtiyaclarının proqnozlaşdırılması və iş prosesinin optimallaşdırılması üçün istifadə olunur.
  • «Telefon dələduzlarından» qorunmaq üçün. Məsələn, Motorola Solutions mütəxəssisləri real vaxt rejimində 911 xidmətinə edilən zənglərin transkribasiya edilməsi və səsli komandaların tanınması üçün süni intellektdən istifadə edirlər. Bu, kritik vəziyyətlərdə «telefon dələduzlarını» ayıraraq lazımi məlumatların daha sürətli və dəqiq verilməsinə kömək edir. O, zəng edənlərin emosional vəziyyətinin dəqiq qiymətləndirilməsinə əsaslanır.
  • İnsan Resursları və işə qəbul sahəsində - CV-lərin təhlil edilməsi, vakansiyalar üçün potensial namizədlərin proqnozlaşdırılması, ilkin müsahibələrin keçirilməsi, işçilərin ixtisasının artırılması (Upskiling) və yeni bacarıqların öyrənilməsi (Reskiling) üçün istifadə olunur. Məsələn, Skillsoft təhsil texnologiyaları şirkəti Conversation AI Simulator (CAISY) proqramını hazırlayıb. Bu proqram istifadəçilərə biznes müzakirələri aparmağı təcrübədən keçirməyə, biznes təkliflərinin verilməsi və xidmət prosesində münaqişəli vəziyyətlərin həlli üzrə bacarıqlar əldə etməyə imkan verir

SMART business şirkətinin AI əsaslı həllərinin İT-ekosistemi

Aydın məsələdir ki, texnoloji inkişafın hazırkı mərhələsində süni intellektə investisiyalar yaxın gələcəkdə öz rəqabət qabiliyyətinə edilən investisiyalar deməkdir. McKinsey araşdırmasının məlumatlarına görə, pərakəndə satış şirkətlərinin yaxın 2-3 ildə süni intellektə əsaslanan texnologiyaları necə aktiv şəkildə tətbiq etmələri onların ən azı növbəti iki onillikdə uğurlarını müəyyən edəcək. Bəs biznes bu dəyişikliklərə necə adaptasiya olmalı və daima «geri qalmamaq», sabit şəkildə böyümək üçün hansı səmərəlilik səviyyəsinə çıxmalı? Öz ağıllı transformasiya hekayənizi haradan başlamaq lazımdır? Proqnozlaşdırılan analitika sahəsində mütəxəssislər öz biznes ehtiyaclarınızın gözdən keçirilməsi və resursların qiymətləndirilməsi ilə başlamağı tövsiyə edirlər.

Problemləri "diaqnostika" etməlisiniz – məsələn, pik mövsümdə tələbin qeyri-dəqiq proqnozlaşdırılması və ya promo qiymətlərinin təyin edilməsində səhvlər; səmərəsiz promo aksiyalar və ya işçi heyətinin bərabər yüklənməsində çətinliklər... Bununla belə, bu boşluqlara görə öz analitiklərinizi, marketoloqlarınızı və ya İR mütəxəssislərini günahlandırmağa tələsməyin. Məlumatların təhlili rejimini süni intellektə həvalə edin və işçilərinizə yaradıcılıq üçün yer ayırın və strateji tapşırıqlara diqqəti yönəltmək imkanı verin.

  • Artem Stepanov SMART Demand Forecast Product Owner
Növbəti addım bazarda mövcud olan geniş alətlər arasından öz ehtiyaclarınıza uyğun həlli seçməkdir. Bu mərhələ təkcə həllərin funksionallığının deyil, həm də texniki və xidmət dəstəyinin mövcudluğunun, miqyaslılığın və mövcud sistemlərlə inteqrasiyanın ətraflı şəkildə təhlilini nəzərdə tutur. Bu kontekstdə Microsoft texnologiyalarına əsaslanan innovativ həllər üstünlük təşkil edir. Məsələn, SMART business komandasının süni intellektə əsaslanan məhsullarının portfoliosunu nəzərdən keçirək:
  • SMART Demand Forecast maşın öyrənməsi və süni intellektə əsaslanan tələbin proqnozlaşdırılması sistemidir. Müxtəlif qranulyasiya səviyyələrində müntəzəm və promo satışlar üçün kompleks proqnozlaşdırma təmin edir.
  • SMART Price Insights qiymət formalaşdırma prosesini tam avtomatlaşdıran və qiymətlərin idarə olunması üçün vahid məkan yaradan süni intellekt əsasında işləyən qiymət həllidir. Dinamik qiymət təyin etmə sayəsində siz həmişə bazar tələblərinə cavab verə biləcəksiniz, adaptiv strategiya parametrləri sistemi isə sizə biznes çağırışlarına sürətli və effektiv şəkildə cavab verməyə imkan verəcək.
  • SMART Personal Engagement marketinq proseslərini və müştərilərlə fərdi qarşılıqlı əlaqəni optimallaşdırmaq üçün sistemdir. Bu, hədəf auditoriyalarının yaradılması üçün bir növ konstruktordur. Böyük miqdarda müştəri məlumatlarını seqmentləşdirməyə və marketinq kampaniyalarını fərdiləşdirməyə imkan verir. Əgər müştərilərlə ünsiyyətin optimallaşdırılmasına dair ən yaxşı strategiyanı tapmaq lazımdırsa, bu sistem əvəzolunmaz köməkçidir.
  • SMART Flexi Scheduler komandanın iş saatlarının çevik idarə edilməsi üçün işçi qüvvəsinin idarəetmə (workforce management) sistemidir. Süni intellekt alqoritmləri tarixi məlumatları təhlil edir və gələcək ehtiyacları proqnozlaşdırır, işçi qüvvəsinin səmərəli istifadəsini təmin edir və xərcləri azaldır. Həll kadr tələbatını dəqiq proqnozlaşdırmağa imkan verir (ixtisas tələbləri və məhdudiyyətlər nəzərə alınmaqla)
Microsoft texnologiyaları, fərdiləşdirilmiş xidmətlər və süni intellektə əsaslanan vahid İT ekosisteminin qurulmasına kompleks yanaşma şirkətlərə dəyişikliklərə tez reaksiya verməyə, biznes proseslərinin səmərəliliyini artırmağa və sürətlə miqyaslanmağa imkan verir.

SMART Demand Forecast – proqnozların qurulmasında sizin “altıncı hissiniz”

Bununla belə, biznes üçün ən inandırıcı dil rəqəmlərin dilidir. Beləliklə, gəlin Gürcüstandakı McDonald's restoranlar şəbəkəsində SMART Demand Forecast tələbin proqnozlaşdırılması sisteminin tətbiqi ilə bağlı real bir nümunəni nəzərdən keçirək. Hazırda şəbəkə 23 restoranı əhatə edir. Hər gün 1500-dən çox işçi təxminən 35 min qonağa xidmət göstərir və eyni zamanda onlar ən yüksək standartlara riayət edirlər. Əlbəttə ki, belə şəraitdə innovativ texnologiyalar üzərində qurulmuş ciddi proqnozlaşdırıcı analitikaya ehtiyac yaranır. McDonald's Gürcüstanda artıq uzun müddətdir bu texnologiyalardan istifadə edir. Ancaq şirkət əvvəllər növbəti 3 ay üçün hər ay üzrə bütün şəbəkə səviyyəsində tələbin proqnozlaşdırılmasını nəzərdə tutan bir həll istifadə edirdi. Belə geniş proqnoz intervalı tələbin qısamüddətli dəyişikliklərini nəzərə almağa imkan vermirdi, xüsusilə, proqnozun mövsümi dalğalanmalardan və ya müxtəlif növ lokal hadisələrdən asılılığını. Eyni zamanda, tələbin proqnozlaşdırılması bütün şəbəkə üzrə həyata keçirildiyi üçün proqnozun hər bir ayrı restoranın real mənzərəsini dəqiq əks etdirməməsi də dəqiqliyin azalmasına təsir göstərirdi. Nəticə etibarilə, SMART business komandasının peşəkarlığını nəzərə alaraq, mütəxəssislərə daha uyğun bir həll təqdim etmək təklif edildi. SMART Demand Forecast həllinin tətbiqi tələbin proqnozlaşdırılmasını həftəlik səviyyədə toplanmasına və hər bir məhsul və restoran üzrə detallaşdırılmasına imkan verdi. Eyni zamanda, uyğunsuzluqların və səhvlərin qarşısını almaq üçün bütün restoran şəbəkəsi üzrə məlumatların və proqnozların uyğunluğu təmin edildi. SMART Demand Forecast həllinin tətbiqi nəticəsində aşağıdakı nəticələr əldə olunub
  • 4 həftə müddətində həftəlik məlumatların toplanması əsasında hər bir restoran üçün satış proqnozunun 83% dəqiqliyi;
  • 12 həftə müddətində həftəlik məlumatların toplanması əsasında hər bir restoran üçün satış proqnozunun 80% dəqiqliyi;
  • Qlobal biznes ictimaiyyəti arasında norma olan proqnozun yerinə yetirilməsindən orta hesabla 5%-ə qədər kənarlaşma.
Bunun nəticəsində şirkət tələbin proqnozlaşdırılması prosesini və buna uyğun olaraq ehtiyatların idarə edilməsini optimallaşdırmağa, həmçinin müştəri məmnuniyyətini artırmağa və əməliyyat xərclərini əhəmiyyətli dərəcədə azaltmağa nail oldu. Bu, McDonald's-ın Gürcüstandakı restoran şəbəkəsinin işçilərinə hər bir istehlakçı üçün unikal müştəri təcrübəsi yaratmağa fokuslanmağa imkan vermişdir, bu da brendə olan sadiqliyi artırmağa kömək etmişdir.

SMART Demand Forecast haqqında bilməli olduğunuz əsas amillər

SMART Demand Forecast həllinin biznes tərəfindən artıq qiymətləndirdirilən əsas üstünlükləri həm promo, həm də müntəzəm satışların yüksək keyfiyyətli proqnozlaşdırılmasıdır. Həllin üstünlüklərindən biri də ssenari əsasında proqnozlaşdırmadır. Müxtəlif promo kampaniyalarının gedişatını modelləşdirərək və müəyyən bir qiymət təyin etməklə hansı həcmdə malların satılacağını başa düşə bilərsiniz və beləliklə büdcənizi riskə atmaq məcburiyyətində olmayacaqsınız. Həlli tətbiq etdikdən sonra aşağıdakıları edə biləcəksiniz:
  • krossfunksional komandaların iş yükünü azaltmaq;
  • ehtiyatların sayını optimal səviyyəyə endirmək;
  • istehlakçıların müraciətlərinə daha dəqiq cavab vermək və məhsulların daha yüksək mövcudluğunu təmin etməklə xidmət səviyyəsini yüksəltmək;
  • silinmələrin sayını azaltmaq
  • əsaslandırılmış idarəetmə qərarları qəbul etmək;
  • hesabatları sürətlə almaq.
Proqnozlaşdırma dəqiqliyi biznesinizin mənfəətliliyinə necə təsir edəcəyini burada hesablaya bilərsiniz: Potensial mənfəəti hesablayın
17 MIN READ
SMART Demand Forecast: Tələbin proqnozlaşdırılması həlli satış planlarını necə reallığa çevirir
Satışın planlaşdırılması mürəkkəb bir sistemi dəstəkləyən proqram kodu ilə müqayisə edilə bilər. Burada dəqiq bir alqoritm bütün mümkün ssenariləri nəzərə almalıdır. Bu müqayisədə tələbin proqnozlaşdırılması səhvlər və blokerlər üçün kodu təhlil edən və yoxlayan, həmçinin düzgün işləməsi üçün optimallaşdıran bir proqram olan kompilyator rolunu oynayır. Proqnozlaşdırma bazar məlumatlarını, satış tarixçəsini, rəqiblər haqqında məlumatları, mövsümi amilləri, məhsulun dəyərini, reklam kampaniyalarını, demoqrafik göstəriciləri, əlaqəli məhsulların qiymətlərini və xarici amilləri nəzərə alır. Xüsusi həllər bu amilləri təhlil edir və bu məlumatların gələcək satışlara necə təsir edəcəyini göstərən proqnozlar qurmağa kömək edir. Yəni, proses işlənməmiş ayrı-ayrı məlumatları başa düşülən və işlək bir strategiyaya çevirməkdən ibarətdir. Məsələn, promo satışlar üçün SMART Demand Forecast həlli ssenari əsasında olan proqnozlaşdırmadan istifadə edir ki, bu da qiymət dəyişiklikləri, promo aksiyaları və s. kimi müxtəlif şəraitlərdə tələbin necə dəyişəcəyini hesablamğa imkan verir. Bu, biznesə optimal planlar qurmağa kömək edən bir alətdir. Sistem proqnozlar verir və müxtəlif ssenariləri təhlil etmək imkanı yaradır, marketoloqlar, analitiklər və menecerlər isə bu məlumatlardan strateji qərarlar qəbul etmək üçün istifadə edirlər. Bu "kompilyator" olmadan şirkət kor-koranə işləmək riski ilə qarşı-qarşıya qalır. Bu yanaşma səhvlərə gətirib çıxara bilər. Məsələn, planlaşdırılan tədbirlər gözləntilərə cavab vermədikdə ehtiyatların sayının həddindən artıq çox olması və ya əksinə, tələbin lazımi səviyyədə qiymətləndirilməməsi səbəbindən müştəri xidmətinin zəif olması kimi. Kodda hər bir sətir vacib olduğu kimi, biznesdə marketinqdən tutmuş logistikaya qədər hər bir aspekt satış planında nəzərə alınmalıdır. Bu bənzətmədə SMART Demand Forecast həlli biznes qərarlarının qəbulu və effektiv satış strategiyalarının yaradılması üçün xaotik amilləri başa düşülən məlumatlara çevirən bir növ “ağıllı kompilyatordur”.

Süni intellekt alqoritmləri məlumatları necə təhlil edir, tələbi proqnozlaşdırır və effektiv satış strategiyalarının qurulmasına necə kömək edir?

Miqyaslanma, bazarların qloballaşması, hiper-fərdiləşmə tendensiyası – bütün bunlar şirkətlərin təhlil etməli olduğu məlumatların həcminin artmasına səbəb olur ki, bu da tələbi proqnozlaşdırmaq və istehlakçıların tələblərini qarşılamaq üçün vacibdir. Bugün şirkətlər nəinki müştəri loyallığı uğrunda rəqabət aparır, həm də onların ehtiyaclarını özləri dərk etmədən öncədən təxmin etməyə çalışırlar. Ancaq ənənəvi proqnozlaşdırma üsullarında məlumatlar əl ilə işlənir ki, bu da səhv etmə riskini artırır və təhlilin səmərəliliyini azaldır. Burada köməyə süni intellekt texnologiyaları gəlir. Onlar böyük həcmdə məlumatları tez və səmərəli şəkildə emal edə və çevik strategiyalar qurmağa kömək edən analitik fikirlər təqdim edə bilirlər. Bu texnologiyalar sayəsində şirkətlər əl ilə proqnozlaşdırma üsulları vasitəsilə aşkar olunmayan nümunələri, trendləri və korrelyasiyaları müəyyən edə bilirlər. Bundan əlavə, onlar analoq məhsulların təhlili əsasında yeni məhsullar üçün tələbi proqnozlaşdırmağa, həmçinin məlumatlarda olan anomaliyaları aradan qaldırmağa imkan verir ki, bu da daha dəqiq proqnozlar qurmağa kömək edir. Burada məlumatlar – uğurun açarıdır! Proqnozlaşdırma istehsalın planlaşdırılması, xammal tədarükü, logistika və ümumilikdə bütün təchizat zənciri kimi bütün əsas biznes proseslərinin təməlini təşkil edir. Proqnozlaşdırma uğurlu promo aksiyalarının hazırlanmasına kömək etməklə marketinq strategiyalarına təsir göstərir. Süni intellekt alqoritmlərinə əsaslanan müasir alətlərin və həllərin tətbiqi şirkətlərə tələbatdakı dəyişikliklərə operativ şəkildə reaksiya verməyə, gələcək tendensiyaları proqnozlaşdırmağa, öz proseslərini optimallaşdırmağa və resursları effektiv idarə etməyə imkan verir. SMART Demand Forecast həlli müntəzəm və promo satışlarının yüksək keyfiyyətli proqnozlaşdırılması sayəsində daha dəqiq proqnozlar verəcək, xərcləri minimuma endirəcək və biznesin mənfəətliliyini artıracaq vacib bir həll ola bilər.

Sales Plan = Demand* Strategy düsturu ilə satış planını necə icra etmək olar?

Performans idarəetmə sistemlərinin tətbiqi sahəsində otuz illik təcrübəyə malik olan praktik mütəxəssis Stiv Morledc qeyd edir ki, yüksək keyfiyyətli satış proqnozları yaratmaq üçün “proqnoz”, “büdcə” və “plan” anlayışlarını düzgün şərh etmək son dərəcə vacibdir":

Proqnozları büdcələr, planlar və ya fərziyyələrlə qarışdırmayın. Proqnozlar gözləntiləri təsvir edir, büdcələr isə məqsədlərin mənbəyidir. Plan keçmişlə bağlı məlumatlar və gələcəyə dair fərziyyələrlə birlikdə proqnoz vermək üçün istifadə edilən planlaşdırılmış tədbirlər toplusudu.

  • The Little Book of Operational Forecasting, Dr Steve Morlidge
Bu elementlərin hər birinin biznesin idarə edilməsində öz yeri və rolu vardır. Proqnozlar potensial imkanları qiymətləndirməyə kömək edir, büdcələr maliyyə sərhədlərini təyin edir və planlar şirkətin məqsədlərinə çatmaq üçün atılacaq konkret addımları müəyyənləşdirir. Məhz bu əlaqələrin dərk edilməsi Satış Planınızın (Sales Plan) həyata keçirilməsi zamanı strateji qərarları daha yaxşı planlaşdırmağa imkan verir. Bunu nəzərə alaraq, satışın proqnozlaşdırılmasının qızıl düsturu Satış Planı = Tələb * Strategiya (Sales Plan = Demand * Strategy) hesab edilir. Təsəvvür edək ki, bir şirkət orqanik kosmetika istehsalı ilə məşğuldur və növbəti ildə satışlarını 20% artırmağı hədəfləyir:

Addım 1 (Demand): Tələbin müəyyən edilməsi

Şirkət orqanik kosmetika bazarının hər il 10-15% artması tendensiyası müşahidə edir. Ona görə də qlobal trendləri nəzərə alaraq bu tendensiyanın davam edəcəyini söyləmək olar. Bu müşahidələr əsasında əvvəlki illərin satış artımı haqqında məlumatları da özündə əks etdirən proqnoz hazırlanır. Şirkət tələbi aşağıdakı kimi qiymətləndirir:
  • Bölgədə orqanik kosmetika bazarının ümumi həcmi 10 milyon ədəd mal təşkil edir.
  • Şirkət bazarın 10%-ni tutur, ona görə də onların payı 1 milyon ədəd mal təşkil edir
  • Tələbin 15% artacağı və nəticədə 1,15 milyon vahid potensial tələbin olacağı proqnozlaşdırılır

Addım 2 (Strategy): Strategiyanın müəyyənləşdirilməsi

  • Çeşidlərin genişləndirilməsi — bazarın tələblərinə cavab verən saça qulluq vasitələrinin yeni xəttinin əlavə edilməsi planlaşdırılır
  • Marketinqə investisiyalar — marketinq kampaniyalarının büdcənin 30% artırılması, xüsusən sosial şəbəkələrin istifadəsi, “influencer”-lərin cəlb edilməsi, tərəfdaşlıq proqramların hazırlanması və s.
  • Paylama şəbəkəsinin (distribüter) genişləndirilməs — şirkət satış nöqtələrinin sayını 25% artırmaq məqsədilə yeni onlayn platformalara və fiziki mağazalara daxil olmağı planlaşdırır.
  • Promo aksiya və endirimlər — mövsümi aksiyalar zamanı tələbatın stimullaşdırılması və sərfəli təkliflər vasitəsilə yeni müştərilərin cəlb edilməsi planlaşdırılır.

Addım 3 (Sales Plan): Satış planının hazırlanması

Proqnozlaşdırılan tələbi və seçilmiş strategiyanı nəzərə alaraq Şirkət satış planını formalaşdırır:
  • Proqnozlaşdırılmış tələbat: 1,15 milyon ədəd.
  • Strateji tədbirlər (məhsul çeşidinin genişləndirilməsi, marketinq, paylama): bu tədbirlər vasitəsilə şirkət bazar payını 20% artırmağı planlaşdırır.
  • Gözlənilən nəticə: Satış planı = 1,15 milyon (proqnozlaşdırılan tələb) * 1,2 (bazar payının artırılması strategiyası) = 1,38 milyon məhsul vahidi.
Eyni zamanda, SMART Demand Forecast həlli bu planı əhəmiyyətli dərəcədə təkmilləşdirə bilər:
  1. Dəqiq tələb proqnozlaşdırılması – əl ilə hesablamalar və fərziyyələrdən fərqli olaraq, həll real ssenarilərə əsaslanan məlumatlar təqdim edir. Buna görə də, sadəcə olaraq tələbin 15% artımını proqnozlaşdırmaq əvəzinə, SMART Demand Forecast həlli daha təfərrüatlı amilləri nəzərə ala bilər, məsələn, iqtisadi dalğalanmalar, rəqiblərin davranışı, mövsümilik (lakin təkcə yay mövsümündə dəriyə qulluq məhsullarına olan tələbatın artmasını deyil, həm də hava şəraitini, turizm mövsümlərini və məzuniyyət dövrlərini nəzərə alar və s.). Sistem müntəzəm və promo satışların daha dəqiq proqnozunu əldə etməyə imkan verəcək.
  2. Çeşidlərin və yeni məhsulların planlaşdırılması – süni intellekt alqoritmlərinin istifadəsi sayəsində sistem gizli nümunələri aşkar edə bilir. Həll yalnız şirkətin daxili məlumatlarını deyil, həm də xarici amilləri təhlil edir, böyük məlumat dəstlərini sürətlə emal edir. Buna görə də, sistem müəyyən inqrediyentləri olan təbii şampunlara tələbatın artdığını və digər tərkibli kondisionerlərin populyarlığını itirdiyini göstərə bilər. Bunun sayəsində Şirkət resurslarını ən böyük satış potensialı olan məhsullara yönəldə biləcək.
  3. Ehtiyatların və paylamanın idarə edilməsi – tələbin effektiv proqnozlaşdırılmasının əsas aspektlərindən biri ehtiyatların idarə olunmasıdır. Ehtiyatların idarəetmə sistemlərinə ötürülə bilən dəqiq proqnoz sayəsində şirkət məhsul çatışmazlığı riskini (out-of-stock) minimuma endirir.
  4. Effektivlik təhlili və strategiya tənzimlənməsi – SMART Demand Forecast müntəzəm və promo satışlarını planla müqayisə edərək proqnozlaşdırmaq üçün alətlər təqdim edir ki, bu da şirkətə real vaxt rejimində strategiyasını tənzimləməyə kömək edir. Məsələn, müəyyən məhsullara tələbat proqnozlara uyğun gəlmirsə, həll hədəflərə çatmaq üçün idarəetmə qərarlarını tənzimləməyə və ya ssenarilərdən birində marketinq strategiyasını dəyişdirməyə kömək edəcəkdir.

Niyə promo aksiyalar işləmir və bunu satışların ssenari əsasında proqnozlaşdırılması ilə necə həll etmək olar?

Yəqin ki, hər bir şirkət planlaşdırılmış promo aksiyaların gözlənilən effekti vermədiyi bir vəziyyətlə qarşılaşıb: marketinq xərcləri artır, lakin nəticələr gözləntilərə cavab vermir. Üstəlik, bəzən aksiyalar ümumi satışlara zərər verə bilər. Bir promo təklifi digər məhsullara olan tələbi aradan qaldırdıqda bu fenomen "malların kanibalizasiyası" (“product cannibalization”) kimi tanınır. Məsələn, bir populyar məhsula endirimlər oxşar məhsulların satışını əhəmiyyətli dərəcədə azalda bilər ki, bu da ümumi mənfəət üçün vacibdir. Digər problem isə aksiyanın uğuruna təsir edən bütün amilləri nəzərə almağın çətinliyidir: istehlakçı davranışı sürətlə dəyişir, rəqiblər də bazara reaksiya verir, xarici faktorlar isə (mövsümi trendlərdən tutmuş, iqtisadi dalğalanmalara qədər) daha çox qeyri-müəyyənlik əlavə edir. Üstəlik, pərakəndə satış və istehsalçı şirkətlər xüsusilə promo aksiyaları üzərində işləyən müxtəlif komandalar arasında koordinasiya problemi ilə tez-tez üzləşirlər. Məsələn, marketinq bir strategiya planlaşdırır, lakin satınalma və ya logistika şöbələri lazım olan məhsulun müvafiq həcmdə və yerində olmasını təmin etməkdə çətinlik çəkir. Belə şəraitdə promo aksiyalardan istənilən nəticəni əldə etmək üçün hadisələrin mümkün inkişaf variantlarını əvvəlcədən qiymətləndirməyə və məhsullarınıza olan tələbatın necə dəyişəcəyini proqnozlaşdırmağa imkan verən bir alətə ehtiyac var. Bu çətinliklərin öhdəsindən gəlməyə SMART Demand Forecast həllinin funksionallığına daxil edilmiş satışların ssenari əsasında proqnozlaşdırılması kömək edir. Ssenarilərə əsaslanan proqnozlaşdırma bir neçə alternativ ssenari əsasında mümkün nəticələri qiymətləndirməyə imkan verən planlaşdırma yanaşmasıdır. Tək nəticəni nəzərdə tutan ənənəvi yanaşmadan fərqli olaraq, ssenari əsasında proqnozlaşdırma ən optimist variantdan tutmuş ən pis varianta qədər müxtəlif nəticələri nəzərdən keçirir. Ssenari əsasında olan proqnozlaşdırmanın verdiyi üstünlüklər:
  1. Çeviklik və uyğunlaşma – əl ilə proqnozlaşdırma üsulları çox vaxt dinamik bazar dəyişikliklərini nəzərə almayan xətti modellərə və ya sabit fərziyyələrə əsaslanır. Ssenari əsasında proqnozlaşdırma isə hadisələrin müxtəlif inkişafını modelləşdirməyə imkan verir.
  2. Qeyri-müəyyənliklərin nəzərə alınması – ssenari əsasında proqnozlaşdırma hadisələrin müxtəlif inkişaf variantları ilə işləməyə imkan verir (optimist variantdan tutmuş pessimist varianta qədər). Bu fürsət sizə müxtəlif çağırışlara hazırlıqlı olmağa və ehtiyat planlarını düşünməyə kömək edi
  3. Proaktiv planlaşdırma — ssenari əsasında proqnozlaşdırma şirkətlərə mümkün risklərə və çağırışlara, hələ onlar nəticələrə nəzərəçarpacaq təsir göstərməzdən əvvəl, fəal şəkildə reaksiya verməyə imkan verir. Bunun sayəsində şirkətlər əvvəlcədən müvafiq strategiyalar hazırlayaraq mümkün dəyişikliklərə daha yaxşı hazırlaşa bilirlər.
  4. Müasir texnologiyaların inteqrasiyası – ssenari əsasında proqnozlaşdırma müasir AI texnologiyalarını effektiv şəkildə istifadə edir. Bu, ənənəvi metodların eyni effektivliklə emal edə bilmədiyi böyük həcmdə olan məlumatlara əsaslanaraq, daha dəqiq və daha dərin proqnozlar yaratmağa imkan verir.
Bu, xüsusilə kross-funksional komandalar (marketinq, satış, maliyyə, logistika və s.) üçün faydalıdır. Bu yanaşma ümumi satış məqsədinə nail olmaq üçün qərarları əlaqələndirməyə və fərqli mövqeləri nəzərə almağa imkan verir. Ssenari əsasında proqnozlaşdırıma sayəsində şirkətlər riskləri nəzərə ala, gözlənilməz dəyişikliklərə uyğunlaşa və qeyri-effektiv promo aksiyalar nəticəsində yaranan itkiləri azalda bilər. Beləliklə, SMART Demand Forecast həlli müxtəlif mümkün ssenarilər əsasında promo aksiyaları planlaşdırmağa imkan verir və bununla da marketinq kampaniyalarının nəticələrini maksimuma çatdıran proqnozların dəqiqliyini təmin edir.
21 MIN READ
Görünməyən mənfəət artımı strategiyaları: Süni intellekt vasitəsilə tələbin proqnozlaşdırılmasının şirkətin P&L göstəricilərinə təsiri
Müasir biznes şirkətin müxtəlif sahələri və fəaliyyət istiqamətləri arasında mürəkkəb və çox vaxt görünməyən əlaqələri olan böyük həcmli məlumatlarla işləyir. Buna görə də ənənəvi analitik alətlər getdikcə daha az effektiv olur. Təhlil və proqnozlaşdırmada ən son yanaşmalardan istifadə etmədən, mənfəətliliyə təsir edən dərin amilləri başa düşmək və potensial itkilərin səbəblərini tapmaq çətinləşir. Köməyə süni intellektə əsaslanan alqoritmlərdən istifadə edən həllər gəlir, çünki onlar gizli korrelyasiyaları daha dəqiq şəkildə aşkar edərək, böyük məlumat axınları arasındakı əlaqələri daha yaxşı başa düşməyə imkan verir. Bu cür həllər rutin tapşırıqları avtomatlaşdırır və biznesi əməliyyat səmərəliliyinin yeni səviyyəsi ilə təmin edir. Süni intellekt alqoritmləri resursları strateji planlaşdırma üçün ayırmağa imkan verir, bu da idarəetmə qərarlarına və xərclər hissəsinə müsbət təsir göstərir. Nəticədə, şirkət satış rentabelliyini yaxşılaşdırır, təchizat zəncirini optimallaşdırır, saxlama xərclərini azaldır, işçi resurslarını planlaşdırır və s., eyni zamanda bazar dəyişikliklərinə sürətli reaksiya vermək imkanı əldə edir. Bütün bunlar son nəticədə P&L göstəricilərində öz əksini tapır. Buna görə də dəqiq AI proqnozlaşdırmasının xərcləri necə optimallaşdırmağa və biznesinizin mənfəətliliyini necə artırmağa kömək edəcəyini daha ətraflı araşdıraq.

Nə üçün proqnozlaşdırmanın dəqiqliyi təkcə Təchizat Zənciri üçün deyil, həm də biznesinizin digər hissələri üçün strateji bir vəzifədir?

Grand View Research konsaltinq şirkəti süni intellekt texnologiyalarından istifadə etməklə tələbin proqnozlaşdırılması üzrə qlobal bazarın həcminin hər il 10,3% artacağını proqnozlaşdırıb. Proqnozlaşdırma adətən təchizat zənciri ilə əlaqələndirilir, çünki dəqiq proqnozlar anbar ehtiyatların optimal idarə edilməsi, istehsal və çatdırılma üçün gələcək tələbləri aydın şəkildə başa düşməyi tələb edir. Lakin bu vacib funksiya biznes üçün çox daha geniş əhəmiyyət kəsb edir və şirkətin P&L-nə təsir edərək təchizat zəncirinin hüdudlarından kənara çıxır. Proqnozlaşdırmanın dəqiqliyi maliyyə şöbələri üçün böyük əhəmiyyət kəsb edir, çünki o, xərcləri və gəlirləri daha yaxşı idarə etməyə və planlaşdırmağa, həmçinin bazarın qeyri-sabitliyi ilə bağlı riskləri minimuma endirməyə imkan verir:
  1. Büdcələşdirmə və xərclərin planlaşdırılması: Dəqiq tələbat və satış proqnozları maliyyə şöbəsini daha əsaslı planlaşdırma üçün aydın meyarlarla təmin edir. Hansı məhsul və ya xidmətlərə və hansı həcmdə daha çox tələbat olacağı məlum olduqda, maliyyəçilər büdcəni real ehtiyaclara uyğunlaşdıraraq, şöbələr və layihələr arasında resursları daha səmərəli şəkildə bölüşdürə bilərlər. Bu, əlavə xərclərdən və ya prioritet sahələri dəstəkləmək üçün lazım olan vəsaitin çatışmazlığından qaçmağa kömək edir. Proqnozların şirkətin büdcə qərarları ilə uyğunluğu sayəsində maliyyə şöbəsi xərclərin rasional planlaşdırılmasına kömək edən biznes ehtiyacları haqqında aydın təsəvvür əldə edir.
  2. Kapital qoyuluşu: Dəqiq tələb proqnozları artan tələbatı qarşılamaq üçün əlavə resurslara ehtiyacın nə zaman yaranacağını biznesə başa düşməyə kömək edir. Bu, yeni avadanlıqlara, istehsal gücünün genişləndirilməsinə və ya digər layihələrə investisiyaların daha səmərəli şəkildə planlaşdırılmasına imkan verir. Beləliklə, biznesiniz az sayda investisiya qoyulması və ya həddindən artıq xərclər risklərindən qaçmaq üçün məlumat əldə edir
  3. Pul vəsaitlərinin hərəkətinin sabitliyi: Müəssisənin pul vəsaitlərinin hərəkəti tələbin mövsümi dəyişkənliklərini və ya təchizat dəyərinin dəyişməsini qabaqcadan görmək qabiliyyətindən asılıdır. Proqnozlar dəqiq olduqda, maliyyə şöbəsi pul vəsaitlərinin kəsirinin qarşısını almaq və pul vəsaitlərinin hərəkətinin sabitliyini qorumaq üçün ödənişləri və investisiyaları planlaşdıra bilər
  4. Maliyyə risklərinin minimuma endirilməsi: Proqnozların dəqiqliyi bazardakı ani dəyişikliklər nəticəsində yaranan riskləri azaltmağa imkan verir. Məsələn, xammal çatışmazlığı və ya tələbin qəfil azalması kimi. Maliyyə şöbəsi, proqnozlar sayəsində rezervlər yarada və ya dəyişikliklər olduqda alternativ gəlir mənbələri planlaşdıra bilər.
Məsələn, Pro Consulting məlumatına görə, Rusiyanın 2022-ci ildə Ukraynaya tammiqyaslı müdaxiləsi nəticəsində yaranan mürəkkəb logistika və Şri-Lankadakı böhran qablaşdırılmamış çay yarpaqlarının qiymətlərinin əhəmiyyətli dərəcədə, yəni 40%-dən çox artmasına səbəb oldu. Proqnozlaşdırma üçün müasir süni intellekt həllərindən istifadə edərək, Ukraynada çay qablaşdıran şirkətlər tələbatın artımını və ya azalmasını əvvəlcədən proqnozlaşdıra, həmçinin optimal xammal tədarükçülərini seçə bilərlər. Bu, ehtiyatların yaradılması, idxalın daha stabil bazarlara yönləndirilməsi və ya sabit qiymətlərlə təchizatçılarla uzunmüddətli müqavilələrin bağlanması ilə bağlı strateji qərarlar qəbul etməyə kömək edir. Bundan əlavə, dəqiq proqnozlar sayəsində şirkətlər təchizat mənbələrini diversifikasiya edə və ya alternativlər tapmaq üçün strategiyalar hazırlaya bilərlər. Məsələn, təchizat zəncirindəki pozulma risklərini azaltmaq məqsədilə xammalın bir hissəsinin yerli təchizatçılarla əvəz edilməsi. Misal üçün, yerli şirkətlər Ukraynada yetişdirilən bitki, fito və dərman çayları kimi yeni məhsulları tez bir zamanda təqdim edə bilərlər. Proqnozlaşdırma, istehlakçıların sağlam həyat tərzinə və ya qışqabağı dövrdə immunitetin gücləndirilməsi mövzularında yaranan trendli tələbləri qarşılamağa kömək edəcək. Bu nümunə, tələbin proqnozlaşdırılması, bazarın idxaldan asılılığı, böhran şəraiti və şirkətlərin öz biznes proseslərini uyğunlaşdırmaq imkanları arasında olan məntiqi əlaqəni nümayiş etdirir.
  1. Mənfəət və zərərə (P&L) təsir: Tələb və xərclərin dəqiq proqnozlaşdırılması həddindən artıq istehsalın qarşısını alır və satılmamış malların saxlanması xərclərini azaldır. Bu, mənfəət göstəricilərinə müsbət təsir edir, əməliyyat xərclərini azaldır və sabit mənfəəti təmin edir.
Maliyyə departamentləri ilə yanaşı, marketinq şöbəsi də öz təşviqat strategiyalarının inkişafını əhəmiyyətli dərəcədə təkmilləşdirə bilər. Beləliklə, SMART Demand Forecast həlli ssenariyə əsaslanan proqnozlaşdırma funksionallığını həyata keçirir ki, bu da biznesə müxtəlif şərtlər altında tələbin necə dəyişəcəyini qiymətləndirməyə imkan verir. Məsələn, qiyməti aşağı saldığınız, promo kampaniyalarını başlatdığınız və ya dəyişdirdiyiniz və yaxud marketinq fəaliyyətlərinə daha çox sərmayə qoyduğunuz halda həll nələrin baş verəcəyini modelləşdirməyə kömək edir. Axı tələbin əlavə stimullaşdırılması olmadan satış planını cəmi 70% yerinə yetirmək mümkündür. Belə yanaşma şirkətə biznes məqsədlərinə maksimal dərəcədə cavab verən ən sərfəli ssenarini seçməyə kömək edir. Buna əsaslanaraq şirkət əlavə xərclərin və ya investisiyaların məqsədəuyğunluğu barədə qərarlar qəbul edə və öz resurslarını və strategiyalarını əvvəlcədən uyğunlaşdıra bilər. Bundan əlavə, tələbin proqnozlaşdırılması kross-funksional komandaların işinə də təsir göstərir, çünki bu cür hesablamaların nəticələri insan resurslarının planlaşdırılmasına təsir edir. Dəqiq proqnozlar sayəsində İnsan Resursları şöbəsi öz növbəsində tələbin gözlənilən artımı dövrləri üçün işçilərin cəlb edilməsini və işə qəbulunu planlaşdıra bilər. Bu, həm kadr çatışmazlığının, həm də insan resurslarının həddindən artıq olmasının qarşısını almağa imkan verir. Bu da işin səmərəliliyinə və xərclərin optimallaşdırılmasına müsbət təsir göstərir. Əgər hələ də proqnozlaşdırmanın yalnız Təchizat Zənciri ilə əlaqəli olduğunu və şirkətinizin digər bölmələrini əhatə etmədiyini düşünürsünüzsə, proqnozlaşdırmanın dəqiqliyinin P&L göstəricilərinə necə birbaşa təsir etdiyini aydın şəkildə başa düşməyi təklif edirik. Aşağıdakı cədvəldə biz gəlir və xərclərin əsas komponentlərini, o cümlədən: gəlirlər, malın maya dəyəri, əməliyyat xərcləri, marketinq və inzibati xərclər, həmçinin vergiləri təhlil etmişik. Hər bir bənd həm planlaşdırılmış, həm də faktitki göstəriciləri ehtiva edir və kənarlaşmaların səbəbləri ilə şərh edilib. Sonuncu sütunda dəqiq proqnozlaşdırmanın bu göstəricilərə təsir nisbəti göstərilir ki, bu da proqnozların faktiki nəticə ilə daha dəqiq uyğunluğunu təmin edə bilər.
P&L KOMPONENTLƏRİPLANLAŞDIRILMIŞ GÖSTƏRİCİLƏRPLANLAŞDIRILMIŞ GÖSTƏRİCİLƏRƏ DAİR ŞƏRHLƏRFAKTİKİ GÖSTƏRİCİLƏRFAKTİKİ GÖSTƏRİCİLƏRƏ DAİR ŞƏRHLƏRPROQNOZLAŞDIRMANIN DƏQİQLİYİNİN TƏSİRİ
Gəlir1,100,000.00Gəlirlər standart aylıq tələbat əsasında və bazarda böyük dəyişikliklər və ya əlavə promo kampaniyalar nəzərə alınmadan planlaşdırılıb.1,200,000.00Planlaşdırılmamış promo kampaniyaları malların qiymətlərini aşağı saldı, bu da gəlirlərin müvəqqəti artımına səbəb oldu. Lakin bu artım əlavə xərcləri kompensasiya etmədi.100% təsir edir
Digər gəlirlər 50,000.00Şirkətin əsas fəaliyyəti olmayan digər kateqoriyadan xidmət və ya mal satışından kiçik gəlir əldə etmək planlaşdırılıb. 55,000.00Aksesuarların satışından əldə edilən əlavə gəlirlərdə cüzi artım. Bu da aksiyanın təsiri sayəsində müştəri trafikinin artması ilə əlaqəlidir. Yüngül kənarlaşma bazarda cari tələbatdan asılı olan daha az stabil xidmət gəlirləri ilə izah olunur.Qismən təsir edir
Satılan malların maya dəyəri 400,000.00Malların maya dəyəri materialların sabit qiymətləri və gözlənilən istehsal həcmi nəzərə alınaraq hesablanıb. 442,000.00Kampaniya zamanı mallara tələbat artdığı üçün istehsal xərcləri artıb, çünki şirkət əlavə materialları baha qiymətə almaq məcburiyyətində qalıb. Artan tələbat istehsal xərclərinin artmasına gətirib çıxarıb, bu da maya dəyərinin tələbdən asılılığını nümayiş etdirir.100% təsir edir
Əməliyyat xərcləri 180,000.00Əməliyyat xərcləri ofis, anbar sahəsi və şirkətin əsas ehtiyacları üçün sabit xərclər əsasında planlaşdırılıb. 215,000.00Aksiya zamanı əlavə anbar və logistika xərclərinə görə əməliyyat xərcləri büdcəni üstələyib. Məhsullara tələbatın artması ilə əlaqədar bəzi xərclər artıb. Bu onu göstərir ki, əməliyyat xərcləri də tələbdən asılı olaraq dəyişə bilər.100% təsir edir
Əmək xərcləri 120,000.00Əmək haqqı xərcləri, şirkətin cari işçi heyəti və ödəniş cədvəlinə uyğun olaraq planlaşdırılıb. 127,000.00Əmək haqqı xərcləri, sifarişlərin işlənməsi üçün əlavə işçi qüvvəsinin cəlb edilməsi və əlavə saat işlərinin tələbi səbəbindən artdı.100% təsir edir
Marketinq xərcləri 40,000.00Marketinq xərcləri yalnız əsas reklam xərclərini əhatə edib. Əlavə kampaniyalar nəzərə alınmayıb. 70,000.00Marketinq xərcləri, aksiyaya ayrılan planlaşdırılmamış reklam xərcləri səbəbindən əhəmiyyətli dərəcədə artdı, bu da ümumilikdə xərclərin artmasına səbəb oldu.100% təsir edir
İnzibati xərclər 20,000.00Cari ehtiyaclar üçün inzibati xərclərin minimal olacağı proqnozlaşdırılıb. 25,000.00İş prosesinin dəstəklənməsi üçün olan əlavə xərclər səbəbindən inzibati xərclər bir qədər artdı.100% təsir edir
Amortizasiya 30,000.00Amortizasiya əsas vəsaitlərin tədricən köhnəlməsi əsasında planlaşdırılıb. 30,000.00Amortizasiya dəyişməz olaraq planlaşdırılan səviyyədə qaldı.Minimal təsir edir
Faiz xərcləri 20,000.00Kreditlərin xidmət xərcləri stabil olub və cari şərtlərə uyğun olaraq proqnozlaşdırılıb. 21,000.00Aksiya zamanı vəsaitlərin yüksək dövriyyəsi ilə əlaqədar hesablaşmalarda gecikmələr səbəbindən faiz xərclərinin bir qədər artması.Qismən təsir edir
Vergilər 40,000.00Gözlənilən vergi xərcləri proqnozlaşdırılan gəlirlər əsasında standart vergi dərəcəsi ilə hesablanıb. 45,000.00Vergi öhdəlikləri artdı, çünki yüksək gəlirlər daha böyük vergi yükünü tələb edir.100% təsir edir
Xalis mənfəət 300,000.00Əhəmiyyətli kampaniyalar və dəyişikliklər olmadan planlaşdırılan gəlirlər və xərclər nəzərə alınmaqla proqnozlaşdırılan xalis mənfəət. 280,000.00Xalis mənfəət azaldı, çünki məhsul endirimləri və kampaniya ilə bağlı yüksək xərclər, artan satışlardan əldə olunan gəlirləri üstələyərək, planlaşdırılan mənfəət səviyyəsinə çatmağa imkan vermədi.100% təsir edir
Göründüyü kimi, gözlənilməz xərclər, bazarda baş verən dəyişikliklər və planlaşdırılmamış marketinq tədbirləri, eləcə də logistika xərcləri səbəbindən faktiki xalis mənfəət nəzərdə tutulduğundan aşağı olub. Əməliyyat xərcləri və malların dəyəri yekun maliyyə nəticəsinə əhəmiyyətli dərəcədə təsir etdi. Tələbin dəqiq proqnozunu tez bir zamanda əldə etmək imkanı, sonuncu sütunda göstərildiyi kimi, kənarlaşma riskini əhəmiyyətli dərəcədə azalda bilər. Çünki bu, daha yaxşı proqnozlaşdırma və xərclərin daha səmərəli bölüşdürülməsini təmin edərdi ki, bu da şirkətin mənfəətliliyini artırmağa kömək edərdi. Beləliklə, əgər siz şirkətinizin P&L göstəricilərinə əlavə təsir göstərmək istəyirsinizsə, SMART Demand Forecast həlli aşağıdakı üstünlükləri təmin etməklə bu imkanları sizə təqdim edəcəkdir:
Avtomatlaşdırma və proqnozların yenilənmə sürət Süni intellekt alqoritmləri böyük həcmdə məlumatları tez təhlil etməyə imkan verir, bununla da təchizat üzrə tövsiyələri tez bir zamanda yeniləməyə, itirilmiş satışları azaltmağa və ehtiyatlarda olan vəsaitlərin dondurulmasının qarşısını almağa imkan verir.
Uzunmüddətli və qısamüddətli amillərin nəzərə alınması Həll həm uzunmüddətli (iqtisadi, sosial və mədəni), həm də qısamüddətli (müvəqqəti kampaniyalar, xüsusi təkliflər və s.) amilləri nəzərə alır. Bu, çox mərhələli proqnozlaşdırma və biznes üçün dəqiq uyğunlaşdırılmış proqnozlar təmin edir
Müxtəlif aqreqasiya səviyyələrində proqnozlaşdırmanın çevikliy Sistem müxtəlif aqreqasiya səviyyələrində - ümummilli səviyyəsindən tutmuş ayrı-ayrı bölgələrə, şəhərlərə və yerlərə qədər proqnozlaşdırmağa imkan verir. Bu, proqnozların hər bir səviyyənin xüsusiyyətlərinə və biznesin ehtiyaclarına dəqiq uyğunlaşdırılmasını təmin edir. Bundan əlavə, sistem qısamüddətli proqnozlardan tutmuş strateji qərarlar üçün olan uzunmüddətli proqnozlara qədər müxtəlif zaman çərçivələrində analiz etməyi dəstəkləyir.
Alıcı davranışının təhlili Həll fərdi tendensiyaları və istehlakçı seçimlərini nəzərə alaraq, hər bir mağaza üçün ayrıca satış məlumatlarını təhlil edir.
Çatışmazlıqların və həddindən artıqlığın qarşısının alınması Hər bir mağaza üçün dəqiq proqnozlar anbar ehtiyatlarını optimallaşdırmaqla məhsul çatışmazlığının qarşısını almağa və həddindən artıq sayda ehtiyatları azaltmağa kömək edir
Məkanların unikal xüsusiyyətlərinin nəzərə alınması Həllin alqoritmləri proqnozları mağazaların fərdi xüsusiyyətlərinə (sahə, trafik, tələbat) uyğunlaşdırır və ən səmərəli biznes proseslərinin qurulmasına kömək edir.
Təchizat zəncirinin optimallaşdırılması Hər bir nöqtə üçün dəqiq proqnozlaşdırma sayəsində şirkətlər təchizat zəncirini daha səmərəli şəkildə təşkil edə bilərlər. Bu, nəqliyyat xərclərini azaltmağa kömək edir və müəyyən bir mağazada ən çox tələb olunan malların davamlı tədarükünü təmin edir.
Vahid intellektual İT ekosisteminin qurulması SMART Demand Forecast yüksək dəqiqlikli proqnozlaşdırma üçün süni intellekt alqoritmlərindən istifadə edən Microsoft texnologiyalarına əsaslanan müasir bir həlldir. Microsoft ekosisteminin digər proqram məhsulları ilə inteqrasiya məlumatların bütövlüyünü və əsas biznes proseslərinin uyğunluğunu təmin edir. Belə yanaşma, şirkətin spesifik tələblərinə uyğunlaşan və onun inkişafı və miqyaslaşdırılması üçün geniş imkanlar təmin edən güclü İT ekosisteminin yaradılmasına kömək edir.
McKinsey & Company tərəfindən aparılan araşdırma göstərib ki, süni intellekt alqoritmlərindən istifadə edərək proqnozlaşdırma təchizat zəncirinin idarə edilməsində səhvləri 20-50% azalda bilər. Eyni zamanda, itirilmiş satışlarda və malların əlçatmazlığında 65% azalma var. Bundan əlavə, saxlama xərcləri 5-10%, inzibati xərclər isə 25-40% azaldıla bilər. Proqnozlaşdırmanın dəqiqliyinin biznesinizin mənfəətinə necə təsir göstərə biləcəyini özünüz yoxlayın. Bunun üçün SMART business tərəfindən təqdim edilən xüsusi kalkulyatordan istifadə edin. Bu alət, SMART Demand Forecast həlli ilə proqnozlaşdırmanın dəqiqliyini artıraraq şirkətinizin nə qədər faydalanacağını qiymətləndirməyə kömək edəcək. Strateji planlaşdırmanızı təkmilləşdirmək və gələcək mənfəətliliyinizi artırmaq fürsətini qaçırmayın:
22 MIN READ
SMART Demand Forecast həllinin tətbiqi McDonald’s Georgia-da tələbin proqnozlaşdırılmasının dəqiqliyini necə artırdı
McDonald's Georgia hazırda 23 restoranı olan fast food restoranlar şəbəkəsidir. Şirkətdə hər gün təxminən 35 000 qonağa xidmət göstərən 1500-dən çox işçi çalışır.
SMART Demand Forecast həllinin tətbiqi
McDonald's Georgia 25 il ərzində yüksək səviyyədə xidmət göstərməklə və müştəri məmnuniyyətini qoruyub saxlamaqla, dünyanın ən böyük və ən tanınmış fast food restoran şəbəkələrindən birinin nüfuzuna öz mühüm töhfəsini verir. Ən son texnologiyaların tətbiqi ilə müştəri təcrübəsini yaxşılaşdırmaq məqsədi daşıyan Experience of the Future (Gələcəyin Təcrübəsi) təşəbbüsü sayəsində McDonald's Georgia yüksək keyfiyyətli xidmət göstərir. Buna görə də, qonaqlar həmişə "Bax budur sevdiyim!"şüarın düzgünlüyünə bir daha əmin olmaq üçün qayıtmaq arzusundadırlar. 1999-cu ildə ilk restoranın Tbilisi şəhərində açılışından bəri çox şey dəyişib - məhsullar və təkliflər olan rəqəmsal lövhələr, özünəxidmət köşkləri, masa xidməti, müasir mobil proqram. Eyni zamanda, McDonald's Georgia markanın əsas dəyərlərini qoruyub saxlaya bildi və onlara özünəməxsus xüsusiyyəti əlavə etdi. Bu şəbəkəni öz seqmentində fərqləndirən Sakartvelonun dünyaca məşhur qonaqpərvərliyidir. Şirkət xidməti yaxşılaşdırmaq üçün yeni üsulları tətbiq etməyə davam edir. McDonald's Georgia üçün mühüm addım SMART Demand Forecast həllinin tətbiqi oldu. Bu hərtərəfli alət maşın öyrənməsi alqoritmləri və süni intellektə əsaslanan innovativ texnologiyalar vasitəsilə tələbin proqnozlaşdırılmasının dəqiqliyini təkmilləşdirməyə yönəlib. Bu həll 15 il ərzində dünyanın 60-dan çox ölkəsində biznesin rəqəmsal transformasiyasına töhfə verən SMART business şirkətinin daxili məhsuludur. Bugün biz McDonald's Georgia ilə yeni uğur hekayəsində bu həllin həyata keçirilməsinin çətinlikləri, prosesi və faydaları haqqında danışacağıq.

İcra tərəfdaşı tapmaq üçün ilkin şərtlər və SMART Demand Forecast həllinin inteqrasiyasından əvvəl tələbin proqnozlaşdırılması necə aparılmışdır

McDonald's Georgia-da yeni tələbin proqnozlaşdırılması həllinin tətbiqi zərurəti bir neçə səbəbdən irəli gəlirdi. Ancaq onlar haqqında danışmazdan əvvəl, daha yaxşı başa düşmək üçün bir McDonald's müəssisəsində necə sıxlıq olduğunu və yaxınlıqda yerləşən digər restoranda isə nə qədər az adam olduğunu xatırlayın. Eyni zamanda, digər günlərdə vəziyyət dəyişə bilər. Müştərilər üçün bu, sadəcə bir neçə əlavə dəqiqə məsələsidir, çünki McDonald's müəssisələri hətta pik vaxtlarda da sürətli xidməti ilə tanınır. Amma restoran nöqteyi-nəzərindən tələbatın bu cür dəyişməsi daha ciddi problemlərə səbəb olur. McDonald's Georgia komandası bizə onların proqnozlaşdırma "mətbəxinə" nəzər salmağa imkan yaratdı və SMART Demand Forecast həllini tətbiq etməzdən əvvəl prosesin necə təşkil edildiyini və köhnə yanaşmanın nə üçün dəyişdirilməsinə ehtiyacı olduğunu bizimlə paylaşdı. Şirkətdə tələbin proqnozlaşdırılması prosesi mövcud idi, lakin bu şəbəkə üzrə idi. Belə yanaşma ilə hər bir McDonald’s Georgia restoranı üçün bütün lazımi amilləri nəzərə almaq çətin idi. Nəticədə, kifayət qədər təfərrüat çatışmazlığı var idi ki, bu da tez-tez komandanın məhsul istehsalı üçün komponentlərin çatışmazlığına və ya həddindən artıq çoxluğuna dərhal reaksiya verməli olmasına səbəb olurdu. Bundan əlavə, bu, gözlənilməz logistika xərclərinə və ehtiyatların idarə edilməsində çətinliklərə səbəb olurdu. Gəlin buraya pik dövrlər, şəhərdəki kütləvi tədbirlər və pərakəndə satış məntəqələrinin onlara yaxınlığı, müxtəlif aksiya amillərini əlavə edək. Nəticədə gözlənilməz artan tələbat səbəbindən bəzi restoranlar daha çox işçi cəlb etmək məcburiyyətində qaldı, digərlərində isə əksinə oldu. Bu amillər bütün şəbəkə üçün deyil, hər bir restoran üzrə ayrı-ayrılıqda proqnozlar qurmağın daha effektiv olduğunu aydınlaşdırdı. McDonald’s Georgia həmçinin proqnoz intervalını azaltmaq istəyirdi. SMART business ilə əməkdaşlığa başlamazdan əvvəl proqnozlar növbəti 3 ay üçün hər ay üzrə ümumiləşdirilmiş şəkildə hazırlanırdı. Belə geniş proqnoz intervalı qısa müddətli tələbat dəyişikliklərini, məsələn, nəzərəçarpan mövsümi asılılıqları, yerli tədbirləri və ya rəqabət mühitindəki dəyişiklikləri nəzərə almırdı. Şirkət nümayəndələri qeyd etmişdirlər ki, proqnozların dəqiqlik göstəricləri bütün şəbəkə üzrə hesablandığından, bu, ayrı-ayrı restoranlar baxımından real vəziyyəti əks etdirmirdi. Fərz edək ki, McDonald's Georgia şəbəkəsi üzrə soyuq içkilərə tələbatın yay aylarında 20% artacağı proqnozlaşdırılır. Bu proqnoz son bir neçə ilin tarixi məlumatlarına və ümumi tendensiyalara əsaslanır. Batumi kimi dənizkənarı şəhərlərdə yerləşən restoranlarda isti günlərdə sərinləmək istəyən turistlərin və istirahət edənlərin çoxluğu səbəbindən proqnoz özünü doğruldur. Amma Tbilisinin mərkəzi ərazilərində, xüsusən də ofis mərkəzlərinin yaxınlığında soyuq içkilərə tələbat cəmi 10% arta bilər, çünki müştərilərin çoxu daha gümrah olmaq üçün qəhvəyə üstünlük verirlər. Müvafiq olaraq, Tbilisidəki restoran soyuq içki ehtiyatının artıqlığı ilə üzləşir.

Proqnozlarla real tələbat arasındakı uyğunsuzluqlar ehtiyatların idarə edilməsinə mənfi təsir göstərərək, xərclərimizi artırırdı. Eyni zamanda, əl ilə proqnozlaşdırma bütün səbəb-nəticə əlaqələrini başa düşməklə belə, bütün amilləri effektiv şəkildə nəzərə almağa imkan vermirdi. Bazarı təhlil etdikdən sonra anladıq ki, böyük həcmdə məlumatları emal edə bilən və çoxsaylı amilləri avtomatik nəzərə alan süni intellektə əsaslanan həllə ehtiyacımız var.”

  • Giorgi Asatiani Head of BI & Data Analytics, BI & Data Analytics Department McDonald's Georgia

Yeni proqnozlaşdırma sisteminə tələblər və nə üçün məhz SMART business-in həlli seçildi

McDonald’s Georgia-nın gələcək tətbiqlə bağlı bir neçə əsas tələbi var idi:
  • Yeni həll həftə üzrə proqnozlaşdırma təmin etməli idi. Belə bir yanaşma tələbin qısamüddətli dəyişikliklərini, məsələn, mövsümi dəyişkənliklər, yerli tədbirlər və digər amilləri daha dəqiq nəzərə almağa imkan verərdi. Bu cür proqnozlaşdırma, konkret bir həftədə satışlara əhəmiyyətli dərəcədə təsir edə biləcək amilləri daha yaxşı əks etdirə bilərdi.
  • Məhsul və restoranlar üzrə təfərrüatlı proqnoz da müştəri üçün vacib idi. Çünki yuxarıda qeyd etdiyimiz kimi, şəbəkənin hər bir restoranı müəyyən məhsullara fərqli tələbat səviyyəsinə malik ola bilər. Hər bir restoran və ayrı-ayrı məhsullar səviyyəsində proqnozlaşdırma bu fərqləri nəzərə almağa imkan verir. Bu, daha dəqiq proqnozlar verəcək və bir restoranda məhsul çatışmazlığı, digərində isə artıqlıq olan vəziyyətlərdən qaçmağa kömək edəcəkdi. Nəticədə qranulyasiya ehtiyatların idarə edilməsinin səmərəliliyini artırar və şirkət xərclərini azaldardı.
  • McDonald’s Georgia mərkəzləşdirilmiş proqnozlaşdırma sisteminə keçməyə imkan verəcək həll axtarırdı. Beləliklə, şirkət əl ilə proqnozlaşdırma ilə baş verən uyğunsuzluqların və səhvlərin qarşısını almaq üçün bütün restoranlar şəbəkəsində məlumatların və proqnozların uyğunluğunu təmin etmək istəyirdi.

Yeni tələb proqnozlaşdırma sistemini seçərkən, SMART Demand Forecast həllinin həm müntəzəm, həm də promo satışları proqnozlaşdıra bildiyini öyrəndik. Sistemin analoqlar və anomaliyalar ilə işləmə bacarığı xüsusilə marağımızı cəlb etdi. Təchizatçı ilkin mərhələdə proqnozların dəqiqliyini qiymətləndirməyə imkan verən pilot layihənin işə salınmasını əhatə edən tətbiq prosesini bizə ətraflı şəkildə izah etdi. Əlavə olaraq, məhsulun inkişaf planı bizə uzunmüddətli əməkdaşlığa inam verdi ki, bu da SMART business həllinin seçilməsində həlledici faktor oldu

  • Giorgi Asatiani Head of BI & Data Analytics, BI & Data Analytics Department McDonald's Georgia
Daha ətraflı

McDonald's Georgia üçün SMART Demand Forecast həllinin tətbiqi necə həyata keçirildi?

SMART Demand Forecast həllinin McDonald’s Georgia biznes proseslərinə tətbiqi üç mərhələdə həyata keçirildi: diaqnostika, modelləşdirmə və tətbiq.
  • Diaqnostika Əvvəlcə SMART business komandası müştərinin biznes proseslərini detallı şəkildə araşdırdı. Növbəti mərhələdə, SMART Demand Forecast həlli ilə McDonald’s Georgia-da proqnozlaşdırmanın necə işləyəcəyi barədə aydın mənzərə müəyyən edildi. Bu addımın dəyəri ondan ibarət idi ki, SMART business müştəriyə şirkətin cari biznes proseslərində dəyişiklik etmədən dəqiq proqnozlar yaratmaq üçün müasir yanaşma və alətlər təklif edirdi.
Sonra, McDonald’s Georgia komandası üçün gələcək addımları və planlaşdırma imkanlarını dəqiq şəkildə görmək üçün təfərrüatlı proses sxemi hazırlandı. Rollar və məsul şəxslər təyin edildi, müddətlər müəyyənləşdirildi və prioritetlər qoyuldu. Bütün bunlar dəyişikliklərin həyata keçirilməsinə strukturlaşdırılmış yanaşma təmin etdi və layihə iştirakçılarının öz vəzifə və məsuliyyət sahələrini dəqiq müəyyənləşdiriməyə zəmanət verdi. Nəticədə, tətbiq prosesi məhsuldar şəkildə həyata keçirildi. Diaqnostika mərhələsində müştəri SMART Demand Forecast sisteminin proqnozları qurmaq üçün istifadə edəcəyi vahid məlumat strukturunu təsdiqlədi. Qeyd etmək vacibdir ki, ML və AI alqoritmlərinə əsaslanan həllər üçün vahid məlumat strukturu modelin səmərəli işləməsinə və yüksək proqnoz dəqiqliyinə gətirib çıxarır. SMART business layihə komandası müştərinin əsas biznes proseslərini analiz edərək, McDonald’s Georgia-ya hazır bir şablon təqdim etdi. Müştəri yalnız zəruri məlumatları toplayıb, təchizatçıya təqdim etməli idi. Əlavə olaraq, SMART business McDonald’s Georgia üçün həllin tətbiqi və istifadəsini təsvir edən texniki sənədləri hazırladı.

Bizim üçün dəyər ondan ibarətdir ki, təchizatçı öz təcrübəsinə və biznes proseslərimizin xüsusiyyətlərinə diqqət yetirərək yüksək keyfiyyətli tələb proqnozu yaratmaq üçün hansı məlumatların zəruri olduğunu müstəqil şəkildə müəyyənləşdirdi. Müvafiq olaraq, biz sadəcə universal məlumat strukturuna (satışlar, məhsul iyerarxiyası, promo kampaniyaları, xarici amillər və s.) uyğun olaraq məlumat verdik. Və SMART business komandası artıq bu məlumatları uyğunlaşdırdı, həmçinin sistemdə istifadə olunan və tələbata əhəmiyyətli dərəcədə təsir edən "cannibalization" aspektlərini və əlavə hesablama amillərini nəzərə alan ML-modelləri qurdu.

  • Giorgi Asatiani Head of BI & Data Analytics, BI & Data Analytics Department McDonald's Georgia
SMART business komandası müştərinin indiyədək xəbərsiz ola biləcəyi və proqnoza təsir edən məqamları təhlil etdi və vurğuladı. Bu, hərtərəfli audit və müşahidədən, əsas işçilərə brifinqdən, böyük həcmli məlumatların təhlili üçün qabaqcıl üsullardan və maşın öyrənməsi alqoritmlərindən ibarət olan əziyyətli və çoxmərhələli prosesdir. Komanda əldə edilmiş nəticələrin daha aydın şəkildə başa düşülməsi üçün məlumatların vizuallaşdırılması vasitələrindən istifadə edir. Beləliklə, diaqnostika mərhələsində McDonald's Georgia-nın bir çox lokal çətinliklərini müəyyən etmək mümkün oldu ki, bu da həllin həyata keçirilməsi zamanı nəzərə alınmalı idi. Onlardan bəzilərini qeyd etmək istərdik:
  • Anomaliyalar – yəni satışlarda standart nümunələrdən kənara çıxan qeyri-adi və ya gözlənilməz artımlar və ya azalmalar. McDonald's-da bu, yolda ac qalan və müəyyən bir restorana baş çəkən turistlərin olduğu bir avtobus ola bilər. Bu halda, bu hadisə sistemli deyil və müvafiq olaraq, standart məlumatlarda nəzərə alınmır və anomaliya kimi qeyd olunur. SMART Demand Forecast həlli bu cür qeyri-müəyyən dəyişiklikləri müəyyən edir və proqnozun qurulmasında iştirak etməmələri üçün məlumatları təmizləyir.
  • Müəyyən SKU-ların mövsümilikdən asılılığı – müştərinin mövsümi asılılığı olan çoxlu müxtəlif məhsul vahidləri var. Məsələn, McFlurry-ə tələbat adətən yayda, isti havada artır. Buna görə də sistemdə avtomatik olaraq xüsusi mövsümi amillər və əmsallar hesablanır.
  • Promo kampaniyaları zamanı təqdim edilən yeni məhsullara tələbin proqnozlaşdırılması - çətinlik odur ki, yeni məhsulların satış tarixçəsi yoxdur. Lakin SMART Demand Forecast oxşar məhsullar, ümumi satış nümunələri, mövsümi tendensiyalar və digər çoxsaylı amilləri nəzərə alan inteqrasiya olunmuş yanaşmadan istifadə edir. Bu yanaşma çox vaxt böyük həcmli məlumatların işlənməsi baxımından məhdud olan ənənəvi əl ilə proqnozlaşdırmadan əhəmiyyətli dərəcədə fərqlənir. Avtomatlaşdırılmış həll yeni məhsullar üçün daha dəqiq proqnozlar təmin etməklə daha sürətli və dəqiq məlumatların işlənməsini təmin etdi.
Onu da qeyd etmək lazımdır ki, əgər müştərinin proqnozlarda nəzərə alınmalı olan qeyri-standart sorğusu varsa, SMART Demand Forecast həlli tələbin əl ilə proqnozlaşdırılmasını dəstəkləyir. Bu funksiya əlavə məlumatları tez daxil etməyə və bazar şəraitindəki dəyişikliklərə çevik reaksiya verməyə imkan verir. Eyni zamanda, gələcəkdə müştərinin istəyi ilə hər hansı xüsusi ehtiyacların avtomatlaşdırılmasının mümkünlüyü müzakirə olunub. Diaqnostika mərhələsinin yekun addımı növbəti mərhələyə - modelləşdirməyə keçid üçün hazırlıq idi.
  • Modelləşdirmə McDonald's Georgia-da bu mərhələnin əsas vəzifəsi süni intellekt modelini öyrətmək idi ki, onun alqoritmləri biznesin ehtiyaclarına mümkün qədər dəqiq uyğunlaşsın. "Fit once = fit every time" yanaşması hətta eyni sənayedən olan müxtəlif şirkətlər üçün işləmədiyi üçün SMART biznes komandası modeli McDonald's Georgia üçün fərdiləşdirib:

Əvvəlcə tələbə təsir edən əsas amillər, məsələn, həftənin günü, əvvəlki aylara aid satış məlumatları, məhsul qiymətləri və s., əsasında ilkin model quruldu ki, bu da müəyyən bir səviyyədə proqnoz dəqiqliyini təmin etdi. Sonra "cannibalization", mövsümi əmsallar, elastiklik amilləri və s. kimi yeni amillər əlavə etməklə modeli optimallaşdırdıq. Biz nəyin yaxşılaşdığını, nəyin isə yaxşılaşmadığını izlədik. Burada əsas məsələ sistemi həddindən artıq yükləməməkdir, çünki çox öyrədilmiş model səhv proqnozlar verə bilər. Komandamız hər bir faktorun təsirini müəyyən etmək üçün dərin biliklərə və zəruri alətlərə malikdir. Bu, bizə əhəmiyyəti az olan amilləri aradan qaldırmağa, lazımsız məlumatları azaltmağa və McDonald's Georgia-nın hər bir restoranı üçün proqnozların dəqiqliyini artırmağa kömək etdi.

  • Artem Stepanov Product Owner SMART Demand Forecast

McDonald's Georgia SMART Demand Forecast həllini həyata keçirməklə hansı faydaları əldə etdi?

Əsas amillər müəyyən edildikdən sonra model sabit proqnoz nəticələrini verməyə başladı. McDonald’s Georgia üçün minimal məqbul dalğalanmalarla mümkün qədər dəqiq göstəricilər ala biləcəyi optimal sayda amillər formalaşdı. Layihənin müvəffəqiyyəti 70-80% proqnoz dəqiqliyinə nail olmaqla müəyyən edildi:
  1. planlaşdırma dövrünün əvvəlindən 4 təqvim həftəsi müddətinə;
  2. hər təqvim həftəsi üçün;
  3. şəbəkənin qeyd olunan 21 restoranının hər biri üçün.
Layihə 2023-cü ilin oktyabrında başlayıb və 2024-cü ilin iyulunda tam həyata keçirilib. Tətbiqin uğuru artıq pilot layihə mərhələsində özünü göstərirdi. O, çoxlu sayda müxtəlif mövsümi amillərin müşahidə edildiyi və ümumilikdə McDonald's Georgia şəbəkəsinə tələbatın ən çox artdığı yay dövründə başladı. Nəticədə gözləntiləri üstələyən aşağıdakı hədəf göstəricilərə nail olmaq mümkün oldu:
  • 4 həftə müddətində həftəlik məlumatların toplanması əsasında hər bir restoran üçün satış proqnozunun 83% dəqiqliyi.
  • 12 həftə müddətində həftəlik məlumatların toplanması əsasında hər bir restoran üçün satış proqnozunun 80% dəqiqliyi.
  • Qlobal biznes ictimaiyyəti arasında norma olan proqnozun yerinə yetirilməsindən orta hesabla 5%-ə qədər kənarlaşma.

SMART Demand Forecast həllinin tətbiqi nəticələrindən son dərəcə məmnun qaldıq. Bu layihə sayəsində hər bir restoranımızda tələbin proqnozlaşdırılmasının dəqiqliyini əhəmiyyətli dərəcədə təkmilləşdirə bildik. İlk nəticələri aldıqda, biz aydın şəkildə başa düşdük ki, bu sərmayənin qarşılığını çox qısa müddətdə alacağıq. SMART business komandasına yüksək peşəkarlığı və koordinasiyalı işləri üçün təşəkkür edirik. Onların həlli biznes proseslərimizi yeni bir səviyyədə hiss etməyə və anlamağa kömək edir.

  • Giorgi Asatiani Head of BI & Data Analytics, BI & Data Analytics Department McDonald's Georgia
Lakin belə yüksək göstəricilər də proqnozlaşdırmanın təkmilləşdirilməsi üçün son hədd deyil. McDonald's Georgia SMART business ilə birlikdə omnikanal proqnozlaşdırmanı əhatə edəcək SMART Demand Forecast funksionallığını inkişaf etdirməyə davam edəcək.

Süni intellekt əsasında həllərin tətbiqi daimi əməkdaşlıq, atılan addımların təhlili və təchizatçı ilə müştəri arasında sıx ünsiyyət tələb edir ki. Bu yanaşma bizə McDonald’s Georgia ilə yüksək nəticələr əldə etməyə kömək etdi. Komandalarımız daim əlaqədə oldu, yaranan məsələlərə operativ reaksiya verdi. Bu, layihənin məhsuldarlığına və uğuruna müsbət təsir etdi və gələcək əməkdaşlıq üçün möhkəm zəmin yaratdı.

  • Artem Stepanov Product Owner SMART Demand Forecast
SMART business şirkətinin missiyası sahibkarlara riskləri azaltmaq və istənilən çağırışa hazır olmaq üçün gələcəyi daha aydın və şəffaf etməyə kömək etməkdir. Şirkət bütün dünyada müştərilərinin uğurlarına töhfə verməkdən və əsas məqsədlərinə çatmaq üçün onlara kömək etməkdən qürur hissi duyur.
11 MIN READ
Release 4 0 SMART AZ
Release 4.0. SMART Demand Forecast: building a forecast is now even more convenient
Müasir tələbin proqnozlaşdırılması sistemi SMART Demand Forecast dəqiq nəticələr əldə etmək üçün çoxfaktorlu modellərdən, mürəkkəb alqoritmlərdən istifadə edir və böyük həcmdə məlumatları təhlil edir. Buna görə də, biz daim çalışırıq ki, siz asanlıqla və tez dəqiq proqnozlar qura biləsiniz və bununla da mürəkkəb prosesləri sistemin öhdəsinə buraxasınız. İnterfeysdəki dəyişikliklər, modellərin təkmilləşdirilməsi, yeni funksiyaların əlavə edilməsi – bunların hamısı biznesinizin daha yaxşı nəticələri üçün daimi təkmilləşdirmələrdir. SMART Demand Forecast yeniləməsi proqnozlaşdırma prosesini daha da rahat və dəqiq edəcək. Yeni funksiyalar və təkmilləşdirmələr istifadəçi təcrübəsini yaxşılaşdırmaq, sazlanmanı sadələşdirmək və proqnozlaşdırma alqoritmlərini optimallaşdırmaq məqsədi daşıyır. Bu yeniləmələrlə istifadəçilər daha məlumatlı və effektiv biznes qərarları qəbul etmələrinə kömək edəcək dəqiq proqnozları tez və asanlıqla əldə edə biləcəklər. Bu məqalədə sistemlə işləmək üçün yeni imkanları nəzərdən keçirəcəyik. Anomaliyalarla təkmilləşdirilmiş iş: əl ilə düzəliş və üç baxış rejimi Anomaliyaların emalı səhifəsinə anomaliyaların düzəldilməsini əl ilə tənzimləmək imkanı əlavə edildi. Bütün mövcud məhsul və biznes mərhələlərində anomaliyalara dəyişiklik edə bilərsiniz. Bundan sonra qalan asılı göstəricilər yenidən hesablanacaq. Bundan əlavə, siz indi əsas paneldə müxtəlif rejimlər arasında keçid edə və seçilmiş dövr üçün məlumatlara baxa bilərsiniz: həftə, ay və ya il. Məlumat massivinin daha kiçik hissələrə bölünməsi baxışı və axtarışı asanlaşdırır. Anomaliyalarla işləmək üçün yeni yanaşma Time to Interactive (TTI) və First Contentful Paint (FCP) kimi metrikləri təkmilləşdirir və bununla da böyük anomaliya massivləri ilə rahat işləməyi təmin edir. Proqnoz nəticəsinin əl ilə tənzimlənməsi Modelləşdirmə səhifəsində proqnoz nəticəsinə əl ilə dəyişiklik edə bilərsiniz. Tənzimləmə bütün mövcud məhsul və biznes mərhələlərinə aiddir. Sistem edilən dəyişiklikləri avtomatik olaraq ən aşağı proqnoz mərhələsinə paylayır. Bu proqnozu idarə etmək bacarığı şirkətdə və ya bazarda baş verən hər hansı dəyişikliklərə uyğun olaraq məlumatların aktuallıq səviyyəsini artırır. Ən yaxşı modelin avtomatik tanınması Sistemdə siz SMART Demand Forecast-ın validasiya müddəti göstəricilərinə əsasən avtomatik olaraq tövsiyə edəcəyi optimal modeli görə bilərsiniz. Seçilmiş modeli digərlərindən fərqləndirəcək müvafiq işarə ilə siyahıda tapa bilərsiniz. Beləliklə, təklif olunanlar arasında optimal variantı müəyyən etməyə vaxtınıza qənaət etmiş olursunuz. İndi təhlil çox vaxt aparmayacaq və siz proqnozu daha tez və səmərəli şəkildə qura biləcəksiniz. Promo kampaniyalarının keçirilməsi üçün şərtlərə düzəliş etmək imkanı İndi siz promo kampaniyalarının başlanğıc və bitmə tarixləri, məhsul, mağaza, promo növü, adi və promo qiyməti və endirim kimi parametrlərini birbaşa sistem interfeysində dəyişə bilərsiniz. Dəyişikliklər daxil edilmiş göstəricilər yoxlanıldıqdan və tətbiq edildikdən sonra sistemdə saxlanılır. Bu yanaşma dəyişikliklər etmək üçün vaxta əhəmiyyətli dərəcədə qənaət edir, çünki CSV fayllarını yenilənmiş məlumatlarla yenidən yükləməyə ehtiyac yoxdur. Bunun nəticəsində promo kampaniyalarının planlaşdırılması daha çevik və effektiv olur. Anomaliya cədvəli üçün yeni filtrlər və çeşidləmə Anomaliyaların emalı səhifəsində siz mağazaməhsul parametrlərinə görə filtrləmə və çeşidləmə edə bilərsiniz. Filtrləmə qrup məlumatlarına kömək edir, onları daha strukturlaşdırılmış edir və təhlili asanlaşdırır. Model təlimi üçün Data Science kabineti Model təlimi üçün ayrıca yer ayrılıb, burada DS Settings alt pəncərəsində amillər qruplarını seçə bilərsiniz. Analitiklər və Data Science komandaları daha yüksək proqnoz dəqiqliyinə nail olmağa imkan verən başqa bir alətə malikdirlər. Bu, eksperimentlər üçün vaxtı azaldır və sistemin konkret biznes proseslərinə uyğunlaşdırılmasının səmərəliliyini artırır. Tarix və vaxt formatını seçmək imkanı Sistemin rahat istifadəsi üçün cihazınızda və ya işlədiyiniz bölgədə vaxtı sinxronlaşdırmaq üçün istədiyiniz vaxt qurşağını təyin edə bilərsiniz. Vaxtı təyin etmək üçün İstifadəçi Parametrləri > Profilin Sazlanması bölməsinə keçin və istədiyiniz formatı seçin. Kifayət qədər tarixçəsi olmayan məhsullar və mağazalar üçün analoqların yoxlanılması Müəyyən bir məhsul və ya mağaza üçün başqa kateqoriyadan olan analoqun nə dərəcədə düzgün quraşdırıldığı barədə məlumat almaq imkanınız var. Belə avtomatik yoxlama səhvləri minimuma endirməyə və proqnozlaşdırmanın keyfiyyətini təmin etməyə imkan verir. Bu funksionallıq sayəsində, analoqların təyin edilməsinin dəqiqliyi və etibarlılığı artır. Cədvəllərdə və modal pəncərələrdə keçiricilərin və filtrlərin işinin təkmilləşdirilməsi Yeni filtrləmə şərtləri ilə sorğu qəbul edildikdə, bütün əvvəlki sorğular ləğv edilir, yalnız cari parametrlər işlək vəziyyətdə qalır. Lazımsız sorğuların ləğvi sistemin sürətini artırır və mütəxəssislərə filtrlərlə işləməkdə kömək edir. İndi sorğuları əl ilə ləğv etməyə vaxt itirmədən parametrləri tez dəyişə və yenilənmiş nəticələr əldə edə bilərsiniz. Isolation Forest alqoritminin işinin təkmilləşdirilməsi Anomaliyaları axtarmaq üçün Universal Məlumat Strukturundan (Universal Data Structure) əlavə amillərdən istifadə etmək seçiminiz var. Aktivləşdirə biləcəyiniz Isolation Forest alqoritmi ilə anomaliyaları axtararkən əlavə amillərdən istifadə etmək üçün sistemdə keçid mövcuddur. Bu seçim müxtəlif amilləri, məsələn, qiymət, məhsul və mağazanın xüsusiyyətlərini və s. nəzərə alaraq, satışdakı həqiqi anomaliyaları daha dəqiq və çevik şəkildə müəyyən etməyə imkan verəcəkdir. Qrup elementləri ilə sadələşdirilmiş iş İndi sistemin müxtəlif səhifələrində qrup interfeys elementlərini gizlətmək və yenidən açmaq imkanınız var. Parametrlər avtomatik olaraq saxlanılır və siz onları növbəti dəfə daxil olanda istifadə edə bilərsiniz. Bu, interfeysi ehtiyaclarınıza uyğun təşkil etməyə, vacib məlumatları tez tapmağa və zəruri olan məlumatlarla işləməyə kömək edir. Yeni "Hava Faktorları" bloku (Volume Building Block) Hava faktorları indi model təlimi və qiymətləndirmə üçün əlçatandır. Sistemə lazım olan yeganə şey pərakəndə satış nöqtələrinin geolokasiyasına dair məlumatların olmasıdır. Bu amillərə yağıntı, temperatur, rütubət və digər hava xüsusiyyətləri daxildir. Yeni funksiya mövsümi məhsullar üçün proqnozlaşdırma keyfiyyətini əhəmiyyətli dərəcədə yaxşılaşdıra biləcək. Baseline proqnozlaşdırma modeli Proqnozun qurulmasının təlimi və qiymətləndirilməsi üçün artıq düz xətt reqressiya əsasında işləyən yeni əsas model - Baseline mövcuddur. Model UDS əsas amillər toplusuna malikdir və əlavə amillərin hesablanması ilə yüklənmir ki, bu da ona sistemdəki ənənəvi modellərdən dəfələrlə tez öyrənməyə və nəticə çıxarmağa imkan verir. Bu yanaşma xüsusilə trendlərin qurulması üçün aktualdır. Uzunmüddətli kampaniyaların planlaşdırılması zamanı ilkin analitikanın klassik üsulu olan müəyyən sayda parametrlərlə sürətli nəticə əldə olunur. Azure Spot Instances istifadəyə yeni yanaşma SMART Demand Forecast sistemi indi proqnozlaşdırma modellərinin təlimi və qiymətləndirilməsinin mürəkkəb proseslərində iştirak edən Azure Databricks resurslarına əhəmiyyətli dərəcədə qənaət edə bilir. Bu yanaşma hesablama resurslarını xüsusi paylaşılan resurs qrupunda saxlamaqdan ibarətdir. Burada qiymətlər bu resursların daha imtiyazlı istifadəçilərə ötürülməsi şansının az olması səbəbindən əhəmiyyətli dərəcədə aşağıdır. Sistemdəki proseslər heç bir şəkildə bu transferdən əziyyət çəkmir. Bu, təlim və qiymətləndirmə proseslərində vaxta qənaət etməyə və xərcləri artırmadan daha yaxşı funksionallıq əldə etməyə imkan verir. Həllin əsas ML kodunun keyfiyyətinin təkmilləşdirilməsi. Cari relizin bir hissəsi olaraq Databricks və Azure Machine Learning framework kod təkmilləşdirmələri sınaqdan keçirilib və tətbiq olunub. Pep-8 standartına uyğun olaraq kod üslubu üçün avtomatik pipeline-lar tətbiq edildi. Kod və CI/CD proseslərinin səmərəliliyinin artırılması istiqamətində işlər aparılmışdır. Sistem daha da dayanıqlı və etibarlı oldu. Back-end baxımından həllin optimallaşdırılması Domain Driven Design və status emalında, Azure Data Factory giriş mikroservisində dəyişikliklər həyata keçirilib. Bu təkmilləşdirmələr optimallaşdırma xarakter daşıyır və nəticədə sistemlə işləyərkən istifadəçi təcrübəsini yaxşılaşdırır.