Не плутайте прогнози з бюджетами, планами або припущеннями. Прогнози описують очікування, тоді як бюджети є джерелом прагнень. План — це набір запланованих дій, які разом із даними про минуле та припущеннями щодо майбутнього використовуються для створення прогнозів.
Невідповідності між прогнозами та фактичним попитом у кінцевих точках реалізації негативно відображались на управлінні запасами, що збільшувало наші витрати. При цьому ручне прогнозування не дозволяло ефективно врахувати всі фактори, навіть при розумінні всіх причино-наслідкових зв’язків. Проаналізувавши ринок, ми зрозуміли, що нам необхідне рішення на базі штучного інтелекту, що вміє обробляти великі обсяги даних та автоматично враховувати множинні фактори.
Обираючи нову систему для прогнозування попиту, ми з’ясували, що рішення SMART Demand Forecast вміє прогнозувати, як регулярні, так і промопродажі. Особливо нас зацікавила здатність системи працювати з аналогами та аномаліями. Вендор детально окреслив нам процес впровадження, котрий включав запуск пілотного проєкту з можливістю оцінки точності прогнозів ще на початковому етапі. Крім того, чітко побудована карта розвитку продукту дала нам впевненість у довгостроковій співпраці, що в сукупності і стало вирішальним фактором вибору рішення від SMART business.
Для нас цінність полягає в тому, що вендор самостійно визначав, які дані потрібні для побудови якісного прогнозу попиту, орієнтуючись на власну експертизу та специфіку наших бізнес-процесів. Відповідно ми зі свого боку просто надали інформацію згідно універсальної структури даних (продажі, продуктова ієрархія, промокампанії, зовнішні фактори та інше). А команда SMART business вже адаптувала їх та побудувала ML-моделі, що використовуються в системі та враховують канібалізаційні аспекти й додаткові розрахункові фактори, котрі суттєво впливали на попит.
Спочатку на основі базових факторів, що впливають на попит, таких як день тижня, дані продажів за попередні місяці, ціни на товари та інше, була побудована початкова модель, котра забезпечила певний рівень точності прогнозів. Далі ми перейшли до оптимізації моделі, додавши нові чинники: канібалізаційні, сезональні коефіцієнти, фактори еластичності та інше. Ми спостерігали, що покращилось, а що – ні. Тут головне не перестаратись і не перевантажити систему зайвим, адже перенавчена модель може будувати хибні прогнози. Наша команда володіє глибокими знаннями та всіма необхідними інструментами для визначення важливості впливу кожного фактору. Це дозволило нам відсіяти найменш вагомі чинники, зменшити «шум» даних і покращити точність прогнозів для кожного окремого закладу McDonald's Georgia.
Ми надзвичайно задоволені результатами впровадження рішення SMART Demand Forecast. Завдяки цьому проєкту ми змогли значно підвищити точність прогнозування попиту у кожному з наших закладів. А коли ми отримали перші результати, то чітко зрозуміли, що проєкт дуже швидко себе окупить. Ми вдячні за високий професіоналізм і злагоджену роботу всій команді SMART business, рішення котрої допомагає нам відчувати й розуміти свої бізнес-процеси на новому рівні.
Впровадження рішень зі штучним інтелектом потребує постійної співпраці, аналізу пройдених кроків й тісної комунікації вендора та клієнта, що в тандемі приносить високі результати, яких нам і вдалося досягти з McDonald's Georgia. Наші команди завжди були на зв'язку, оперативно реагували на запитання, що позитивно вплинуло на продуктивність й успішність цього проєкту й заклало міцний фундамент для подальшої співпраці.
Детальніше про всі оновлення системи читайте далі в статті.
