Функціонування всього ланцюга постачання розпочинається з прогнозування попиту. Скільки товару треба замовити, щоб задовольнити споживачів, і як при цьому не заморозити кошти в запасах, запобігти списанням і забезпечити рівень сервісу – питання, які ставлять собі supply chain менеджери щодня під час побудови прогнозів для кожного SKU. Задля забезпечення їхньої високої точності існують рішення, такі як SMART Demand Forecast, робота яких ґрунтується на алгоритмах машинного навчання та штучного інтелекту.
Команда SMART business щодня працює над покращенням функціонала системи прогнозування попиту SMART Demand Forecast. Фокус нашої уваги завжди прикутий до підвищення фінансових показників бізнесу клієнтів та надання найкращого досвіду користувачам, тому в цьому релізі ми розробили функціонал персоналізації таблиць, оптимізували процес імпорту промокампаній та кросбраузерну сумісність, пришвидшили роботу інтерфейсу та процеси Data Science, а також здійснили технічну оптимізацію системи. Детальніше про всі оновлення системи далі в статті.
Оновлено структуру ведення проєкту. Ми ретельно ставимось до створення та підтримання актуальності технічної документації з продукту, щоб надавати клієнтам можливість знайомитись з документами з бізнес-процесів, архітектури рішення, термінології тощо.
Розроблено функціонал персоналізації таблиць Команда SMART business додала функціонал персоналізації таблиць з можливістю обрання кількості відображених рядків, налаштуванням переліку та послідовності стовпчиків.
Ця кастомізація дає можливість користувачам змінювати зовнішній вигляд таблиць під час роботи з системою прогнозування попиту, що своєю чергою значно покращує користувацький досвід.
Іншими словами, якщо нюанси вашої роботи потребують кастомізації інтерфейсу, ви можете перемістити або навпаки приховати необхідну вам інформацію.
Оптимізовано процес імпорту промокампаній та збільшено швидкість завантаження Завжди дбаємо про забезпечення швидкої та надійної роботи системи. Тому як слід попрацювали над зменшенням часу очікування під час імпорту промокампаній та їхньої подальшої валідації в системі SMART Demand Forecast.
Розроблено бізнес-правила та процес базової перевірки даних (Data Health Check) Під час інтеграції даних в систему вона автоматично перевірятиме завантажені дані на наявність критичних помилок, які будуть заважати виконанню основної функції рішення: підготовки прогнозу. В цьому релізі ми додали перевірку на:
Оптимізовано швидкість роботи інтерфейсу системи Для запобігання повторних обчислень в систему впроваджено збереження результатів виконаних функцій. Таким чином, відбулось значне підвищення продуктивності інтерфейсу під час завантаження сторінок системи.
Забезпечена кросбраузерна сумісність Налаштовано коректне відображення інтерфейсу та відпрацювання функціональності системи незалежно від встановленого браузеру.
Розроблений функціонал прогнозування на вищі рівні агрегації Раніше в рішенні SMART Demand Forecast були реалізовані процеси для прогнозування на найнижчому рівні агрегації. Для покриття більшого спектра бізнес-завдань командою було пропрацьовано підходи до генерації моделі, яка дозволяє прогнозувати на вищих рівнях часової, продуктової та бізнес-агрегації. В систему вже імплементовано тижневий та місячний рівні агрегації.
Перевірена концепція прогнозування Time Series моделями Система працює з однією моделлю для прогнозування – LGBM. Для розвитку мультимодельного підходу під різні бізнес-вимоги була пропрацьована модель Deep Learning для прогнозування часових рядів. Роботи з імплементації в систему зазначеної концепції будуть включені у реліз 2.0
Пришвидшені процеси Data Science В релізі 1.2 було протестовано ряд фреймворків та підходів до зменшення часу виконання процесів Data Science, що впливатиме на вартість промислової експлуатації системи SMART Demand Forecast. Був розглянутий процес паралельного скорінгу кількох комплексних сценаріїв, що своєю чергою пришвидшить видачу результатів прогнозу для користувача.
Проведена технічна оптимізація системи Важливий аспект IT-рішення – це забезпечити користувачам стабільну та швидку роботу системи, враховуючи постійну обробку та аналіз великих обсягів даних, тому команда SMART business провела технічну оптимізацію системи SMART Demand Forecast. Здійснено такі оновлення:
Модуль відбору факторів був оптимізований відповідно до вхідних умов. З’явилось два режими запуску: ручний та автоматичний. Ручний режим необхідний для етапу пілоту і більш тонкого налаштування рішення для клієнта. Автоматичний режим потрібний для комплексного використання з мінімальними витратами людського часу.
Команда SMART business здійснила рефакторинг та оптимізацію кроку генерації планового набору даних та імпорту бібліотеки в Databricks-ноутбуках, а також зменшила об’єм Docker-образу. Завдяки цьому код став чистішим і зрозумілішим.
Докладнішу інформацію про рішення та послуги SMART business можна отримати за телефоном +38 (044) 585-35-50, або залишивши ваш запит.
Прогноз попиту має вплив на весь supply chain. Плануючи продажі та маючи уявлення про майбутній попит, ви зможете не тільки забезпечити потрібну кількість товарів на полицях, а й зрозуміти, які активності потрібно провести з конкретними позиціями товарів, щоб отримати додатковий прибуток. До того ж це дозволяє підтримувати високий рівень доступності товарів за мінімальних запасів.
Щодо методів прогнозу попиту, то їх існує чимало. Проте сьогодні аналітики та власники компаній сходяться на тому, що ручні процеси з використанням електронних таблиць вже неефективні. Натомість інтерес до новітніх методів на базі machine learning та artificial intelligence, що використовуються в найкращих рішеннях прогнозування попиту, зростає. Але як розібратися, чи доцільно вам впроваджувати таку систему, та що потрібно знати під час її вибору? Розповідаємо у цій статті.
Опрацювати велику кількість розрізненої інформації — ключова складність під час прогнозування попиту. Таким чином, що довше компанія функціонує на ринку, то більшу кількість даних, пов’язаних з попитом, вона зберігає. На певному етапі бізнесу логічним кроком стає систематизація всієї інформації та визначення підходів в прогнозуванні попиту. В більшості випадків за це відповідає окрема команда з аналітиків та інших фахівців, які спираються на свій досвід та використовують додаткові інструменти на кшталт електронних таблиць. Такий підхід є зрозумілим та доступним, але має перелік мінусів:
Прогноз попиту залежить від багатьох змінних факторів, що потребують аналізу: від історичних даних до чинників зовнішнього впливу. Врахувати всі ці змінні в мінливому середовищі досить складно. А неточне прогнозування тягне за собою збільшення зайвих операційних витрат, на кшталт логістичних, складських чи фінансових, і призводить до втрачених продажів. Про те, як покращити точність прогнозування – розповідаємо в цьому матеріалі.
Вплив промокампаній на асортимент Запуск промокампаній сприяє канібалізації суміжних товарів. Наприклад, знижки на продукцію вищої цінової категорії завжди призводять до зменшення продажів у сегменті середніх цін. Тож тут важливо зробити кількісну оцінку попиту, щоб забезпечити доступність товарів для промокампаній.
Мінливість поведінки покупців Продажі тісно пов’язані з вподобаннями покупців. Важко сказати, що стало стимулом для покупки певного товару: його ціна, брендинг або невдалий досвід клієнта з продуктом конкурента. Не меншу роль відіграє й цілісне сприйняття торгової точки у свідомості покупців. Тож, як бачимо, існує чимало чинників, що впливають на кінцеві продажі.
Загальний контекст Слід також враховувати й загальне оточення конкретного ритейлера. Тут йдеться про наявні поруч бізнеси, враховуючи суміжні сфери. Наприклад, вирушивши за продуктами, людина може помітити магазин товарів для дому і згадати про необхідність покупки засобу для прибирання. Ці фактори також мають вплив на продажі, хоч і оцінити цей вплив дуже складно.
Вплив зовнішніх факторів Сезонність, політична ситуація та особливості економіки мають вплив на попит та точність прогнозування продажів. На жаль, поки не існує таких інструментів, що могли б точно передбачити, чого чекати бізнесу в майбутньому, проте сучасні можливості прогнозу допомагають компаніям максимально швидко реагувати на зміни.
Бренд та маркетинг Взаємозв’язок певного SKU з чіткою потребою у свідомості споживача грає важливу роль. Тут на допомогу приходять рекламні кампанії та робота з розвитком бренду, що своєю чергою може збільшити продажі в рази.
Локація торгових точок Важливим у прогнозуванні попиту ритейлера є місце розташування магазинів. Від цього залежить кількість покупців та актуальність наявного асортименту товарів.
Методи традиційного ручного аналізу вже давно втратили свою ефективність на фоні математичних моделей, що базуються на використанні artificial intelligence та machine learning. Цей підхід не просто передбачає використання певної формули, а покращує точність прогнозування попиту, враховуючи внутрішні та зовнішні фактори.
Використання ручного методу для всіх описаних вище типів прогнозу робить цей процес неефективним з ряду причин:
Тож щоб покращити точність прогнозування, ритейлери делегують складні математичні розрахунки прогнозу розумним системам, що здатні автоматизувати цей процес та зробити його більш ефективним завдяки використанню artificial intelligence та machine learning.
На ефективність та точність прогнозування цих систем впливає те, як часто ви вносите нові, актуальні для розрахунку дані. Що більше якісних аналітичних даних ви надаєте системі, то точніше буде працювати її математична модель. Тож якщо ви тільки замислюєтесь над впровадженням системи, що здатна підвищити точність прогнозування, то почати роботу з історичними даними та чинниками, що корегують попит, радимо вже зараз.
Які ж конкретно дані потрібні для прогнозу? Пропонуємо розглянути це на прикладі рішення SMART Demand Forecast. Це система, що здатна робити прогноз попиту як для постійних, так і для промопродажів.
Рецепт необхідних даних, які потрібно структурувати та накопичувати ритейлерам для вдалого прогнозу:
Відсутність деяких з наведених вище даних може вплинути на точність прогнозу. Але це не обмежує вас у впровадженні системи SMART Demand Forecast. Щоб отримати більше інформації про переваги та можливості рішення, заповнюйте форму.
З компаніями, що вже готові покращити точність прогнозування, ми запускаємо пілотний проєкт, який передбачає:
Далі йде етап повноцінного тестування рішення, на якому відбувається інтеграція та розгортання системи SMART Demand Forecast. Фінальним кроком стає застосування системних алгоритмів на весь асортимент товарів та всі пункти продажів. Залежно від побажань клієнта, надалі проєкт може бути переданий на технічний контроль фахівців SMART business, або ж вестись на стороні замовника.
Якісний прогноз потрібний для кращого контролю та управління ланцюгом постачань: планування запасів, покращення логістичної складової та поліпшення клієнтського досвіду. Крім цього існують додаткові переваги точного прогнозування, такі як:
Зменшення overstock Списання надлишкових товарів – це не лише недоотриманий прибуток, а ще й незаплановані витрати на утилізацію. Щоб уникнути цього, треба працювати над покращенням точності прогнозування попиту.
Покращення обіговості товарів Точне прогнозування дозволяє зменшити надлишкові резерви. Це покращує обіговість продукції та вивільняє заморожені в запасах фінанси.
Збільшення продажів Якісний прогноз забезпечить потрібний рівень доступності товарів на полицях, що сприятиме регулярним продажам без загрози out-of-stock.
Стратегічний акцент та зменшення витрат на персонал Системи для прогнозування попиту беруть майже всю механічну роботу на себе. Це дозволить поточним аналітикам сфокусуватися на більш стратегічних завданнях, а компанії не доведеться витрачати кошти на залучення нових спеціалістів.
Отже, точний прогноз стимулює позитивні зміни в багатьох бізнес-показниках. Прогноз, що базується на artificial intelligence та machine learning, враховує більше складових, що впливають на попит, та пришвидшує процес прийняття управлінських рішень в компанії.
Щоб отримати персональну консультацію щодо SMART Demand Forecast, заповнюйте форму.
Вести бізнес сьогодні – справа не з легких. Виклики, що один за одним готує реальність, значно ускладнюють цей процес, а передбачити вплив несприятливих зовнішніх чинників на ринок та поведінку споживачів іноді вкрай складно. Однією з найболючіших точок для компаній в останні роки стала змінність попиту. Все більше факторів – від дописів інфлюенсерів до неочікуваних обставин – змушують покупців частіше змінювати свою купівельну поведінку.
Проблема в тому, що ці зміни відбуваються досить несподівано, а чарівного інструменту, який міг би передбачити глобальні ситуації, що створюють ризики для компаній, поки немає. Але чи існують інші методи заглянути наперед і скорегувати свої бізнес-процеси? У цій статті говоримо про прогнозування попиту, з’ясовуємо важливість процесу та розглядаємо сучасні рішення, що на основі алгоритмів машинного навчання та штучного інтелекту можуть покращити ваше операційне планування у мінливому середовищі.
Це процес оцінки майбутнього попиту за допомогою аналізу історичних даних, інформації та впливу додаткових факторів. Ефективне прогнозування попиту забезпечує компанії цінною інформацією щодо можливостей на поточному та потенційних ринках і допомагає менеджерам приймати зважені рішення стосовно обсягу товарів до замовлення, просування товарів та бізнес-стратегії в цілому.
Натомість, ігноруючи цей процес, компанії ризикують прийняти помилкові рішення в розрізі продуктової стратегії та цільових ринків. А це може створити купу проблем, таких як: збільшення затрат на зберігання продукції, зменшення задоволеності клієнтів та прогалини в управлінні supply chain. Якщо коротко, то компанія або втрачає кошти, або отримує їх не в повному обсязі.
Загалом тенденція на створення окремих відділів з прогнозування попиту в компаніях з’явилась наприкінці 80-х років минулого століття. Спочатку, в більшості випадків, прогнози базувались на простих статистичних моделях та методах, як-от рухоме середнє, експоненційне згладжування, чи навіть інстинктивне судження (в простонародді “чуйка”). А потім, з розвитком технологій в області зберігання та обробки даних (Big Data), процес прогнозування попиту зазнав значних змін і став незамінним інструментом для бізнесів різних галузей та розмірів.
І якщо ринок програмного забезпечення для прогнозування попиту в 2019 році оцінювався в 3 млрд доларів, то до 2030 року очікується, що ця сума становитиме більше ніж 14,5 млрд (transparency market research). Тож чому варто звернути уваги на цю тему і як прогнозування попиту може стати частиною ваших бізнес-процесів — розповідаємо далі.
Попит є драйвером всього бізнесу. Тож не дивно, що його аналіз впливає на ефективність багатьох процесів компанії. Прогнозування попиту не буває на 100% точним (тільки якщо це збіг обставин або шахрайство з розрахунками), але є необхідним, адже впливає на:
Існує ряд факторів, що суттєво впливають на попит і враховуються під час прогнозування. Ось ключові з них:
