მიიღეთ კონსულტაცია

ბლოგი

  • ყველა
  • ექსპერტიზა
  • წარმატების ისტორია
  • რელიზები
September 3rd, 2024 2 MIN READ
როგორ გააუმჯობესა SMART Demand Forecast-ის იმპლემენტაციამ McDonald’s Georgia-ის მოთხოვნის პროგნოზირების სიზუსტე
McDonald's Georgia არის სწრაფი კვების რესტორნების ქსელი 23 ფილიალით. კომპანიაში დასაქმებულია 1500-ზე მეტი თანამშრომელი, რომლებიც ყოველდღიურად ემსახურებიან დაახლოებით 35000 სტუმარს.
  • ინდუსტრია:HoReCa
  • ქვეყანა: საქართველო
  • ვებ-გვერდი:mcdonalds.ge
SMART Demand Forecast-ის იმპელემნტაცია
McDonald’s Georgia 25 წელია ინარჩუნებს მომსახურების მაღალ ხარისხს და მომხმარებელთა კმაყოფილებას, რამაც მნიშვნელოვანი წვლილი შეიტანა მსოფლიოში ერთ-ერთი უდიდესი და ყველაზე ცნობილი სწრაფი კვების ქსელის რეპუტაციაში. მომავლის ინიციატივის გამოყენებით, რომელიც მიზნად ისახავს უახლესი ტექნოლოგიების დანერგვით მომხმარებელთა გამოცდილების გაუმჯობესებას, McDonald’s Georgia ხარისხიან სერვისს უზრუნველყოფს. შესაბამისად, სტუმრებს ყოველთვის აქვთ დაბრუნების სურვილი, რათა კიდევ ერთხელ დარწმუნდნენ სლოგანის სიზუსტეში - “აი, რა მიყვარს”! ციფრული დეშბორდები პროდუქტებით და შეთავაზებებით, თვითმომსახურების ტერმინალები და თანამედროვე მობილური აპლიკაცია - 1999 წელს თბილისში პირველი რესტორნის გახსნის შემდეგ ბევრი რამ შეიცვალა. ამავდროულად, McDonald’s Georgia-მ მოახერხა ფუნდამენტური ღირებულებების შენარჩუნება და მას საკუთარი იდენტობა შესძინა. სწორედ ცნობილი ქართული სტუმართმოყვარეობა ხდის გამორჩეულს ამ ქსელს თავის სეგმენტში. კომპანია აგრძელებს მომსახურების გაუმჯობესების ახალი მეთოდების დანერგვას. McDonald’s Georgia-თვის მნიშვნელოვანი ნაბიჯი იყო SMART Demand Forecast-ის იმპლემენტაცია. ეს კომპლექსური ინსტრუმენტი მიზნად ისახავს მოთხოვნის პროგნოზირების სიზუსტის გაზრდას ინოვაციური ტექნოლოგიების გამოყენებით, რომელიც დაფუძნებულია მანქანური სწავლების ალგორითმებსა და ხელოვნურ ინტელექტზე. ეს გადაწყვეტილება კომპანია SMART business-ის დეველოპმენტია, რომელიც უკვე 15 წელია, რაც ხელს უწყობს ციფრული ბიზნესის ტრანსფორმაციას 60-ზე მეტ ქვეყანაში. წარმატების ახალ ისტორიაში McDonald’s Georgia-თან ერთად ვისაუბრებთ გამოწვევებზე, პროცესსა და გადაწყვეტილების დანერგვის უპირატესობებზე.

იმპლემენტაციის პარტნიორის ძებნის წინაპირობები და მოთხოვნის პროგნოზირება SMART Demand Forecast-ის ინტეგრაციამდე

McDonald's Georgia-ში მოთხოვნის პროგნოზირების ახალი გადაწყვეტილების დანერგვის აუცილებლობა რამდენიმე მიზეზით იყო გამოწვეული. მაგრამ სანამ მათზე ვისაუბრებთ, სიტუაციაში უკეთ გასარკვევად, გაიხსენეთ, რამდენად ხალხმრავალია მაკდონალდსის ერთი რესტორანი კონკრეტულ დღეს და რამდენად თავისუფალია მეორე, რომელიც ფაქტობრივად ერთი კორპუსის მოშორებით მდებარეობს. ამავდროულად, სხვა დღეებში სიტუაცია შეიძლება საპირისპიროც იყოს. ვიზიტორებისთვის ეს მხოლოდ რამდენიმე დამატებითი წუთის საქმეა, რადგან მაკდონალდსის დაწესებულებები ცნობილია სწრაფი მომსახურებით პიკის დროსაც კი. მიუხედავად ამისა, რესტორნის თვალსაზრისით, მოთხოვნის ასეთმა რყევებმა უფრო სერიოზული გამოწვევების წინაშეც შესაძლოა დაგაყენოთ. McDonald's Georgia-ს გუნდმა მოგვცა საშუალება გვენახა მათი პროგნოზირების „შიდა სამზარეულო“ და გაგვიზიარა, SMART Demand Forecast-ის იმპლემენტაციამდე, ორგანიზებული პროცესი - თუ რატომ გაჩნდა ძველი მიდგომის შეცვლის საჭიროება. კომპანიას მოთხოვნის პროგნოზირების პროცესი, მთლიანი ქსელის მასშტაბით, საკმაოდ საფუძვლიანად ჰქონდა ინტეგრირებული. ამ მიდგომით კი, McDonald's Georgia-ს რომელიმე კონკრეტული რესტორნისთვის ყველა საჭირო ფაქტორის გათვალისწინება რთულ ამოცანას წარმოადგენდა. არასაკმარისი დეტალების რაოდენობამ განაპირობა გუნდის დატვირთვის ზრდა, რათა მყისიერი რეაგირება მოეხდინათ პროდუქტების კომპონენტების დეფიციტსა და სიჭარბეზე. გარდა ამისა, ამას მოჰყვა არაპროგნოზირებადი ლოჯისტიკური ხარჯები და სირთულეები მარაგის მართვის მიმართულებით. აქვე დავამატოთ პიკის საათები, მასობრივი ღონისძიებები ქალაქში და მათთან საცალო ვაჭრობის ობიექტების სიახლოვე, ასევე სხვადასხვა სარეკლამო ფაქტორები. შედეგად, არაპროგნოზირებადი გაზრდილი მოთხოვნის გამო, ზოგიერთი რესტორანი იძულებული გახდა დაემატებინა პერსონალი, ხოლო სხვა ობიექტებზე, პირიქით, აღინიშნებოდა პერსონალის სიჭარბე. ზემოაღნიშნული ფაქტორები გახდა გადაწყვეტილების მიღების მიზეზი, ეფექტური პროგნოზების გაკეთება არა ერთდროულად მთელი ქსელისთვის, არამედ თითოეული რესტორნისთვის. McDonald's Georgia-ს ასევე სურდა პროგნოზის ინტერვალების შემცირება. SMART business-თან თანამშრომლობამდე გაკეთდა პროგნოზები მომდევნო 3 თვის განმავლობაში ყოველი თვის დონეზე აგრეგაციით. ასეთი ფართო საპროგნოზო ინტერვალი არ ითვალისწინებდა მოთხოვნის უფრო მოკლევადიან ცვლილებებს, როგორიცაა სეზონური მოთხოვნა, ადგილობრივი მოვლენები ან ცვლილებები კონკურენტულ გარემოში. კომპანიის წარმომადგენლებმა აღნიშნეს, რომ ვინაიდან პროგნოზის სიზუსტის მაჩვენებელი მთელ ქსელზე იყო გათვლილი, ეს არ ასახავდა რეალურ სიტუაციას ცალკეული რესტორნებისთვის. დავუშვათ, რომ ზაფხულში McDonald's Georgia მთელს ქსელში ცივი სასმელებზე მოთხოვნა 20%-ით იზრდება. ეს პროგნოზი ეფუძნება ბოლო რამდენიმე წლის ისტორიულ მონაცემებს და ზოგად ტენდენციებს. ზღვისპირა ქალაქ ბათუმში მდებარე რესტორანში პროგნოზი გამართლებულია ტურისტებისა და დამსვენებლების სიმრავლით, რომლებსაც ცხელ დღეებში გაგრილება სურთ. მაგრამ თბილისის ცენტრალურ რაიონებში, განსაკუთრებით საოფისე ცენტრებთან ახლოს, ცივ სასმელებზე მოთხოვნა შეიძლება მხოლოდ 10%-ით გაიზარდოს, რადგან ვიზიტორთა უმეტესობას ყავა ურჩევნია. შესაბამისად, თბილისში ცივი სასმელების მარაგი სიჭარებით გამოირჩევა.

პროგნოზებსა და რეალურ მოთხოვნას შორის შეუსაბამობა გაყიდვების ბოლო წერტილებისთვის უარყოფითად აისახა მარაგის მართვაზე, რამაც ხარჯების ზრდა გამოიწვია. ამავდროულად, მანუალური პროგნოზირება არ იძლეოდა ყველა ფაქტორის გათვალისწინების საშუალებას, თუნდაც ყველა მიზეზობრივი კავშირის გაგებით. ბაზრის ანალიტიკის გაკეთების შემდეგ მივხვდით, რომ გვჭირდებოდა AI-ზე დაფუძნებული გადაწყვეტილება, რომელსაც შეეძლო დიდი მოცულობის მონაცემების დამუშავება და სხვადასხვა ფაქტორების ავტომატურად გათვალისწინება.

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

რა მოთხოვნები ჰქონდა კომპანიას ახალი პროგნოზირების სისტემასთან და რატომ აირჩიეს SMART business-ის გადაწყვეტილება

McDonald’s Georgia-ს ჰქონდა რამდენიმე ძირითადი საჭიროება, რომელიც უნდა დაეფარა მომავალ იმპლემენტაციას:
  • ახალ გადაწყვეტილებას უნდა უზრუნველყო პროგნოზირება აგრეგაციით კვირის დონეზე. ასეთი მიდგომა საშუალებას იძლევა უფრო ზუსტად გაითვალისწინოთ მოთხოვნის მოკლევადიანი ცვლილებები, როგორიცაა: სეზონური რყევები, ლოკალური მოვლენები და სხვა ფაქტორები, რომლებმაც შეიძლება მნიშვნელოვნად იმოქმედოს გაყიდვებზე კონკრეტული კვირის ჭრილში.
  • მომხმარებლისთვის მნიშვნელოვანი იყო აგრეთვე პროდუქტის და საბოლოო ადგილმდებარეობის გრანულაცია. ვინაიდან, როგორც ზემოთ აღვნიშნეთ, ქსელის თითოეულ რესტორანს შეიძლება ჰქონდეს მოთხოვნის განსხვავებული დონე კონკრეტულ პროდუქტებზე. თითოეული რესტორნისა და ცალკეული პროდუქტის მოთხოვნის პროგნოზირება საშუალებას გვაძლევს გავითვალისწინოთ ეს განსხვავებები, რაც უზრუნველყოფს უფრო ზუსტ პროგნოზს და ხელს უწყობს ისეთი სიტუაციების თავიდან აცილებას, როდესაც ერთ რესტორანს აკლია პროდუქტი, ხოლო მეორეს ის ჭარბად აქვს. შედეგად, გრანულაცია ზრდის ინვენტარის მართვის ეფექტურობას და ამცირებს კომპანიის ხარჯებს.
  • McDonald's Georgia ეძებდა გადაწყვეტილებას, რომელიც მათ ცენტრალიზებულ პროგნოზირების სისტემაზე გადასვლის საშუალებას მისცემდა. ამ გზით, კომპანიას სურდა უზრუნველყო მონაცემებისა და პროგნოზების თანმიმდევრულობა რესტორნების მთელ ქსელში, რათა თავიდან აეცილებინა შეუსაბამობები და შეცდომები, რომლებიც წარმოიქმნებოდა ხელით პროგნოზირების დროს.

მოთხოვნის პროგნოზირების ახალი სისტემის არჩევისას, აღმოვაჩინეთ, რომ SMART Demand Forecast-ს შეუძლია როგორც რეგულარული, ასევე სარეკლამო გაყიდვების პროგნოზირება. განსაკუთრებით დავინტერესდით სისტემის ანალოგებთან და ანომალიებთან მუშაობის უნარით. ვენდორმა დეტალურად აღგვიწერა იმპლემენტაციის პროცესი, რომელიც მოიცავდა საპილოტე პროექტის დაწყებას საწყის ეტაპზე პროგნოზების სიზუსტის შეფასების შესაძლებლობით. გარდა ამისა, პროდუქტის განვითარების მკაფიოდ შემუშავებულმა რუკამ უზრუნველყო ნდობა, თანამშროლობის გრძელვადიანი პერსპექტივით, რამაც გადამწყვეტი როლი ითამაშა SMART business-ის გადაწყვეტილების არჩევაში.

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

როგორ განხორციელდა SMART Demand Forecast-ის იმპლემენტაცია McDonald’s Georgia-თვის?

SMART Demand Forecast-ის იმპლემენტაცია McDonald’s Georgia-ის ბიზნეს პროცესებში სამ ეტაპად განხორციელდა: დიაგნოსტიკა, მოდელირება და იმპლემენტაცია.
  • დიაგნოსტიკა პირველ რიგში, SMART business-ის ჯგუფმა დეტალურად გააანალიზა, თუ როგორ იყო ორგანიზებული მომხმარებლის ბიზნეს პროცესები. მომდევნო ეტაპზე განისაზღვრა მკაფიო ხედვა იმის შესახებ, თუ როგორ უნდა ემუშავა პროგნოზირებას McDonald’s Georgia-ში SMART Demand Forecast-ით. ამ ნაბიჯით SMART business-მა მომხმარებელს შესთავაზა თანამედროვე მიდგომა და ინსტრუმენტები ზუსტი პროგნოზების შესაქმნელად კომპანიის არსებული ბიზნეს პროცესების შეცვლის საჭიროების გარეშე.
შემდეგ, McDonald’s Georgia გუნდის მიერ შეიქმნა პროცესის დიაგრამა დეტალური ნაკადით, მომავალი ნაბიჯების მკაფიო ხედვისა და გეგმის შესაბამისად შემდგომი ქმედებების დაგეგმვის შესაძლებლობისთვის. გარდა ამისა, დაინიშნა როლები და პასუხისმგებელი პირები, განისაზღვრა ვადები და დადგინდა პრიორიტეტები. ყოველივე ეს უზრუნველყოფდა სტრუქტურირებულ მიდგომას ცვლილებების დანერგვისადმი და გარანტიას, რომ პროექტის ყველა მონაწილე კარგად იქნებოდა გარკვეული საკუთარ დავალებებსა და პასუხისმგებლობის სფეროებში. შესაბამისად იმპლემენტაცია პროდუქტიულად განხორციელდა. დიაგნოსტიკის ეტაპზე დამკვეთის მიერ დამტკიცდა მონაცემთა ერთიანი სტრუქტურა, რომელიც უნდა გამოეყენებინა SMART Demand Forecast-ს მოთხოვნის პროგნოზის შესაქმნელად. მნიშვნელოვანია აღინიშნოს, რომ ML & AI ალგორითმებზე დაფუძნებული გადაწყვეტილებებისთვის, მონაცემთა ერთიანი სტრუქტურა განაპირობებს მოდელის ეფექტურ მუშაობასა და მაღალი პროგნოზის სიზუსტეს. SMART business პროექტის გუნდმა გააანალიზა მომხმარებლის ძირითადი ბიზნეს პროცესები და McDonald’s Georgia-თან მზა შაბლონით მივიდა. მომხმარებელს მხოლოდ საჭირო მონაცემების შეგროვება და ვენდორისთვის გადაცემა დაევალა. გარდა ამისა, SMART business-მა შეიმუშავა ტექნიკური დოკუმენტაცია, რომელიც აღწერდა McDonald’s Georgia-ს მიერ გადაწყვეტილების დანერგვისა და გამოყენების ყველა ასპექტს.

ჩვენთვის დიდი ღირებულების მატარებელია ის ფაქტი, რომ ვენდორმა დამოუკიდებლად განსაზღვრა რა მონაცემები იყო საჭირო მაღალი ხარისხის მოთხოვნის პროგნოზის შესაქმნელად, საკუთარ გამოცდილებასა და ჩვენს ბიზნეს პროცესების სპეციფიკაზე დაყრდნობით. შესაბამისად, ჩვენ, მხოლოდ მივაწოდეთ საჭირო ინფორმაცია მონაცემთა უნივერსალური სტრუქტურის მიხედვით (გაყიდვები, პროდუქტის იერარქია, სარეკლამო კამპანიები, გარე ფაქტორები და ა.შ.). და SMART business-ის გუნდმა განახორციელა მათი ადაპტაცია და შექმნა ML მოდელები, რომლებიც გამოიყენება სისტემაში და ითვალისწინებს კანიბალიზაციის ასპექტებს, ასევე დამატებით უზრუნველყოფს გამოთვლის ფაქტორებს, რომლებმაც მნიშვნელოვნად იმოქმედა მოთხოვნაზე.

  • Giorgi Asatiani Head of BI & Data Analytics, BI & Data Analytics Department McDonald's Georgia
მართლაც, SMART business-ის ჯგუფმა გააანალიზა და ხაზი გაუსვა პროგნოზზე გავლენის იმ წერტილებს, რომელთა შესახებაც კლიენტს შესაძლოა არ ჰქონოდა ინფორმაცია. ეს არის შრომატევადი და მრავალსაფეხურიანი პროცესი, რომელიც შედგება საფუძვლიანი აუდიტისა და დაკვირვებისგან, ძირითადი თანამშრომლების ბრიფინგისგან, მონაცემთა დიდი მოცულობის ანალიზისა და მანქანური სწავლების ალგორითმების გაუმჯობესებული მეთოდების გამოყენებით. გუნდი იყენებს მონაცემთა ვიზუალიზაციის ინსტრუმენტებს მიღებული შედეგების უფრო გამჭვირვალე გაგებისთვის. ამრიგად, დიაგნოსტიკის ეტაპზე შესაძლებელი გახდა McDonald's Georgia-ს მრავალი ადგილობრივი გამოწვევის იდენტიფიცირება, რომელთა გათვალისწინებაც საჭირო იყო გადაწყვეტილების განხორციელებისას. გვინდა გამოვყოთ მათგან ყველაზე საინტერესო ერთეულები:
  • ანომალიები – ეს არის უჩვეულო ან მოულოდნელი მწვერვალები ან ვარდნა გაყიდვებში, რომლებიც გამოირჩევა სტანდარტული მოდელებისგან. მაკდონალდსში ეს შეიძლება იყოს მშიერი ტურისტებით სავსე ავტობუსი, რომლებიც სტუმრობენ კონკრეტულ რესტორანს. ამ შემთხვევაში, ეს მოვლენა არ არის სისტემური და, შესაბამისად, არ იქნება გათვალისწინებული სტანდარტულ მონაცემებში და ეტიკეტირებული იქნება, როგორც ანომალია. SMART Demand Forecast განსაზღვრავს ასეთ გაუგებარ ცვლილებებს და ასუფთავებს მონაცემებს ისე, რომ მათ მონაწილეობა არ მიიღონ პროგნოზირებაში.
  • ინდივიდუალური SKU-ების დამოკიდებულება სეზონურობაზე – მომხმარებელს აქვს მრავალი განსხვავებული პროდუქტის ელემენტი, რომელიც დამოკიდებულია კონკრეტულ სეზონზე. მაგალითად, McFlurry-ზე მოთხოვნა ჩვეულებრივ ზაფხულში იზრდება, როცა ცხელა. ამიტომ სისტემა ავტომატურად ითვალისწინებს სპეციალურ სეზონურ ფაქტორებსა და კოეფიციენტებს.
  • მოთხოვნის პროგნოზირება სარეკლამო კამპანიების დროს დანერგილ ახალ პროდუქტებზე – სირთულე ის არის, რომ ახალ პროდუქტებს არ აქვთ ისტორიული გაყიდვების მონაცემები. SMART Demand Forecast იყენებს ინტეგრირებულ მიდგომას, რომელიც ითვალისწინებს მრავალ ფაქტორს, როგორიცაა მსგავსი პროდუქტები, გაყიდვების საერთო მოდელები, სეზონური ტენდენციები და სხვა ფაქტორები. ეს მიდგომა მნიშვნელოვნად განსხვავდება ტრადიციული პროგნოზირებისგან, რომელიც ხელით კეთდება და ხშირად შეზღუდულია მონაცემთა დიდი მოცულობის დამუშავების მიმართულებით. ავტომატიზებულმა გადაწყვეტილებამ შესაძლებელი გახადა მონაცემთა უფრო სწრაფი და ზუსტი დამუშავება, რაც უზრუნველყოფს ახალი პროდუქტების უფრო ზუსტ პროგნოზს.
მნიშვნელოვანია აღინიშნოს, რომ თუ მომხმარებელს აქვს არასტანდარტული მოთხოვნა, რომლის გათვალისწინებაც აუცილებელია პროგნოზებში, SMART Demand Forecast მხარს უჭერს მოთხოვნის ხელით პროგნოზირებას. ეს ფუნქცია საშუალებას გაძლევთ სწრაფად შეიყვანოთ დამატებითი განმარტებითი მონაცემები და ოპერატიულად მოახდინოთ რეაგირება ცვლილებებზე ბაზრის არასტაბილურობის პირობებში. ამავდროულად, მომხმარებლის მოთხოვნით ნებისმიერი კონკრეტული საჭიროების ავტომატიზაციის შესაძლებლობა განიხილება, როგორც სასურველი ფუნქცია მომვალისთვის. დიაგნოსტიკის ბოლო ეტაპი იყო მომზადება შემდეგი ეტაპისთვის - მოდელირებაზე გადასასვლელად.
  • მოდელირება McDonald’s Georgia ამ ეტაპის მთავარი ამოცანა იყო ხელოვნური ინტელექტის მოდელის მომზადება ისე, რომ მისი ალგორითმები მაქსიმალურად ზუსტად ყოფილიყო ორიენტირებული ბიზნესის საჭიროებებზე. იმის გამო, რომ მიდგომა “fit once = fit every time” არ მუშაობს სხვადასხვა კომპანიებისთვის, თუნდაც ერთი და იგივე ინდუსტრიიდან, SMART business გუნდმა McDonald’s Georgia-თვის პერსონალიზებული მოდელი შეიმუშავა:

კვირის დღე, წინა თვეების გაყიდვების მონაცემები, პროდუქტის ფასები და ა.შ., შეიქმნა საწყისი მოდელი, რომელიც უზრუნველყოფდა პროგნოზის სიზუსტის გარკვეულ დონეს. შემდეგ გადავედით მოდელის ოპტიმიზაციაზე ახალი ფაქტორების დამატებით: კანიბალიზაცია, სეზონური კოეფიციენტები, ელასტიურობის ფაქტორები და ა.შ. დავაკვირდით რა გაუმჯობესდა და რა არა. აქ მთავარია არ გადააჭარბოთ და არ გადატვირთოთ სისტემა ზედმეტი ინფორმაციით, რადგან მზა მოდელმა შესაძლოა ცრუ პროგნოზი შემოგთავაზოთ. ჩვენს გუნდს აქვს საფუძვლიანი ცოდნა და ყველა საჭირო ინსტრუმენტი თითოეული ფაქტორის გავლენის მნიშვნელობის დასადგენად, რამაც საშუალება მოგვცა გაგვეფილტრა ნაკლებად მნიშვნელოვანი ფაქტორები, შეგვემცირებინა არასაჭირო მონაცემები და გაგვეუმჯობესებინა პროგნოზების სიზუსტე თითოეული McDonald’s Georgia რესტორნისთვის ინდივიდუალურად.

  • არტემ სტეპანოვი Product Owner SMART Demand Forecast

რა სარგებელი მიიღო McDonald’s Georgia-მ SMART Demand Forecast-ის იმპლემენტაციით?

ძირითადი ფაქტორების იდენტიფიცირების შემდეგ, მოდელმა დაიწყო სტაბილური პროგნოზირების შედეგების გამომუშავება. ჩამოყალიბდა ფაქტორების ოპტიმალური რაოდენობა, რომლითაც McDonald’s Georgia-ს შეუძლია მიიღოს ყველაზე ზუსტი მაჩვენებლები მინიმალური რყევებით. პროექტის წარმატება 70-დან 80%-მდე პროგნოზის სიზუსტის მიღწევით განისაზღვრა:
  1. დაგეგმვის პერიოდის დაწყებიდან 4 კალენდარული კვირის ჰორიზონტზე,
  2. ყოველი კალენდარული კვირისთვის,
  3. ქსელის 21 დეკლარირებული რესტორნიდან თითოეულზე.
პროექტი 2023 წლის ოქტომბერში დაიწყო და სრულად 2024 წლის ივლისში განხორციელდა. იმპლემენტაციის წარმატება თვალსაჩინო უკვე საპილოტე პროექტის ეტაპზე გახდა. ის ზაფხულში დაიწყო, როცა ბევრი სხვადასხვა სეზონური ფაქტორი მოქმედებს და ზოგადად McDonald’s Georgia-ს ქსელის მოთხოვნა ყველაზე მეტად იზრდება. შედეგად, შესაძლებელი გახდა შემდეგი მიზნობრივი ინდიკატორების მიღწევა, რომლებმაც მოლოდინს გადააჭარბეს:
  • გაყიდვების პროგნოზირების 83% სიზუსტე თითოეული რესტორნისთვის, ყოველკვირეული მონაცემების აგრეგაციის საფუძველზე 4 კვირის განმავლობაში.
  • გაყიდვების პროგნოზირების 80% სიზუსტე თითოეული რესტორნისთვის, ყოველკვირეული მონაცემების აგრეგაციის საფუძველზე 12 კვირის განმავლობაში.
  • საშუალოდ 5%-მდე გადახრა პროგნოზის შესრულებისგან, რაც გლობალურ ბიზნეს საზოგადოებაში ნორმად ითვლება.

ჩვენ ძალიან კმაყოფილი ვართ SMART Demand Forecast-ის იმპლემენტაციის შედეგებით. ამ პროექტის წყალობით, ჩვენ შევძელით მოთხოვნის პროგნოზირების სიზუსტის მნიშვნელოვნად გაუმჯობესება თითოეულ ჩვენს რესტორანში. პირველი შედეგების მიღებისთანავე, ჩვენ აშკარად მივხვდით, რომ ეს ინვესტიცია სწრაფადვე დაგვიბრუნდებოდა. მადლობელი ვართ მთელი SMART business გუნდის მაღალი პროფესიონალიზმისა და კარგად კოორდინირებული სამუშაო პროცესისთვის, რომელიც გვეხმარება ჩვენი ბიზნეს პროცესების ახალ დონეზე შესწავლაში.

  • Giorgi Asatiani Head of BI & Data Analytics, BI & Data Analytics Department McDonald's Georgia
მაგრამ ასეთი მაღალი მაჩვენებლებიც კი არ არის პროგნოზირების გაუმჯობესების საზღვარი. McDonald’s Georgia SMART business-თან ერთად აპირებს განაგრძოს SMART Demand Forecast-ის ფუნქციონალის განვითარება, რომელიც მოიცავს მრავალი არხის პროგნოზირებას.

ხელოვნური ინტელექტის მქონე გადაწყვეტილებების დანერგვა მოითხოვს მუდმივ თანამშრომლობას, ახალი ნაბიჯების ანალიზს და მჭიდრო კომუნიკაციას ვენდორსა და მომხმარებელს შორის. სწორედ ამ კოლაბორაციას მოაქვს ის მაღალი ხარისხის შედეგი მოაქვს, რომელსაც McDonald's Georgia-სთან ერთად მივაღწიეთ. ჩვენ გუნდების მუდმივმა კომუნიკაციამ და საკითხებზე ოპერატიულად რეაგირებამ დადებითად იმოქმედა პროექტის პროდუქტიულობასა და წარმატებაზე. შესაბამისად, მყარი საფუძველი ჩაეყარა შემდგომ თანამშრომლობას.

  • არტემ სტეპანოვი Product Owner SMART Demand Forecast
SMART business-ის მისიაა, დაეხმაროს მეწარმეებს, გახადონ მომავალი უფრო გასაგები და გამჭვირვალე, რათა შეამცირონ რისკები და იყვნენ მზად ნებისმიერი გამოწვევისთვის. კომპანია ამაყობს იმით, რომ წვლილი შეაქვს თავისი მომხმარებლების წარმატებაში მთელი მსოფლიოს მასშტაბით და აძლევს მათ შანსს მიაღწიონ დასახულ მიზნებს.
July 24th, 2024 < 1 MIN READ
რელიზი 4.0. SMART Demand Forecast: პროგნოზის შექმნა ახლა კიდევ უფრო მოსახერხებელია
მოთხოვნის პროგნოზირების უახლესი სისტემა SMART Demand Forecast იყენებს მრავალფაქტორიან მოდელებს, რთულ ალგორითმებს და აანალიზებს უზარმაზარ მონაცემებს ზუსტი შედეგების მისაღებად. ჩვენ მუდმივად ვმუშაობთ იმის უზრუნველსაყოფად, რომ თქვენ შეძლებთ ზუსტი პროგნოზების გაკეთებას მარტივად და სწრაფად, რითაც სისტემას უტოვებთ რთულ პროცესებს. ინტერფეისის ცვლილებები, მოდელების გაუმჯობესება, ახალი ფუნქციების დამატება - ეს ყველაფერი მუდმივი გაუმჯობესებაა თქვენი ბიზნესის უკეთესი შედეგებისთვის. SMART Demand Forecast-ის განახლებაში პროგნოზირების პროცესი კიდევ უფრო მოსახერხებელი და ზუსტია. ახალი ფუნქციები და გაუმჯობესებები მიზნად ისახავს მომხმარებლის გამოცდილების გაუმჯობესებას, კონფიგურაციის გამარტივებას და პროგნოზირების ალგორითმების ოპტიმიზაციას. ამ განახლებებით მომხმარებლებს შეეძლებათ სწრაფად და მარტივად მიიღონ ზუსტი პროგნოზები, რაც მათ დაეხმარება მიიღონ სრული ინფორმაცია და ეფექტური ბიზნეს გადაწყვეტილებები. ამ სტატიაში განვიხილავთ სისტემასთან მუშაობის ახალ შესაძლებლობებს. გაუმჯობესებული მუშაობა ანომალიებთან: ხელით კორექტირება და სამი ნახვის რეჟიმი ანომალიის დამუშავების გვერდზე დაემატა ანომალიის დამუშავების ხელით რეგულირების შესაძლებლობა. თქვენ შეგიძლიათ შეიტანოთ ცვლილებები ანომალიებში ყველა ხელმისაწვდომი პროდუქტისა და ბიზნესის დონეზე, რის შემდეგაც სხვა დამოკიდებული მნიშვნელობები ხელახლა გამოითვლება. გარდა ამისა, ახლა შეგიძლიათ მთავარ პანელზე სხვადასხვა რეჟიმების და ინფორმაციის ნახვა არჩეული პერიოდისთვის: კვირა, თვე ან წელი. მონაცემთა ნაკრების დაყოფა უფრო მცირე ნაწილებად აადვილებს ვიზუალიზაციას და ძიებას. ანომალიებთან მუშაობის ახალი მიდგომა აუმჯობესებს ისეთ მეტრებს, როგორიცაა Time to Interactive (TTI) და First Contentful Paint (FCP), რითაც უზრუნველყოფს მოსახერხებელ მუშაობას ფართო მასშტაბით. საპროგნოზო შედეგის ხელით კორექტირება თქვენ შეგიძლიათ ხელით დაარეგულიროთ პროგნოზის შედეგი მოდელირების გვერდზე. კორექტირება ვრცელდება ყველა ხელმისაწვდომი პროდუქტისა და ბიზნესის დონეზე. სისტემა ავტომატურად ანაწილებს ცვლილებებს პროგნოზის ყველაზე დაბალ დონეზე. პროგნოზის მართვის ეს უნარი ზრდის მონაცემთა შესაბამისობის დონეს კომპანიის ან ბაზრის ნებისმიერი ცვლილების შესაბამისად. საუკეთესო მოდელის ავტომატური იდენტიფიცირება სისტემაში შეგიძლიათ იხილოთ ოპტიმალური მოდელი, რომელსაც SMART Demand Forecast ავტომატურად გირჩევთ მისი ვალიდაციის პერიოდის მეტრიკის საფუძველზე. თქვენ შეგიძლიათ იპოვოთ შერჩეული მოდელი სიაში შესაბამისი ნიშნით, რომელიც გამოარჩევს მას. ამრიგად, დაზოგავთ დროს შემოთავაზებულ ვარიანტთა შორის ოპტიმალური ვარიანტის განსაზღვრაზე. ახლა ანალიზს დიდი დრო არ დასჭირდება და თქვენ შეძლებთ პროგნოზის უფრო სწრაფად და ეფექტურად აშენებას. სარეკლამო კამპანიების პირობების რეგულირების შესაძლებლობა ახლა თქვენ შეგიძლიათ შეცვალოთ სარეკლამო კამპანიების პარამეტრები, როგორიცაა დაწყების და დასრულების თარიღები, პროდუქტი, მაღაზია, პრომო ტიპი, რეგულარული და სარეკლამო ფასი და ფასდაკლება – პირდაპირ სისტემის ინტერფეისში. პარამეტრები შეინახება სისტემაში შეყვანილი მნიშვნელობების გადამოწმებისა და დანერგვის შემდეგ. ეს მიდგომა დაზოგავს მნიშვნელოვან დროს ცვლილებების შეტანისას, რადგან აღარ გჭირდებათ CSV ფაილების ხელახლა ატვირთვა განახლებული მონაცემებით. ახლა სარეკლამო კამპანიების დაგეგმვა გახდება უფრო მოქნილი და, შესაბამისად, ეფექტური. ახალი ფილტრები და დახარისხება ანომალიების ცხრილისთვის ანომალიების დამუშავების გვერდზე, შეგიძლიათ სწრაფად განახორციელოთ გაფილტვრა და დახარისხება მაღაზიისა და პროდუქტის პარამეტრების მიხედვით. გაფილტვრა უზრუნველყოფს ჯგუფური მონაცემების სტრუქტურიზებას და აადვილებს ანალიზს. მონაცემთა მეცნიერების მაგიდა მოდელის ტრენინგისთვის ცალკე ადგილია გამოყოფილი სასწავლო მოდელებისთვის, სადაც შეგიძლიათ აირჩიოთ ფაქტორების ჯგუფები DS პარამეტრების ჩანართზე. ანალიტიკოსებს და მონაცემთა მეცნიერების გუნდებს აქვთ კიდევ ერთი ინსტრუმენტი, რომელიც დაეხმარება მათ პროგნოზის სიზუსტის მიღწევაში. ეს ამცირებს ექსპერიმენტების დროს და ზრდის სისტემის კონკრეტულ ბიზნეს პროცესებთან ადაპტაციის ეფექტურობას. თარიღისა და დროის ფორმატის არჩევის შესაძლებლობა სისტემის მოსახერხებელი გამოყენებისთვის, შეგიძლიათ დააკონფიგურიროთ სასურველი დროის ზონა მოწყობილობაზე ან იმ რეგიონში, სადაც მუშაობთ დროის სინქრონიზაციისთვის. დროის დასაყენებლად გადადით მომხმარებლის პარამეტრებში > პროფილის პარამეტრებში და აირჩიეთ სასურველი ფორმატი. ანალოგების შემოწმება არასაკმარისი ისტორიის მქონე პროდუქტებისა და მაღაზიებისთვის შეგიძლიათ მიიღოთ ინფორმაცია იმის შესახებ, თუ რამდენად სწორად არის კონფიგურირებული ანალოგი სხვა კატეგორიიდან კონკრეტული პროდუქტისთვის ან მაღაზიისთვის. ეს ავტომატური შემოწმება ამცირებს შეცდომებს და უზრუნველყოფს პროგნოზის ხარისხს. ამ ფუნქციის გამოყენებით, იზრდება ანალოგების კონფიგურაციის სიზუსტე და საიმედოობა. გადამრთველების და ფილტრების გაუმჯობესებული მუშაობა ცხრილებსა და მოდალურ ფანჯრებში ახალი ფილტრაციის პირობებით მოთხოვნის გაგზავნისას, ყველა წინა მოთხოვნა უქმდება, რის გამოც მხოლოდ შესაბამისი პარამეტრები მოქმედებს. ზედმეტი მოთხოვნების აღმოფხვრა აუმჯობესებს სისტემის სიჩქარეს და ეხმარება სპეციალისტებს ფილტრებთან მუშაობაში. ახლა თქვენ შეგიძლიათ სწრაფად შეცვალოთ პარამეტრები და მიიღოთ განახლებული შედეგები მოთხოვნების ხელით გაუქმების დროს დროის დაკარგვის გარეშე. Isolation Forest ალგორითმის გაუმჯობესება თქვენ შეგიძლიათ გამოიყენოთ დამატებითი ფაქტორები მონაცემთა უნივერსალური სტრუქტურიდან ანომალიების მოსაძებნად. სისტემას აქვს გადამრთველი დამატებითი ფაქტორების გამოსაყენებლად ანომალიების ძიებისას Isolation Forest ალგორითმის გამოყენებით, რომლის გააქტუყრებაც სურვილისამებრ შეგიძლიათ. ეს ვარიანტი საშუალებას მოგცემთ უფრო ზუსტად და მოქნილად გამოავლინოთ გაყიდვების ნამდვილი ანომალიები, სხვადასხვა ფაქტორების გათვალისწინებით, როგორიცაა ფასი, პროდუქტისა და მაღაზიის მახასიათებლები და ა.შ. გამარტივებული მუშაობა ჯგუფურ ელემენტებთან ახლა თქვენ შეგიძლიათ ჩამოშალოთ და გააფართოვოთ ჯგუფის ინტერფეისის ელემენტები სისტემის სხვადასხვა გვერდებზე. პარამეტრები ინახება ავტომატურად და შეგიძლიათ გამოიყენოთ ისინი შემდეგ ჯერზე შესვლისას. ეს გეხმარებათ მოირგოთ ინტერფეისი თქვენი საჭიროებების მიხედვით, სწრაფად იპოვოთ მნიშვნელოვანი ინფორმაცია და იმუშაოთ თქვენთვის საჭირო მონაცემებთან. ახალი "ამინდის ფაქტორების" მოცულობის სამშენებლო ბლოკი ამინდის ფაქტორები ახლა უკვე ხელმისაწვდომია მოდელის ვარჯიშისა და ქულების მისაღებად. სისტემას სჭირდება მხოლოდ მონაცემები გაყიდვების პუნქტების გეოლოკაციაზე. ეს ფაქტორები მოიცავს ნალექებს, ტემპერატურას, ტენიანობას და ამინდის სხვა მახასიათებლებს. ახალ ფუნქციას შეუძლია მნიშვნელოვნად გააუმჯობესოს სეზონური საქონლის პროგნოზირების ხარისხი. საბაზისო პროგნოზირების მოდელი პროგნოზის მშენებლობის ტრენინგისა და შეფასებისთვის, ახლა უკვე ხელმისაწვდომია ახალი საბაზისო მოდელი, რომელიც მუშაობს ხაზოვანი რეგრესიის საფუძველზე. მოდელს აქვს ფაქტორების ძირითადი ნაკრები UDS-დან და არ არის დატვირთული დამატებითი ფაქტორების გაანგარიშებით, რაც საშუალებას აძლევს მას მოამზადოს შედეგები ბევრჯერ უფრო სწრაფად, ვიდრე სისტემაში არსებული ტრადიციული მოდელები. ეს მიდგომა განსაკუთრებით აქტუალურია ტენდენციების შესაქმნელად- სწრაფი შედეგი გარკვეული რაოდენობის პარამეტრებით, რაც საწყისი ანალიტიკის კლასიკური მეთოდია გრძელვადიანი კამპანიების დაგეგმვისას. ახალი მიდგომა Azure Spot Instances-ის გამოყენებისთვის SMART Demand Forecast-ს ახლა შეუძლია მნიშვნელოვნად დაზოგოს თქვენი Azure Databricks რესურსები, რომლებიც ჩართულია ტრენინგისა და პროგნოზირების მოდელების შეფასების რთულ პროცესებში. ეს მიდგომა მოიცავს გამოთვლითი რესურსების შენახვას კონკრეტულ საზიარო რესურსების ჯგუფში, სადაც ფასები მნიშვნელოვნად დაბალია ამ რესურსების უფრო პრივილეგირებული მომხმარებლებისთვის გადაცემის მცირე შანსების გამო. სისტემაში მიმდინარე პროცესები ამ ტრანსფერს არანაირად არ განიცდის. ეს საშუალებას გაძლევთ დაზოგოთ დრო ტრენინგისა და შეფასების პროცესებზე და მიიღოთ გაუმჯობესებული ფუქნციონალი ხარჯების გაზრდის გარეშე. გადაწყვეტილების ML ძირითადი კოდის გაუმჯობესებული ხარისხი როგორც მიმდინარე გამოშვების ნაწილი, ტესტირება და დანერგვა განხორციელდა Databricks-ის ჩარჩოსა და Azure Machine Learning-ის კოდის გასაუმჯობესებლად. დანერგილია ავტომატური ფაიფლაინები სტილის კოდისთვის Pep-8 სტანდარტის შესაბამისად. სამუშაოები ჩატარდა კოდირების და CI/CD პროცესების ეფექტურობის გაუმჯობესების მიზნით, შესაბამისად სისტემა გახდა კიდევ უფრო სტაბილური და საიმედო. გადაწყვეტილების ოპტიმიზაცია back-end-ის თვალსაზრისით ცვლილებები Domain Driven Design და სტატუსის დამუშავების განყოფილებიდან, Azure Data Factory-ზე წვდომის მიკროსერვისიდან განხორციელდა. ეს გაუმჯობესებები ოპტიმიზაციის ხასიათს ატარებს და, შედეგად, აუმჯობესებს მომხმარებლის გამოცდილებას სისტემასთან მუშაობისას.
February 13th, 2024 < 1 MIN READ
პროგნოზირება მიწოდების ჯაჭვში: როგორ მივაღწიოთ მიწოდებისა და მოთხოვნის სრულყოფილ ბალანსს
თუ მიწოდების ჯაჭვი გულისხმობს საქონლის გზას ნედლეულიდან საბოლოო მომხმარებლამდე, მაშინ სამომხმარებლო მოთხოვნის პროგნოზის სიზუსტე განსაზღვრავს რამდენად ეფექტურად ხორციელდება ეს პროცესი. ეს ნიშნავს, რომ ჯაჭვის თითოეული მონაწილე, მწარმოებელი კომპანიებიდან საცალო მოვაჭრეებამდე, შეძლებენ გამოიყენონ თავიანთი რესურსები მოგების ზრდისა და ხარჯების ოპტიმიზაციისთვის. ფაქტობრივად, მოთხოვნის პროგნოზი მთელი ჯაჭვის დასაწყისია. იგი განსაზღვრავს დატვირთვას და მისი ყველა კომპონენტის „სამუშაო განრიგს“. ეს არის ასევე წარმოების დაგეგმვის დასაწყისი და ის საფუძველი, რომელსაც დისტრიბუტორები და საცალო მაღაზიები ითვალისწინებენ საქონლის შეძენისა და ტრანსპორტირებისას. ამ ეტაპზე დაშვებული ნებისმიერი შეცდომა შეიძლება ძალიან ძვირი დაჯდეს. წარმოებული ან შეძენილი პროდუქციის დეფიციტი, როდესაც არსებობს მოთხოვნა, იწვევს გაყიდვების დაკარგვას ან დამატებით ხარჯებს მარაგების სასწრაფო შევსებისთვის. RetailDive-ის თანახმად, ბიზნესი წელიწადში დაახლოებით 1 ტრილიონ დოლარს კარგავს მომხმარებლის მოთხოვნის დროულად ვერ დაკმაყოფილების გამო. ჭარბი მარაგი თანაბრად შემაშფოთებელი ფაქტორია. გადაჭარბებული ინვენტარი საჭიროებს დამატებით სახსრებს არასასურველი საქონლის შესანახად და შეზღუდული შენახვის ვადის მქონე საქონლის შემთხვევაში, ჩამოსაწერად. თქვენ შეგიძლიათ მარტივად გამოთვალოთ, თუ როგორ იმოქმედებს ზუსტი პროგნოზი თქვენი კომპანიის გაყიდვებზე ჩვენი ინტერაქტიული კალკულატორის გამოყენებით. ინოვაციური კომპანიები მასიურად ახორციელებენ ხელოვნურ ინტელექტზე დაფუძნებულ თანამედროვე პროგნოზირების გადაწყვეტილებების იმპლემენტაციას; ერთ-ერთი მათგანია SMART Demand Forecast. ეს გადაწყვეტილებები საშუალებას აძლევს კომპანიებს გააკეთონ პროგნოზი რაც შეიძლება ზუსტი, დიდი რაოდენობით მრავალფეროვანი მონაცემების გათვალისწინებით და არა აშკარა შაბლონების იდენტიფიცირებით. McKinsey & Company-ის მიერ ჩატარებული კვლევის მიხედვით, კომპანიების 20% უკვე იყენებს უახლეს ტექნოლოგიებს, რომლებიც გეგმავენ და პროგნოზირებენ მოთხოვნას მიწოდების ჯაჭვში ხელოვნური ინტელექტის გამოყენებით, ორგანიზაციების 60%-ს კი უკვე აქვს დაგეგმილი ასეთი ტექნოლოგიების დანერგვა. დანარჩენი კვლავ დაფუძნებულია ექსპერტულ ანალიზზე, გაყიდვების ისტორიის ტენდენციებისა და ბიზნეს ანალიტიკოსების შეხედულებების გათვალისწინებით. თუმცა, გამოცდილება გვიჩვენებს, რომ ასეთი გამოთვლები ხშირად ნაკლებად ზუსტია, ვიდრე სათანადოდ შერჩეული და კონფიგურირებული ხელოვნური ინტელექტის ალგორითმებით მოწოდებული ხელსაწყოების შედეგები. მიწოდების ჯაჭვის მენეჯმენტში მოთხოვნის პროგნოზირების სხვადასხვა ტიპები არსებობს: რაოდენობრივი, ხარისხობრივი და ა.შ. მაგრამ საუკეთესო პრაქტიკა ჩვეულებრივ მოიცავს AI ალგორითმებს და კომპლექსურ ანალიტიკას.

ზუსტი მოთხოვნის პროგნოზირების სარგებელი მიწოდების ჯაჭვის მენეჯმენტში

პროგნოზირების ინსტრუმენტებს, როგორიცაა SMART Demand Forecast, შეუძლია მნიშვნელოვნად შეამციროს ყველა აღნიშნული რისკი და გაზარდოს მიწოდების ჯაჭვის მართვის ეფექტურობა. მოდით უფრო დეტალურად განვიხილოთ ის სარგებელი, რომელსაც ბიზნესი იღებს ზუსტი მოთხოვნის პროგნოზით. დაკარგული გაყიდვების მინიმიზაცია როგორც ზემოაღნიშნული სტატისტიკა აჩვენებს, კომპანიები კარგავენ მნიშვნელოვან თანხას მომხმარებელთა მოთხოვნის დაკმაყოფილების შესაძლებლობის არქონის გამო. ეს ხდება იმ შემთხვევაში, თუ ანალიტიკოსები არ აფასებენ ან ვერ განიხილავენ ფაქტორებს ან ფარულ შაბლონებს, რამაც გამოიწვია საქონლის გარკვეულ ჯგუფებზე მოთხოვნის უფრო ინტენსიური ზრდა. შესაბამისად, ვერ მოხდა პროდუქციის მიწოდების სათანადოდ ორგანიზება. ორგანიზაციები უბრალოდ ვერ ყიდიან პოპულარულ პროდუქტს მისი მიუწვდომლობის გამო ან იძულებულნი არიან დამატებითი ძალისხმევა და სახსრები მიმართონ მარაგების რაც შეიძლება მალე შესავსებად, გადაიხადონ მეტი შეკვეთის მისაღებად. მომხმარებელთა ლოიალობის ზრდა თუ მომხმარებელს ან მყიდველს პერიოდულად უჭირს მისთვის საჭირო პროდუქტების შეძენა, შესაძლოა სერიოზული საფრთხე წარმოქმნას მომწოდებლის, მაღაზიისა და ქსელის იმიჯისთვის. ცუდი სერვისი გამოიწვევს მომხმარებლების ლოიალობის შემცირებას ან დაკარგვას. ამავდროულად, ახალი მომხმარებლების მოზიდვა გაცილებით მეტ თანხებს მოითხოვს, ვიდრე არსებულის შენარჩუნება. გარდა ამისა, თუ თქვენ არ გაქვთ საქონელი, მოთხოვნისას - დაკარგავთ მოგებას. ზუსტი პროგნოზი გეხმარებათ მუდმივად შეინარჩუნოთ მარაგის საჭირო დონე, განსაკუთრებით სარეკლამო კამპანიების დროს. სწრაფი რეაგირების უნარი მოთხოვნის ცვლილებებზე მიწოდებისა და მოთხოვნის პროგნოზირების ერთ-ერთი სირთულე მომხმარებელთა ქცევის ცვალებადი ხასიათია, რომელზეც შეიძლება გავლენა იქონიოს ბევრმა ფაქტორმა, როგორიცაა ახალი ტენდენციები, კონკურენტების აქტივობები და ამინდიც კი. ცხადია, რომ არაპროგნოზირებად ფაქტორებს ხელოვნური ინტელექტიც კი ვერ გაითვალისწინებს, რადგან ის მხოლოდ მისთვის მიწოდებულ მონაცემებზე მუშაობს. თუმცა, აუცილებლად შეძლებს ყველა საჭირო ფაქტორის გათვალისწინებას მოთხოვნის რყევების უფრო ზუსტი და დროული პროგნოზირებისთვის, რაც ხელს შეუწყობს მიწოდების ჯაჭვის უფრო ეფექტურად და მოქნილად მართვას. ლოჯისტიკური ხარჯების შემცირება მიწოდების ჯაჭვში მოთხოვნის არაზუსტი პროგნოზირება ასევე იწვევს არასაჭირო ლოჯისტიკურ ხარჯებს. მაგალითად, თუ მაღაზიათა ქსელის პროგნოზი მთლიანად ეფუძნება ანალიტიკოსების შეფასებებსა და ვარაუდებს, ეს ნიშნავს, რომ:
  • პროგნოზი ხშირად ნაკლებად ზუსტი და უფრო პესიმისტური იქნება, ვიდრე რეალური;
  • ის ჩვეულებრივ გაკეთდება მთელი ქსელისთვის, შემდგომი მიახლოებითი განაწილებით სხვადასხვა მაღაზიებს შორის
შედეგად, ზოგიერთ მაღაზიას, როგორც წესი, ექნება პროდუქციის ჭარბი რაოდენობა, ზოგს კი დეფიციტი. ამ დისბალანსის დასაძლევად კომპანიებს უწევთ საქონლის მოცულობის გადანაწილება მაღაზიებს შორის, რაც, თავის მხრივ, იწვევს დამატებით ლოჯისტიკურ ხარჯებს. ეს ხარჯები ზრდის წარმოების ხარჯებს და „ჭამს“ მარჟას. თანამედროვე ინსტრუმენტების საშუალებით შესაძლებელია მოთხოვნის პროგნოზირება კონკრეტულ ნივთებზე თითოეული მაღაზიისთვის ინდივიდუალურად. ეს ხელს უწყობს მარაგის ოპტიმალურ დონეს ქსელის ყველა მაღაზიაში. საწყობის ხარჯების შემცირება შეცდომით მოთხოვნის პროგნოზი იწვევს ზოგიერთი პროდუქტის ჭარბ რაოდენობას. ეს პროდუქტები უნდა შეინახოს საწყობებში და გახდეს ორგანიზაციის „გაყინული კაპიტალი“, რაც კომპანიისთვის დამატებით ხარჯებს უკავშირდება. ჩამოწერილი პროდუქტების რაოდენობის მინიმიზაცია ჭარბი საქონელი შეზღუდული შენახვის ვადით ჩამოიწერის აუცილებლობას უკავშირდება. ეს ნიშნავს, რომ მათ შეძენაში, მიწოდებასა და შენახვაში ჩადებული მთელი თანხა ფუჭად იხარჯება. გარდა ამისა, თავად ჩამოწერის პროცესი გარკვეულ ხარჯებს მოიცავს. ამ პრობლემის ნაწილობრივ მოსაგვარებლად, კომპანიები იძულებულნი ხდებიან გაყიდონ პროდუქცია მნიშვნელოვნად იაფად და ასევე დახარჯონ დამატებითი თანხა მარკეტინგულ საქმიანობაზე. უფრო ეფექტური აქციები მიწოდებისა და მოთხოვნის პროგნოზირების ინსტრუმენტების გამოყენებამ შეიძლება აქციები უფრო ეფექტური და მართვადი გახადოს. მაგრამ ის მოითხოვს სისტემებს, რომლებსაც შეუძლიათ გამოთვალონ როგორც რეგულარული, ასევე სარეკლამო გაყიდვების მოცულობა. SMART Demand Forecast სწორედ ერთ-ერთი ასეთი სისტემაა. მაგალითად, ის გეხმარებათ განსაზღვროთ ოპტიმალური ფასდაკლება გარკვეულ პროდუქტებზე. დავუშვათ, გეგმავთ პროდუქტის ფასის 30%-ით შემცირებას. სისტემამ შეიძლება აღმოაჩინოს, რომ ასეთი ფასდაკლებით მოთხოვნა იმდენად მაღალი იქნება, რომ მომწოდებლები ვერ შეძლებენ მის დაკმაყოფილებას. იმავდროულად, 15%-იანი ფასდაკლებით თქვენ გაყიდით ნაკლებ პროდუქციას, მაგრამ გამოიმუშავებთ გაცილებით მეტს უფრო მაღალი ფასის გამო. სისტემის პროგნოზზე დაყრდნობით, მიწოდების ჯაჭვის მენეჯერმა შეეძლება მიიღოს გონივრული გადაწყვეტილება იმის შესახებ, თუ რამდენი პროდუქტი შეიძინოს, ოპტიმალური ფასდაკლებიდან გამომდინარე. გარდა ამისა, ინსტრუმენტებს, რომლებიც პროგნოზირებენ აქციებს, შეუძლიათ გაითვალისწინონ ეგრეთ წოდებული კანიბალიზაცია, რაც ძალიან მნიშვნელოვანია. როდესაც თქვენ ადგენთ ფასდაკლებას გარკვეულ პროდუქტზე, მასზე უფრო მაღალი მოთხოვნა „ჭამს“ მსგავსი არასარეკლამო პროდუქტების გაყიდვას. ზოგიერთი კომპანია პროგნოზირებს მხოლოდ რეგულარულ გაყიდვებს და ეს პროგნოზები ყოველთვის არასწორია, რადგან ისინი არ ითვალისწინებენ კანიბალიზაციის ფაქტორს. სისტემები, როგორიცაა SMART Demand Forecast ავტომატურად და ზუსტად ამცირებს მოთხოვნის პროგნოზს არაფასდაკლებულ პროდუქტებზე და ზრდის მას მსგავს ფასდაკლებულ პროდუქტებზე. More effective pricing policy უფრო ეფექტური საფასო პოლიტიკა სხვადასხვა ნივთებზე მოთხოვნის რყევების ზუსტი პროგნოზი ასევე ხელს უწყობს მათთვის ოპტიმალური ფასების დადგენას. მაგალითად, თუ სისტემა „ხედავს“, რომ გარკვეულ პროდუქტზე მოთხოვნის პიკშია, ეს იძლევა უფრო მაღალი ფასის დაწესების საფუძველს და პირიქით. გარდა ამისა, პროგნოზირების გადაწყვეტილება დაგეხმარებათ განსაზღვროთ რა ფასი უზრუნველყოფს გაყიდვების ზრდას. პროგნოზირების მახასიათებლები მწარმოებლებისა და დისტრიბუტორებისთვის მოთხოვნის პროგნოზირება არის მიწოდების ჯაჭვის დასაწყისი ყველა მონაწილისთვის, მათ შორის მწარმოებლებისა და დისტრიბუტორებისთვის. წარმოების დაგეგმვა იწყება პროგნოზით. იგი გამოიყენება ნედლეულის საჭირო რაოდენობისა და წარმოების სიმძლავრის გამოსათვლელად მოსალოდნელი მოთხოვნის დასაკმაყოფილებლად. იგი ითვალისწინებს პროდუქციის მარაგის დონეს და უკვე დაწყებულ საწარმოო პროცესებს. მიუხედავად იმისა, რომ ასეთი კომპანიები ჩვეულებრივ იღებენ მოგებას დისტრიბუტორებისთვის გაყიდვიდან, ეგრეთ წოდებული პირველადი გაყიდვებიდან, მნიშვნელოვანია გავითვალისწინოთ მეორადი გაყიდვები სწორი პროგნოზისთვის: თქვენი პროდუქციის რა რაოდენობას მიაწვდის დისტრიბუტორი საცალო მოვაჭრეებს. მაგალითად, თუ დისტრიბუტორი გეგმავს მაღაზიებში გარკვეული პროდუქტების აქციის გაშვებას, ეს ნიშნავს, რომ დისტრიბუტორი შეიძენს უფრო მეტ პროდუქტს მწარმოებლისგან, რათა დააკმაყოფილოს საცალო ვაჭრობის მაღალი მოთხოვნა. ასევე შეიძლება აღმოჩნდეს, რომ დისტრიბუტორმა შეიძინა თქვენი პროდუქცია იმაზე ნაკლები, ვიდრე მაღაზიებში გაგზავნეს გარკვეული სააღრიცხვო პერიოდის განმავლობაში. დისტრიბუტორების მიერ შეძენილი და გაყიდული საქონლის თანაფარდობა დაგეხმარებათ განსაზღვროთ, თუ რამდენ პროდუქტს შეიძენთ მომდევნო სააღრიცხვო პერიოდში. მეორადი გაყიდვებით ჩართული დისტრიბუტორები აკეთებენ საკუთარ პროგნოზებს საცალო მოვაჭრეების ინსაიდერული ინფორმაციის საფუძველზე (მაღაზიის დაგეგმილი აქციები, მათი გაყიდვების პროგნოზები და ა.შ.). მაგრამ რადგან ასეთი ინფორმაცია ყოველთვის არ არის ხელმისაწვდომი, დისტრიბუტორები იძულებულნი არიან შეინარჩუნონ უსაფრთხოების რეზერვი, რომელიც წინა პროგნოზებიდან გადახრების გათვალისწინებით განისაზღვრება. მათთვის გადამწყვეტი მნიშვნელობა აქვს მარაგის შენარჩუნებას, რომელიც, ერთი მხრივ, არ არის გადაჭარბებული და, მეორე მხრივ, უზრუნველყოფს საჭირო საქონლის მუდმივ ხელმისაწვდომობას. თუ რაღაც მომენტში დისტრიბუტორს არ აქვს საკმარისი პროდუქცია საცალო ვაჭრობისთვის, საცალო მოვაჭრე მიმართავს სხვა მომწოდებელს ან გააფორმებს პირდაპირ კონტრაქტს მწარმოებელთან. ამრიგად, დისტრიბუტორი უბრალოდ გამოეთიშება მიწოდების ჯაჭვს.

როგორ ეხმარება ხელოვნური ინტელექტი ზუსტი მოთხოვნის პროგნოზის შექმნას

AI-ზე დაფუძნებული გადაწყვეტილებები მოთხოვნის პროგნოზირებისთვის მიწოდების ჯაჭვში მნიშვნელოვნად ამარტივებს ანალიტიკურ გამოთვლებს და უფრო ზუსტს ხდის მათ. მოდით უფრო დეტალურად განვიხილოთ ასეთი ხელსაწყოების გამოყენების უპირატესობები. შრომის ხარჯების შემცირება თუ კომპანია არ იყენებს თანამედროვე ინსტრუმენტებს მოთხოვნის პროგნოზირებისთვის, ის იძულებულია დაიქირაოს ანალიტიკოსთა დიდი გუნდი. მაგრამ მთელ ანალიტიკურ დეპარტამენტსაც კი დიდი დრო სჭირდება ინფორმაციის კონსოლიდაციისთვის, რთული გამოთვლების შესასრულებლად, მონაცემთა დიდი ნაკრების დასამუშავებლად და სხვადასხვა დამოკიდებულებებისა და ტენდენციების იდენტიფიცირებისთვის. AI-ზე დაფუძნებული მოთხოვნის პროგნოზირების გადაწყვეტილების გამოყენებით, ანალიტიკოსმა მხოლოდ უნდა ატვირთოს სისტემაში სწორი და ამომწურავი მონაცემები, დაიწყოს გაანგარიშების პროცესი და მიიღოს მზა პროგნოზი. დარჩენილია მხოლოდ შედეგის დემონსტრირება მენეჯმენტისთვის, ახსნა, თუ რატომ იქნა მიღწეული ეს შედეგი და შემოსთავაზოს ზომები, რომლებიც პროგნოზს ორგანიზაციის ბიზნეს მიზნებთან დააახლოებს. ამრიგად, ანალიტიკოსი თავისუფლდება დიდი რაოდენობით პრობლემური და რთული სამუშაოსგან და მეტი დრო აქვს გადაწყვეტილების მიღებაში აქტიური მონაწილეობის მისაღებად. ადამიანური შეცდომის მინიმიზაცია მიწოდებისა და მოთხოვნის პროგნოზირების გადაწყვეტილებები ასევე ამცირებს ადამიანური შეცდომის შესაძლებლობას, რამაც შეიძლება მნიშვნელოვანი ზარალი გამოიწვიოს ბიზნესისთვის. ანალიტიკოსს არ უწევს გამოთვლების შესრულება. ყველა საჭირო ფორმულა და ალგორითმი უკვე ჩაშენებულია სისტემაში. მომხმარებელს ესმის, თუ როგორ გამოითვლება პროგნოზი, მაგრამ პროცესი არის ავტომატური, სწრაფი და გარანტირებულად სწორი. ერთიანი მონაცემთა ბაზა ისეთი ინსტრუმენტების გამოყენებით, როგორიცაა SMART Demand Forecast, მთელი ინფორმაცია ინახება ერთ, ერთიან მონაცემთა ბაზაში. კომპანიებში, რომლებიც არ იყენებენ პროგნოზირების ასეთ გადაწყვეტილებებს, ანალიტიკოსებს ჩვეულებრივ უწევთ ინფორმაციის გაერთიანება განსხვავებული სისტემებიდან. მათ უნდა მიიღონ ძირითადი მონაცემები ერთი სისტემიდან, გაყიდვების ანგარიში მეორედან, მონაცემები სარეკლამო კამპანიების შესახებ მესამედან და ა.შ. SMART Demand Forecast-ის გამოყენებით, ყველა დეპარტამენტი და ყველა თანამშრომელი მუშაობს ერთიან სისტემაში, ერთ ფორმატში, ერთ ინტერფეისში. ამის სარგებელი განსაკუთრებით შესამჩნევია, როდესაც კონკრეტული თანამშრომელი რაიმე მიზეზით ეთიშება სამუშაო პროცესს, მაგალითად, შვებულებაში წასვლის, ავადმყოფობის შვებულების ან სამსახურიდან წასვლის გამო. კიდევ ერთ თანამშრომელს შეუძლია მარტივად გააგრძელოს მუშაობა იმ ინფორმაციასთან, რომელიც წინა თანამშრომელმა ერთიან სისტემაში შეტვირთა. თანამედროვე პროგნოზირების გადაწყვეტილებებით მოწოდებული გაერთიანების გარეშე, ერთი თანამშრომლისთვის შეიძლება ძალიან რთული იყოს მეორის გამოთვლების გაგება, რაც საფრთხეს უქმნის ბიზნეს პროცესების უწყვეტობას. ყველა საჭირო ფაქტორის გათვალისწინება მიწოდების ჯაჭვში მოთხოვნის პროგნოზირების ერთ-ერთი მთავარი სირთულე როგორც შიდა, ასევე გარე ფაქტორის გათვალისწინებაა. ამის გაკეთება საკმაოდ რთულია, მაშინაც კი, თუ პროგნოზზე გამოცდილი ექსპერტების გუნდი მუშაობს. ხელოვნური ინტელექტის გადაწყვეტილებებს, საჭირო მონაცემების სისტემაში არსებობის შემთხვევაში, ამის გაკეთება სწრაფად და ზუსტად შეუძლიათ. იმ ფაქტორების ჩამონათვალი, რომლებსაც ითვალისწინებს ხელოვნური ინტელექტი, საკმაოდ გრძელია. წარმოგიდგენთ რამდენიმე მათგანს: - კვლევის შედეგები; - მონაცემები კონკურენტების შესახებ; - მაკროეკონომიკური ტენდენციები; - მიმწოდებლის აქციები; - საკუთარი აქციები; - კანიბალიზაცია; - მონაცემები სოციალური ქსელებიდან; - ამინდის პროგნოზი; - მონაცემები POS ტერმინალებიდან; - ქვეყანაში მიმდინარე მოვლენები… ხელოვნურ ინტელექტს შეუძლია გაითვალისწინოს ეს და სხვა ფაქტორები, შეადაროს ისინი და მოძებნოს შაბლონები, ურთიერთდამოკიდებულებები და ფარული ტენდენციები, რომლებიც ანალიტიკოსებისთვის აშკარა არ არის. ამრიგად, პროგნოზი უფრო ზუსტი და გამართლებული იქნება. ჯაჭვური რეაქცია სტატისტიკურად დადასტურებულია, რომ მიწოდების ჯაჭვში ცუდი პროგნოზირებასთან დაკავშირებული დამატებითი ხარჯები საშუალოდ შეადგენს გაყიდვების ღირებულების 2%-ს. ანალიტიკოსის მიერ დაშვებული მსგავსი შეცდომის შემთხვევაში, კომპანიის ზარალი ასეთი პროგნოზით შეიძლება ბევრად მეტიც კი იყოს. სისტემები, რომლებიც იყენებენ ხელოვნურ ინტელექტს და მანქანური სწავლების ტექნოლოგიებს, როგორიცაა SMART Demand Forecast, შეუძლიათ შეამცირონ ეს დანაკარგები უფრო ზუსტი გამოთვლებით. სწორედ ამიტომ, მსოფლიოში კომპანიების დიდი უმრავლესობა ან უკვე იყენებს ასეთ გადაწყვეტილებებს, ან ემზადება მათი დასანერგად. გსურთ გაიგოთ მეტი იმის შესახებ, თუ რა გავლენა ექნება მიწოდების ჯაჭვში მოთხოვნის ზუსტ პროგნოზს გაყიდვებზე თქვენს კომპანიაში? მოითხოვეთ პერსონალიზებული პრეზენტაცია.
December 6th, 2023 < 1 MIN READ
პროგნოზის შექმნა კიდევ უფრო ადვილი გახდა ახალი SMART Demand Forecast რელიზით 3.0
პროგნოზირების სიზუსტის გაუმჯობესება გადამწყვეტ როლს თამაშობს სტრატეგიული ბიზნესის დაგეგმვაში, რაც ხელს უწყობს ბაზრის ტენდენციების, მომხმარებელთა მოთხოვნისა და მომხმარებლის საჭიროებების სიღრმისეულ გაგებას. ეს საშუალებას გაძლევთ ეფექტურად მართოთ ინვენტარი და ლოჯისტიკა, მინიმუმამდე დაიყვანოთ არასაჭირო ხარჯები და დეფიციტის რისკები. თანამედროვე პროგნოზირების სისტემები, როგორიცაა SMART Demand Forecast, იყენებს მრავალვარიანტულ მოდელებს და აანალიზებს უამრავ მონაცემს მოთხოვნის ცვლილებების პროგნოზირებისთვის. ეფექტური პროგნოზის გასაკეთებლად სისტემა მუდმივად უნდა გაუმჯობესდეს. ამ განახლებაში, ჩვენ ბევრი ვიმუშავეთ სისტემის ყველა პროცესისა და ინტერფეისის ოპტიმიზაციისთვის, რათა უზრუნველვყოთ გადაწყვეტილებების მარტივი გამოყენება, მონაცემთა ჩამოტვირთვა, ცხრილების ნახვა და ანალიტიკა. ჩვენ ასევე დავამატეთ ახალი ძირითადი ფუნქციები:
  • მონაცემთა ანომალიის გამოვლენა და დამუშავება;
  • პროგნოზის ძირითად კომპონენტებად დაშლის შესაძლებლობა;
  • პროგნოზის გაანგარიშების ფაქტორები: გარე ფაქტორები (ბუნებრივი მოვლენები, ფორსმაჟორული მოვლენები, გაცვლითი კურსის რყევები და ა.შ.) და კონკურენტების გავლენა;
  • პროგნოზირების მოდელი – XGBoost;
  • Power BI ანგარიშები და მრავალი სხვა.
გაიგეთ მეტი სისტემის ყველა განახლების შესახებ ქვემოთ მოცემულ სტატიაში. განახლებულია ტექნიკური სტატუსების განმარტება და მათი ჩვენება ინტერფეისში ინტერფეისისა და სტატუსების ცვლილებები აადვილებს სისტემაში ნავიგაციას და კომპანიის პროცესების ცვლილებებთან სწრაფად ადაპტაციას. ეს აქცევს SMART Demand Forecast-ს უფრო მოქნილ გადაწყვეტილებად და ეხმარება ახალ მომხმარებლებს ისწავლონ, რადგან პროგრამა ინტუიციურია და აკმაყოფილებს ინფორმაციის პრეზენტაციის თანამედროვე სტანდარტებს. დაემატა დინამიური ადაპტაცია პროდუქტის დონეების რაოდენობის ცვლილებებში მოთხოვნის პროგნოზის შექმნასთან დაკავშირებული სამუშაო ნაკადები მარტივდება ასორტიმენტში პროდუქტების მართვის მოქნილობის გამო. სისტემას შეუძლია სწრაფად მოერგოს პროდუქტის სტრუქტურის ცვლილებებს, რაც ბევრად უფრო კომფორტულს ხდის მის გამოყენებას ყოველდღიურად. განახლება საშუალებას გაძლევთ მარტივად გააფართოვოთ და დააკონფიგურიროთ სისტემა, რათა დააკმაყოფილოს თქვენი მიმდინარე საჭიროებები ნაკლები დროისა და ადამიანური რესურსით. სისტემის პროცესების და მონაცემთა ჩვენების გაუმჯობესებული ვიზუალიზაცია ოპტიმიზებული ალგორითმებისა და მონაცემთა გაუმჯობესებული დამუშავების წყალობით, პროცესის ვიზუალიზაცია უფრო სწრაფი და მოქნილი გახდა. ახლა ეკრანზე არსებული ინფორმაცია უფრო ზუსტად ასახავს იმას, რაც ხდება სისტემის მუშაობის დროს. მომხმარებლისთვის უფრო ადვილია მონაცემთა დამუშავების ეტაპების დანახვა, შესაბამისად გადაწყვეტილებასთაბ ურთიერთქმედება მაქსიმალურად კომფორტული და გასაგებია, თუნდაც ახალი თანამშრომლებისთვის. ოპტიმიზებული აღდგენა კავშირის დაკარგვის შემთხვევაში SMART Demand Forecast-ის გუნდისთვის, ერთ-ერთი ყველაზე მნიშვნელოვანი საკითხი მომხმარებლებისთვის გადაწყვეტილების სტაბილური მუშაობის უზრუნველყოფაა. სისტემა აკონტროლებს პროცესებს რეალურ დროში, ასე რომ, თუ ინტერნეტ კავშირი მოულოდნელად გაქრა, განახლებული აღდგენის სტრატეგიები ავტომატურად ამოქმედდება. სამუშაო პროცესი ახლა უფრო გამარტივედა, გარე ფაქტორების მიუხედავად, თქვენ აღარ მოგიწევთ ნერვიულობა იმ მონაცემების დაკარგვაზე, რომლებზეც მუშაობდით. ეს უზრუნველყოფს არა მხოლოდ მაღალი ხარისხის სამუშაოს ტექნიკური თვალსაზრისით, არამედ ამცირებს თანამშრომლების სტრესს და მინიმუმამდე დაყავს დაუგეგმავი ხარვეზები სამუშაო პროცესში. დაემატა ანომალიების დამუშავების უნარი ანომალიური მონაცემების პოვნისა და დამუშავების საკითხები ყოველთვის პრიორიტეტულია სისტემებისთვის, რომლებიც მუშაობენ დიდი რაოდენობით მონაცემებთან და იყენებენ ხელოვნურ ინტელექტს. მიუხედავად იმისა, რომ SMART Demand Forecast გამონაკლისი სულაც არ არის, დაგროვილი ექსპერტიზის გამოყენებით, გაყიდვებში ანომალიების აღმოჩენისას, შესაძლებელია მათი გასწორებისა და კორექტირება. დაემატა ანომალიების ცხრილებისა და გრაფიკების სინქრონული ჩამოსქროლვის შესაძლებლობა SMART Demand Forecast-ში მუშაობისას, შეგიძლიათ ერთდროულად ჩამოსქროლოთ და შეადაროთ ინფორმაცია ცხრილებსა და ანომალიების გრაფიკებში. ეს ფუნქცია უზრუნველყოფს უფრო მოსახერხებელ და ეფექტურ გზას ინფორმაციის გასაანალიზებლად, რომელიც გავლენას მოახდენს მოთხოვნის პროგნოზზე. ახლა მომხმარებლებს შეუძლიათ უფრო სწრაფად მოახდინონ მნიშვნელოვანი შაბლონებისა და ანომალიების ინდენტიფიცირება მონაცემებში და შექმნან ანალიტიკური საფუძველი შემდგომი გადაწყვეტილების მისაღებად მიწოდების ჯაჭვის მენეჯმენტში. დამატებულია პროგნოზის შემადგენელ ნაწილებად დეკომპოზიციის შესაძლებლობა კომპონენტის ნაწილების ბლოკები ის ძირითადი ელემენეტებია, რომლებიც ქმნიან პროგნოზის მთლიან მოცულობას. მათი დეკომპოზიცია ხელს უწყობს სამომავლო ტენდენციების უფრო ზუსტად პროგნოზირებას, ცვლილებების ძირითადი მამოძრავებლების იდენტიფიცირებას და რესურსების მართვისა და დაგეგმვის უფრო ეფექტური სტრატეგიების შემუშავებას. სისტემაში შეიქმნა ანგარიში „კომპონენტური ნაწილების ბლოკები“. ის საშუალებას გაძლევთ სწრაფად გაანალიზოთ, თუ რომელმა ფაქტორებმა მოახდინეს გავლენა პროგნოზზე, ამ ფაქტორების საფუძველზე მიიღოთ სტრატეგიული გადაწყვეტილებები მიწოდებაზე, აქციებზე და ა.შ. დაინერგა ახალი ინტერფეისი ანალოგების ცხრილების იმპორტისა და ექსპორტისთვის სისტემის ინტერფეისის უწყვეტი გაუმჯობესება SMART Demand Forecast-ის განვითარების ერთ-ერთი მნიშვნელოვანი ნაწილია. ამრიგად, სისტემის ეს განახლება მოიცავს ახალი ინტერფეისის ინტეგრაციას ანალოგების ცხრილების იმპორტისა და ექსპორტისთვის. ინფორმაციის მარტივი და თვალსაჩინო ინტერფეისის გამოყენებით მომხმარებლებს შეუძლიათ უფრო სწრაფად დაუკავშირდნენ სისტემას. ეს ამცირებს ოპერაციული ამოცანების შესასრულებლად საჭირო დროსა და ძალისხმევას. დაემატა ახალი კომპონენტი ანომალიებისი ძიების პარამეტრებისთვის ამ ფუნქციით მომხმარებლებს შეუძლიათ ადვილად დააკონფიგურირონ ცდომილების დონე ძიების მეთოდისთვის ინტუიციური ინტერფეისის საშუალებით, რაც ამარტივებს მონაცემებში ანომალიების იდენტიფიცირების პროცესს. ეს ზრდის სისტემის პროდუქტიულობას და საშუალებას აძლევს გუნდს მოამზადოს მაღალი ხარისხის ანალიტიკური ანგარიშები. ოპტიმიზირებულია CI/CD პროცესები 3.0 რელიზში, შეცვლილია CI/CD პროცესები, რაც მნიშვნელოვნად ზრდის პროდუქტის მიწოდების სიჩქარეს და ხარისხის კონტროლს განვითარების, ტესტირებისა და კლიენტისთვის მიწოდების დროს. მიუხედავად იმისა, რომ ეს მომხმარებლებისთვის შეუმჩნეველი რჩება, სამუშაოს მნიშვნელოვან ასპექტს წარმოადგენს, რადგან უზრუნველყოფს ახალი ფუნქციონალის სწრაფად და ეფექტურად დანერგვას ასევე სისტემის უწყვეტ გაუმჯობესებას მომავალში. გაფართოვდა მოდელირების დროს კალენდრის გამოყენების შესაძლებლობა SMART Demand Forecast კალენდრის განახლებული ინტერფეისი უზრუნველყოფს მის ეფექტურ გამოყენებას, რაც საშუალებას გაძლევთ სწრაფად მიიღოთ საჭირო ინფორმაცია და იხილოთ მონაცემები აგრეგაციის სხვადასხვა დონეზე. გარდა ამისა, დაემატა დაგეგმვის პერიოდის გახსნის თარიღის სწრაფად არჩევის შესაძლებლობა. განახლებულია ახალი პროდუქტების პროგნოზირების მიდგომა. ასორტიმენტში ახალი პროდუქტები ართულებს მოთხოვნის პროგნოზის შექმნას. პროგნოზირებისთვის მუშაობს ანალოგების მიწოდების სტანდარტული ლოგიკა, თუმცა არის სიტუაციები, როდესაც საჭიროა ასობით ან ათასობით პროდუქტისთვის დიდი რაოდენობის ანალოგების კონფიგურაცია. ახლა ეს შესაძლებელია ანალოგის მითითების გარეშე, მაგრამ საშუალო გაყიდვების საფუძველზე კატეგორიაში. დაემატა მანქანური სწავლების ახალი მოდელი, XGBoost XGBoost არის მანქანური სწავლების ერთ-ერთი ყველაზე წარმატებული მოდელი (ექსტრემალური გრადიენტის გაძლიერება) და Kaggle-ის მრავალი კონკურსის გამარჯვებული პროგნოზირებისა და რეგრესიის ამოცანების სფეროში. SMART Demand Forecast-ზე ამ მოდელის დამატებით, კომპანიას ეძლევა შესაძლებლობა ექსპერიმენტი ჩაატაროს სხვადასხვა პროგნოზირების ხელსაწყოებზე და აირჩიოს ყველაზე ეფექტური. ოპტიმიზებულია TFT მოდელის შესრულება TFT (Temporal Fusion Transformation) მოდელი, რომელიც განხორციელდა გამოშვებაში 2.0 იყო რეფაქტორირებული და გაუმჯობესებული შესრულებისა და სიზუსტის თვალსაზრისით. უპირველეს ყოვლისა, ჩვენ გავაუმჯობესეთ მისი სიზუსტე, რაც შესაძლებელს ხდის უკეთესი პროგნოზების წარმოებას და ზრდის ბიზნესის ეფექტურობას. დაინერგა ახალი ფაქტორები: ბასის დიფუზია, კონკურენტების გავლენა და გარე ფაქტორები ბასის დიფუზიის ფაქტორი ეფუძნება წინა გამოშვებისთვის ჩატარებულ კვლევას. ეს ხელს უწყობს მოკლე ისტორიის მქონე პროდუქტების ნიმუშების იდენტიფიცირებას. ექსპერიმენტებმა აჩვენა, რომ ეს ფაქტორი ძალიან სასარგებლოა ყველა პროდუქტის პროგნოზირებისთვის, რადგან უზრუნველყოფს კომპლექსურ მიდგომას პროგნოზის შესაქმნელად. ასევე შესაძლებელია ისეთი მნიშვნელოვანი ფაქტორების გათვალისწინება, როგორიცაა კონკურენტების გავლენა, შესაბამისი მონაცემების არსებობის შემთხვევაში. ვაგრძელებთ მუშაობას მოთხოვნის ფორმირების გარე ფაქტორების გათვალისწინებით. ახლა უკვე შესაძლებელია ეკონომიკური ფაქტორების გათვალისწინება.
  • შეიქმნა ანალიტიკური მონაცემების ახალი მოდელი 3.0 გამოშვებაში ჩვენ დავაოპტიმიზეთ და შევქმენით ანალიტიკური ანგარიშგების ახალი კონცეფცია:
    • ადაპტირებულია Power BI-ის არსებული ანგარიშები; ანგარიში „კომპენსირებული გაყიდვები“ მომხმარებელს საშუალებას აძლევს გაანალიზოს გარკვეულ მაღაზიებში საქონლის დეფიციტი და დაინახოს რამხელა შემოსავალი დაიკარგა. ეს ხელს უწყობს მომავალში დანაკარგების შემცირებას. "გაყიდვების ანალიზის" ანგარიში საშუალებას აძლევს მომხმარებელს იმუშაოს გაყიდვების ფაქტობრივ ისტორიასთან, შეადაროს სხვადასხვა პერიოდები და დაინახოს ტენდენციები. „პროგნოზის ანალიზის“ ანგარიში ადარებს გაყიდვების რეალურ მონაცემებს წინა კალენდარული პერიოდების საბოლოო პროგნოზს და აფასებს მის სიზუსტეს.
    • დაემატა 5 ახალი Power BI-ის ანგარიში: "ABC-XYZ ანალიზის" ანგარიში აჩვენებს მეტრიკას პროდუქტისა და მაღაზიის კატეგორიზაციის მიხედვით, გაყიდვების მოცულობისა და ცვალებადობის მიხედვით. "საქონლის ნაშთების ანალიზი" ანგარიშში ნაჩვენებია, თუ რამდენ ხანს გასტანს გარკვეული პროდუქტები მაღაზიებში, სავარაუდო მოთხოვნის გათვალისწინებით. ეს საშუალებას გაძლევთ მიიღოთ გადაწყვეტილებები მაღაზიებში საქონლის მიწოდების დაგეგმვისა და უსაფრთხოების ოპტიმალური მარაგის განსაზღვრის შესახებ. "პროდუქტის ხელმისაწვდომობის ანალიზი" ანგარიში აჩვენებს, რომელ პროდუქტებში რომელ მაღაზიებში იყო დეფიციტი გასული პერიოდის განმავლობაში, რაც საშუალებას გაძლევთ დაადგინოთ მარაგების ნაკლებობა უფრო ეფექტური დაგეგმვისთვის. "ვალიდაციის ანალიზის" ანგარიში განახლებულია. ახლა ის საშუალებას გაძლევთ გაანალიზოთ, რამდენად ემთხვევა პროგნოზის ვალიდაციის მონაცემთა ნაკრები რეალურ გაყიდვებს, შეაფასოთ პროგნოზის შედეგების სიზუსტე და მიიღოთ გადაწყვეტილება მომზადებული მოდელის შემდგომი გამოყენების შესახებ. ანგარიში „საბოლოო პროგნოზის ანალიზი“ საშუალებას გაძლევთ შეადაროთ შექმნილი პროგნოზების სცენარები ერთმანეთს და ერთ-ერთი სცენარის არჩევით მიიღოთ გადაწყვეტილება დასრულებაზე.
    • შემუშავდა ერთიანი დიზაინის კონცეფცია;
    • დადასტურდა ანალიზის ძირითადი მეტრიკა
ახლა შესაძლებელია ბიზნესის მიმდინარე მდგომარეობის ანალიზი და ვიზუალიზაცია (ფაქტობრივი გაყიდვები და ინვენტარი), ასევე DF აპლიკაციის შედეგების მიღება (პროგნოზის ვიზუალიზაცია და მისი სიზუსტის მეტრიკა).
September 28th, 2023 < 1 MIN READ
პროგნოზირების როლი მოთხოვნის დაგეგმვაში: სტრატეგიები და მეთოდოლოგიები
მოთხოვნა ნებისმიერი ბიზნესის მამოძრავებელი ძალაა. თუმცა, როდესაც სამომხმარებლო მოთხოვნის დონის აღქმა რეალობისგან შორს არის, ბიზნესს ორი უსიამოვნება ექმნება. პირველი არის მარაგის შენახვის ღირებულება ან, კიდევ უფრო უარესი, პროდუქციის ჩამოწერა. მეორე არის შემოსავლის და, ამავდროულად, მომხმარებლის დაკარგვა საქონლის ნაკლებობის გამო. ორივე საკმაოდ გამაღიზიანებელია. განსაკუთრებით ახლა, როდესაც ბაზარზე არსებობს თანამედროვე გადაწყვეტილებები, რომლებიც დაფუძნებულია მანქანური სწავლების და ხელოვნური ინტელექტის ტექნოლოგიებზე, ისინი საშუალებას გაძლევთ ზუსტად იწინასწარმეტყველოთ მოთხოვნის რყევები და დაეხმაროთ ბიზნესს სწრაფი მართვის გადაწყვეტილებების მიღებაში განახლებული მონაცემების საფუძველზე. კომპანიები სულ უფრო ხშირად იყენებენ ასეთ ინსტრუმენტებს აშკარა კონკურენტული უპირატესობის მოსაპოვებლად. შედეგად, მოთხოვნის პროგნოზირებისა და დაგეგმვის პროგრამული უზრუნველყოფის ბაზარი აგრძელებს ზრდას. მაშინ როცა 2021 წელს მისი მოცულობა 3,5 მილიარდ აშშ დოლარს შეადგენდა, 2028 წელს ის 6,8 მილიარდ აშშ დოლარს მიაღწევს, რაც თითქმის გაორმაგებული მაჩვენებელია. თუ გსურთ გაიგოთ მეტი იმის შესახებ, თუ როგორ დაგეხმარებათ მოთხოვნის პროგნოზირების ხელსაწყოები ჩამოწერის თავიდან აცილებაში, გთხოვთ, მოითხოვოთ პერსონალიზებული პრეზენტაცია.

რა ძირითად ამოცანას წყვეტს მოთხოვნის დაგეგმვა?

მოთხოვნის დაგეგმვა არის ამომავალი წერტილი მიწოდების ჯაჭვისა და ბიზნესის მენეჯმენტში, რომელიც გავლენას ახდენს ორგანიზაციის თითქმის ყველა KPI-ზე. ნერვული იმპულსის მსგავსად, ის აგზავნის სიგნალს ჯაჭვის ყველა რგოლზე, არეგულირებს მათ დატვირთვას გაყიდვების მოსალოდნელი მოცულობის შესაბამისად. შესყიდვები, მიწოდება, წარმოება, ლოჯისტიკა, სასაწყობო ოპერაციები - ყველაფერი მორგებულია იმისთვის, რომ იყოს საკმარისი საქონელი მომხმარებელთა მოთხოვნის დასაკმაყოფილებლად, და მზა პროდუქციის სიჭარბის პრევენციისთვის. აქ მთავარია სრულყოფილი ბალანსის შენარჩუნება, მთავარია იყოს საკმარისი მარაგი, მაგრამ სიჭარბეში არ გადაიზარდოს. ასეთი ბალანსის შენარჩუნება ართულებს იმ ფაქტს, რომ ბაზრის მდგომარეობა მუდმივად, ზოგჯერ კი სწრაფად იცვლება. მასზე შეიძლება გავლენა იქონიოს მაკროეკონომიკურმა ფაქტორებმა და სხვა ბევრმა ფაქტორმა, მათ შორის ინდუსტრიის ტენდენციებმა, კონკურენტების აქტივობებმა, პოლიტიკურმა ვითარებამ, სტიქიურ უბედურებებზე და გახმაურებულ მოვლენებზე - გამოქვეყნებულმა სოციალური მედიის ლიდერის ერთ პოსტმა. ეს ყველაფერი გავლენას ახდენს ისედაც არასტაბილურ და არაპროგნოზირებად მომხმარებელთა ქცევაზე. რა თქმა უნდა, შეუძლებელია ყველაფრის გათვალისწინება, მაგრამ იდეალურ შემთხვევაში, ბიზნესს უნდა შეეძლოს რეაგირება ამ ცვლილებებზე, ან კიდევ უკეთესი, უსწრებდეს მაინც მათ, რისი პროგნოზირებაც შესაძლებელია. ამიტომ პროგნოზის სიზუსტე განსაკუთრებით მნიშვნელოვანია მოთხოვნის დაგეგმვისას. ის განსაზღვრავს, შეძლებს თუ არა კომპანია გარკვეული კატეგორიის საქონლის ოპტიმალური მოცულობის მიწოდებას სწორ დროსა და ადგილას.

როგორ შეიძლება მოთხოვნის არაზუსტმა პროგნოზმა გავლენა მოახდინოს ფინანსურ შესრულებაზე?

არაზუსტი მოთხოვნის პროგნოზს შეიძლება ჰქონდეს მნიშვნელოვანი უარყოფითი ფინანსური შედეგები ორგანიზაციისთვის, განსაკუთრებით თუ გადახრები მნიშვნელოვანია. მაგალითად, იმ შემთხვევებში, როდესაც ანალიტიკოსები არ ითვალისწინებენ ფაქტორებს, რომლებიც გამოიწვევს გაყიდვების მნიშვნელოვან ზრდას, ამან შეიძლება გარკვეულ მომენტში გამოიწვიოს კომპანიის უუნარობა გაყიდოს ზოგიერთი საქონელი, რადგან უბრალოდ არ საკმარისი იქნება, იმ შემთხვევაში თუ ისინი არ იქნება მიწოდებული დროულად საჭირო დროსა და ადგილას. ამრიგად, ორგანიზაცია დაკარგავს შესაძლებლობას მიიღოს მოგება თავისი პროდუქციის რეალიზაციიდან მოთხოვნის პიკზე და მომხმარებლები იმედგაცრუებული დარჩებიან საჭირო შესყიდვების შეუძლებლობის გამო. მომხმარებელთა ლოიალობის დაკარგვა ძალიან ადვილია, მაგრამ მის აღდგენას ან ახალი მომხმარებლების მოზიდვას დიდი დრო და მარკეტინგული ძალისხმევა სჭირდება. მაშინაც კი, თუ კომპანია ახერხებს პროდუქციის ხარვეზების შევსებას პროდუქციის სხვა ადგილებიდან გადატანით, ეს მაინც დამატებით ლოგისტიკურ ხარჯებს მოითხოვს. ამრიგად, გაყიდვების დაგეგმვისას მოთხოვნის შეუფასებლობა შეიძლება ძვირი დაჯდეს. თუმცა, გადაჭარბებულ შეფასებას ასევე უარყოფითი შედეგები აქვს. კომპანიებს უწევთ ფულის დახარჯვა გაუყიდავი პროდუქციის შესანახად, დამატებითი საწყობის ფართის გადახდაზე და ჭარბი ინვენტარის ბლოკების საბრუნავი კაპიტალის დაგროვებისთვის. გარდა ამისა, ორგანიზაციებმა უნდა შეამცირონ ფასი რაც შეიძლება მალე გაყიდონ აქციები და თუ ვადა ამოიწურა, საერთოდ ჩამოწერონ. პროდუქტების ჩამოწერა საცალო ვაჭრობაში არაზუსტი პროგნოზების ყველაზე შემაშფოთებელი და გავრცელებული შედეგია. აშკარაა, რომ კომპანიებისთვის შედეგები განსაკუთრებით მტკივნეულია, როდესაც ისინი სერიოზულ შეცდომებს უშვებენ მოთხოვნის დაგეგმვაში. მცირე შეცდომები იწვევს ნაკლებად შესამჩნევ პრობლემებს, მაგრამ როდესაც ისინი რეგულარულად ხდება, ეს მაინც მნიშვნელოვნად აზიანებს ბიზნესს გრძელვადიან პერსპექტივაში. ამიტომ, ორგანიზაციები, რომლებსაც სურთ თავიანთი პროცესების მაქსიმალურად ოპტიმიზაცია და არასაჭირო ხარჯების გამომწვევი მიზეზების აღმოფხვრა, მოთხოვნის პროგნოზირების თანამედროვე ინსტრუმენტებს ნერგავენ. დღევანდელ კონკურენტულ გარემოში ზუსტი პროგნოზირება და, შედეგად, მარაგების ეფექტური მართვა შეიძლება გადამწყვეტი კონკურენტული უპირატესობა აღმოჩნდეს.

რა სარგებელს იღებს ბიზნესი მოთხოვნის ზუსტი დაგეგმვით?

წინასწარ გაფრთხილებული არის შეიარაღებულია. მოსალოდნელი მოთხოვნის რყევების წინასწარ ცოდნა კომპანიებს საშუალებას აძლევს მოემზადონ მათთვის, რაც ნიშნავს, რომ მათ შეუძლიათ უფრო რაციონალურად მართონ საკუთარი რესურსები და განახორციელონ პროდუქტის ოპტიმალური სტრატეგიები. მოდით შევხედოთ ზუსტი პროგნოზის მთავარ უპირატესობებს მოთხოვნის დაგეგმვაში.
გაყიდვების ზრდა მოთხოვნის ზრდის დროული ცოდნა საშუალებას აძლევს ორგანიზაციებს მაქსიმალურად გამოიყენონ ისინი გასაყიდად საჭირო რაოდენობის საქონლის მომზადებით და დეფიციტის თავიდან აცილებით. ეს იწვევს გაყიდვების ზრდას საშუალოდ 15%-ით.
ჭარბი საქონლის შენახვის ღირებულების შემცირება მეორეს მხრივ, მოთხოვნის შემცირების მოლოდინი ხელს უწყობს ჭარბი მარაგის თავიდან აცილებას და, შესაბამისად, საწყობებში შენახვის ხარჯებს.
ჩამოწერილი პროდუქტების მოცულობის შემცირება მარაგის ოპტიმალური დონის შენარჩუნება და ზედმეტი მარაგების თავიდან აცილება ასევე უზრუნველყოფს, ნაკლები პროდუქტის ჩამოწერას ვადის გასვლის გამო.
გაუმჯობესებული სერვისი ზუსტი მოთხოვნის პროგნოზირება საშუალებას გაძლევთ შეინარჩუნოთ პროდუქტების მუდმივი ხელმისაწვდომობა, რაც მომხმარებელს სჭირდება ზედმეტი ლოჯისტიკისა და საწყობის ხარჯების გარეშე. მომხმარებელთა კმაყოფილება გაიზრდება საშუალოდ 20%-ით.
უფრო ზუსტი მონაცემები ბიზნეს გადაწყვეტილებებისთვის მოთხოვნის პროგნოზი მენეჯმენტის გადაწყვეტილებების მიღების ერთ-ერთი საწყისი წერტილია. რაც უფრო ზუსტი იქნება პროგნოზი, მით უფრო წარმატებული იქნება გადაწყვეტილებები.
უფრო გონივრული ფასების პოლიტიკა მოთხოვნის დონე არის ერთ-ერთი მთავარი ფაქტორი, რომელიც გასათვალისწინებელია ფასების სტრატეგიაში. მოთხოვნის ზუსტი დაგეგმვა შესაძლებელს ხდის ბაზრისთვის ოპტიმალური ფასების დადგენას, რაც წარმატებული გაყიდვის ერთ-ერთი მნიშვნელოვანი წინაპირობაა.
უფრო ეფექტური მარკეტინგი მარკეტინგული აქტივობები საუკეთესო შედეგს იძლევა, როდესაც ისინი ითვალისწინებენ მოთხოვნის სამომავლო რყევებს გარკვეული პროდუქტის ჯგუფებზე. ამრიგად, აქციების ეფექტურობა იზრდება 15%-ით.
ზოგადად, ზუსტ პროგნოზს შეუძლია ბიზნესის მომგებიანობა 25%-ით გაზარდოს. რა თქმა უნდა, ეს მაჩვენებელი განსხვავდება კომპანიის მიხედვით. თქვენ შეგიძლიათ გამოიყენოთ კალკულატორი იმის გასაგებად, თუ რა მოგების მიღება შეუძლია თქვენს ორგანიზაციას მოთხოვნის ზუსტი პროგნოზით.

რა არის მოთხოვნის პროგნოზირების ძირითადი მეთოდები?

ტრადიციულად, პროგნოზირების მეთოდები ფორმალიზაციის დონის მიხედვით ორ დიდ ჯგუფად იყოფა: ინტუიციური და ფორმალური ან სტატისტიკური. პირველი, მიუხედავად მათი სახელისა, ეფუძნება არა იმდენად ირაციონალურ გრძნობებს, რამდენადაც ექსპერტების შეხედულებებსა და გამოცდილებას. ამიტომ მათ ასევე უწოდებენ "ექსპერტებს". ისინი იყოფა ინდივიდუალურ (როდესაც პროგნოზს აკეთებენ ცალკეული სპეციალისტები) და კოლექტიურად (როდესაც პროგნოზირება ხდება ერთჯერადი ან სერიული დისკუსიების დროს). როგორც წესი, ინტუიციური მეთოდები გამოიყენება როგორც ფორმალური მეთოდების დამატება და მაღალი გაურკვევლობის სიტუაციებში, როდესაც ანალიზისთვის საკმარისი მონაცემები არ არის. მაგალითად, როდესაც კომპანია ახლახან შემოვიდა ბაზარზე ან ხსნის ახალ ბიზნეს ხაზს. ამ მეთოდების უპირატესობა ის არის, რომ ისინი უფრო მრავალმხრივია და შეუძლიათ ფაქტორების უფრო ფართო სპექტრის დაფარვა, ვიდრე ფორმალური მეთოდები. მინუსი არის პროგნოზების სუბიექტურობა და უზუსტობა. ფორმალური მეთოდები ეფუძნება მათემატიკურ მიდგომას და უძველეს ჭეშმარიტებას, რომ მომავლის გასაგებად საუკეთესო გზა წარსულის შესწავლაა. ეს მეთოდები გამოიყენება მაშინ, როდესაც საკმარისი რაოდენობის ისტორიული მონაცემები ხელმისაწვდომია ანალიზისთვის, პირველ რიგში გაყიდვებთან დაკავშირებით. გასული პერიოდების ტენდენციების შესწავლით, ანალიტიკოსები მათ ექსტრაპოლაციას ახდენენ მომავალში. ამით ისინი იყენებენ რთულ მათემატიკურ ფორმულებს და მოდელებს, რომლებიც ითვალისწინებენ სხვადასხვა ფაქტორებსა და ურთიერთდამოკიდებულებებს, რამაც შეიძლება გავლენა მოახდინოს მოთხოვნაზე. ამ მიდგომის უპირატესობა არის მისი ობიექტურობა და ის ფაქტი, რომ ის იძლევა შედეგებს რაოდენობრივი თვალსაზრისით. მინუსი არის ის, რომ ის არ არის შესაფერისი რთული არაწრფივი შაბლონების იდენტიფიცირებისთვის და რომ მრავალი ფაქტორი გამოტოვებულია განტოლებიდან.

როგორ შეუძლია IT გადაწყვეტილებებს გააუმჯობესოს მოთხოვნის პროგნოზირება?

თანამედროვე მოთხოვნის პროგნოზირების ხელსაწყოები ხელოვნური ინტელექტისა და მანქანური სწავლების გამოყენებით, როგორიცაა SMART Demand Forecast, შეიძლება გამოყენებულ იქნას როგორც ტრადიციული ინტუიციური და ფორმალური მეთოდების ეფექტური ალტერნატივა ან შეავსოს ისინი. ნებისმიერ შემთხვევაში, ისინი ბიზნესს ანიჭებენ უპირატესობებს, რომლებიც აქამდე არ იყო ხელმისაწვდომი. სულ მცირე, ისინი მნიშვნელოვნად ამარტივებს და აჩქარებს პროგნოზირების პროცესს კომპლექსური ანალიზისა და გამოთვლების აღებით - რაც მოითხოვდა მთელი ანალიტიკური დეპარტამენტის ხანგრძლივ და შრომატევად მუშაობას. უფრო მეტიც, როგორც პრაქტიკა გვიჩვენებს, ასეთი პროგრამული უზრუნველყოფა ჩვეულებრივ უფრო ეფექტურია, ვიდრე ტრადიციული სტატისტიკური მეთოდები. McKinsey Digital-ის ერთმა კვლევამ აჩვენა, რომ ხელოვნური ინტელექტის გამოყენებით მოთხოვნის პროგნოზირებამ შეიძლება შეამციროს მიწოდების ჯაჭვის ადმინისტრირების ხარჯები 25-40%-ით, 65%-ით ისევე, როგორც დაკარგული გაყიდვები მარაგების არარსებობის გამო და მარაგის შემცირება 20-50%-ით. როგორ მიიღწევა ეს ეფექტურობა? ხელოვნური ინტელექტი და მანქანური სწავლების პროგრამული უზრუნველყოფა აერთიანებს ტრადიციული სტატისტიკური ანალიზის სიზუსტეს ექსპერტთა ანალიზის თანდაყოლილი ფაქტორების დიდი რაოდენობის გათვალისწინების შესაძლებლობას. ეს ხელსაწყოები ამუშავებს სტრუქტურირებული და არასტრუქტურირებული მონაცემების მთელ მასივებს სხვადასხვა წყაროდან და ამავე დროს, ისინი ჩვეულებრივ აწარმოებენ შედეგებს უფრო დიდი სიზუსტით, ვიდრე ექსპერტები, რადგან მათ შეუძლიათ ფარული შაბლონების ამოცნობა. სხვადასხვა პერიოდში სხვადასხვა ტიპის საქონლის გაყიდვების ისტორიის გარდა, შეიძლება გათვალისწინებული იყოს შემდეგი:
  • მაკროეკონომიკური მაჩვენებლები
  • ბაზრის ტენდენციები
  • კონკურენტების საქმიანობა;
  • კვლევის შედეგები;
  • საკუთარი მარკეტინგული საქმიანობა;
  • ინფორმაცია POS ტერმინალებიდან და IoT სენსორებიდან;
  • მონაცემები მომწოდებლებისა და დისტრიბუტორებისგან;
  • ამინდის პროგნოზი;
  • ინფორმაცია სოციალური ქსელებიდან და ა.შ.
მანქანური სწავლების ალგორითმებს შეუძლიათ დაამუშავონ ყველა ეს მონაცემთა ნაკრები და იპოვონ როგორც წრფივი, ისე არაწრფივი კორელაციები მათ შორის, „ნახონ“ შაბლონები და ტენდენციები, მათ შორის არააშკარა, რაც შეიძლება არ შეამჩნიოს ადამიანმა ანალიტიკოსმა. შედეგად, წარმოიქმნება პროგნოზირების მოდელი, რომელიც გამოყენებული იქნება მოთხოვნის დაგეგმვისთვის. უფრო მეტიც, მოდელს შეუძლია დროთა განმავლობაში ისწავლოს და გაუმჯობესდეს და რაც უფრო მეტი მონაცემი დაემატება სისტემას, მით უფრო ზუსტი ხდება პროგნოზები. აღსანიშნავია, რომ ბევრი რამ იქნება დამოკიდებული სწორი ალგორითმების არჩევაზე. თუმცა, ეს არის გადაწყვეტილების პროვაიდერების პროგნოზირების ამოცანა. თუ აირჩევთ SMART Demand Forecast, ჩვენი ექსპერტები დაგეხმარებიან სწორი არჩევანის, ტესტირებისა და ალგორითმების შემდგომ გამოყენებაში, რომლებიც უზრუნველყოფენ ყველაზე ზუსტ პროგნოზს თქვენი ბიზნესის სპეციფიკიდან გამომდინარე. ხაზგასმით უნდა აღინიშნოს, რომ AI-ზე დაფუძნებული მოთხოვნის პროგნოზირების ინსტრუმენტების ფუნდამენტური უპირატესობა ტრადიციულ სტატისტიკურ მეთოდებთან შედარებით არის მათი უნარი, გაითვალისწინონ არა მხოლოდ წარსული (ისტორიული გაყიდვების მონაცემები), არამედ მრავალი მიმდინარე ფაქტორი. უფრო მეტიც, სისტემაში ინფორმაციის შეტანა შესაძლებელია თითქმის რეალურ დროში, როგორიცაა მონაცემები POS ტერმინალებიდან, IoT სენსორებიდან და სიგნალები ვებსაიტებიდან და სოციალური ქსელებიდან. ეს ხდის პროგნოზირების პროცესს უწყვეტს და უფრო მოქნილს, მოთხოვნის დაგეგმვას უფრო ადაპტირებულს დღევანდელ ცვალებად გარემოებებთან და მიწოდების ჯაჭვს უფრო მჭიდროდ შესაბამისს რეალურ სამომხმარებლო მოთხოვნასთან.

გეგმები წარმატებისთვის

ნებისმიერი კომპანიისთვის მოთხოვნის დაგეგმვა არის ამოსავალი წერტილიც და ეტალონიც. ის განსაზღვრავს რამდენად შეესაბამება ორგანიზაციის საქმიანობა მომხმარებელთა ყიდვის ქცევას და რამდენად ეფექტურად უპასუხებს ბიზნესი ბაზრის მოთხოვნებს. ამიტომ, კომპანიებისთვის გადამწყვეტი მნიშვნელობა აქვს მოთხოვნის პროგნოზირების ეფექტური ინსტრუმენტების გამოყენებას. გადაწყვეტილებები ხელოვნური ინტელექტისა და მანქანური სწავლების ალგორითმების გამოყენებით აჩვენებენ უდიდეს დადასტურებულ ეფექტურობას და ანაცვლებენ ტრადიციულ ინსტრუმენტებს. თუ გსურთ გაიგოთ მეტი იმის შესახებ, თუ როგორ უნდა დანერგოთ მოთხოვნის პროგნოზირების საუკეთესო პრაქტიკა თქვენს ორგანიზაციაში, მოითხოვეთ პირადი პრეზენტაცია.
June 28th, 2023 < 1 MIN READ
sdh release 2.0 main eng
SMART Demand Forecast-ის ახალი შესაძლებლობები. რელიზი 2.0
მიწოდების ჯაჭვის წარმატება იწყება მოთხოვნის ზუსტი პროგნოზით. მენეჯერები მუდმივად ეძებენ გამოწვევებს, რათა განსაზღვრონ შეკვეთის ოპტიმალური რაოდენობა, რომელიც აკმაყოფილებს მომხმარებელთა საჭიროებებს, ეხმარება თავიდან აიცილოს ზედმეტი მარაგები და ჩამოწერა, ასევე უზრუნველყოფს მომსახურების მაღალ დონეს. McKinsey & Company-ის თანახმად, კომპანიებს შეუძლიათ გაზარდონ ზღვრული შემოსავალი საშუალოდ 2-5%-ით და შეამცირონ მარაგის დონე 20-25%-ით პროგნოზის სიზუსტის საშუალოდ 10-20%-ით გაუმჯობესებით. მაღალი ხარისხის პროგნოზირების უზრუნველსაყოფად გამოიყენება გადაწყვეტილებები, როგორიცაა SMART Demand Forecast, რომელიც დაფუძნებულია მანქანური სწავლებისა და ხელოვნური ინტელექტის ალგორითმებზე. SMART business-ის გუნდი ყოველდღიურად მუშაობს მოთხოვნის პროგნოზირების სისტემის ფუნქციონალის გასაუმჯობესებლად, რათა მოგაწოდოთ მომხმარებლის საუკეთესო გამოცდილება. ამ განახლებაში დავამატეთ მაღაზიებისა და საქონლის კლასტერული ალგორითმი ანალოგების მოსახერხებელი შერჩევისთვის, შევცვალეთ პრომო აქტივობის პროგნოზირების პროცესები, დავამატეთ ახალი პროგნოზირების მოდელი, TFT (დროებითი შერწყმის ტრანსფორმაცია) და მრავალი სხვა. გაიგეთ მეტი სისტემის ყველა განახლების შესახებ სტატიაში. კომპლექსურ გამოწერას დაემატა TFT (დროებითი შერწყმის ტრანსფორმაციის) პროგნოზირების მოდელი. განხორციელებული TFT (Temporal Fusion Transformation) პროგნოზირების მოდელი საშუალებას მოგცემთ მიიღოთ პროგნოზის უფრო მაღალი სიზუსტე გრძელვადიანი პერიოდებისთვის, რაც თავის მხრივ მნიშვნელოვან გავლენას მოახდენს მომხმარებლის ბიზნესის შესრულებაზე. ეს საშუალებას მისცემს თქვენს ბიზნესს იყოს უფრო ძლიერი და მარტივად ადაპტირდეს ბაზრის ცვალებად პირობებთან. დანერგილია მაღაზიებისა და საქონლის კლასტერიზაციის ალგორითმი ანალოგების შერჩევისთვის. სისტემაში მაღაზიისა და საქონლის ანალოგების კლასტერული ალგორითმი დაზოგავს დროსა და ძალისხმევას მომხმარებლებისთვის, უზრუნველყოფს მათთვის მოსახერხებელ ფუნქციონალს საუკეთესო ვარიანტების სწრაფად პოვნისა და შედარებისთვის. ახლა თქვენ შეგიძლიათ დააჯგუფოთ მსგავსი პროდუქტები და მაღაზიები კლასტერებად და იპოვოთ მსგავსი პროდუქტები გაყიდვების შაბლონებისა და მახასიათებლების მიხედვით. DevOps-ის განვითარება სინქრონიზებული და განახლებულია. გუნდის პრიორიტეტი მომხმარებელისთვის სისტემის მაღალი ხარისხის და სტაბილური მუშაობის უზრუნველყოფაა, ასევე ადამიანური შეცდომების შემცირება გადაწყვეტილების მუშაობაზე, ამიტომ DevOps პროცესები პროდუქტის ხარისხის კონტროლის განუყოფელი ნაწილია. ეს დეველოპმენტი ხელს შეუწყობს სისტემის გაუმჯობესებას და პროგრამული უზრუნველყოფის უფრო ეფექტურად და სწრაფად დანერგვას. განხორციელდა ერთიანი მიდგომა პროგნოზირების უფრო მაღალ დონეზე თარიღის, ბიზნესისა და პროდუქტის დონის მიხედვით. SMART Demand Forecast-ში დაინერგა ერთიანი მიდგომა აგრეგაციის უფრო მაღალ დონეზე მოთხოვნის პროგნოზების შესაქმნელად. განახლება ამარტივებს და სტანდარტიზებს პროგნოზირების პროცესს. თავის მხრივ, ეს ხელს უწყობს პროგნოზის ხარისხის გაუმჯობესებას და პირდაპირ გავლენას ახდენს დაგეგმვისა და მართვის გადაწყვეტილების მიღების პროცესებზე. Bass diffusion-ის გამოყენებით განხორციელდა ახალ პროდუქტებზე მოთხოვნის პროგნოზირების მიდგომის PoC. ახალ პროდუქტებთან და მაღაზიებთან მუშაობისას, პროგნოზირების სიზუსტე მნიშვნელოვან როლს ასრულებს და ხელს უწყობს მათი განვითარების მომგებიანი სტრატეგიის შექმნას. დანერგილი PoC მიდგომა Bass diffusion-ის გამოყენებით სისტემას საშუალებას აძლევს გააკეთოს ხარისხიანი პროგნოზი და გამოიყენოს ეს ინფორმაცია სტრატეგიული დაგეგმვისთვის. ჩატარდა ოპტიმიზაციის სამუშაოები და ქულების პროცესის გაყინვა, რამაც პროგნოზის მომზადება 2,5-ჯერ დააჩქარა. SMART Demand Forecast განხორციელდა პარალელური შეფასების პროცესი. ეს ნიშნავს, რომ სისტემის ყველა დავალება დაყოფილია უფრო მცირე ქვეამოცნებებად, რომლებიც შეიძლება ერთდროულად შესრულდეს სხვადასხვა გამოთვლით რესურსზე. განახლება განხორციელდა სხვადასხვა პროცესორებს შორის სამუშაოს განაწილებით, ასევე პარალელური გამოთვლითი ალგორითმების გამოყენებით. ეს სისტემის მომხმარებლებს საშუალებას მისცემს ერთდროულად შეასრულონ მეტი გამოთვლა და სწრაფად მიიღონ ზუსტი და ეფექტური გადაწყვეტილებები, რომლებიც გააუმჯობესებს ბიზნესის კონკურენტუნარიანობას. ჩატარდა PoC მუშაობა რთული სცენარების ოპტიმალური ნაკრების არჩევის ფუნქციონალისთვის. დამატებულია სარეკლამო კამპანიების, ღონისძიებებისა და პარამეტრების რთული კომბინაციების ანალიზის შესაძლებლობა, რომლებსაც შეუძლიათ გავლენა მოახდინონ სისტემის მიერ აგებულ მოთხოვნის პროგნოზზე. მომხმარებლებს შეუძლიათ აირჩიონ საუკეთესო სცენარი და მიიღონ უფრო ზუსტი მენეჯმენტის გადაწყვეტილებები, გამოიყენონ რესურსები ეფექტურად და გააუმჯობესონ პროცესები სისტემაში. ეს ყველაფერი უზრუნველყოფს პროდუქტიულობის გაუმჯობესებას და ხარჯების შემცირებას. განხორციელდა პრომო აქტივობის პროგნოზირების პროცესების მოდიფიკაცია. SMART Demand Forecast-ს ერთზე მეტი აქციის პროგნოზირების შესაძლებლობა დაემატა, რომელიც უზრუნველყოფს სისტემის მომხმარებლებს უფრო მეტ მოქნილობას სარეკლამო აქტივობების ვარიაციების სისტემაში დანერგვისას, მათი გავლენის შეფასების მოთხოვნაზე, რაც ქმნის დამატებით შესაძლებლობებს კომპანიის მარკეტინგული საქმიანობის გასაუმჯობესბლად. დამატებულია პროექტის ტექნიკური და საპროცესო დოკუმენტაცია. შედგენილია გარემოსდაცვითი პოლიტიკის დოკუმენტი. დოკუმენტაციის ხელმისაწვდომობა ის მნიშვნელოვანი ასპექტია, რომელიც პირდაპირ გავლენას ახდენს სისტემაში მომხმარებელთა მუშაობაზე, ასევე განვითარების სიჩქარესა და ხარისხზე. სწორედ ამიტომ, ამ რელიზში დაემატა ტექნიკური და პროცესის საპროექტო დოკუმენტაცია და შედგენილია გარემოსდაცვითი პოლიტიკა. ეს მნიშვნელოვანია, რადგან: ტექნიკური და პროცესის დოკუმენტაცია ეხმარება მომხმარებლებს სისტემის უკეეთ გაგრბაში, მისი ფუნქციონალი, გამოყენების წესები და მასთან დაკავშირებული პროცესები. ეს ხელს უწყობს სისტემის უფრო ეფექტურ გამოყენებას და ამცირებს გაუგებრობას. ტექნიკური დოკუმენტაციის ხელმისაწვდომობა ამარტივებს სისტემის ახალი ფუნქციების განვითარებას, მოდიფიკაციას და გაფართოებას. დეველოპერებს აქვთ წვდომა მნიშვნელოვან ინფორმაციაზე სისტემის არქიტექტურისა და კომპონენტების შესახებ, რაც მათ მუშაობას მნიშნელოვნად აადვილებს. დოკუმენტაციის ხელმისაწვდომობა ეხმარება სისტემას შეასრულოს მარეგულირებელი მოთხოვნები და სტანდარტები, მნიშვნელოვანია პარტნიორებთან ან მომხმარებლებთან მუშაობისას, რომლებსაც გარემოს დაცვის საკუთარი მოთხოვნები აქვთ. განხორციელდა რეპორტის ლოკალიზაცია Power BI-ში SMART Demand Forecast კონფიგურირდება ავტომატურად რათა მოერგოს ანგარიშებს მომხმარებლების ენის მოთხოვნების შესაბამისად. ენის პაკეტების გამოყენება საშუალებას აძლევს ანალიტიკას უფრო გასაგები და გამოსაყენებელი იყოს სხვადასხვა აუდიტორიისთვის. შეიქმნა მონაცემთა შემოწმების რეპორტი. კრიტიკული შეცდომების ან მონაცემთა არასრულყოფილების სწრაფი გამოვლენა შესაძლებელია მონაცემთა შემოწმების ახალი ანგარიშით. მომხმარებლებს შეუძლიათ მიიღონ ვიზუალური რეპორტი მათი მონაცემების მდგომარეობის შესახებ და დროულად დააფიქსირონ პრობლემები, რომლებიც დაკავშირებულია სისტემის მიერ გამოყენებული მონაცემების სიზუსტესთან და სანდოობასთან მათემატიკური მოდელის მომზადებისა და პროგნოზის მომზადების პროცესში. დამატებითი ინფორმაციისთვის SMART ბიზნეს გადაწყვეტილებებისა და სერვისების შესახებ, გთხოვთ გამოგვიგზავნოთ მოთხოვნა.
June 26th, 2023 < 1 MIN READ
df 1200x630 3
მოთხოვნის ზუსტი პროგნოზი სწორი ბიზნეს გადაწყვეტილებებისთვის
მომხმარებელთა მოთხოვნა არასტაბილური ფაქტორია. მყიდველთა ქცევაზე სხვადასხვა ფაქტორი ახდენს გავლენას, ზოგჯერ მათი ხასიათი მოულოდნელიც შეიძლება იყოს: სეზონი, ბაზრის ტენდენციები, კონკურენტების საქმიანობა და პოლიტიკური ვითარება. ამავდროულად, გაყიდვების ეფექტურობა დამოკიდებულია მოთხოვნის პროგნოზირების სიზუსტეზე. ამ საკითხში არასწორმა გამოთვლებმა შეიძლება უსიამოვნო შედეგების მთელი რიგი, მოთხოვნის გადაჭარბებულმა შეფასებამ კი ჭარბი საქონლის საწყობებში შესანახად და ჩამოსაწერად დამატებითი ხარჯები გამოიწვიოს. სათანადო შეფასების არარასებობა იწვევს თაროებზე საქონლის დეფიციტს, პრობლემებს ლოჯისტიკასა და მომწოდებლებთან, მოგების ნაწილის დაკარგვას და აუარესებს მომსახურების დონეს, ისევე, როგორც მომხმარებელთა ლოიალობას. დღევანდელ არასტაბილურ ბიზნეს გარემოში მსგავსი უსიამოვნებების თავიდან აცილების მიზნით მნიშვნელოვანია გქონდეთ სწორი პროგნოზირების ინსტრუმენტი. SMART Demand Forecast მუშაობს მანქანური სწავლების და ხელოვნური ინტელექტის საფუძველზე, შეუძლია გაითვალისწინოს და დაამუშავოს ფაქტორები, რომლებიც გავლენას ახდენენ მოთხოვნის გაყიდვების ისტორიასა და გარე ფაქტორებზე. ამრიგად, ის საშუალებას გაძლევთ უზრუნველყოთ ზუსტი ოპერაციული დაგეგმვა გაურკვეველ პირობებშიც კი. ამ ვიდეოში ხედავთ როგორ მუშაობს ინსტრუმენტი. როგორც ხედავთ, ის სამი ფუნქციური ბლოკისგან შედგება: 1. ანალოგებთან მუშაობა ეს ბლოკი შექმნილია იმ პროდუქციასთან ან მაღაზიებთან მუშაობისთვის, რომლებსაც არ აქვთ საკმარისი ისტორია და მონაცემები შემდგომი პროგნოზირებისთვის. ამ შემთხვევაში, პროგნოზი ეფუძნება ანალოგების ისტორიას. სისტემა ავტომატურად წარმოქმნის ანალოგების სიას, ან ანალოგების კონფიგურაცია იქმნება ხელით. 2. მოდელირება ბლოკის ფუნქციონალი შექმნილია რეგულარული და სარეკლამო გაყიდვების პროგნოზირების, პროგნოზის შედეგების ექსპორტის და სარეკლამო კამპანიების პროცესის სამართავად ან გადასატვირთად. ყველა საჭირო პარამეტრი წინასწარ კონფიგურირდება, მათ შორის საპროგნოზო ჰორიზონტი და პერიოდი, გაყიდვების ადგილები, პროდუქტები, მონაცემები აქციების შესახებ, სარეკლამო კამპანიები და ა.შ. 3. ანალიტიკა ეს ბლოკი საშუალებას გაძლევთ გაანალიზოთ გაყიდვების ისტორია, პრომო კომპლექტების ხარისხი, რომლებიც დაკავშირებულია პროგნოზირებასთან და კომპენსირებულ გაყიდვებთან. ინსტრუმენტის გამოყენება კომპანიებს საშუალებას აძლევს ზუსტად განჭვრიტონ მოთხოვნის რყევები და შეცვალონ პროდუქტის სტრატეგიები შესაბამისად. ამ გზით გეძლევათ შესაძლებლობა შეინარჩუნოთ საქონლის ოპტიმალური ხელმისაწვდომობა, რაც სრულად დააკმაყოფილებს მოთხოვნას მინიმალური ლოჯისტიკისა და შენახვის ხარჯებით. ამ ხელსაწყოს გამოყენებით, აღმასრულებლებს შეუძლიათ მიიღონ სწრაფი, ინფორმირებული გადაწყვეტილებები წყაროს, ფასების, კამპანიებისა და აქციების შესახებ, გაყიდვების ზრდისა და საოპერაციო ხარჯების შემცირების პარალელურად. გაიგეთ მეტი იმის შესახებ, თუ როგორ დაგეხმარებათ SMART Demand Forecast თქვენი ბიზნესის ეფექტურობის გაუმჯობესებაში – გამოგვიზავნეთ მოთხოვნა პერსონალიზებულ პრეზენტაციაზე.
January 27th, 2023 < 1 MIN READ
obkladinka en
ყველაფერი SMART Demand Forecast-ის სისტემის განახლების შესახებ.
მიწოდების ჯაჭვის ფუნქციონალი იწყება მოთხოვნის პროგნოზით. რა რაოდენობა უნდა შეუკვეთოთ მომხმარებლების დასაკმაყოფილებლად, როგორ ავიცილოთ თავიდან მარაგის გაყინვა და ჩამოწერა, როგორ უზრუნველყოთ მომხმარებლის სათანადო მომსახურება? ეს ის კითხვებია, რომლებსაც მიწოდების ჯაჭვის მენეჯერები ყოველდღიურად უსვამენ საკუთარ თავს თითოეული SKU-სთვის პროგნოზების შედგენისას. მათი მაღალი სიზუსტის უზრუნველსაყოფად, არსებობს გადაწყვეტილებები, როგორიცაა SMART Demand Forecast, რომელიც დაფუძნებულია მანქანური სწავლისა და ხელოვნური ინტელექტის ალგორითმებზე. SMART business-ის გუნდი ყოველდღიურად მუშაობს SMART SMART Demand Forecast-ის ფუნქციონალის გასაუმჯობესებლად. ჩვენი აქცენტს ყოველთვის კლიენტების ბიზნესის ფინანსური მუშაობის გაუმჯობესებაზე და მომხმარებლის საუკეთესო გამოცდილების მიწოდებაზე ვაკეთებთ, შესაბამისად, ამ გამოშვებაში წარმოგიდგენთ ჩვენ მიერ შემუშავებულ ცხრილის პერსონალიზაციის ფუნქციონალს, სარეკლამო კამპანიის იმპორტის პროცესის გაუმჯობესებას და ბრაუზერის თავსებადობას, ასევე უზრუნველყოფილია ბევრად უფრო სწრაფი ინტერფეისი და მონაცემთა მეცნიერების პროცესები, ამასთანავე განხორციელდა ტექნიკური სისტემის ოპტიმიზაცია. მეტი სისტემის ყველა განახლების შესახებ დეტალური ინფორმაციის მისაღებად გაეცანით სტატიას.

განახლდა პროდუქტის დოკუმენტაცია

Security და Environment Policy დოკუმენტები, რომლებიც აღწერს გარემოს, სტანდარტებისა და მიდგომების მოქმედებას და ურთიერთქმედებას პროდუქტის უსაფრთხოების კომპონენტთან, დასრულებულია. აღნიშნული დოკუმენტები არეგულირებს SMART Demand Forecast ურთიერთქმედებას ჩვენი მომხმარებლების მონაცემებთან. განახლებულია პროექტის მართვის სტრუქტურა. ჩვენ ზედმიწევნით ვქმნით და ვინახავთ პროდუქტის ტექნიკურ დოკუმენტაციას განახლებული სტატუსით, რათა მომხმარებელს ჰქონდეს შესაძლებლობა გაეცნოს დოკუმენტებს ბიზნეს პროცესებზე, გადაწყვეტილებების არქიტექტურაზე, ტერმინოლოგიაზე და სხვა

დასრულდა ცხრილის პერსონალიზაციის ფუნქციონალის დეველოპმენტი

გუნდმა დაამატა ცხრილის პერსონალიზაციის ფუნქციონალი სტრიქონების რაოდენობის არჩევის, სიისა და სვეტების თანმიმდევრობის მორგების შესაძლებლობით. ეს პერსონალიზაცია საშუალებას აძლევს მომხმარებლებს შეცვალონ ცხრილების ვიზუალი მოთხოვნის პროგნოზირების სისტემასთან მუშაობისას, რაც თავის მხრივ მნიშვნელოვნად აუმჯობესებს მომხმარებლის გამოცდილებას. თუ თქვენი სამუშაოს სპეციფიკა მოითხოვს ინტერფეისის პერსონალიზაციას, შეგიძლიათ საჭიროებისამებრ გადაიტანოთ ან დამალოთ აღნიშნული ინფორმაცია.

ოპტიმიზირებულია პრომო კამპანიების იმპორტის პროცესი გაიზარდა ჩატვირთვის სიჩქარე

ჩვენი გუნდი ყოველთვის ზრუნავს სისტემის სწრაფი და საიმედო მუშაობის უზრუნველსაყოფად. შესაბამისად, ბევრი ვიმუშავეთ, რათა შემცირებულიყო ლოდინის დრო პრომო კამპანიების იმპორტისას და მათი შემდგომი ვალიდაციისას SMART Demand Forecast-ში.

დასრულდა Data Health Check-ის პროცესისა და ბიზნეს წესების დეველოპმენტი

სისტემაში მონაცემების ინტეგრირებისას ავტომატურად მოწმდება გადმოწერილი მონაცემები კრიტიკულ შეცდომებზე, რაც ხელს შეუშლის გადაწყვეტილების ძირითად ფუნქციას: პროგნოზის მომზადებას. ამ გამოშვებაში ჩვენ დავამატეთ:
  • მეტამონაცემების შემოწმება
  • მონაცემთა მთლიანობის შემოწმება
  • რეფერენსის სტრუქტურის შესაბამისობის შემოწმება

გაუმჯობესდა სისტემის ინტერფეისი

განმეორებითი გამოთვლების თავიდან ასაცილებლად, სისტემაში დანერგილია შესრულებული ფუნქციების შედეგების შენახვა. ამრიგად, მნიშვნელოვნად გაიზარდა ინტერფეისი სიჩქარე სისტემის გვერდების ჩატვირთვისას.

უზრუნველყოფილია ბრაუზერის თავსებადობა

დაყენებულია ინტერფეისის სწორი ჩვენება და სისტემის ფუნქციონალური მუშაობა, კონფიგურირებული ბრაუზერის მიუხედავად.

უზრუნველყოფილია პროგნოზირების ფუნქციონალის დეველოპმენტი უმაღლესი აგრეგაციის დონემდე

ადრე აგრეგაციის ყველაზე დაბალ დონეზე პროგნოზირების პროცესები ინერგებოდა SMART Demand Forecast-ში. ბიზნეს ამოცანების უფრო ფართო სპექტრის დასაფარად, გუნდმა შეიმუშავა მიდგომები მოდელის გენერირებისთვის, რომელიც იძლევა დროის, პროდუქტისა და ბიზნესის უფრო მაღალ დონეზე პროგნოზირების საშუალებას. სისტემაში უკვე დანერგილია ყოველკვირეული და ყოველთვიური აგრეგაციის დონეები.

გააქტიურებულია მოდელების მიხედვით დროის სერიების პროგნოზირების კონცეფცია

სისტემა მუშაობს პროგნოზირების ერთი მოდელით, LGBM. სხვადასხვა ბიზნეს მოთხოვნილებებისთვის მრავალმოდელური მიდგომის შესამუშავებლად, შემუშავებულია Deep Learning მოდელი დროის სერიების პროგნოზირებისთვის. ამ კონცეფციის სისტემაში დანერგვაზე მუშაობა ჩართული იქნება გამოშვებაში 2.0.

მონაცემთა მეცნიერების დაჩქარებული პროცესები

გამოშვებაში 1.2, შემოწმდა მთელი რიგი ჩარჩოები და მიდგომები მონაცემთა მეცნიერების პროცესების შესრულების დროის შესამცირებლად, რაც გავლენას მოახდენს SMART Demand Forecast სისტემის კომერციული ფუნქციონირების ღირებულებაზე. განიხილებოდა რამდენიმე რთული სცენარის პარალელური ქულების მინიჭების პროცესი, რაც თავის მხრივ დააჩქარებს მომხმარებლისთვის პროგნოზის შედეგების მიწოდებას.

უზრუნველყოფილია სისტემის ტექნიკურად ოპტიმიზაცია

IT გადაწყვეტილების მნიშვნელოვანი ასპექტია მომხმარებლებისთვის სისტემის სტაბილური და სწრაფი ფუნქციონირების უზრუნველყოფა, დიდი რაოდენობით მონაცემების მუდმივი დამუშავებისა და ანალიზის გათვალისწინებით, ამიტომ SMART business-ის გუნდმა განახორციელა SMART Demand Forecast-ის ტექნიკური ოპტიმიზაცია, მათ შორის:
  • ICacheValidator მეთოდების ადაპტაცია
  • სისტემის მონაცემთა ბაზაში მონაცემთა თანდათანობითი ჩატვირთვის პროცესის დეველოპმენტი
  • საზომი ერთეულების კონვერტაციის პროცესების ტესტირება და მოდიფიკაცია.
  • შესრულების ოპტიმიზაცია აპლიკაციის მონაცემთა ბაზაში შენახული პროცედურების შესასრულებლად
  • ფუნქციების შერჩევის მოდულის მუშაობის ავტომატიზაცია
ფაქტორების შერჩევის მოდული ოპტიმიზებულია შეყვანის პირობების მიხედვით. გაეშვა ორი რეჟიმი: მექანიკური და ავტომატური. საპილოტე ეტაპისთვის საჭიროა მანუალური რეჟიმი და მომხმარებლისთვის გადაწყვეტის უფრო დახვეწილი რეგულირება. ავტომატური რეჟიმი აუცილებელია კომპლექსური გამოყენებისთვის, მინიმალური ადამიანური დროის დახარჯვით.
  • DS პროცესების კოდი რეფაქტორირებულია
SMART business გუნდმა განაახლა და ოპტიმიზაცია მოახდინა დაგეგმილი მონაცემთა ნაკრების გენერირებისა და ბიბლიოთეკის იმპორტის შესახებ Databricks-ის ნოუთბუქებში და ასევე შეამცირა Docker გამოსახულების ზომა. რისი დამსახურებითაც, კოდი უფრო სუფთა და გასაგები გახდა. SMART business გადაწყვეტილებებისა და სერვისების შესახებ დამატებითი ინფორმაციისთვის დაგვიკავშირდით ნომერზე:+995 599 30 54 55 და გამოგვიგზავნეთ მოთხოვნა აქ.
January 10th, 2023 < 1 MIN READ
rectangle 4 1 1
ვენდორის არჩევის ძირითადი ასპექტები. ვირჩევთ საუკეთესო მოთხოვნის პროგნოზირების სისტემას

მოთხოვნის პროგნოზი გავლენას ახდენს მიწოდების მთელ ჯაჭვზე. გაყიდვების დაგეგმვით და სამომავლო მოთხოვნის გაცნობიერებით, თქვენ შეგიძლიათ არა მხოლოდ უზრუნველყოთ თაროებზე პროდუქციის სწორი რაოდენობა, არამედ გაიგოთ, თუ რა აქტივობები უნდა განხორციელდეს კონკრეტული პროდუქტის პოზიციებზე, დამატებითი მოგების მისაღებად. გარდა ამისა, ეს საშუალებას გაძლევთ შეინარჩუნოთ საქონლის ხელმისაწვდომობის მაღალი დონე მინიმალური მარაგით.

ადამიანური შეცდომის ფაქტორი დეტალებისთვის გაეცანით სტატიას.

მოთხოვნის პროგნოზის ნიუანსი

სუბიექტურობას და პროცესისადმი დამოკიდებულებას კონკრეტულ სპეციალისტებზე მრავალი უარყოფითი მხარე აქვს:

გსურთ გაიგოთ როგორ გააუმჯობესა SMART Demand Forecast-ის იმპლემენტაციამ McDonald’s Georgia-ის მოთხოვნის პროგნოზირების სიზუსტე?
იხილეთ ქეისი

    მოითხოვეთ პრეზენტაცია პროგნოზის სიზუსტის
    გასაზრდელად!

      მადლობა ინტერესისთვის
      ჩვენ მალე დაგიკავშირდებით