Сколько товара заказать у поставщиков, чтобы точно хватило и сработает ли промоакция?
Ответы знает математический алгоритм компании GoodsForecast: он умеет прогнозировать продажи. Ошибается ли этот алгоритм и как на него влияет человеческий фактор, «Понедельнику» рассказал директор по развитию GoodsForecast Сергей Котик.
— Сергей, в чем помогают ваши прогнозы крупным брендам?
— Мы решаем различные задачи наших клиентов. Например, помогаем «Балтике» прогнозировать, сколько выпускать пива. «Черкизово» советуем, что в данный момент делать с каждой конкретной курицей: нужно ли ее замораживать или продавать охлажденной, что сейчас лучше: отправить в магазины курицу целиком или только ножки и крылышки. Гипермаркетам «О’кей» мы помогаем решить проблему упущенных продаж, то есть отсутствия нужного товара на полке. Мы видим, что продажи какого-то товара прекратились, и смотрим, почему так происходит, может быть, его забыли вынести из подсобки или поставщик не привез его вовремя. Все эти вопросы решают наши программные продукты.
— Как вы прогнозируете эффект от рекламных акций?
— Мы находим похожие рекламные акции в прошлом, выясняем, какой был от них эффект. Далее на основе полученной информации мы прогнозируем результат планируемой активности. Мы работаем только с готовыми данными, социологических опросов не проводим.
В частности, мы прогнозировали эффективность промо для одной крупной федеральной продуктовой сети. Теперь у нее не возникает ситуаций, когда проходит промоакция, а товар раскупили быстрее, чем планировались, и на полках ничего не осталось, или, наоборот, товара под акцию закупили слишком много и он испортился на складе.
— А как вы помогаете оптимизировать товарные запасы?
— Расскажу о том, как это происходит, на примере розничной сети «Лама» в Томской области. Наша система управляет запасами и практически в автоматическом режиме формирует заказ товара у поставщиков для более чем 50 магазинов сети. Она рассчитывает оптимальный уровень запасов в каждой конкретной торговой точке, определяет, каким должен быть размер поставки, чтобы товара хватило, а с другой стороны, чтобы его не было слишком много, чтобы он не пропал и не занимал на складе много места. Сейчас работа с запасами компании, благодаря нашей системе GoodsForecast.Replenishment, автоматизирована на 95%. А по оставшимся 5% система также формирует заказы, но специалист может дополнительно посмотреть и скорректировать их.
— С чего вы начинаете работу? Какие данные собираете у заказчиков перед тем как составить прогноз?
— Начинаем с постановки задачи, далее определяем, какие именно данные нам нужны. Например, если мы прогнозируем эффект от промоакций, нам нужен их календарь (какие акции были в прошлом, какие планируются в будущем) и все их параметры: на какие товары они действуют, в каких магазинах проводятся, какова их механика и глубина скидки. Также нам нужны данные по продажам, остаткам на период промоакций и не только, нам нужна активная ассортиментная матрица, а также информация о том, сколько товара стоит на полке. Как видите, чтобы прогноз был максимально точным, требуется довольно большой набор данных.
— Как вы работаете с этими данными? Сколько времени занимает такая работа?
— Работа по внедрению наших программных решений предполагает три основных этапа. Первый — разработка технического задания. Второй — внедрение решения в соответствии с заданием: это интеграция с источниками данных заказчика, настойка моделей, обучение сотрудников тому, как пользоваться этим инструментом, и проведение испытаний. Третий этап — когда система работает в режиме опытной эксплуатации, в этот момент донастраиваются модели и исправляются ошибки, если они возникают. После этого система запускается в эксплуатацию. В итоге клиент получает прогноз, с которым и работает.
— Бывало ли, что алгоритм ошибался и прогноз не сбывался, был неточным?
— Конечно, такое бывает. Есть факторы, которые сложно учесть в прогнозировании. Даже прогноз погоды более, чем на 10 дней, не может быть точным. Соответственно, если мы прогнозируем объем продаж мороженого более, чем на 10 дней, то на результат может повлиять фактор, который невозможно учесть в момент расчета прогноза. Если наступит аномальная жара, продажи мороженого будут больше, а если аномальный холод, они резко упадут. Единственное, что в такой ситуации можно сделать, — нивелировать ошибки прогноза за счет грамотной работы с запасами. Например, можно держать на складе чуть больше продукции, чтобы она не оказалась в дефиците, или, наоборот, держать чуть меньше, если товар быстро портится.
— Насколько результат зависит от работы алгоритма и насколько — от специалиста, который анализирует данные?
— Все зависит от ситуации, иногда работа может быть полностью автоматизирована, а иногда — нет. Например, в случае с «Ламой» мы смогли автоматизировать 95% заказа. Однако бывают ситуации, когда для составления прогноза важно участие экспертов.
Если мы, к примеру, говорим о помесячном прогнозе для производителя пива на год вперед, по различным видам пива, различным регионам, то делать его полностью автоматически не стоит. Да, изначально его считает программа. Но эксперты тоже должны принимать участие в работе: это маркетологи и производственники, которые знают факторы, которые могут повлиять на прогноз. Например, маркетологи планирует проводить акции, и они уже примерно понимают, каким будет прирост продаж к Новому году. Поэтому данные, которые предоставляют нам эксперты, тоже ложатся в основу прогноза. И его точность во многом будет зависеть от экспертной оценки.
— Что еще можно прогнозировать с помощью вашего алгоритма?
— Мы расширяем комплекс своих услуг, учитывая бизнес-задачи, которые возникают у компаний. К примеру, помимо управления запасами есть задача ассортиментного планирования. В скором времени мы, вероятно, сможем помочь бизнесу в этом вопросе. Есть также задача динамического ценообразования — когда цена на один и тот же товар в магазине меняется в зависимости от ряда факторов. Мы сейчас начали активно заниматься этим. У нас нет волшебного чудо-алгоритма, который можно применять всегда и везде. Но наши инструменты помогают решить множество конкретных и важных задач. И безо всяких чудес!
Источник: ежедневный интернет-журнал Понедельник ponedelnikmag.com