Ключом к достижению высоких результатов стало использование следующих подходов:
- Учет динамики продаж по группе. Динамика продаж отдельного SKU часто ведет себя нестабильно. В такой ситуации выделение информации о сезонности и трендах оказывается весьма затруднительным. По этой причине в проекте была применена модель, использующая не только историю продаж прогнозируемого товара, но и динамику поведения целой товарной группы, что позволило надежно выделять тренды и сезонность продаж.
- Учет увеличения спроса в праздники. Спрос на продукты повседневной необходимости значительно меняется во время календарных праздников. Успешная работа системы прогнозирования во время праздников является необходимым условием ее применения. В рамках проекта были статистически выявлены праздники, оказывающие наибольшее влияние на потребление продукции компании «Балтика». Для них были рассчитаны коэффициенты изменения спроса (для каждого отдельного праздника и каждой отдельной группы был рассчитан свой коэффициент) — такой подход позволил обеспечить должную точность прогнозирования спроса даже в праздничные периоды.
- Предобработка и постобработка данных. История продаж товаров подвержена влияния многих внешних факторов — периоды дефицита, маркетинговая активность, деятельность конкурентов. Каждый из этих факторов, как правило, оказывает негативное влияние на качество автоматических прогнозов, и с каждым из этих факторов следует работать отдельно. Модуль предобработки и постобработки данных, внедренный в «Балтика», предоставляет аналитику визуальный инструментарий для определения периодов влияния внешних факторов и очищения данных от их влияния.
Технические характеристики
Система построена по клиент-серверной технологии.
Серверная часть включается в себя базу данных, в которой хранятся данные по истории продаж в удобном для прогнозирования виде. База данных системы прогнозирования интегрирована с «ERP Монолит». Задания на прогнозирование создаются пользователем в привычном интерфейсе ERP-системы и после завершения расчетов могут быть сразу использованы в процессе планирования.
Клиентская часть – это windows-приложение, которое является рабочим местом аналитика. С его помощью пользователь просматривает историю продаж, проводит настройку алгоритмов прогнозирования и правил предобработки данных.
Скорость проведения расчетов составляет более 90 тыс. прогнозов в час.
Эффект от внедрения системы
Результаты проекта автоматизации прогнозирования вторичных продаж:
Формализация процесса прогнозирования продаж. Изменение характера работы аналитиков от «подготовки прогнозов» к «настройке моделей».
Сокращение трудозатрат на формирование планов. За счет изменения бизнес-процесса планирования и внедрения системы Goods4Cast один сотрудник «Балтика» может самостоятельно формировать все прогнозы по целому каналу продаж, в то время как раньше этим занимались 30 человек. При этом производительность работы менеджеров прогнозирования увеличилась в 4 раза.
Высокая скорость расчетов.
Ключевым результатом проекта стало улучшение точности прогнозирования. По товарам, не участвующим в промо, повышение точности прогнозов составило 20%.
Отзыв по проекту
Герман Эпштейн, вице-президент по информационным технологиям ОАО «Пивоваренная компания «Балтика», подписал отзыв на работу компании Forecsys в проекте по автоматизации прогнозирования вторичных продаж.
