Комментарии 49
Так сколько пива брать?
Одну мало, две много — бери три.
Если вы Саша, то у вас, грубо говоря, три стратегии: брать по-полной и всегда держать Васю счастливым (большие расходы), брать по-минимум и не гарантировать наличие товара (малые расходы, но Вася может просто не зайти через какое-то время), или же использовать нечто среднее — оптимальное значение, которое зависит от многих факторов. Как подобрать такое значение правильно — вопрос аналитики. Если же вы рассматриваете эту тему с позиции отдельного клиента, то вопрос сам собой отпадёт завтра вечером.
НЛО прилетело и опубликовало эту надпись здесь
Если интересно — вот здесь есть немного деталей, как это может считаться: www.scm-book.ru/book/export/html/29
Бегло просмотрел. Адской математики всё еще не заметил.
Зато заметил следующее.
1. «до тех пор, пока мы не можем сформулировать, какова может быть причинно-следственная связь между этими величинами, такой фактор вводить нельзя» — мне кажется, или любой нормальный алгоритм должен (при достаточно большой обучающей выборке) практически игнорировать параметры, которые на самом деле не связаны с задачей?
Кроме того, отсутствие причинно-следственной связи непосредственно между величинами совсем не означает, что знание одной не поможет в определении другой. Например, между продажами кваса и мороженого нет причинно-следственной связи, но знание одной величины очень сильно поможет в определении другой.
2. В чем тайное преимущество взятие случайной выборки перед рассмотрением объектов по отдельности?
Решил всё же вчитаться в формулы. Извините, но такое ощущение, что они написаны для отпугивания. Можно то же самое написать короче)
Это функция распределения только для \int_{-\infty}^0 f(x) d x = \frac{q}{p}. Иначе будет не выполнено условие «на минус бесконечности — ноль».
Далее, функция распределения определена на всей прямой. Если плотность — регулярная функция, то F по этой формуле получается непрерывной. А значит, некоторый отрезок, не содержащий целых точек, имеет ненулевую меру. Т.е. вероятность продать например от 1/3 до 2/3 единиц товара отлична от нуля.
Что еще хуже, мера у нас получается абсолютно непрерывной. В частности, вероятность продать целое положительное число единиц товара равна нулю:) Зато ненулевая вероятность продать строго отрицательное.
И да, у Вас больше чем на 3 экрана расписан вывод функции распределения суммы одинаково распределенных независимых случайных величин. Причем единственную содержательную часть: сумма независимых нормальных — нормальна, Вы оставляете читателю.
И да, f^m — явно не распределение и не свертка распределений (вообще, что такое свертка распределений?). f^m — плотность (и, соответственно, свертка m одинаковых плотностей).
Если уж пользуетесь формальной терминологией — пользуйтесь ей грамотно.
Зато заметил следующее.
1. «до тех пор, пока мы не можем сформулировать, какова может быть причинно-следственная связь между этими величинами, такой фактор вводить нельзя» — мне кажется, или любой нормальный алгоритм должен (при достаточно большой обучающей выборке) практически игнорировать параметры, которые на самом деле не связаны с задачей?
Кроме того, отсутствие причинно-следственной связи непосредственно между величинами совсем не означает, что знание одной не поможет в определении другой. Например, между продажами кваса и мороженого нет причинно-следственной связи, но знание одной величины очень сильно поможет в определении другой.
2. В чем тайное преимущество взятие случайной выборки перед рассмотрением объектов по отдельности?
Решил всё же вчитаться в формулы. Извините, но такое ощущение, что они написаны для отпугивания. Можно то же самое написать короче)
Это функция распределения только для \int_{-\infty}^0 f(x) d x = \frac{q}{p}. Иначе будет не выполнено условие «на минус бесконечности — ноль».
Далее, функция распределения определена на всей прямой. Если плотность — регулярная функция, то F по этой формуле получается непрерывной. А значит, некоторый отрезок, не содержащий целых точек, имеет ненулевую меру. Т.е. вероятность продать например от 1/3 до 2/3 единиц товара отлична от нуля.
Что еще хуже, мера у нас получается абсолютно непрерывной. В частности, вероятность продать целое положительное число единиц товара равна нулю:) Зато ненулевая вероятность продать строго отрицательное.
И да, у Вас больше чем на 3 экрана расписан вывод функции распределения суммы одинаково распределенных независимых случайных величин. Причем единственную содержательную часть: сумма независимых нормальных — нормальна, Вы оставляете читателю.
И да, f^m — явно не распределение и не свертка распределений (вообще, что такое свертка распределений?). f^m — плотность (и, соответственно, свертка m одинаковых плотностей).
Если уж пользуетесь формальной терминологией — пользуйтесь ей грамотно.
Во-первых, если что, книга не моя. Это один из самых простых примеров подсчётов после того ликбеза, который был в топике. Во-вторых, математика адская не только и не столько сложностью (хотя это тоже есть на этапе выявления факторов спроса, например), сколько тем, что нужно обрабатывать терабайты данных по сотням тысяч товаров, что руками сделать крайне сложно. Далее, чем лучше у вас выстроена матмодель прогнозирования спроса при наличии реальных данных, тем меньше вы несёте издержек. Для крупных розничных сетей это означает, что можно повышать сложность до адской ради выигрыша в десятые доли процента, что на практике — сэкономленные миллионы рублей.
«нужно обрабатывать терабайты данных по сотням тысяч товаров, что руками сделать крайне сложно»
Да-да, именно такой софт я и писал…
Математика там на самом деле в первом приближении простая, если придерживаться моделей, описанных в стандартных книжках. А когда понимаешь, что допущения, принимаемые этими моделями, не позволяют добиваться хороших показателей (выше, чем у конкурентного софта) — тогда начинается искусство :)
Да-да, именно такой софт я и писал…
Математика там на самом деле в первом приближении простая, если придерживаться моделей, описанных в стандартных книжках. А когда понимаешь, что допущения, принимаемые этими моделями, не позволяют добиваться хороших показателей (выше, чем у конкурентного софта) — тогда начинается искусство :)
Первый график подозрительный, Вася спивается? :)
PS: дежавю у меня, видел похожий пост год или два назад.
PS: дежавю у меня, видел похожий пост год или два назад.
Иногда бывает, что наш Вася устраивает вечеринку и хочет сразу 20 бутылок, но в таких случаях, по расчётам, нам выгоднее продавать 10 и отправлять его искать топливо дальше, чем держать на складе 10 лишних.
Я бы не купил 10, а пошёл в то место, где продадут 20 (если там не в 2 раза дороже) :) А если серьезно, то неоднократно сталкивался со стратегией закупок такой, чтобы текущий остаток всегда покрывал все известные пики продаж (кроме совсем уж аномальных).
Ещё в статье как-то упущены моменты сезонного роста/спада продаж, а также «праздничных» аномалий. А в одной фирме столкнулся с тем, что менеджеры изучают недельные прогнозы погоды при заказе напитков: летом чтобы не остаться с пустыми прилавками в жару, зимой чтобы не заваливать склады в мороз.
Я бы не купил 10, а пошёл в то место, где продадут 20 (если там не в 2 раза дороже) :) А если серьезно, то неоднократно сталкивался со стратегией закупок такой, чтобы текущий остаток всегда покрывал все известные пики продаж (кроме совсем уж аномальных).
Ещё в статье как-то упущены моменты сезонного роста/спада продаж, а также «праздничных» аномалий. А в одной фирме столкнулся с тем, что менеджеры изучают недельные прогнозы погоды при заказе напитков: летом чтобы не остаться с пустыми прилавками в жару, зимой чтобы не заваливать склады в мороз.
Да, стратегия закрытия пиков обычно имеет смысл, но в примере речь о выбросе. Думаю, на Новый Год Саша будет держать минимум 10 ящиков в магазине — с учётом бешеного спроса и того, что поставки до 10 января ему точно не видать. В любом случае, все факторы учитываются при аналитике — есть на картинке. Это данные, которые чаще всего определяются стратегией удовлетворения спроса, например, компания Apple в некоторых случаях создает искусственный дефицит и при этом очень неплохо себя чувствует.
Нет учета товаров заменителей, места на полке, прибыльности товара и пр.
Напоминает анекдот про три тонны морковки…
Возможно стоит ввести штрафы за упоминание анекдотов без приведения их полного текста…
Имхо, не шибко известный анекдот.
Приходит заяц в магазин и спрашивает у продавщицы: — У вас есть тонна морковки? Продавщица: — Да нет, нету. Вот только 3 кг осталось, да и то продать не могу. Заяц ушёл. На следующий день приходит и снова: — У вас есть тонна морковки? — Да нет, нету. Вот только 3 кг осталось, да и то продать не могу. Заяц ушёл. Продавщица подумала: «Надо купить тонну морковки, заяц придёт и купит.» Ну, купила. На третий день заяц приходит и снова: — У вас есть тонна морковки? — Есть, есть!!! Вот пожалуйста- тонна морковки. — Да-а-а ,- говорит заяц ,- интересно, кому вы её продадите?
Приходит заяц в магазин и спрашивает у продавщицы: — У вас есть тонна морковки? Продавщица: — Да нет, нету. Вот только 3 кг осталось, да и то продать не могу. Заяц ушёл. На следующий день приходит и снова: — У вас есть тонна морковки? — Да нет, нету. Вот только 3 кг осталось, да и то продать не могу. Заяц ушёл. Продавщица подумала: «Надо купить тонну морковки, заяц придёт и купит.» Ну, купила. На третий день заяц приходит и снова: — У вас есть тонна морковки? — Есть, есть!!! Вот пожалуйста- тонна морковки. — Да-а-а ,- говорит заяц ,- интересно, кому вы её продадите?
Прогноз типа «завтра будет то же, что и вчера» хорош как базовая модель, но совсем несложно придумать что-то более эффективное. А ещё лучше найти: ru.wikipedia.org/wiki/Категория: Анализ_временных_рядов
Теперь все знают сколько блэйд серверов продает крок :)
А как вы посчитали эти 3%? Сравнили результаты до и после внедрения системы. Какова вероятность, что эта погрешнаость вызвана другими причинами?
И относительно этих 3% — сколько в сравнении к этой цифре стоит интегрировать ваш сервис с оплатой всех ваших услуг? + я так понимаю, этот сервис оказыается на абонентской основе (аналитика там, поддержка).
Внедрение таких систем целесообразно для торговых сетей от 30 магазинов. Как правило система в зависимости от масштабов внедрения окупается от 3 до 9 месяцев.
НЛО прилетело и опубликовало эту надпись здесь
Учитываются как-то репутационные риски? Имеются ввиду то, что если Вася придет однажды и не сможет купить товар, т.к. его не будет, то вы не просто потеряете 100 рублей за 2 бутылки, но и имеете большой шанс потерять прибыль в будущем, т.к. больше не пойдет в этот магазин зная, что иногда там не бывает его любимого пива.
Интересно было бы еще почитать про вселенские перекосы спроса в выходные, праздники, праздники+выходные, каникулы и т.д. и прогнозирование продаж в эти моменты. Сколько надо завезти шампанского и куличей и насколько меньше пива продается в этот момент. Хотя кулич — это вообще товар одного дня в году? Ну и вообще что бывает забавного в работе аналитика. ;)
Вот этот стартап пытается делать очень похожие вещи forecastnow.ru/. AllGrit что думаешь?
Вопрос — читал ли автор Голдрата?
Из своего опыта — лет 5 назад работал в торговой компании. Продукты из категории AX (A — небольшая группа товаров которые дают до 50% прибыли, X — по которым возможно более-менее точное прогнозирование) давали примерно 10% оборота (или даже меньше). Это в целом по фирме — а она была с филиальной структурой. В результате статистическое прогнозирование теряло всякий смысл. Я думаю, это типичная ситуация на рынке — отсюда всякие CRM системы и прочее (самая прибыльная группа была — AZ — то есть «эксклюзив» — то что только под заказ везется).
А прибавьте наши реалии — когда можно купить китайскую «продукцию». Размер партии почти всегда очень большой и поставки редкие. Казалось бы — должно быть «замораживание» средств и неликвиды всякие — но поскольку цена (себестоимость) минимальная а кроме китайского ничего нигде нет — разгребают и его. Какая уж тут математика.
Из своего опыта — лет 5 назад работал в торговой компании. Продукты из категории AX (A — небольшая группа товаров которые дают до 50% прибыли, X — по которым возможно более-менее точное прогнозирование) давали примерно 10% оборота (или даже меньше). Это в целом по фирме — а она была с филиальной структурой. В результате статистическое прогнозирование теряло всякий смысл. Я думаю, это типичная ситуация на рынке — отсюда всякие CRM системы и прочее (самая прибыльная группа была — AZ — то есть «эксклюзив» — то что только под заказ везется).
А прибавьте наши реалии — когда можно купить китайскую «продукцию». Размер партии почти всегда очень большой и поставки редкие. Казалось бы — должно быть «замораживание» средств и неликвиды всякие — но поскольку цена (себестоимость) минимальная а кроме китайского ничего нигде нет — разгребают и его. Какая уж тут математика.
Я не знаю, что за математика внутри системы, которую описывает автор. Но есть классические модели, где исходная посылка как раз звучит «смиритесь, что все непредсказуемо и стандартное отклонение огромно, оптимизируйте исходя из этого». Как пример newsvendor model. Голдрат — это наше всё, его первая книга «Цель» лежит на рабочем столе.
На этой презентации ужин был особенно крутым. Хотя над вопросами работы данного механизма тоже стоит подумать как интегрировать это или подобное решение.
Ни дата майнинга ни мат модели ничего… комментарии и то более полезны, 20 минут времени коту под хвост
Автор, написано хорошо и для посвящений в тему полезно, вы бы заодно (дополнительно) написали о таких понятиях, как safety stock (in days vs. in quantity) vs. service level in %, как он считается, а заодно о базовых алгоритмах планирования продаж, потом можно смотреть на более сложные алгоритмы (начиная от SMA, потом алгоритмы, учитывающие сезонность продаж разных товаров, различные promotions, распродажи, скидки и прочее). ЕЩе дальше — корреляцию между продажами взаимосвязных товаров (если цена на пиво упала в 2 раза, как изменяться продажи воблы) и прочее. Много чего можно написать :)
А как называется это направление деятельности — которое занимается аналитикой продаж, конверсий, средних чеков, строит красивые графики про пики продаж, и делает выводы типа «на складе надо держать 10 бутылок, плюс если передвинуть на витрине туборг на две бутылки ближе к кассе, то продажи вырастут на 10%»? :)
Наверняка что-то такое есть, а если есть то может и книжки есть? И где почитать тогда?
Наверняка что-то такое есть, а если есть то может и книжки есть? И где почитать тогда?
Из графика видно, что растет не только количество потребляемого пива, но и частота «запоев». Вася («герой» статьи) становится алкоголиком?
Кстати, почти оффтоп. Имеем план — мы должны заработать 100 000 рублей. Имеем 5 сортов пива, разные по стоимости и разное по количеству ( максимальное количество ограниченно), имеем понимание ( на основе опыта, либо такой же статистике продаж), какое из «пив» легче продавать. Как посчитать, сколько и какого пива надо продать, чтобы получить план? Каким алгоритмом воспользоваться?
А как она рекламные компании учитывает?…
В каких конторах пишут такой интересный софт?
Автор, Вы бы хотя-бы список литературы привели бы — чтобы можно было бы ознакомиться с предметом подробнее.
Автор, Вы бы хотя-бы список литературы привели бы — чтобы можно было бы ознакомиться с предметом подробнее.
Я бы сказал, что данная схема крайне однобокая, ориентированна только на удовлетворение спроса и грешит огромным количеством допущений, которые не упомянуты в начале рассказа.
— не учитывается срок поставки товара! В простейшем случае товар берется с центрально склада и привозится на след. день, но представьте что товар лежит в другом городе, или даже в другой стране, как например мониторы, которые плывут пару месяцев морем. В этом случае надо делать поправку на то, что срок товарногоразрыва будет ооочень большим.
— не учитывается фактор изменения цены. большие федеральные сети обычно получают прайс-протекшн, но если мы говорим о товаре, цена на который меняется быстро, или в частности, товар быстро дешевеет — то держать большой запас на складе для удовлетворения спроса уже невыгодно именно из-за того, что за время хранения цена падает ниже себестоимости.
— не учитывается маржинальность товара. для товара, на котором зарабатывают 2-5% нет смысла поддерживать измыточные запасы для покрытия всплесков. В то же время, если наценка составляет 100% — то можно хранить и 3-хкратный запас, т.к. первый же всплеск не вписывающийся в стандартное отклонение от среднего покроет все расходы на хранение.
— не учитывается фактор ограниченности финансовых ресурсов. Если финансы ограничены — то надо оптимизировать модель с поправкой на то, что некоторые позиции выгоднее поддерживать на минимальном уровне по причине их дороговизны.
— не учитывается срок поставки товара! В простейшем случае товар берется с центрально склада и привозится на след. день, но представьте что товар лежит в другом городе, или даже в другой стране, как например мониторы, которые плывут пару месяцев морем. В этом случае надо делать поправку на то, что срок товарногоразрыва будет ооочень большим.
— не учитывается фактор изменения цены. большие федеральные сети обычно получают прайс-протекшн, но если мы говорим о товаре, цена на который меняется быстро, или в частности, товар быстро дешевеет — то держать большой запас на складе для удовлетворения спроса уже невыгодно именно из-за того, что за время хранения цена падает ниже себестоимости.
— не учитывается маржинальность товара. для товара, на котором зарабатывают 2-5% нет смысла поддерживать измыточные запасы для покрытия всплесков. В то же время, если наценка составляет 100% — то можно хранить и 3-хкратный запас, т.к. первый же всплеск не вписывающийся в стандартное отклонение от среднего покроет все расходы на хранение.
— не учитывается фактор ограниченности финансовых ресурсов. Если финансы ограничены — то надо оптимизировать модель с поправкой на то, что некоторые позиции выгоднее поддерживать на минимальном уровне по причине их дороговизны.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Прогнозирование закупок: адская, но очень полезная математика