Как работают экспертные системы прогнозирования продаж или сколько грузить планшетов в граммах



    Я уже писал краткий обзор того, как IT-решения помогают оптимизировать цепочки поставок. Теперь я расскажу о том, как такие системы внедряются в реальности в России и что это даёт. К сожалению, я не могу называть конкретных заказчиков, поэтому мы сейчас будем торговать абстрактными телефонами и планшетами и сталкиваться с теми же проблемами.

    Итак, представьте, два года назад вы решили торговать телефонами и даже открыли интернет-магазин. Поначалу всё было просто: заказов довольно мало, и всё можно посчитать на бумажке. Через два месяца стало понятно, что магазин работает стабильно, и заниматься поставками надо серьёзно — ведь если юзер не увидит в наличии свой любимый мими-планшет с минимальной наценкой, он просто купит его у другого магазина, и вы лишитесь шанса продать не только планшет, но и дорогущие обложки, переходники и так далее.

    Соответственно, задач у вас сейчас три:
    • Поддерживать ассортимент продукции по основной линейке;
    • Понимать, сколько будет продаж, чтобы планировать закупку аксессуаров;
    • Держать на контроле все хиты и новинки, чтобы всегда продавать ходовые товары и «снимать пену» на запусках новых девайсов.



    К этому моменту в ассортименте уже около 200 наименований: сложно считать всё на бумажке, поэтому вы начинаете вести эксель, где учитываете скорость продаж, скорость поставок от дистрибьютора или производителя и так далее. Понемногу становится понятно, что делать руками всё это адски сложно, и вы пишете модуль к своей системе учёта (например, к 1С), где прогнозируются закупки.

    Таким образом, вы решаете свою основную задачу — вы можете получать алерты о том, что товар нужно докупать в нужные моменты, плюс можете посмотреть состояние склада через неделю нормальных продаж.

    Печально, но на этой стадии сейчас находится примерно 90% отечественных розничных и оптовых компаний.

    Если все так живут — в чём проблема?


    В январе прошлого года у вас внезапно случилась проблема с пустым складом. В день приходило по несколько десятков заказов, но вы не могли отреагировать на них: просто у вас кончились топовые телефоны и планшеты. Вы, конечно, догадывались, что в декабре продаж будет много больше обычного, а в январе ваши поставщики проснутся только около 15-го числа, но не оценили, НАСКОЛЬКО много будет этих продаж.

    Потом, в марте, был старт новинки: запускали новый, скажем, майпуд NEW, про который вы знали только то, что он будет очень горяч. Вы прикинули, сколько продавали майпудов прошлого поколения за месяц, купили пару десятков новых — и столкнулись с тем, что новых не хватило, а старые остались лежать на складе ещё на пару месяцев, пришлось даже устраивать акцию, чтобы их продать.

    А еще к этому моменту у вас уже больше 1000 наименований планшетов, телефонов и разных аксессуаров, причём от десятка разных поставщиков. В день добавляется по 10 новых наименований товара в ассортиментную матрицу, и уходит 2-3 продукта (в среднем). У вас работает три закупщика, которые постоянно сходят с ума от нагрузки, косячат на нетоповых товарах (одну партию планшетов из Китая вы не можете продать уже полгода) и часто забывают даты отгрузки, что приводит к разрывам и недовольству клиентов. Плюс ваши поставщики не всегда стабильны: кто-то режет вам партию пополам, кто-то задерживает поставку, кто-то застрял с целым контейнером вашей уже оплаченной продукции на таможне и так далее. И по каждой ситуации надо принимать решение.

    И к тому же у вас появилась сеть пунктов выдачи и магазинов — и в магазинах тоже понадобилось держать запас товара. Грубо говоря, при N пунктах продаж, задача стала сложнее в N раз – правда, цена локальной ошибки уже ниже в сравнении с ошибкой по главному складу.

    В итоге логистика стала просто страшной, и вы решили снять проблему с помощью правильной аналитики. Люди – это хорошо, но есть вещи, которые можно и нужно автоматизировать так, чтобы они работали как часы.

    Главная задача


    Посидев с бухгалтером над ABC и XYZ-анализами, вы поняли, что руками надо обрабатывать только 20-30 наименований товара, с чем отлично справится один закупщик. Хорошо бы, если бы остальной товар считался автоматом — он не так важен для вашей прибыли, и даже 10% ошибка по прогнозу будет куда лучше и экономичнее, чем труд ещё 5-6 человек. В конце концов, вы ведь планируете расширять свою розничную сеть и увеличивать ассортимент, поэтому автоматика вам нужна совершенно точно.

    Вторая задача — чтобы система сама предсказывала спрос не только с учётом линейной скорости продаж, но и учитывая сезонные колебания, праздники и так далее.

    Третья задача — запуск новых товаров должен быть понятным по закупкам: хорошо бы закупщик мог указать для товара аналог из истории, чтобы система понимала, как это будет продаваться. Например, четвёртый майфун может иметь пик в начале и дальше продолжить график продаж третьего майфуна.

    Четвёртый вопрос — вам нужно понимать, как маркетинговые акции будут влиять на продажи, чтобы планировать закупки с их учётом. И заодно — строить сценарии, позволяющие оценить, какой товар стоит продавать по акции, а какой — нет.

    И пятый вопрос — вывод из ассортимента товаров, которые пользуются всё меньшим спросом, например, тех же вторых майфунов, которые ваша старая система продолжает закупать на автомате пачками, невзирая на выход уже четвёртого.

    IT-решение


    Вы перебираете кучу решений, а потом приходите на тест-драйв к нам в КРОК, смотрите, как работает система оптимизации цепочек поставок, задаёте кучу вопросов по своему ассортименту и понимаете, что все проблемы, в общем-то, уже решили умные люди

    На секунду вы представляете себе, что это уже стоит у вас — и испытываете блаженное чувство того, что всё под контролем, работает как часы и не косячит. Правда, хмурый взгляд руководителя IT-департамента вырывает вас из этого сна: дело в том, что, во-первых, он только что узнал ценник на внедрение и лицензию, а, во-вторых, внезапно понял, что привычная 1С или что-там-ещё будет каким-то образом взаимодействовать с новой системой.

    Реальность такова, что у вас есть настроенная 1С, штат людей, работающей с ней, плюс вам очень-очень некомфортно менять то, что худо-бедно, но работает. С другой стороны, вам обещают окупаемость проекта за полгода и такое умное прогнозирование спроса и такую грамотную логистику, что вы будете экономить до 20% средств и точно знать, на что уйдет каждая копейка — а от этого аж дыхание захватывает.

    И за два месяца, ещё пару раз наступив на свои стандартные грабли, вы решаетесь на переход. Производителей такого софта несколько. Ниже я разберу, как это сделано, на примере решения от JDA.

    Итак, как все происходит



    1. Вы выгружаете все данные о товарах из своей учётной системы — например, в JDA есть возможность автоматически загружать каталог продуктов из вашей ERP-системы, например из 1С.



    2. Модуль прогнозирования анализирует каждый из ваших товаров и делает прогноз спроса по нему. В те промежутки времени, когда товара на складе было 0, график должен восстанавливаться — нам ведь важно, сколько мы могли бы продать товара в прошлом, если бы он был, а не сколько продали по факту.



    3. Затем для каждого товара экспертной системой строится график продаж, учитывающий все возможные колебания и факторы, забитые в систему. На уровне пользователя это очень просто: есть несколько основных сценариев продажи товара: например, важный для потребления товар (типа хлеба), сезонный товар (типа зонтов), быстро устаревающий товар (майфун-4), товар с рваным графиком продаж (золотой майпуд с бриллиантовой инкрустацией, который продаётся по 5-6 штук в год). Товар может быть желанным с запуска – или же постепенно раскручиваться по мере продаж. Всё это может рассчитываться автоматом или же редактироваться руками. Вы можете посмотреть, что система думает про ваш товар и оценить, насколько точно подобран профиль.



    4. Для каждого товара также строятся точки нетипичной активности: например, если график в целом ровный, но где-то есть выброс, это может быть либо маркетинговая акция (и тогда нужно показать системе, что она была), либо мелкооптовый заказ через розничный магазин, либо, наоборот, система полагает, что где-то можно было продать товара больше — и стоит вспомнить, не вылетали ли вы из топа Яндекса в тот момент, например.



    5. После такой обработки все ваши тысячи товаров получают профиль продаж. Система показывает вам, какой товар сезонный, какой уже устаревает и готов выйти из оборота, какой нужно закупить побольше и так далее.



    6. Для товаров, которые продаются парами (планшет-обложка, фонарик-батарейки и так далее) нужно построить собственные учётные единицы. Кроме того, если вы знаете связанные товары (например, треть купивших майфун через месяц покупает зарядку с автомобильным адаптером), взаимодействия тоже можно завести в системе. Автоматом такие вещи пока не строятся — настраивать профили — работа закупщика.

    7. Система для каждого товара оперирует понятием единицы прогнозирования DFU (Demand Forecasting Unit). Тут очень важный момент: DFU – это не просто номенклатурная единица типа майфуна, а связка из единицы и места, где она находится. Например, майфун в Москве может оказаться товаром группы А с профилем нового и «горячего», а на Чукотке – плохо продающимся товаром группы С, легко заменяемым на обычный телефон марки «кирпич».

    8. После этого в систему выгружаются данные о фактических продажах относительно прогноза — и система учится, сопоставляя разницу в прогнозе и реальной ситуации. При этом для каждого нового прогноза строится вот такой график:


    По вертикали — ошибка прогноза, по горизонтали — значимость товара в обороте.

    В нём можно выделить 4 основных зоны:



    • Низкий оборот и низкая ошибка: сюда попадёт 70% товаров, которые раньше надо было бы обработать руками. Просто не трогаем.
    • Низкий оборот и высокая ошибка: это то, чем стоит заняться, если есть время.
    • Высокий оборот и низкая ошибка: можно не трогать, но как минимум просмотреть стоит.
    • Высокий оборот и высокая ошибка: здесь обычно реально несколько единиц товара, на которые стоит обратить особое внимание: по ним либо есть серьёзные новые тенденции, либо проблемы с поставками, либо что-то ещё. В любом случае — точно обрабатывать руками.


    После того как закупщик или специалист по товародвижению (в зависимости от назначения прогноза) наиграется прогнозами, можно построить пару сценариев, например, задать ситуацию, что в следующем месяце вы снова будете продавать майфуны со скидкой 20% как делали это в прошлом году. Система спроецирует данные акции прошлого года на прогноз — и вы будете знать, сколько и чего закупать. Что приятно, кстати, акции можно делать по бренду — например, по всем обложкам: система посчитает сколько каждой из обложек нужно купить.

    9. В итоге получается прогноз продаж, который на 95% состоит из автоматически сгенерированных данных, и на 5% — из данных, откорректированных пользователем в соответствии с политикой партии и своим жоп-филингом.


    Обратите внимание: этот график можно сравнить с реальными продажами за прошлый период: это поможет понять насколько точны прогнозы.

    Этот прогноз можно показать руководству в сравнении с данными системы (вот тут она думает, что продаст 100 штук планшетов с Hello Kitty, но поставщик запустил рекламу по ТВ, поэтому я считаю, что нужно по 120 штук).

    А дальше?


    Конечно, это круто, но если вы думаете, что, получив такой прогноз, вы решили задачу, то не спешите радоваться. Дело вот в чём:
    • Поставщик предлагает вам купить вместо 500 майпудов контейнер на 2000 штук, но в полтора раза дешевле. Будет ли это выгодно с учётом складского хранения? А если ещё и запустить одновременно акцию со скидкой — как тогда?
    • Система говорит, что нужно заказывать по 40 планшетов на одну из точек раз в неделю. Проблема в том, что возят туда минимум раз в две недели, и партиями не меньше ящика в 200 штук — что делать?
    • Китайцы предлагают завозить планшеты напрямую в ваше представительство во Владивостоке — это действительно удобнее и дешевле, вот только брать надо контейнером: с одной стороны, отличная экономия на доставке — с другой, непонятно что с хранением, успеет ли планшет устареть за время продаж и так далее.
    • Вы уже отправили РЖД два контейнера продукции в Екатеринбург, а там внезапно закрылся ваш конкурент, и спрос очень сильно вырос. Сколько нужно отправлять следующий раз и когда, с учётом этих вот двух контейнеров?
    • Ваш менеджер говорит, что есть подозрение, что листовки лучше печатать на местах, нежели развозить по всей стране — и лаг меньше, и по затратам получается проще. Надо считать.
    • Другой менеджер утверждает, что самолётом иногда груз отправлять выгоднее, чем поездом: хоть он и дороже, зато вовремя доставленные товары раскупают, что увеличивает прибыль. Снова нужно считать.

    Раньше вы такие ситуации обрабатывали как исключения руками, но с ростом вашего бизнеса они и российские реалии всё больше и больше дают о себе знать. И поэтому вам нужен следующий кусок системы — управление логистикой (в рассматриваемом решении — это дополнительный модуль), умеющее обрабатывать данные модуля прогнозирования и делать так, чтобы в нужное время нужный товар был в нужном месте. Если тема интересна, то про это — в следующем топике.

    Резюме


    Экспертная система прогнозирования спроса обычно даёт вот что (это бенчмарк той же JDA):
    • Точность прогноза растёт на 15-20%.
    • Серьёзно снижается трудоёмкость процесса.
    • Складские запасы уменьшаются на 10-15%.
    • Уровень обслуживания (доступность товара) растёт на 5-10%.
    • Уменьшается количество ошибок, вызванных человеческим фактором.

    Примерно такой результат можно получить, если использовать некую подобную систему. Выше мы посмотрели на JDA, есть и другие вендоры, которые предлагают аналогичные решения: что именно подойдёт именно вашей компании – решать вам.

    По вопросам конкретных внедрений можно писать на следующие адреса:
    • Александр Ефимов, руководитель практики Data Mining, Alexander.Efimov@croc.ru — если нужно понять, как это может работать или хочется тест-драйв.
    • Алексей Исаев, руководитель направления SCM, AlIsaev@croc.ru — если нужно посчитать сколько стоит и когда будет внедрено, например.
    КРОК
    152,00
    №1 по ИТ-услугам в России
    Поделиться публикацией

    Комментарии 38

      +8
      То есть, плановая экономика возможна?
        +8
        Все булочные Парижа — это экспертная система, которая продаёт ровно столько хлеба, сколько нужно жителям. Эта система саморегулируется. При этом каждая отдельная булочная нуждается в инструментах прогнозирования, иначе может вылететь с рынка из-за недопроизводства или перепроизводства.
          +1
          А потом кто-то на форуме пишет: «Чуваки, у меня брат работает на сахарном складе. Последний вагон пришел, теперь отдают по одной пачке в руки. Я себе мешок закупил про запас». И всё, переходим на ручное управление.
            0
            Это справедливо для монополии, когда сахар больше никто в город/поселок/деревню не привезет. Просто добавь 1 конкурента и пока тот, что с 1 вагоном ждет новую поставку, второй спрогнозировал повышение продаж и заказал сразу 2 вагона, а то и 3.
              +3
              Нет, я не о том. Я о ситуации, когда слухи (или провокация) приводят к резкому росту спроса и дефициту. Образуется положительная обратная связь и разобраться с такой ситуацией в короткие сроки уже невозможно. Подобное и на биржах бывает. С булками проще: их нельзя долго хранить и запасать, поэтому спрос более-менее соответствует реальному потреблению: купил — съел.
            0
            Фокус в том, что булочные Парижа с подобными задачами вынуждены справляться все последние 200 — 300 лет и без всяких компьютерных систем. Те, кто справляются — остаются на плаву, а те, кто не справляются — раззоряются, даже если им эту систему поставить…
              +9
              «Компьютеры помогают решать проблемы, которых не было до появления компьютеров»

              Чему тут удивляться?
          0
          А есть готовые решения?
          0
          Очень интересная штука. Интересно, при каких оборотах окупается внедрение подобных систем? И вообще, каков порядок их стоимости без учета внедрения и допиливания…
            0
            Тут скорее не оборот, а ассортимент. Ибо мы сейчас при ассортименте 1500 наименований зависаем к закупкам на 3-4 дня (это обычно 3-4 поставщика и 400-500 наименований) что бы тупо обсчитать и все равно вылеты стабильны, причем даже так бывает: продажи за месяц — 5 штук, поставки раз в 3 месяца, остаток на складе — 8 штук. Заказывать надо по плану штук 10-15. Заказали 10, к моменту, когда заказ еще собирает поставщик (неделя), у нас осталось 0. Вот и вперед — месяц без товара, придет всего 10 штук — значит после поставки товара хватит на 2 месяца максимум, то есть потом еще месяц без товара. У Московского поставщика все на порядок хуже — там вылеты 20% ассортимента и 50% категории вообще норма.
              0
              Добавлю в терминах статьи — не ассортимент товаров, а ассортимент DFU. Т.е., ассортимент товаров на точке 1 + ассортимент товаров на точке 2 +… + ассортимент товаров на точке n.
            0
            Учитываются ли какие-то внешние факторы, влияющие на продажи? Или только данные о предыдущих продажах? Повышение цитируемости какого-то бренда в интернете, погода за окном, фаза луны…
              +2
              Конечно, учитываются, но не в плане «что будет, если президент покажет этот товар по ТВ», а в плане оценки влияния и выделении тренда на ранней стадии. Учесть можно практически любой фактор, достаточно его представить в виде временного ряда — это задача закупщика. Задача системы — обратить внимание на нетипичную активность по товару, если закупщик этого не сделал. К примеру, тот же индекс цитируемости можно собрать и представить в виде статистики за прошлые периоды и учитывать его как фактор.
              +1
              Задумка хорошая, но как говаривал Козьма Прутков: «Никто не объемлет необъятного!»
              На каком-нибудь рынке кирпича и железо-бетонных изделий эта система, может, и будет подходящей. Но вот относительно рынка мобильных устройств я скептичен чуть более, чем полностью, ибо тут слишком много непредсказуемых и непрогнозируемых факторов.
              1. Слишком много вендоров. И каждый вендор по-своему непредсказуем.
              2. Слишком много моделей от каждого вендора. Если бы в мире был только один «майфун» и один «майпуд» — то да, можно было бы прогнозировать сезонность, спрос и прочея…
              3. Каждый вендор имеет свою собственную глобальную стратегию, которая на локальном уровне меняется просто архибыстро и непредсказуемо.
              4. Все пытаются предугадать спрос и все пытаются сыграть на нём. Но реальный спрос зависит от множества внешних факторов, учесть которые неподсилу практически никому. Год назад все на этом хорошо обожглись.
              5. На этом рынке очень много крупных продавцов, которые тоже имеют свои собственные стратегии и интересы, и могут значительно влиять на рынок, играя ценами и маркетинговыми активностями.

              Как учесть (не говорую про «предугадать») тот факт, что продавцы (Азиасеть и Проводной) вдруг, по непонятной причине, одновременно уронят вдвое цену на майнстримовский планшет Самсебезасунь? А ты перед этим его себе полный склад завёз? Как выкрутиться, если ты, согласно предсказаниям системы, разместил заказа на десятки тысяч новой модели Макиа на Дорз-фоне, справедливо учтя маркетинговую активность этого вендора, а вендор в самый последний момент присылает письмо, что до конца года не сможет выполнить заказ, а ты расчитал свою прыбыль с учётом предновогодних распродаж? И т.д., и т.п.
                +4
                Дело в том, что это уже работает на таких рынках. Не в плане, что «возможно, будет», а конкретно работает много у кого с высоким ROI.
                  0
                  Хорошо, что работает. И, возможно, в чём-то даже помогает, снимая часть рутинной работы… Но от перетаривания или дефицита по ключевым продуктам всё равно не спасает. И вендоры, и ключевые продавцы как раз и стараются играть на рынке так, чтобы их невозможно было предсказать… ни этой системе, ни конкурентам… В этом — главная проблема.
                    0
                    В хороших системах считаются и риски — риск снижения спроса, риск недопоставок и т.д. и т.п.
                    Например, в проекте, в котором мне довелось поучаствовать, разрабатывалась система прогнозирования для весьма стабильного рынка — типа предложенного вами кирпича или железо-бетонных изделий, поэтому риск недопоставки был в два раза дороже риска снижения спроса — т.е. пусть лучше на складе будет избыток товара, нежели недостаток, не позволяющий клиенту сделать закупку.
                    На рынках с низкой стабильностью логичнее сделать наоборот — пусть лучше кому-то не хватит товара, но мы по возможности избежим ситуации с излишком, который придется выкинуть.
                  +1
                  Ну в вышеописанны случаях человек если конечно у него нет какого хитрого инсайда тоже наколется, так что программа тут не причем, но в случае с програмкой это все в последний момент можно быстренько пересчитать.
                  0
                  А какой порядок цифр при внедрении решения JDA по прогнозированию?
                  От чего зависит стоимость внедрения?

                  Скажем для примера, наша компания продаёт 10 000 номенклатур, около 30 поставок в день, около 1000 отгрузок.
                  ERP система есть — там тоже есть прогнозирование — но вдруг у вас точнее?
                    0
                    Стоимость решения зависит от очень многих факторов, первый из которых — конкретный тип продукта (речь не только о JDA, но и других вендорах). Если интересны детали — давайте обсудим в личке.
                      0
                      Мой вопрос был не от того, что я хочу пресэйл
                      Хотелось бы более точного позиционирования JDA относительно других распространённых систем, где есть прогнозирование.
                      Думаю, другим хабровчанам тоже было бы это интересно, поэтому утаскивать это в личку не хотелось бы.

                      Во всех ERP есть расчёт Плана Закупок, что вы учитываете такого, что уникально?

                      Что такое системы класса ERP при этом, думаю, все знают, а вот JDA — это что-то новенькое.
                      Хотелось бы понять, для начала, какого оно размера.

                      Сопоставимо ли по деньгам внедрение JDA, скажем, с внедрением модуля Управления Запасами от ERP -системы?

                    –2
                    Спрос это временной ряд, который находится под влиянием множества факторов. Например, индекс ММВБ тоже временной ряд. Но вряд ли кто-нибудь может заявить что делает прогноз индекса с точностью 95%. Его просто засмеют. У Вас же, судя по представленным графикам, точность близка к 100%. Это Вы, наверное, погорячились, в маркетинговом угаре.

                    Ну и насчет прогнозных моделей. Не такие они уж и экслюзивные. В статьях и монографиях все они хорошо описаны. Поэтому и их реалиация не стоит таких денег
                      +1
                      Конечно, есть куча известных моделей/алгоритмов прогнозирования.
                      Но эти вендоры берут деньги за то, что у них полноценный набор модулей с качественной интеграцией, т.е. за то, что у компании сразу появится возможность работать «по-взрослому».

                      Такие продукты не нужны, если либо компания еще может работать на уровне excel, или, если компания достаточно крута, чтобы вложиться в создание кастомного решения, заточенного на её специфику лучше, чем универсальное решение вендора.

                      Кстати, ожидаемая точность прогноза очень сильно зависит от конкретных данных. Я встречал временные ряды, для которых удается добиться и 98%, а попадались и такие, где 50% — это победа :)
                        0
                        98% ни разу не видел. Ну разве что Вы методом Фурье будете восстанавливать аналитическую функцию, состоящую из смеси разночастотных sin и cos :-)
                        0
                        Гораздо важнее учесть ставку рефингансирования, ибо от нее зависят процентные ставки по кредитам, а тем самым влияет на покупательскую способность населения. Допустим ставка упадет до 2-3%, резко возрастет спрос на все и вся ваша система даст промах.
                          0
                          Это уже является структурным изменением внешних факторов. Система же не долна учитывать вероятность, например, закрытия границ из-за начала военных действий или еще каких-то внешних воздействий.
                          В целом в любой универсальной системе такого типа предполагается очень большая доля экспертной информации. Те ключевые параметры, которые как раз и определяют экономическую оптимальность, приходится задавать руками. Так что, фактически, это автоматизация — вместо того, чтобы отдельно работать с разными рядами, эксперт начинает крутить макропараметры. А уж насколько они получатся оптимальными — это вопрос не к системе :)
                        +1
                        Пожалуйста напишите, что является входной величиной для расчета вашего прогноза. Если это скользящее окно продаж того же товара на какую-то глубину предыстории, то можно не отвечать.

                          0
                          Конечно они только этим и оперируют. На рис. Можно увидеть используемые методы прогнозирования. Например, Фурье или, Скользящее среднее (moving average)
                            0
                            Вопрос был риторический :-). А вообще жаль, что практически неработающие в антропогенных системах методы обработки физических сигналов, старинный ABC-анализ и т.п. позиционируются как современная и эффективная система обработки информации. Ну а использование термина «экспертная система» вообще некорректно и неприменимо к заскриншотеным видам анализа.
                              –1
                              А меня подобные маркетинговые статьи ужасно бесят. И именно по той же самой причине. Выдают давно известные методы за что-то новое и пытаются на этом заработать. Типа, в России тут индейцы и им бусинки стеклянные можно продавать по цене бриллиантов.
                            +1
                            Входящие данные — это история продаж искомого товара, история продаж товаров в его группе (заменителей, например), известные тренды, данные о маркетинговых и иных активностях, оценка спроса по продажам (с учётом заполнения окон когда товара не было в наличии), а также мнение закупщика относительно профиля спроса на товар. Если товар «подхватывает» линейку — также данные по всей линейке до этого. Детали в общем есть в первом топике, ссылка на который в самом верху. Прелесть рассматриваемого решения — в возможности построить прогноз, изменив один фактор, например, предположив, что вы завтра стартуете акцию: это сразу даёт возможность оценить возможный спрос в новых условиях и рассчитать оптимальную стратегию. Чуть позже расскажу как учитываются в логистике праздники и другие внешние явления.
                              0
                              Прошу меня простить за столь упорное непонимание.

                              Если по поводу использования такого массива на входе вы говорите правду, то категорически не понятно, как именно и для чего вы используете к примеру модель Хольта-Уинтерса, Фурье или скользящее среднее? Опять же недоумение вызывает и ваша предыдущая статья. Цитата (самый занятный для меня кусочек выделил):

                              Суть – в замене «разрывов» товара какой-то расчётной величиной. Можно использовать несколько разных методов усреднения, например, скользящее среднее: расчёты не так важны, как сам принцип. Итак, первым делом мы восстанавливаем уровень спроса. Затем строим прогноз на ближайший период.


                              Расчеты как раз и есть наше все в подобного рода системах. Как они могут быть не важны? К примеру без проверки на стационарность приведенные на скринах методы просто не работают (для нестационарных процессов). Модель же нестационарного процесса как правило уникальна под каждую задачу.

                              Короче. Если математика прогноза — ваше ноу-хау, то об этом лучше сказать прямо. Если же вы собрали известные методы прогнозирования в удобную оболочку, опять же об этом лучше сказать прямо. Контингент здесь далек от принятия решений о покупке вашего продукта, но если вы будете конкретны и убедительны, то читатели Хабра (т.е. ITшники) будут на вашей стороне при консультациях с руководителями.

                              Пока что-то все неясно… туман… туман… мы используем все-все-все данные… как именно — неважно.
                                0
                                Теперь я понял, о чём вы. Во-первых, это не наш продукт, а JDA, мы — просто дистрибьютор, и предлагаем выбирать из целой линейки продуктов такого класса, если необходимо, рассматривая софт на примере одного представителя. Конкретно в этом решении JDA используются известные модели наподобие модели Фурье (там чуть менее десятка моделей для разных профилей). Говоря о том, что расчёты не важны, я имел в виду конкретно этот модуль, который не требует от закупщика знания математической модели, а применяет её сам на основе анализа входящих данных — то есть выбирает оптимальный из известных методов для огромной выборки. Полученная модель обрабатывается модификаторами известных случаев, например, модификаторами маркетинговых акций, а также на основании мнения закупщика (например, модификатором длительности периода ажиотажа на новый товар). То есть JDA не делает ничего, что можно сделать руками (никаких волшебных пилюль в расчётах), но позволяет снять 99% рутинной работы и оставить на обработку руками только то, что показывает выбросы.
                            0
                            Компьютер — всего лишь инструмент. Быстрый, дорогой инструмент. И сам он делать ничего не будет, пока с ним не будут работать люди. Если этот инструмент правильно настроить — он может помочь.
                            В 1С 8.2, кстати, есть инструмент Анализ данных и прогнозирование. Можно и его настроить под нужды компании, главное понимать чего хочешь получить.
                              0
                              Тут не учтено следующее — если у вас действительно много точек и высокий поток продаж, то в таком случае можете договориться с поставщиком на размещение товара на реализацию на определенный срок (например 1000 гаджетов на 2 мес, если продадите 800, оплачиваете их, оставшиеся 200 возвращаете). Т.е. вы за него платите постфактум, но с более высокими партнерскими ценами. На такое не каждый дистрибутор согласится, но вариант возможен, если долго сотрудничаете с одним и тем же поставщиком.
                                0
                                Не подскажете, какой масимальный ассоримент считает JDA у ваших клиентов, и сколько занимает процесс рассчета.
                                  0
                                  Можно ссылочку, на компании, в которых вот это внедрено и работает?

                                  И еще конечно очень интересно:
                                  — на сколько конкретно процентов сократились запасы после внедрения этой системы?
                                  — насколько снизился неудовлетворенный спрос?

                                  Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.

                                  Самое читаемое