Среди наших клиентов

Сеть гипермаркетов "О'КЕЙ"

Сотрудничество с компанией "О'КЕЙ" началось в 2014 году, когда был проведен пилотный проект по выявлению случаев отсутствия товаров на полках магазинов по данным чековых лент. По его результатам было принято решение о замене используемой на тот момент в сети системы аналитики упущенных продаж на решение от GoodsForecast.

В сети О'КЕЙ большое внимание уделяется показателям представленности товаров на полках и снижению упущенных продаж. Аналитическая отчетность GoodsForecast.OSA позволяет менеджменту сети видеть ситуацию в различных разрезах - по категориям, по форматам магазинов, по регионам, по отдельным товарам, что позволяет ставить цели и следить за их достижением на разных уровнях управления.

Функционал системы:

  • Ежедневная отчетность в формате Excel
  • Периоды и объемы дефицита внутри дня
  • Показатели в разрезе категорий, магазинов, форматов, регионов
  • Динамика и сравнение показателей
  • Анализ показателей по промо-товарам
  • Исторический анализ в веб-интерфейсе

Характеристики:

  • Точная диагностика времени и объема дефицита
  • Быстрая интеграция с системами Заказчика
  • Определение причин дефицита
  • Формат облачного сервиса

GoodsForecast.OSA работает в сети О'КЕЙ с марта 2015 года, на 2016 год запланировано дальнейшее развитие функционала системы.

Пресса о проекте:

ТАСС о GoodsForecast.OSA в О'КЕЙ

ТД «Перекресток»

В 2005 году по заказу ТД «Перекресток» в рамках родительской компании Forecsys была внедрена система оптимизации товарных запасов GoodsForecast (на тот момент Goods4Cast)

В течение нескольких лет ТД «Перекресток» пользовался системой прогнозирования спроса собственной разработки. С ростом оборота торговой сети возрастали и потери от ошибочных прогнозов и неоптимальных поставок. Для выбора новой системы прогнозирования спроса ТД «Перекресток» организовал конкурс, в рамках которого свои прогнозы спроса представили 6 российских и зарубежных участников. В результате сравнения прогнозов с фактическими продажами оказалось, что наилучшую точность показали прогнозы, сделанные на основе системы Goods4Cast

Функционал системы:

  • прогнозирование спроса на каждый товар на каждый день;
  • поддержка планирования закупок и оптимизации объемов закупок;
  • контроль доступности товаров и оперативного обнаружения пересортицы;
  • оценка эффективности промо-акций, распродаж и других воздействий на спрос.

Характеристики:

  • Ежедневное прогнозирование покупательского спроса для каждого вида товара.
  • Самостоятельное определение системой на основе собственных прогнозов оптимального количества товара, которое должно быть в магазине до следующей поставки.
  • Использование уникального алгоритма прогнозирования для каждой товарной позиции, который составляет прогноз с максимальной точностью.
  • Самостоятельный контроль качества прогнозов и самообучение системы.
  • Настройка системы в соответствии с закупочной политикой магазина и составление прогнозов с ее учетом.

Результаты:

Внедрение Goods4Cast позволило Торговому дому «Перекресток»:

  • значительно сократить потери от неправильных расчетов при закупке товаров;
  • оптимизировать товарные запасы в магазинах;
  • уменьшить влияние человеческого фактора при планировании закупок;
  • обеспечить получение более точных данных при складском учете.

Отзыв о проекте:

Компания Балтика, Part of the Carlsberg Group

Сотрудничество компании «Балтика» и группы компаний Forecsys началось в 2008 году с внедрением системы GoodsForecast (на тот момент Goods4Cast) для улучшения точности прогнозирования спроса с целью среднесрочного планирования (с горизонтом до года).

Проект был успешно реализован в том же году. Тестирование системы прогнозирования на данных «Балтики» показало улучшение точности прогнозирования при использовании алгоритмов, реализованных в системе Goods4Cast. Увеличение точности составило 18,6%.

В 2009 - 2010 годах проект получил развитие в направлении расширения срезов прогнозирования и повышения точности прогнозирования при помощи учета экспертной информации о динамике роста рынка сбыта.

Когда в компании «Балтика» встал вопрос о необходимости повышения точности прогнозирования продаж на более низком уровне, для решения этой задачи также было выбрано решение Goods4Cast.

Постановка задачи:

Длительное время подекадное планирование продаж на уровне адресов доставки было построено на основании прогнозов, выполненных сотрудниками на местах.

Такой подход обладал рядом недостатков:

  1. Высокое влияние человеческого фактора приводило к неожиданным ошибкам и «провалам» в качестве планирования.
  2. Отсутствие формализованной методики прогнозирования приводило к зависимости эффективности планирования от качества кадров.
  3. Трудоемкость процесса - сотрудники на местах были вынуждены тратить рабочее время на решение непрофильных задач.

Особенности проекта:

Бизнес-заказчиками проекта выступили отдел продаж и отдел логистики. Проект выполнялся в два этапа.

Первым этапом стало проведение пилота, целью которого было определение точности прогнозирования алгоритмов Goods4Cast на данных «Балтики». Каждую декаду в течение 3-х месяцев «Балтика» высылала актуальные данные о продажах в нескольких своих сбытовых подразделениях. На основании этих данных в GoodsForecast строились прогнозы спроса на 9 декад вперед и высылались обратно.

Результаты пилота показали существенное улучшение точности прогнозирования за счет использования алгоритмов, разработанных в Forecsys. Было принято решение о внедрении системы Goods4cast для прогнозирования вторичных продаж в разрезе сбытовых подразделений «Балтика».

По обоюдной договоренности Forecsys продолжал готовить прогнозы по нескольким ключевым сбытовым подразделениям «Балтика» вплоть до ввода системы в промышленную эксплуатацию – эти прогнозы использовались в рабочем процессе планирования, что позволило улучшить показатели качества.

Второй этап работ включал в себя внедрение системы и был успешно выполнен за 4 месяца.

Основа подхода

Ключом к достижению высоких результатов стало использование следующих подходов:

  1. 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.
  2. 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.
  3. 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 включает 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:

  1. Формализация процесса прогнозирования продаж. Изменение характера работы аналитиков от «подготовки прогнозов» к «настройке моделей».
  2. Сокращение трудозатрат на формирование планов. За счет изменения бизнес-процесса планирования и внедрения системы Goods4Cast один сотрудник «Балтики» 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.
  3. Высокая скорость расчетов.

Ключевым результатом проекта стало улучшение точности прогнозирования. По товарам, не участвующим в промо, повышение точности прогнозов составило 20%.

Отзыв о проекте

ГК «Связной»

В январе 2007 года по итогам тендера ЗАО «Связной» выбрал GoodsForecast (на тот момент в рамках родительской компании Forecsys) в качестве поставщика системы прогнозирования спроса.

Для выбора поставщика системы прогнозирования спроса среди ведущих российских и международных ИТ-компаний был проведен конкурс точности прогнозов. Ежедневно 5 компаний-участников давали свои прогнозы спроса на ассортимент каждой из 10 торговых точек, выделенных для проведения конкурса. При этом в качестве шестого участника выступал сам «Связной» с системой собственной разработки. Когда была накоплена двухнедельная статистика прогнозов участников, «Связной» сравнил их с реальными продажами товаров и выбрал систему прогнозирования спроса от Forecsys.

В июле 2007 года Goods4Cast была запущена в опытную эксплуатацию на 10 торговых точках Заказчика. Осенью 2007 года система прогнозирования спроса была введена в промышленную эксплуатацию на всех (1600) торговых точках сети Заказчика.

Повышение точности прогнозов спроса позволило «Связному» сократить потери от хранения дорогостоящих товарных запасов и уменьшить размер недополученной прибыли, вызванной временным отсутствием товаров в магазинах.

Основа подхода

Основу проекта составила платформа Goods4Cast, разработанная компанией Forecsys для оптимизации планирования деятельности компании.

Особенности проекта

Основная цель проекта – сокращение товарных запасов при сохранении той же доступности товаров для покупателей. Задача проекта - развертывание и настройка системы для автоматического более точного прогнозирования спроса и управления товарными запасами Goods4Cast.

На первом этапе работ было выполнено обследование бизнес-процессов и согласовано техническое задание на внедрение Системы. В библиотеку алгоритмов системы Goods4Cast было решено добавить привычные для Заказчика алгоритмы прогнозирования.

На втором этапе система Goods4Cast была настроена в соответствии с закупочной политикой ЗАО «Связной» и интегрирована в информационную среду Заказчика.

Во время выполнения проекта Заказчик ввел в эксплуатацию новое хранилище данных о продажах, и потребовалось выполнить дополнительную интеграцию системы с новым источником данных.

Функциональные характеристики

  • Система Goods4Cast автоматически рассчитывает потребность в товаре для каждого магазина сети с учетом прошлых продаж, факторов, влияющих на спрос, а также экономических рисков управления запасами.
  • Система самообучается. Для различных товаров используются различные методики прогнозирования.
  • Cистема ежедневно определяет оптимальное количество заказа каждого товара в каждую торговую точку розничной сети.

Награды

Внедрение компанией Forecsys системы прогнозирования спроса Goods4Cast в сети «Связной» отмечено наградой CNews AWARDS 2008 как лучший ИТ-проект 2007 года в номинации «Модернизация торговли».

Отзыв о проекте

ГК ЛАМА

Длительное время управление запасами сети «Лама» было полностью основано на заказах товароведов в магазинах. Качество управления запасами при такой схеме формировании заказов обладало рядом недостатков:

  1. качество заказа товара полностью определялось профессионализмом товароведа – в магазинах с плохими товароведами чаще возникал дефицит ходовых позиций или, наоборот, перезатаривание складских помещений отдельными, не ходовыми товарами;
  2. несмотря на то, что хорошие товароведы способны эффективно формировать заказы, способности даже опытного товароведа ограничены и на практике качественные заказы формировались для наиболее ходовых позиций, а остальная номенклатура заказывалась с худшим качеством;
  3. часто возникали ошибки от невнимательности. В результате необходимый товар порой просто «забывали» заказывать.

С развитием сети и ужесточением конкуренции со стороны новых игроков рынка, торговая сеть «Лама» была вынуждена оптимизировать эффективность работы сети, и одним из приоритетов стало повышения качества управления запасами. Для решения вышеперечисленных проблем формирования заказа было решено максимально автоматизировать этот процесс, и внедрить Систему управления запасов, основанную на прогнозировании потребительского спроса.

Основа подхода

Для автоматизации процесса управления запасами было выбрано решение GoodsForecast (на тот момент Goods4Cast, в рамках родительской компании Forecsys).

Система Goods4Cast использует богатую библиотеку алгоритмов прогнозирования и позволяет автоматически выбирать наилучшую модель прогнозирования для каждой комбинации товар-магазин.

Благодаря особенности реализации алгоритмов прогнозирования, решение Goods4Cast позволяет рассчитывать оптимальный уровень страховых запасов. Оптимальность уровня запасов достигается при помощи функционала качества, оценивающего соотношения между рисками колебания спроса и стоимости издержек на хранение дополнительного остатка в магазине.

Эффект от внедрения системы

По результатам опытной эксплуатации, за счет использования Системы Goods4Cast, было достингнуто существенное улучшение основных показателей качества управления запасами: товарный остаток снизился на 9 %, уровень сервиса в магазинах вырос с 90 до 95 %.

Кроме того удалось сократить фонд оплаты труда (за счет существенной автоматизации процесса формирования заказов в магазинах).

Отзыв о проекте