Компания «Балтика»

Описание хода проекта

Проект был успешно реализован в 2008 году. Тестирование системы прогнозирования на данных «Балтики» показало улучшение точности прогнозирования при использовании алгоритмов, реализованных в системе GoodsForecast.Planning. 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 GoodsForecast.Planning.

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 GoodsForecast 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 GoodsForecast (в рамках группы компаний Forecsys). Было принято решение о внедрении системы GoodsForecast.Planning для прогнозирования вторичных продаж в разрезе сбытовых подразделений «Балтика».

По обоюдной договоренности GoodsForecast (в рамках группы компаний 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.

Основные результаты

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 GoodsForecast 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 клиента