По данным GoodsForecast, далеко не все компании имеют выстроенные процессы планирования, и не более 10% из них применяют для этого специализированные инструменты.
Как правило, предприятиям мешает отсутствие опыта работы с данными и понимание, какие именно данные нужны для качественного прогноза, а также разрозненность систем и направлений внутри компании. Из-за этого адекватный прогноз спроса и потребности в производственных мощностях становится затруднителен.
Комплексное и точное планирование должно быть неотъемлемой частью жизни промышленных предприятий. В первую очередь, необходимо развеять классические мифы, которые тормозят развитие Data Science-экспертизы внутри компаний клиентов.
Компания GoodsForecast входит в ГК «Форексис», созданную в 2000 году на базе Вычислительного центра РАН. GoodsForecast специализируется на прогнозировании спроса и оптимизации процессов планирования для производителей, дистрибьюторов и торговых сетей и разрабатывает необходимое программное обеспечение. Компания также предоставляет консалтинговые услуги для построения связанных процессов и консалтинговые услуги, связанные с использованием математических методов, иногда без внедрения программных решений.
GoodsForecast является членом Консорциума в области технологий хранения и анализа больших данных и серебряным призером международного конкурса по прогнозированию М5 Forecasting Competition (организаторы – Walmart, Google, Uber и др.)
GoodsForecast регулярно участвует в различных конкурсах по прогнозированию.
Предсказание или пророчество — некое утверждение о будущем, которое обязательно случится. Классический пример — трагедия Софокла «Царь Эдип», согласно сюжету которой царю было предсказано, что его убьет его сын, и, несмотря на все принятые меры, так и случилось.
«Прогноз» происходит от греческого prognosis — «знание наперед». Но термин «прогноз» означает представление или модель будущего, которое случится с учетом определенных допущений. Целью прогноза является изменение будущего в выгодную сторону, что четко иллюстрирует разницу между прогнозом и предсказанием.
Для описания прогноза нам необходимы и другие термины:
При прогнозировании следует учитывать так называемые самосбывающиеся пророчества. Например, в случае проведения кампании в СМИ о проблемах в каком-либо банке, может возникнуть паника среди вкладчиков, и даже устойчивый банк может действительно столкнуться с проблемами.
Из этого можно сделать вывод, что если прогноз не сбывается, то он не обязательно плохой, но на основе прогноза можно предпринять определенные действия, чтобы изменить ситуацию.
Мы часто встречаемся с мнением, что прогнозирование бесполезно и всегда ошибочно, поэтому на него не стоит тратить силы, а также, что математические методы не применимы к какой-либо компании из-за ее особенностей.
Доказательством такого подхода может служить текущий 2020 год, уровень продаж в течение которого вряд ли можно было точно спрогнозировать год назад.
Подобный подход сказывается на качестве прогнозов, а некачественный прогноз, в первую очередь, приводит к росту затрат.
Примером потерь в результате некачественного прогноза может служить компания Kodak, которая в далеком 1976 году фактически изобрела первый цифровой фотоаппарат. Руководство компании недооценило важность изобретения, и такой стратегический просчет привел к банкротству компании в 2012 году.
Прогноз может привести и к тактическим просчетам. Например, компания Nike в 2000 году внедрила не слишком удачное программное обеспечение для прогнозирования управления запасами. В результате неточных настроек объем не самого популярного товара оказался завышен, а объем самого востребованного товара — недостаточен. По оценкам компании, потери от избытка запасов составили 10 миллионов долларов, а затраты на логистику выросли в 12 раз.
Многие уверены, что математика может решить любые задачи. Это означает, что если нанять лучших математиков и консультантов, привести данные в порядок и внедрить дорогое ПО для прогнозирования, мы автоматически получим качественный прогноз, свободный от субъективных оценок, причем без нашего участия.
Но математика не всемогуща. Например, несмотря на колоссальные успехи в этой области за последние десятилетия, прогноз погоды возможен не больше чем на неделю. На более длительный период доступны только общие умозаключения о том, что зимой будет холодно, а летом тепло.
Сложнейшие модели циркуляции атмосферы и океана, которые используются при прогнозировании погоды, неустойчивы и слишком сложны, и даже при использовании мощнейших суперкомпьютеров невозможно получить точное решение. Это явление, получившее название эффект бабочки, отражает неустойчивость модели и влияние на результат незначительных факторов. Неустойчивость модели приводит к тому, что найти точное решение на длительный период невозможно.
Тем не менее, в бизнесе большую роль играет экспертиза. В Англии в 21 веке провели не менее четырех крупных исследований, которые показали, что как минимум две трети компаний в той или иной степени используют экспертизу при прогнозировании, в том числе без каких-либо математических методов, а также экспертизу и статистические методы, усреднение экспертных и статистических данных, корректировку статистических прогнозов и т. д.
Использование экспертизы при прогнозировании
При прогнозировании без экспертизы не обойтись. Даже математические модели, которые настраивают эксперты, основаны на опыте таких экспертов. В современном программном обеспечении, которое автоматически выбирает модели прогнозирования, эти модели также настраивают эксперты.
При этом роль экспертов становится более важной при прогнозировании новых продуктов, не имеющих истории продаж. Мы считаем участие экспертов правильным, потому что эксперты знают предметную область, клиентов и продукты и обладают большим объемом информации. Кроме того, эксперты согласовывают прогнозы, что играет важную роль в прогнозировании, потому что прогнозу должны доверять все представители компании.
Но действительно ли руководство и эксперты своим участием улучшают качество наших прогнозов? К сожалению, руководство и эксперты своим участием не всегда улучшают качество прогнозов. Мы регулярно сталкиваемся с ситуациями, когда руководство и эксперты осознанно или неосознанно вносят в прогнозы искажения — мотивационные или когнитивные.
Мотивационные искажения (которые происходят по какой-либо причине)
Увеличение прогноза
Уменьшение прогноза
В некоторых случаях прогноз одновременно завышается и занижается, если преследуются разные цели. Соответственно, появился термин «евангелистическое прогнозирование», описывающий ситуацию, когда прогноз определяется решением начальства.
Когнитивные искажения
Когнитивные искажения, которые лучше всего описываются поговоркой «хотели как лучше, а получилось как всегда», связаны с особенностями работы нашего мозга.
Основополагающие работы в этой области принадлежат лауреатам Нобелевской премии, Амосу Тверски (Amos Tversky) и Даниэлю Канеману (Daniel Kahneman), автору бестселлера «Думай медленно, решай быстро» (Thinking fast and slow). Для целей прогнозирования выделяют 5 основных искажений:
Возникает определенный парадокс: с одной стороны, мнение экспертов очень важно, с другой, — оно часто искажает прогноз.
Чтобы решить эту дилемму, была разработана простая методология, Forecast Value Added (FVA), которая пока не очень популярна.
Прогнозирование это процесс, состоящий из отдельных шагов, например, статистического прогнозирования, корректировок, согласования и т. д. С каждым шагом процесса связаны определенные трудозатраты, например, затраты на программное обеспечение, наем специалистов и т. д. Трудозатраты каждого шага должны приносить прибыль, в данном случае — улучшать качество прогноза. Для оценки ценности каждого шага процесса прогнозирования, необходимо следующее:
Качество наивных прогнозов ухудшается при возникновении сезонности или тренда. Создается впечатление, что качество наивного прогноза можно улучшить, например, благодаря использованию математической модели и корректировок. Предположим, что ошибка наивного прогноза составляет около 30%. Каждый этап корректировки также выдает определенную ошибку. Шаг, который регулярно выдает ошибку, превышающую ошибку наивного прогноза, необходимо скорректировать, чтобы такой шаг, как минимум, не ухудшал наивный прогноз.
52% прогнозов хуже наивных
Парадокс заключается в том, что по данным известного британского исследователя, автора книг и бизнесмена, который занимается этой темой, Стива Морлиджа (Steve Morlidge), более 50% прогнозов хуже наивных.
Если компания имеет большой ассортимент продукции, большое количество клиентов и делает разные прогнозы на различные горизонты, результатом прогноза может быть большое количество чисел, хотя по конкретному продукту и на конкретный период времени, например, результатом прогноза может быть одно число.
Но этого числа, даже наиболее вероятного, недостаточно. Более того, это число, скорее всего, не будет реализовано в действительности.
Важно понимать, что неточность прогнозов неизбежна. Поэтому значение имеет не только среднее значение и, соответственно, предиктивные интервалы, но и вероятность наступления всех остальных значений
Предиктивный интервал это некоторые значения вокруг нашего среднего, наиболее вероятного числа, которые являются потенциальными с определенной вероятностью. Чем уже предиктивный интервал, тем точнее прогноз.
Соответственно, не следует путать собственно прогноз и принятие решений на основе такого прогноза. Например, банкротство компании может иметь низкую вероятность, но значимость этого события настолько высокая, что необходимо принимать его вероятность во внимание и обдумать меры, которые можно принять.
Предположим, наша компания печет пирожки, и хотим оценить, сколько пирожков мы продадим завтра. Среднее значение продаж за какой-то период показывает, что в среднем компания продает 100 пирожков. Но разброс является достаточно большим — от 50 до 150 пирожков, а иногда от 0 до 200. Сколько пирожков надо испечь, чтобы заработать как можно больше денег?
Ответить на этот вопрос нельзя без дополнительной информации. Например, если себестоимость небольшая, а наценка высокая, имеет смысл испечь много. Если себестоимость высокая, а наценка небольшая, непроданный объем приведет к большим потерям.
Из этого примера очевидно, что вероятностное определение наиболее часто применяется для управления запасами.
Для управления запасами крайне важны прогнозы. Но не менее важен корректный расчет страхового запаса. Даже несмотря на ошибку, качество управления запасами останется высоким, в случае верной оценки вероятностного распределения.
Кроме того, управление запасами быстро приносит результаты, такие как снижение остатков, сокращение недопродаж и трудозатрат.
В качестве примера из практики нашей компании можно привести внедрение системы управления запасами в «КОМОС Групп» — крупном вертикальном агрохолдинге который занимается производством, дистрибьюцией и розничной продажей продуктов питания. До внедрения нашего решения в подразделении дистрибьюции все операции производились в Excel одним человеком.
Периодически возникает вопрос: что будет, если научиться делать высококачественные прогнозы? Но важен не сам прогноз, а решения, которые принимаются на его основе.
Прогноз — сердце процесса интегрированного планирования, в рамках которого прогноз используется с какими-либо изменениями или без изменений для разработки планов для службы продаж, подразделения логистики или финансового подразделения, а также для принятия таких решений, например, как строительство новых линий или приобретение существующих.
Процесс интегрированного планирования
Первым шагом в рамках процесса интегрированного планирования в любом случае является процесс планирования продаж.
Компания Beluga Group внедрила инструмент для прогнозирования спроса и обеспечила увеличение горизонта планирования до 18 месяцев и добилась повышения точности прогноза на 15 процентных пунктов.
Компания прекрасно понимает, что прогнозирование это первый, но не единственный шаг, и в настоящее время выбирает инструменты для реализации последующих этапов процесса интегрированного планирования.
Компании «Технониколь» несла высокие производственные издержки и выплачивала высокие штрафы за недопоставки, потому что не могла учесть все факторы влияния при построении планов вручную.
После внедрения системы GoodsForecast.Scheduling для автоматического построения оптимального производственного расписания работы производственных линий, компании удалось снизить производственные затраты на 23,4%
Для получения списка книг о прогнозировании, обратитесь по адресу: croc@croc.ru.
Сервисы нашей компании доступны из Облака КРОК.
Вопрос. Был ли у вас опыт внедрения методологии Forecast Value Added в каких-либо компаниях и к какому результату это привело?
Ответ. Да, я сталкивался со слишком оптимистичными прогнозами. В итоге мы начали использовать методологию FVA, но сравнивали не с наивным прогнозом, а оценивали каждый шаг прогноза. Довольно быстро стало очевидно, что даже простые математические методы дают неплохой результат, который постепенно ухудшается. Нам удалось сгладить это ухудшение за несколько периодов прогнозирования.
Вопрос. Какие характерные значения показателей точности прогнозирования используются в компаниях, с которыми вы работаете, и можно ли их сравнивать между собой?
Ответ. Точность прогнозирования можно оценивать очень по-разному. Для этой цели используются десятки показателей, которые позволяют оценивать точность. Какие-либо отраслевые стандарты в этой области отсутствуют. Поэтому разные показатели разных компаний будет некорректно сравнивать между собой. Показатели могут рассчитываться на разных уровнях. Такого мнения придерживается, например, Майк Гилланд (Mike Gilland), известный поборник методологии FVA.
Вопрос.Делаете ли вы решения для улучшения работы снабженцев?
Ответ. Для управления собственно закупками можно использовать продукт Replenishment, который предназначен для управления запасами. При этом запасы относятся не только к запасам готовой продукции, но и сырья, и материалов. Поэтому можно сказать, что наша компания делает такие решения.
Вопрос. Существует ли общепринятая минимально приемлемая точность прогноза продаж по SKU?
Ответ. Минимального значения нет, но используется термин «прогнозируемость». Например, если используется временной ряд, с какой точностью можно его спрогнозировать? К сожалению, ответа на этот вопрос нет. Всем известная методология XYZ работает не очень эффективно. Как правило, хорошо работает только группа X, которая прогнозируется по средним значениям. Но как только появляются тренды, точность прогнозов падает.
Современная математика не отвечает на вопрос, насколько хорошо прогнозируются ряды. Но есть способы улучшить сам ряд, чтобы сделать его более пригодным для прогнозирования.
Вопрос. Насколько планирование акций отличается от планирования обычной деятельности? Какие подходы существуют?
Ответ. Планирование промо-акций является такой существенной проблемой для прогнозирования и портит жизнь аналитикам. Используются различные подходы, например, связанные с машинным обучением, эластичностью или использованием исторических данных.
Вопрос. Сколько времени может занять разработка и внедрение проекта в мотивированной компании? С каким бюджетом?
Ответ. В значительной степени срок зависит от качества данных, например, от наличия и качества системы отчетности. В таком случае внедрение может занимать 4-6 месяцев. Бюджет определяется в каждом конкретном случае.