25.02.2022

Точно-молочный продукт

Как возможности искусственного интеллекта и данные помогают точнее прогнозировать продажи в продовольственных компаниях. Наталья Иванова, эксперт по машинному обучению, консалтинговая компания Advanced

Сегодня ценовые промо-акции в магазинах — это ключевой драйвер продаж для товаров повседневного спроса. По разным оценкам, объем продаж по скидкам в некоторых продуктовых категориях уже достигает 80%, и по мере изменений покупательского поведения эта цифра продолжает расти. Поэтому рост эффективности процесса промо-планирования в организации с каждым годом становится всё более критичной бизнес-целью.

От качества прогноза продаж зависят отношения с клиентами, уровень сервиса, затраты на хранение и транспортировку продуктов, количество списаний и многое другое. Для производителей скоропортящейся продукции крайне актуален качественный прогноз спроса: повышение точности этого прогноза может приводить к значимому росту эффективности процесса промо-планирования и бизнеса в целом.

В 2021 году команда Danone с помощью консалтинговой компании Advanced разработали и запустили платформу, которая прогнозирует продажи во время ценовых промо-акций в магазинах на основе передовых алгоритмов машинного обучения и различных внутренних и внешних данных. Инструмент помогает более точно прогнозировать объемы продаж, то есть лучше понимать, сколько товара компания продаст в следующем квартале при реализации плана ценовых промо-акций.

Как было прежде

В FMCG-компаниях обычно есть выстроенный процесс планирования, в который вовлечены десятки и сотни специалистов. Команды, отвечающие за промо-планирование, составляют прогноз продаж фактически в ручном режиме: аналитик изучает историю продаж прошлых периодов, учитывает сезонность продаж и другие доступные данные для составления сначала плана промоакций на будущее (когда и какой тип скидки будет в определенном ритейлере и на какой ассортимент). После этого формируется экспертный прогноз промо-продаж в объемном выражении.

Внедрение инструмента на базе искусственного интеллекта позволяет компаниям получить ряд преимуществ при прогнозировании. Во-первых это ускоряет целевой бизнес-процесс: с помощью ML-модели у специалистов по планированию и аналитиков будет уходить меньше времени на сбор, сверку данных, создание и проверку прогноза, и они смогут сфокусироваться на более интеллектуальных задачах и принятии решений. Фактически это уход от рутинных процессов, которые теперь реализуются с помощью машинного обучения.

Во-вторых, ML-модель анализирует и учитывает гораздо больше входящих данных. Человеку проще и удобнее работать с неким срезом данных, а в “машину” можно загрузить любые доступные внешние и внутренние данные, такие как промо-план, цены, продажи с полок, календарные события, прогноз погоды и многое другое, что в итоге помогает построить более качественный, основанный на данных, прогноз. Какой бы квалификации и опыта ни был специалист, ему не под силу за короткое время обработать огромные массивы данных и понять их влияние на линии прогноза.

Результаты

Результаты расчета ML-модели и экспертиза команды промо-планирования позволили увеличить точность прогноза на 5% по сравнению с прогнозом до внедрения технологии.

Обывателю может показаться, что 5% — не слишком существенный результат, однако в крупных корпорациях бизнес-команды борются за каждый процент точности, так как это напрямую влияет на финансовые показатели бизнеса. Точность прогноза показывает, насколько корректно компания “угадывает” уровень фактических продаж своей продукции. Чем точнее прогноз, тем эффективнее можно закупать сырье и материалы, планировать производство и поставки, обеспечивать наличие продукции на полках магазинов. Качество прогноза является еще более критичным для компаний, которые производят скоропортящиеся товары, такие, как молочная продукция.

«Запуск ML- прогнозирования промо объемов по всем ключевым клиентам открывает для нас путь дальнейшего освоения возможностей искусственного интеллекта в других сферах бизнеса, — комментирует Олег Колесник, менеджер проекта по запуску ML- прогнозирования, менеджер по трансформации бизнеса. — Важными элементами успешного запуска проекта — освоение подобных технологий и „приземление‟ их в рамках бизнес-процесса — являются своевременное обучение и вовлечение в проект конечных пользователей, а также детально проработанный и реализованный план управления изменениями. Этот путь мы проходим вместе с командой Advanced Machine Learning, которая после завершения проекта приступила к технической поддержке модели».

В чем суть ML-модели

ML — это отдельный раздел искусственного интеллекта, который позволяет решать определенные задачи конкретными алгоритмами. Машинное обучение помогает создавать голосовых помощников, распознавать изображения, управлять беспилотными автомобилями, выдавать подсказки в истории поиска и многое другое. Прогнозирование временных рядов также эффективно решается ML- алгоритмами машинного обучения. В арсенале команды Machine learning в Advanced есть различные модели прогнозирования на базе различных комбинаций алгоритмов, таких как “деревья решений” и нейросети.

В моделях используют широкий набор данных: исторические отгрузки, продажи с полки, промо планы, уровень цен, заказы от клиентов, уровень запасов, календарные события, изменения ассортимента — список данных не ограничен. Главное, чтобы они были доступные для использования, полные и качественные.

Горизонт для прогнозирования может быть любой, это не является ограничением для ML и задается командой клиента с учетом особенностей бизнеса.  Аналогичная гибкость присутствует и в вопросе детализации прогноза — прогнозировать можно как на самом низком уровне, например, конкретный йогурт или пачка чая, так и на уровне группы продуктов, бренда или продуктовой категории. Как раз с помощью алгоритмов ML можно определить, на каком уровне лучше составить прогноз, чтобы добиться максимальной точности.

Сам процесс обмена данными и создания прогноза является полностью автоматизированным и незаметным для обычных сотрудников: они лишь получают готовый прогноз для анализа, корректировки и согласования в любой из имеющихся в компании систем для планирования и визуализации.

Автор: Наталья Иванова, Advanced
Источник: СНОБ

Другие новости:

Компания Advanced объявляет о заключении партнерства с Optimacros – поставщиком российской EPM/BI платформы корпоративного планирования
Компания Advanced объявляет о заключении партнерства с ...
17.03.2023
Читать
Greenfields запускает облачную платформу нового поколения Anaplan со встроенным модулем ML-прогнозирования для планирования продаж и операций.
Greenfields запускает облачную платформу нового поколения Anaplan ...
15.02.2022
Читать