С помощью Машинного обучения Unilever удалось полностью перейти на прогнозирование продаж

КЛИЕНТ
Unilever
СЕКТОР
FMCG
ГЕОГРАФИЯ
США
ФУНКЦИОНАЛЬНЫЕ ОБЛАСТИ
ML прогнозирование
ПЛАТФОРМЫ
ML
С помощью Машинного обучения Unilever удалось полностью перейти на прогнозирование продаж

Переход к технологиям с применением искусственного интеллекта (AI) в таком основополагающем процессе, как прогнозирование продаж, является ключевым приоритетом в повестке по цифровой трансформации бизнеса. Мы прошли долгий непростой путь и сейчас находимся на стадии встраивания процесса ML-прогнозирования в обычный операционный цикл (business as usual).

Руководитель направления развития Интегрированных операций, Unilever США
01
Предпосылки
Unilever США является крупнейшим и самым сложным в плане операционного управления бизнесом корпорации Unilever в мире (более 200 брендов). Имея ... Читать дальше

Unilever США является крупнейшим и самым сложным в плане операционного управления бизнесом корпорации Unilever в мире (более 200 брендов). Имея такой разнообразный портфель, включая товары личной гигиены и косметики, пищевые продукты, напитки и мороженое, а также товары по уходу за домом, компании приходится поддерживать комплексный и очень ресурсоемкий процесс прогнозирования продаж.

Прогноз продаж тысяч товарных позиций (SKU) по разным каналам продаж и торговым сетям всегда строился с помощью традиционных статистических методов и был крайне зависим от экспертизы конкретных специалистов по планированию и менеджеров по продажам. В результате возникали регулярные проблемы с достижением целевой точности прогноза, что всегда приводило к негативным финансовым последствиям для бизнеса.

02
Решение
Командой Augmento, part of Advanced были разработаны модели прогнозирования продаж на базе алгоритмов машинного обучения (ML), что позволило бизнесу перейти ... Читать дальше

Командой Augmento, part of Advanced были разработаны модели прогнозирования продаж на базе алгоритмов машинного обучения (ML), что позволило бизнесу перейти от статистического прогноза к новому процессу с использованием самых передовых алгоритмов ML.

В рамках проекта были созданы отдельные модели прогнозирования продаж в крупнейших в США и мире ретейлерах.

При этом каждая из моделей имела свой уникальный набор входящих параметров, определяющих прогноз в конкретной сети: от данных по продажам с полки до уровня запасов на складе, от затрат на промо акции до списка уникальных промо событий, от количества торговых точек до национальных праздников. Разнообразие и полнота доступных внутренних и внешних данных позволило ML-алгоритмам лучше обучиться на выборках и в результате создавать более точный прогноз c меньшими трудозатратами.

BI-платформа Domo и платформа для интегрированного планирования Anaplan были выбраны, чтобы поддержать и усилить новый процесс: от возможности обновления алгоритмов всех моделей, дезагрегации полученного прогноза до нужного уровня и его визуализации для конечных пользователей. Интерактивные информационные панели (dashboard) с деталями нового прогноза позволили экспертам по планированию и аналитикам лучше понимать составляющие ML-прогноза по всем доступным влияющим на него факторам. Это особенно помогло ускорить ход освоения нового процесса и технологии среди сотрудников.

Помимо специализированных моделей под конкретных ретейлеров была создана универсальная модель прогнозирования базовой линии продаж с помощью ML-алгоритмов для всех оставшихся торговых сетей и категорий бизнеса. Благодаря созданному решению по дезагрегации ML-прогноза в Anaplan, менеджеры по планированию могли легко оценить качество прогноза в нужном разрезе вплоть до конкретного SKU в клиенте, сравнивать с прогнозом в прошлые периоды, делать сценарное планирование и многое другое.

03
Ценность для бизнеса
Рост точности прогноза на 20%. Сокращение на 50% времени, которое затрачивают специалисты на прогнозирование продаж. Упрощение и ускорение процесса Планирования ... Читать дальше
  • Рост точности прогноза на 20%.
  • Сокращение на 50% времени, которое затрачивают специалисты на прогнозирование продаж.
  • Упрощение и ускорение процесса Планирования продаж и операций (S&OP), особенно в рамках этапа «Создание и утверждение прогноза» (Demand review).