GoodsForecast про импортозамещение систем планирования в ритейле: «Риски слишком велики, чтобы использовать иностранные решения»

Рассказывает Лев Киселев, руководитель направления Retail Analytics, компания GoodsForecast.

Как бы вы могли охарактеризовать текущую экономическую ситуацию? Каково ее влияние на развитие бизнеса компаний и в целом на рынки?

– Сегодня весь мир стоит на пороге серьезных изменений, которые можно отчасти сравнить с процессами начала 90-х в нашей стране. Существуют большие риски неопределенности и, самое главное, очень высока вероятность того, что изменится структура спроса и потребления. Какие-то товары уйдут, будут появляться новые. Не говоря уже о брендах, компаниях и т.д. Скорее вопрос даже шире, какие рынки уйдут, какие производства гипотетически исчезнут.

Исторически сложившиеся процессы управления запасами и логистикой перестают соответствовать требованиям со стороны текущей ситуации: надежности и гибкости. А этого, исходя из нашей практики, крайне сложно достичь без инструментов планирования и сценарного анализа. Мы, ранее внедряя свои решения, неоднократно сталкивались с необходимостью реинжиниринга процессов. 

Если использовать аналогии и сравнить бизнес с машиной, то сотрудники привыкли ехать все время плюс-минус по прямой. И когда руководитель пытается выйти за эти рамки, оказывается, что к поворотам машина-то и не готова, как руль ни крути. 

А сейчас впереди долгий серпантин. Но российскому бизнесу не привыкать к постоянным вызовам, особенно если компании идут в ногу со временем и используют передовые технологии. Ведь любой кризис – это не только риски, но и возможности.

Помимо процессного стоит упомянуть еще о двух моментах.

Так, если раньше, еще 5-10 лет назад, обычный Excel позволял закрывать существующие потребности с алгоритмической точки зрения, то сегодня этого уже недостаточно. Во-первых, статистика прошлых лет перестает быть релевантной, ручное прогнозирование или простые модели могут не справляться. Во-вторых, все чаще принимаются новые управленческие решения, и вся цепочка имплементации ломается. 

Единственно правильный выбор – использовать автоматизированные инструменты. Причем желательно, чтобы они были отечественного производства, поскольку импортные решения становятся токсичными. Часть иностранных компаний уже ушла с российского рынка, а те, кто декларирует что остается, по факту сворачивают инвестиции, релоцируют свои офисы. Запретительная политика ведется с обеих сторон, риски слишком велики, чтобы использовать иностранные решения.

Нам уже известны случаи прекращения проектов с участием иностранных партнеров стоимостью более 1 млрд. 

– Существует три основных варианта развития событий. 

Первый – нарастание текущих тенденций. Это означает, что структурно относительно текущего момента ничего не изменится, но увеличатся масштабы. Соответственно, будет падение платежеспособности населения, а также исчезновение западных и частично азиатских решений и продуктов. В свою очередь, это приведет к подорожанию отечественных продуктов.

Второй вариант, это отскок к прежней структуре спроса – в случае деэскалации возможен процесс отмены и возвращение ближе к исходной точке. При этом понятно, что до конца вернуться к ней не удастся.

И третий - это изменение структуры спроса, о чем мы говорили в начале. Опять же если вернуться к аналогии с 90-ми, вспомните какая структура потребления у нас была в последние годы существования СССР и какая сейчас. Что-то подобное вполне может произойти и при нынешнем развитии ситуации.

По вашему мнению, что необходимо делать тем компаниям, у которых автоматизированные решения уже внедрены?  Как лучше использовать их в условиях неопределенности?

– Выделим две основные компоненты – это управление параметрами прогнозирования и параметрами страхового запаса. 

Многие компании смотрят на управление товарными запасами через призму точности прогноза. Мы не рекомендуем так делать, потому что напрямую точность прогноза весьма нетривиально монетизируется в коммерческие показатели и результат может оказаться совершенно не тем, что ожидался.

В условиях турбулентности важно исключать из статистики периоды «залповых» или провальных продаж, например, ажиотажный спрос на сахар и гречку, поскольку они имеют аномальную природу. Особенно это будет хорошо работать в варианте с отскоком.

В двух других вариантах лучше плотнее работать с реактивностью моделей прогнозирования. Если экспертно вы считаете, что текущая динамика будет как минимум сохраняться, то есть смысл «подкрутить» коэффициент забывания модели, чтобы они с большим весом учитывали именно последние продажи.

Важно понимать, что управление параметрами, в том числе прогнозирования это процесс. Сегодня, на периоде турбулентности последние 2 недели должны быть основой статистики, а через месяц, когда станет понятна целевая картинка, эти недели должны быть отмечены как аномальные.


 
Как управлять параметрами автоматических систем управления страховыми запасами?

– Повсеместно применяемый в ритейле принцип Парето (около 80% это А-товары, а В и С – это 20%) достаточно давно в FMCG в сетях не соблюдается. В зависимости от категории доля А-товаров составляет где-то 60-70%. Но поскольку в текущих условиях все будут пристально смотреть на ценовую составляющую, консолидация спроса на А-товары будет нарастать. Поэтому в качестве одной из рекомендаций можно рассмотреть сокращение ассортимента. Например, избавится от С-товаров и их остатков и вложить этот рабочий капитал в А-товары.

Необходимо определиться с политикой избыточности или недостаточности. Сейчас сложно и часто нет смысла, нет необходимости пытаться точно рассчитать какие-то риски. Прежде всего, нужно решить – хотите ли вы по каким-то причинам, чтобы товар вымывался, либо его придержать. 

Также не нужно пытаться «запихивать» в страховой запас все возможные составляющие. Например, изменилось логистическое плечо: раньше товар напрямую из Европы поступал за неделю, а сейчас – через третьи страны 6 недель. В этом случае не нужно увеличивать пропорционально страховой запас. Достаточно внести данные об изменениях в систему, и она сама рассчитает, какой страховой запас для этого нужен. Страховой запас имеет статистическую природу и не нужно забирать у математики ее компетенции.

Насколько компания GoodsForecast и ее решения могут помочь бизнесу, в том числе с автоматизацией и планированием в текущей неопределенности?

– Я бы выделил несколько причин, почему стоит выбрать именно решения GoodsForecast. 

Во-первых, это успешная практика реализации проектов в России с доказанными показателями успешности. Во-вторых, превосходство наших алгоритмов, в том числе над алгоритмами известных ведущих международных решений. И, наконец, наш софт полностью российский, мы включены в Единый реестр российского программного обеспечения и можем реализовывать проекты, в том числе на базе Open Source.

В 2020 году наша компания принимала участие в, можно сказать, «олимпийских играх» среди алгоритмов прогнозирования – M5 FORECASTING COMPETITION, которые проводятся с конца 80-х. Каждый конкурс посвящен свой задаче и этот, 5й, имел задачу прогнозирования продаж сети Wallmart. При этом было 2 трека: прогноз в его классическом понимании и его вероятностное распределение. Последнее с точки зрения бизнеса является ничем иным как страховым запасом.

Участниками конкурса стали более 5,5 тысяч команд как всем известных коммерческих компаний, так и академических. В треке прогнозировании мы заняли 10 место, а в треке страховых запасов – 2 место, что позволяет говорить о наших самых высоких компетенциях в этой области даже на мировом уровне.

Основная гипотеза, которая проверялась на этих соревнованиях, - оптимальное решение задачи прогнозирования продаж (методы машинного обучения или классические методы временных рядов). Пальма первенства осталась за машинным обучением. Наше решение – это некий гибрид, включающий оба метода.

---

Читайте также:  Машинное обучение в ритейле: как алгоритм борется за клиента

---

Какие системы вы можете предложить заказчикам?

– Это достаточно широкий набор, начиная от тактического уровня среднесрочного прогнозирования и заканчивая операциями в магазине.

Начинаем мы с планирования продаж – это планирование спроса на достаточно большом горизонте, наложение ограничений и, соответственно, получение плана продаж. Результат может быть использован, например, для управления ресурсами: в магазинах, например, это могут быть человеческий ресурс, а для РЦ - емкость хранения.

Управление запасами включает расчет и управление нормами и автозаказ.

Нормы – это целевые запасы, которые система рассчитывает оптимальным образом исходя из стоимости денег и хранения, из возможно упущенной маржи и вероятности списаний. На результат можно посмотреть в различных разрезах, оценить насколько мы вписываемся в какие-то ограничения, поменять настройки для какой-то части и так далее. То есть существует возможность сценарного анализа.

Автозаказ – это операционный инструмент обеспечения этих самых норм на операционном уровне. То, что мы предварительно рассчитали и утвердили в качестве целевых запасов, на практике будут ровно такими какими мы их посчитали.

Инструмент планирования промо не только достаточно точно рассчитывает промо прогноз, но и поддерживает процесс формирования, наполнения и согласования промоакций в ролевой модели.

На операционном уровне есть инструмент – On Shelf Availability. Он позволяет мониторить в течение дня наличие товара на полке и его своевременную выкладку. Это позволяет повысить продажи на 1-2%.

Помимо этого, в нашем портфеле есть сервисы мониторинга промо и цен. Соответствующую информацию мы можем брать как из открытых источников (сайты), распознавания фотографий полок конкурентов, так и на основании обезличенных данных ОФД (операторов фискальных данных). Всю эту информацию можно соотнести с товарным классификатором заказчика и подсветить, что у конкурента в этом регионе на такие товары из вашего ассортимента проводятся такие-то акции, а на какие-то товары у него такие цены.

И, наконец, ценообразование. Данное решение позволяет давать рекомендации по переоценке исходя из заданных целей – максимизации маржи или ТО. Также можно автоматически генерировать переоценку на основании, например, средних цен по рынку, либо на основе каких-то других правил.

Все эти наши продукты между собой связаны, выстраиваются в экосистему с получением положительной синергии.


 
Каковы средние практические показатели внедрения автозаказа в FMCG-сетях?

– Если автоматизация происходит впервые, до этого торговая сеть использовала Excel или inhouse-разработки, то следует ожидать значительного улучшения. В этом случае возможен рост ТО выше 10% с одновременным снижением уровня запасов вдвое, в нашей практике такое происходило неоднократно.

Мы уверены в своих силах, поэтому также предлагаем заказчикам аутсорс управления настройками с оплатой. Т.е. мы можем управлять настройками автозаказа, измерять в коммерческих терминах рост товарооборота, к которому привело внедрение нашего решения, и в зависимости от величины этого прироста уже меняется и оплата, т.е. оплата за результат.

Расскажите об успешно реализованных кейсах внедрения решений GoodsForecast в FMCG-рознице.

– На автозаправочных станциях сети АЗС «Газпромнефть» была внедрена система управления запасами сопутствующих товаров. Стоит отметить, что мы успешно решили, в том числе, техническую проблему, а именно расчет прогноза и заказов вовремя, несмотря на то что более 1,2 тысяч АЗС находится во всех часовых поясах. Т.е. к началу дня для каждой заправки есть рассчитанный заказ.

Заказ «Газпромнефти» не централизован, каждая заправочная станция делает его самостоятельно. Поэтому важно было очень важно и значимо снизить время, затрачиваемое на один автозаказ. В итоге его удалось снизить более чем в 3 раза – с 45 до 13 минут.

В продуктовой сети «Верный» нам удалось повысить точность прогноза промо в 1,5 раза уже на этапе пилота, внедрив решение GoodsForecast.Promo. В этом случае мы с партнерами работаем по success fee, то есть сами управляем моделями и их параметрами, получая оплату в зависимости от роста точности прогноза. Поэтому мы уже существенно ушли от первичных показателей и продолжаем обеспечивать их рост.

В первом нашем клиенте среди FMCG-сетей, сибирской сети «Лама», реализован кейс по управлению запасами. Самый важный показатель – это перевод на жесткий автозаказ 95% ассортимента. Т.е. заказы, сформированные нашим инструментом, никак не корректируются для этого процента, все автоматически идет к поставщикам.

С ритейлером «О’КЕЙ» реализован кейс по доступности товара на полке с помощью решения GoodsForecast.OSA. Корректность сигнала, что что-то не так с выкладкой составляет порядка 80%. Дополнительная выручка от внедрения нашей системы составляет около 26 млн рублей в месяц.

 

Какова архитектура, предлагаемых вами решений? И на сколько она проста и удобна для заказчика?

– В течение последних двух лет мы реализуем собственную среду разработки – Платформу интегрированного планирования GoodsForecast – которая является конструктором, позволяющим конфигурировать в стиле low-code все компоненты управления самостоятельно.

Например, расчет заказа можно разложить на поток кубиков, т.е. последовательность вычислений, которые можно заменять один на другой в случае необходимости самостоятельно на стороне, в том числе, и заказчика.

Т.е. если вы хотите, чтобы прогноз читался, например, каким-то другим способом, не так как это считается в одном из наших вариантов, вы можете создать свой, и, соответственно, получить другой результат и без привлечения программистов. 

Всего компонентов для конструирования три: управление данными и процессом интеграции, управление расчетными сервисами и конструктор пользовательских интерфейсов. 

Варианты внедрения также разные. Это может быть как стек Microsoft SQL плюс Windows, так и Open Source – Linux плюс Postgre. Дело за заказчиком, что ему удобнее. 

Каковы ближайшие перспективы развития ситуации на рынке и планы вашей компании?

– На фоне текущей неопределенности мы фиксируем возрастающий спрос к нашим продуктам не только со стороны действующих партнеров, которые хотят развивать и расширять существующее взаимодействие, но к нам обращаются и крупнейшие игроки с рынка FMCG, ранее пользовавшиеся решениями сторонних вендоров.

Все отчетливо понимают, что необходим стабильный партнер, который сможет обеспечить надежные и гибкие инструменты автоматизации бизнес-процессов. И мы готовы выступить в качестве такого партнера. У нас большой прикладной опыт разработки и внедрения, неоднократно доказанное алгоритмическое преимущество моделей по сравнению с аналогами признанных международных компаний и вариативный технологический стек, в том числе open source.



Контакты:

8 (800) 350-45-46
info@goodsforecast.ru