0/5

Кейсы и перспективы прогнозной аналитики в логистике: как ее использует российский ритейл

Кейсы и перспективы прогнозной аналитики в логистике: как ее использует российский ритейл
В последние годы изменения в ритейле происходят все чаще: тенденции сменяют друг друга чуть ли не каждый месяц, одни форматы устаревают, другие – получают новую жизнь. Конкурировать друг с другом продавцы могут только за счет новых подходов к управлению и новых технологий.

Кейсы и перспективы прогнозной аналитики в логистике: как ее использует российский ритейлАртур Мурадян, генеральный директор транспортной ИТ-компании Traft 

Одна из самых перспективных – прогнозная аналитика. Сообщалось, что с 2017 года в мире количество компаний, использующих ее, выросло на 76%. 

Среди опрошенных предпринимателей 30% уже используют предиктивный анализ, а 90% считают, что именно он окажет существенное влияние на логистическую отрасль в ближайшее десятилетие (по данным ежегодного отчета ассоциации MHI). 


Как не пропустить скачкообразный спрос? 

Чаще всего превентивный анализ используется торговыми сетями и логистами для более быстрой доставки товара на полку, а также для более четкой выборки, какие именно товары будут востребованы. 

К примеру, система автозаказа «ВкусВилла» практически автоматизировала работу расчетчика.

 «Не нужно сверять накладные, у него на руке мониторчик, планшет и лазер. Вот пришла фура с продукцией. Ты сканируешь короба, чтобы понять, сколько у тебя товара. Вся информация онлайн. Когда придет расчет на всю сеть, машина должна посчитать, сколько распределить на каждый магазин. Нужно, чтобы это происходило дико быстро», – говорил Евгений Щепин, автор книги о истории сети «ВкусВилл» в одном из интервью. Благодаря этому распределительный центр компании принимает 450 тонн продукции каждый день «с колес» и в ту же ночь успевает развести его по магазинам. 

Однако сфера применения такой аналитики гораздо шире: можно не просто сократить время на заказ и доставку, но и предугадывать скачкообразный спрос на товары. Тот же «ВкусВилл» сталкивается с такой необходимостью. 

«Несмотря на наши богатый опыт и знания, система иногда дает сбой. Так, например, было в 18 марта 2018 года. Ни мы, ни автозаказ и подумать не могли, что выборы Президента России, которые проходили в этот день, обернутся для нас дефицитом продукции в магазинах. Отдав свой голос будущему Президенту, москвичи дружно отправились во «ВкусВиллы» за продуктами. Для автозаказа это был обычный воскресный день, поэтому товара было заказано и привезено как на обычное весеннее воскресенье. В итоге где-то с обеда в большинстве наших магазинов просто закончился товар. По скромным оценкам, дефицит продукции составил около 20 процентов», – рассказывал Щепин редакции. 

Но сейчас уже есть возможность настраивать наши интеллектуальные транспортные системы таким образом, чтобы они могли предугадывать большее чем обычно количество посетителей и быстро реагировать на их потребности.
 
По схожей модели работает сеть «Магнит», известная своей четко выстроенной логистической системой. С мая 2018 года ритейлер используют нейросети и машинное обучение для прогнозирования спроса в магазинах. Нейросеть обрабатывает большие данные и ищет нелинейные зависимости, что позволяет предугадывать пики спроса на товары. По результатам тестирования, точность прогнозирования покупательской активности выросла на 3-5%, а рост выручки от использования технологий компания оценивала в 4 млрд рублей в год. 

Кейсы и перспективы прогнозной аналитики в логистике: как ее использует российский ритейл


Видеть покупателя и его покупки…

В будущем можно ожидать появления новых систем прогнозирования, основанных на видеораспознавании. Сфера применения этой технологии обширна: некоторые продавцы тестируют распознавание лиц клиентов (замена карт лояльности на определение клиента по лицу, как только тот входит в магазин), а некоторые – распознавание самих товаров, которые клиент берет с полок. О такой технологии задумался «ВкусВилл». Таким образом, покупателю не нужно сканировать товар на кассе, видеосистема магазина фиксирует его, как только он перекочевал с полки в корзину покупателя, а необходимая сумма списывается с него автоматически на выходе из магазина. 

Когда такие технологии получат широкое применение, у интеллектуальных систем прогнозирования появится целый пласт информации для анализа: как часто тот или иной человек заходит в магазин, что именно покупает и с какой периодичностью и даже сколько времени уходит на принятие решения о покупке. Эти данные помогут в режиме реального времени контролировать наличие товара на полках и точнее прогнозировать спрос. 




Читайте также: Прогноз или предсказание? 5 мифов о прогнозировании в бизнесе




…и предвидеть сложности доставки

Важно не просто быстро доставить товары, но и как это сделать. Например, магазин одного из наших клиентов в ГУМе, на подъезде к которому стоит нестандартная арка. Это значит, что для такого клиента нужно заведомо выделять специальный автомобиль. Если это единичный случай – проблем не возникает. А если таких магазинов среди пунктов доставки много? И если брать в расчет множество других параметров дорожной инфраструктуры? 

Зачастую заказчик сам может не знать про какие-то ограничения на пути его товара к нему. Тогда подобрать подходящий транспорт для всех случаев вручную невозможно, и нужна интеллектуальная система, способная предусмотреть все точки маршрута и назначить на них соответствующие автомобили. 

Эта технология помогла нам и в работе с другим фэшн-ритейлером, который начал резко наращивать свое присутствие в магазинах и открывать собственные точки продаж. Мы внесли в систему график открытия магазинов клиента, благодаря чему смогли обеспечить бесперебойную подачу автомобилей без ущерба для остальных наших клиентов: система заранее просчитала тип и количество необходимой техники и перераспределила её. По аналогии с графиком открытия магазинов в систему можно внести любые данные: даты поступления дефицитного товара, массовые мероприятия и праздники, даты скидок и распродаж – в целом все, что влияет на спрос. 

***

Конкуренция в отрасли возрастает, а это значит, обходиться без таких технологий продавцам становится все сложнее. В том или ином виде нейросети, работу с большими данными и аналитику продаж используют все крупные игроки рыка: Х5 Retail Group, «Лента», «Магнит», «Дикси», «Карусель» и пр. Компаниям теперь важно не только прогнозировать примерный спрос, но и знать, как и почему меняются предпочтения каждого покупателя: как изменился его доход, сел ли он на диету или завел собаку. А данные из соцсетей, навигации и карт лояльности уже это позволяют, поэтому массовое внедрение новых технологий, основанных на комплексном анализе информации из множества источников – лишь вопрос времени. 

Артур Мурадян 
Генеральный директор транспортной ИТ-компании Traft 



время публикации: 10:00  26 августа 2019 года
0
Теги: логистика, аналитика, кейсы


Комментарии (0)


Чтобы оставить комментарий, Вам необходимо авторизоваться:  
МД Аудит - 4
Разместить рекламу на New Retail
Агатов Global