0/5
Как прогнозирование спроса повышает рентабельность производства продуктов с ограниченным сроком годности

Как прогнозирование спроса повышает рентабельность производства продуктов с ограниченным сроком годности

Как прогнозирование спроса повышает рентабельность производства продуктов с ограниченным сроком годности
время публикации: 10:00  04 октября 2021 года
Точность прогнозирования спроса — ключ к эффективному планированию производства и распределению товаров по торговым точкам. Особое значение это имеет для продуктов категории Fresh, потому что времени на принятие верных решений мало, а цена ошибок высока. Современные предиктивные системы позволяют оптимизировать график производства и поставок с максимальной рентабельностью для всех участников торговли.
Как прогнозирование спроса повышает рентабельность производства продуктов с ограниченным сроком годностиО том, как работает такая система, рассказывает Павел Синицын, директор по развитию бизнеса компании Novo BI (резиденты Инновационного центра «Сколково»).

Один из ключевых показателей в ритейле — уровень логистического сервиса. Обычно под этим понимают вежливых продавцов, улыбки, красивую упаковку, возможно небольшой подарок или бесплатную парковку для покупателей. Но на логистическом b2b сленге сервисом называют отношение реально отгруженных объёмов к теоретически возможным. 

Например, если в магазине 100 человек хотели купить определенный товар, а в наличии оказалось 95 штук, то уровень сервиса равен 95%. Торговым сетям мало нравится неудовлетворенный спрос покупателей. Это означает уже их прямые и косвенные убытки. Значит, с уже построенных и обслуживаемых торговых площадей, при всех понесенных затратах на штат, оборудование и т. д. будет меньше продаж и доходов. Есть смысл рассмотреть предложения других поставщиков — а они только этого и ждут. Рынок же конкурентный! 

В стремлении к высокому уровню сервиса, производителям постоянно приходится решать, сколько и каких именно товаров нужно подготовить и куда отправить. Причем делать это нужно упреждающе, с поправкой на время доставки, иногда по длинной цепочке через распределительные центры. Кроме того, в уравнении также учитываются сроки и возможности поставщиков, собственные складские мощности. 

Одна из главных задач логистики поставок заключается в том, чтобы прогнозировать минимальные потери сервиса (подразумевая под этим неудовлетворенный спрос) при максимальной прибыли от реализации продуктов — то есть все привезли вовремя и куда нужно, покупатели пришли и купили, возвратов мало. 


Насколько важна логистика для продуктов с ограниченным сроком годности 

Если производитель ошибся в своих прогнозах и поставил в определенные торговые точки слишком много своей продукции, то он понесет убытки. Ему придется дополнительно оплатить:

Транспортные расходы
Складские расходы
Расходы на мерчандайзинг 
И, скорее всего, утилизация тоже потребует расходов
Как и менеджмент всех этих процессов

К этому нужно добавить, что торговые сети часто ограничивают срок поставок продукции с определенным запасом относительно полного срока годности. Например, если срок годности мясного продукта, например, 30 дней, то по условиям контракта с ритейлерами, надо осуществить поставку в сеть на 4-5 сутки от даты производства, иначе продукция не будет принята из-за требований к остаточному сроку годности (не менее 85%), что снизит уровень сервиса. 

С учетом всех ограничений, на реализацию мясной гастрономии (сосиски, колбасы) остается чуть больше 2 недель чистого времени продажи, потому что за несколько дней до окончания срока годности надо будет либо снижать стоимость продукта, либо вовсе убирать с полок. 

К сожалению, даже если поставщик хорошо понимает оптимальный баланс по объемам, который устроит торговую сеть и будет выгодным по продажам с дисконтом, придерживаться его на практике очень сложно. Спрос всегда подвержен колебаниям, причем не только предсказуемым сезонным или праздничным, но и нелинейным. За последние полтора года мир хорошо усвоил, насколько нестабильной может быть, как логистика, так и работоспособность магазинов. 
Высокая точность планирования ресурсов в сегменте Fresh может сэкономить миллионы на «входящей» логистике.

В 2020 году из-за пандемии коронавируса европейский рынок грузоперевозок сократился более чем на 40%. Целые торговые сети были закрыты месяцами, что нанесло колоссальный урон всей цепочке бизнеса, от магазинов до производителей. Безусловно, такие события в планах не учесть, это форс-мажор. Но скорость реакции на радикальное изменение условий определила выживаемость многих компаний. 

Кроме того, даже на более-менее стабильном рынке все равно есть разные факторы, от которых зависит — оптимальные поставки или нет. Например, ассортимент продуктов (как собственный, так и конкурентов) может «перетянуть» часть спроса на себя. Если учитывать такие колебания «задним числом», анализируя отчеты о продажах, поставщик всегда будет нести убытки. 

Задача в том, чтобы не допустить пассивного наблюдения за происходящим, тем более с большим запаздыванием. Нужно перейти к упреждающему прогнозированию спроса, а также к оперативной реакции на важные факторы, которые оказывают заметное влияние на продажи. 

Если спрос в каком-то магазине и тем более регионе снижается, это должно быть немедленно учтено во всей логистике сбыта, на производстве, а значит и во входящих поставках сырья для него. Однако учетные системы, используемые бизнесом на складах, производстве и в торговле, не могут реагировать так быстро. Они просто не успевают обрабатывать данные. Их основная функция ясна из названия — учёт данных.


Как оптимизируют логистику

Для ускорения реакции на новую информацию и повышение точности каждой поставки применяются различные методы. Наибольший интерес из них представляют системные подходы, которые нацелены не на решение проблем, а на устранение причин, по которым они возникают.

Информация собирается изо всех доступных источников, по разным каналам. От магазинов, распределительных центров, транспортных компаний, поставщиков, с производства, из подразделений маркетинга и рекламы. Все, что имеет отношение к продажам, поступает в базу данных — ERP (англ. Enterprise Resource Planning, планирование ресурсов предприятия)

Системы управления цепями поставок нового поколения функционально отличаются от учетных программ. Главная разница в том, что подобные системы не просто хранят данные, а обрабатывают и анализируют.

Предиктивные системы устроены очень гибко. В них не один жесткий алгоритм, а различные современные алгоритмы — например, ML и самообучающиеся нейросети. По мере решения логистических задач накапливаются не только данные, но и различные математические модели решения разных ситуаций. 

● Например, если какой-то поставщик привезет сырье для производства позже, чем ожидалось — тут же включится протокол действий для такой ситуации, и будет пересчитана вся логистика, от производства до магазинов. 

● Или рекламная акция оказалась гораздо успешнее, чем было заложено в планах. Значит, спрос в определенных магазинах будет выше. Нейросеть запускает другой протокол действий, тоже комплексный. 

Автоматизация цепей поставок для крупнейшего производителя мяса птицы и мясной гастрономии в России, компании ГАП Ресурс (Ресурс Волга), процесс длительный, но эффективный, так или иначе затрагивающий весь комплекс мер по оптимизации цепей поставок. Тут нужна полная согласованность всех звеньев S&OP — прогнозов продаж, планов производства и планов закупок. Иначе экономия, достигнутая на одном из уровней, будет потрачена на чрезмерные издержки в другом. Для реализации такого набора требований как раз и используются IT-решения для автоматизации на всех этапах цепи поставок на базе алгоритмов ML и нейросетей. 

Как прогнозирование спроса повышает рентабельность производства продуктов с ограниченным сроком годности

Владимир Акименко, директор по логистике торговой компании «Ресурс-Волга» (входит в Группу Агропредприятий «Ресурс»), по своему опыту  называет меры для оптимизации логистики

● Учитывать товар не «оптом», а раздельно по партиям — то есть для каждой поставки отдельно.

● Укрупнять складские площадки, чтобы заказы не приходилось отправлять на промежуточные склады, и можно было сразу отгружать в магазины.

● Заключать федеральные контракты с торговыми сетями (это помогает перераспределять поставки между разными точками, районами, регионами).

● Отслеживать каждую единицу товара — что отчасти делать обязательно, в рамках государственной системы «Меркурий», но помимо этого можно вести собственный управленческий учет.

● Внедрять IT-решения для планирования спроса и оптимизации цепей поставок.

Первый этап масштабной автоматизации —  внедрение решения для прогнозирования спроса и планирования продаж. Комплекс мер для оптимизации логистики и внедрение системы предиктивной аналитики помогли снизить объемы «сливов», то есть продаж по сниженным ценам по причине истекающего срока годности, на 40%

Сокращение списаний в утиль и эффективное планирование промо-акций не только помогли компании повысить общий уровень сервиса, но и сократить время сотрудников на монотонную работу с таблицами. Общий экономический эффект от внедрения системы прогнозирования спроса также оценивается ростом маржи на 2% в абсолютном значении

Второй этап автоматизации цепей поставок — планирование производства. Чаще всего используют 2 вида планов: оперативный (в горизонте трёх месяцев) и среднесрочный (до 12 месяцев). От последнего не требуют большой точности и используют для планирования промо-объёмов, новинок или сезонных товаров. 

Оперативный план — это живая система, в которую вносят изменения практически на ежедневной основе. После того, как оперативный план производства пересмотрен с учетом новой информации, система «смотрит», насколько большие получились изменения. Допустим, в настройках было указано, что при изменениях до 10% новый план логистики может быть одобрен формально, простым визированием менеджера. 

Но если это значение превышено, то нужно собрать «консилиум» из ответственных специалистов от производства, маркетинга, логистики, иногда даже юристов для учета договорных обязательств с партнерами. 

Кроме того, бывают случаи, когда необходимо перераспределить объемы производства одной партии на несколько дней, чтобы снизить общую нагрузку (например, из-за планового технического обслуживания линии). Все эти случаи рассматриваются отдельно — в зависимости от клиента, конкретной ассортиментной единицы продукта и её жизненного цикла. 

Позже, все тонкости вносятся в систему, и она автоматически пересчитывает все показатели. А ещё запоминает эти изменения как опыт. В дальнейшем потребуется только нажать кнопку согласования.
IT-система оптимизации цепей поставок может оперативно сформировать прогнозы и рекомендации, но решения остаются за людьми. Если обсуждения затянутся, время все равно будет упущено.

Заключительным этапом автоматизации цепей поставок станет оптимизация плана закупок. Ожидается, что запасы сырья сократятся на 20%. Высокая точность планирования ресурсов в сегменте Fresh может сэкономить миллионы на «входящей» логистике.

Это звучит сложнее, чем реализуется. Удаленный интерфейс, наглядные отчеты для изучения ситуации, удобные форматы для принятия решений. Такие совещания не требуют много времени. И это важно, потому что чем быстрее производство получит скорректированный план, тем меньше будет издержек и возвратов. А значит выше прибыльность всего предприятия. 

Кроме того, географически распределенным холдингам важно иметь единое окно для коммуникаций и решения всех вопросов. IT-система оптимизации цепей поставок может оперативно сформировать прогнозы и рекомендации, но решения остаются за людьми. Если обсуждения затянутся, время все равно будет упущено. 

В современном мире ослабевает жесткая привязка к офисам. Мобильность касается как руководства, так и закупщиков, продавцов, логистов. Необходим удаленный доступ с различных устройств при обеспечении безопасности данных. 

Наконец, нужно учитывать промо-активности и другие факторы — новинки, листинги, вводы-выводы, блокировки, поставки с заданным графиком и т.д. Они непосредственно влияют на спрос, а значит и на объемы поставок, производства, уровень сервиса. Все бизнес-процессы должны взаимодействовать. Причем синхронно и без запаздываний, даже упреждающе. 

Автоматизация цепей поставок помогает компании не только экономить средства, оптимизировать бизнес-процессы, но получать нематериальные бенефиты. Например, эта информация поможет в принятии управленческий решений: иметь более точное представление об узких местах бизнеса или решать инвестиционные вопросы.




Читайте также: Прогнозная аналитика: как цифры помогают принимать решения




Человеческий фактор

Интеграторы IT-решений для бизнеса знают, что любые новшества встречают определенное сопротивление у сотрудников. По многим причинам — простая привычка, лень учиться новому, тревога за сохранение рабочего места (вдруг его заменят роботом). Бывают и личные корыстные мотивы, если старый бизнес-процесс был отлажен не только в интересах компании.

Поэтому один из способов перейти на предиктивную аналитику без скандалов — действовать пошагово, даже параллельно. Сначала новые прогнозы, которые формирует система, носят рекомендательный характер. Сотрудники могут сами выбирать, пользоваться ими или нет. В дальнейшем решения, принятые «по старинке» сравнивают с теми, которые предлагала система планирования. Иногда этого достаточно, и компания фиксирует переход на новый уровень своего развития. 

Если саботаж модернизации продолжается, возможно придется задействовать административный ресурс. Либо делаете по-новому, либо это сделают без вас. Обострение никому не нужно, но странно не использовать уже имеющийся инструмент для повышения рентабельности. 

Наибольший эффект получают компании, которые начинают с пилотных внедрений и тестового периода. Все проверяют, отлаживают, обучают персонал. Потом переключают управление на IT-решения, и дальнейшие решения принимаются на основе более точных и быстрых прогнозов. 

Беспокоиться тут не о чем, до бунта машин еще далеко. Предиктивная аналитика в логистике просто снижает число ошибок и ускоряет принятие верных решений. Поэтому компании, которые уже прошли этот путь, к прежней системе управления не возвращаются. 

Павел Синицын, 
директор по развитию бизнеса компании Novo BI,

Для New Retail



0
 
Реклама на New Retail. Медиакит
Close
Email
Подпишитесь на нашу рассылку и самые интересные материалы будут приходить к вам на почту
Нажимая «Подписаться» вы принимаете условия политики конфиденциальности