Как прогнозировать спрос в период коронавируса: 6 советов

Мировая экономика в последние 100 лет не сталкивалась с такой глобальной пандемией, как коронавирус. Ритейл одним из первых почувствовал ее влияние. Резкое увеличение спроса на туалетную бумагу, спиртовые салфетки, бутилированную воду и крупы создало дополнительный стресс для бережливой глобальной цепочки поставок.

Текущая ситуация бросает вызов гибкости компаний, работающих в области ритейла и производства товаров широкого потребления (CPG). Они пытаются наращивать мощности и выстраивать логистику, стараясь не отставать от постоянно возрастающего спроса. Но как поведет себя спрос, какие товары потребуются в большем объеме, какие товары люди вообще станут игнорировать – пока не ясно.

Самое правильное, что могут сделать руководители компаний сегодня – это обратиться к данным и аналитике, чтобы прогнозировать и планировать всплески и последующие спады потребительского спроса. Значительно проще приостановить работу, нежели быстро нарастить производственные мощности. 

Пока непонятно, как быстро восстановится экономика и настанет ли период длительной рецессии. Независимо от того, что будет дальше, ритейл и CPG-компании должны быть готовы заранее к любому сценарию и реагировать немедленно.


Как предсказать и спланировать всплеск и падение спроса

Ритейлеры и их поставщики, CPG-компании – спасательный круг для обычных людей и основа цепочки поставок потребительских товаров. Их способность эффективно работать определяется самым слабым звеном в цепи поставок. 

Нынешний кризис изменил состав средней потребительской корзины, что затрудняет прогнозирование быстро меняющегося характера спроса. В результате, текущая цепочка поставок с трудом удерживает свои позиции. Восстановление баланса потребует изменений в подходах к  прогнозированию и планированию спроса как со стороны ритейлеров, так и со стороны CPG-компаний. 

В нынешних условиях, как никогда ранее, потребуется интеллектуальный подход к ведению бизнеса: углубленная аналитика и технологии машинного обучения. Вот шесть советов ритейлерам и CPG-компаниям, как в сложившейся ситуации предсказать изменение характера спроса.

1. Используйте нижнеуровневые данные – они отражают истинный спрос 

Прежде всего, анализируйте и прогнозируйте POS-данные, собранные с помощью сканеров магазинов. Они самый объективный индикатор потребительского спроса. Так вы определите изменения в характере спроса на ваши продукты и более точно спрогнозируете состав средней потребительской корзины. 

Некоторые CPG-компании анализируют и прогнозируют POS-данные для продуктов, которые были проданы ТОП-20-ти глобальным продуктовым розничным клиентам. Они сразу видят значительные изменения в структуре потребительского спроса и учитывают это в анализе. Важно сосредоточиться на прогнозировании товарного ассортимента на нижнем уровне, так как это покажет, какие товары пользуются наибольшим спросом, а какие – наименьшим.

Некоторые компании обнаружили увеличение спроса на свою продукцию на Amazon.com, так как в этот же период потребители перешли от офлайн-магазинов к онлайн-покупкам.

Этот новый подход прогнозирования на основе потребления, использующий процесс MTCA (многоуровневый причинно-следственный анализ), позволил компаниям CPG значительно улучшить не только прогнозы отгрузок, но и обнаружить поворотные точки в структурах спроса гораздо быстрее, чем позволяют традиционные модели. (См. Chase, 2016, «Управление спросом следующего поколения: люди, процессы, аналитика и технологии», Джон Уайли).



2. Внедряйте углубленную аналитику и алгоритмы машинного обучения 

Это поможет быстро обнаружить аномалии и немедленно среагировать. Даже в такой шоковый период, как сейчас, во время нарастания кризисных явлений на фоне COVID-19, карантина и падения экономической активности, когда изменения в структуре спроса происходят быстро и они значительные, – аналитические модели с автонастройкой адаптируются довольно быстро и позволяют лучше удовлетворять спрос и управлять запасами. 

Примерами может служить один крупный французский ритейлер, внедривший решение SAS для прогнозирования складских отгрузок, или российский «Утконос», где с помощью продвинутой аналитики и машинного обучения SAS удается предсказывать изменения в характере спроса. Эти решения внедрялись незадолго до пандемии и успели доказать свою эффективность и в «мирное» время тоже. 

Но сейчас для ритейла доступны быстро развертываемые аналитические сервисы и ряд бесплатных предложений для применения аналитики в текущей ситуации. Продуктовый ритейл выполняет важную социальную функцию, и аналитика способна помочь в выполнении этой функции. 

3. Практикуйте краткосрочное планирование и прогнозирование 

Делайте краткосрочный (от одной до восьми недель) прогноз с помощью углубленной аналитики и технологий машинного обучения. Используйте заказы на продажу и отгрузки в сочетании с данными POS.

Использование POS-данных в качестве ведущего индикатора в моделях (наряду с промо-акциями) позволяет ритейлеру рассчитать не только рост продаж в период промо, но и сдвиги (аномалии) в краткосрочном характере спроса.

4. Используйте данные из социальных сетей 

С помощью анализа текста в социальных сетях ритейлеры могут прогнозировать спрос на те или иные товары, а также следить за настроениями потребителей и узнавать о доступности продукции в различных точках продаж. 

Специалисты по планированию, работая в тесном контакте с маркетологами, могут использовать информацию из соц. сетей, чтобы в режиме реального времени определить магазин с самой большой нагрузкой. 

Тесное взаимодействие между департаментами очень важно для эффективного прогнозирования изменений в структуре спроса. 
 
5. Детально оценивайте каждый фактор 

Характер потребительского спроса различается между странами и категориями товаров даже больше, чем обычно. Так, например, многие ритейлеры ожидают рост спроса на лекарства от простуды и гриппа до 800%, а рост спроса на продукты в это же время не превышает 25-50%. 

По данным брифинга McKinsey & Company от 16 марта 2020 г. ( Что продуктовые ритейлеры должны делать во время короновируса), потребительский спрос резко изменился в периоды, предшествовавшие блокировке Италии. Продажи чистящих и дезинфицирующих средств (дезинфицирующий спирт, салфетки, отбеливатель, мыло и туалетная бумага) увеличились на 23-347%. Продажи сырых ингредиентов и продуктов с длительным сроком хранения (мука, рис, макаронные изделия, соус, замороженные продукты и вода) увеличились не сильно – от 20% до 82%. В то же время, доля таких продуктов, как сладости, хлебобулочные изделия, косметика, духи и соленые закуски снизилась на 40-52%.
 
В магазинах с повседневными товарами наблюдается огромный спад продаж, в то время как в онлайн-магазинах рост потребительского спроса достигает 700%, и они не справляются со всеми заказами.

Постоянная коммуникация позволит ритейлерам и их CPG-поставщикам действовать быстро и адекватно, чтобы устранить причины недопрогноза спроса на товары первой необходимости.  

---

Читайте также: 5 причин работать в PIM, когда кругом коронавирус

---

6.Как обрабатывать аномальные исторические данные после кризиса? 
  
Когда спрос нормализуется и вернется к норме, возникнет вопрос корректировки его истории. Пыль осядет, спрос вновь нормализуется и возникнет необходимость очистки аномальных паттернов спроса в исторических данных.

Самым большим вызовом для аналитиков будет очистка моделей спроса от этих аномалий. Многие из них вернутся к практике ручного удаления аномального исторического спроса, не понимая, что они стирают ключевую информацию, а также, возможно, завышают или занижают прогноз того, каким был бы нормальный спрос, если бы кризис никогда не случился. 

Речь идет не только о сотрудничестве между внутренними департаментами, а о сотрудничестве людей с машинами в автономной цепи поставок с полной прозрачностью.

Лучший подход – это рассматривать исторические аномалии, как выбросы, и соглашаться не очищать данные вручную. Это еще одна возможность зафиксировать выбросы и скорректировать исторический спрос с помощью углубленной аналитики.

Просто добавляя переменные выбросов (также известные как фиктивные переменные) к существующим моделям, аналитик сможет зафиксировать аномальные модели спроса, как положительные, так и отрицательные, а также автоматически оптимизировать исторический спрос для отражения нормальных моделей спроса. Что еще более важно, они будут фиксировать эти модели для использования в случае, если опять наступит кризис. Не надо будет вручную заменять все или часть исторических данных об аномальном спросе или заполнять отсутствующие значения на эти даты.     

Используя более продвинутые методы моделирования, мы можем запечатлеть форму события и удалить его из истории, так, чтобы его можно было использовать повторно в будущем, если что-либо подобное повторится. 

* * *

Подходы, приведенные в статье, предлагают основу для тщательного и систематического размышления о том, как прогнозировать изменение характера спроса в период неопределенности. Эти рекомендации должны стать частью вашей постоянной дисциплины планирования спроса. Это позволит компаниям, занимающимся розничной торговлей и производством потребительских товаров, судить о том, какие аналитические инструменты и технологии могут помочь им принимать решения в режиме реального времени на различных этапах кризиса.

Такой подход позволяет аналитикам принимать самые сложные решения, с которыми они сталкиваются прямо сейчас, обеспечивая более полное и сложное понимание последствий фиксации и прогнозирования изменяющихся моделей спроса.

Валентина Ларина (руководитель ритейл-практики, SAS EMEA)  
Чарльз Чейз (советник по решениям для CPG, SAS Global)