
Ідеальний баланс: історія компанії New Balance


Прогнозування впливає на весь ланцюг постачання. Планування продажів та розуміння майбутнього попиту дозволяє не тільки замовити оптимальну кількість товару, а й зрозуміти, з якими саме SKU необхідно провести додаткову активність для отримання запланованого прибутку. Крім того, це дозволяє забезпечити високий рівень доступності в мережі за мінімального рівня запасів.
Існує багато способів і методів прогнозування майбутнього попиту. Топ-менеджмент роздрібних мереж приходить до розуміння, що ручні процеси в електронних таблицях вже не є ефективними. Тому рітейлери все частіше вдаються до автоматизованих систем на основі сучасних методів (ML, AI). Про те, як зрозуміти, чи необхідна така система вам вже зараз та як її обрати — читайте в статті.
Основна складність у прогнозуванні попиту — це великий обсяг різнорідної інформації. Що довше живе бізнес, то більше він «обростає» масою даних, які впливають на попит. В певний момент розвитку, компанія вирішує звести всю інформацію в єдину систему, структурувати та стандартизувати підходи в прогнозування попиту. Як правило, цим займається команда спеціалістів, які спираються на свій досвід та допоміжні інструменти, наприклад, використовують таблиці. Плюс «табличного» підходу — простота та доступність, але є і мінуси:
Щоб все ж таки отримати якісний прогноз, рітейлер може звернутися до фахових аналітичних компаній. При цьому треба бути готовим пожертвувати часом, адже на збір та обробку інформації може знадобитись певний період. А в умовах динамічних змін зовнішніх факторів ви ризикуєте отримати результати, що втратили актуальність.
Більш ефективний варіант — впровадити окрему автоматизовану систему прогнозування попиту. Зараз на ринку є IT-продукти, які працюють на основі алгоритмів машинного навчання та штучного інтелекту. Вони не тільки враховують всі важливі зовнішні та внутрішні фактори для побудови прогнозу, а й значно швидше дають результати прогнозування, що має значний вплив в мінливому середовищі.
На ринку України та у світі представлено багато різних вендорів, які пропонують системи прогнозування попиту. Але як обрати найбільш вдале рішення для вашого бізнесу, на що варто звернути увагу? Нижче виокремили ключові аспекти вибору IT-підрядника:
Компанія має бути перевірена і вміти впроваджувати проекти будь-якої складності. Щоб це перевірити, запросіть кейси або референси у їхніх клієнтів. Зокрема важливо, щоб постачальник системи прогнозування попиту не обмежувався сферою IT, а й мав досвід у вашому напрямку.
Період прогнозування може бути короткостроковий, середньостроковий або довгостроковий. В різний момент компанії потрібні різні прогнози: від одного тижня до двох місяців — для планових закупівель, і від півроку — для побудови стратегії розвитку. Не всі компанії можуть робити одночасно прогноз і на короткий, і на довгий термін. Важливо обирати вендора, який зможе робити прогноз на різні періоди, адаптувавшись не тільки під поточні бізнес-процеси, а й під можливість їхньої зміни. Так, наприклад, відкриття нових магазинів чи додавання нових товарів не мають бути перешкодами в розрахунках.
Один з найголовніших аспектів – це інтеграція рішення для прогнозування попиту з вашою обліковою системою. Саме це дозволяє автоматично брати актуальні дані з бази, без ручного втручання. Якщо на це не звернути належну увагу, ви можете отримати просто красивіший аналог електронних таблиць.
Обов’язково підпишіть угоду про нерозголошення та збереження комерційної таємниці з підрядником. Ви довіряєте вендору найцінніше, тому заздалегідь потурбуйтесь про всі можливі ризики та нівелюйте їх у договорі NDA. Також, враховуючи той факт, що Україна активно інтегрується в Європу та впроваджує інноваційні рішення, важливо вже обирати системи, які відповідають GDPR (загальному регламенту про захист персональних даних).
Не завжди велике число алгоритмів — це добре. Є таке поняття як «перенавчена» модель, коли система враховує ті дані, які не впливають на попит. При цьому їхнє враховування може знижувати точність прогнозування. Важливо, щоб вендор використовував індивідуальний підхід, щоб підібрати оптимальну кількість факторів та лише необхідні алгоритми. Тоді відсоток точності буде вищим завдяки фокусуванню на визначальних аспектах попиту.
Кожен бізнес має власні бізнес-процеси, і тому важливо, щоб система могла розрахувати різні сценарії і відповідно до них надати звітність. Так, наприклад, в систему SMART Demand Forecast інтегрована система Power BI, яка дозволяє кастомізувати аналітичний блок під запит клієнта і надає такі звіти:
Наявність пілотного проєкту – must have під час вибору вендора. Його результати дадуть вам розуміння того, як працює система та чи потрібна вона вам взагалі. Як мінімум ви отримаєте консультацію від вендора щодо ваших внутрішніх процесів і зрозумієте, чого вам бракує для побудови точного прогнозу попиту. В SMART Demand Forecast завжди розпочинають з аналізу поточної ситуації та створення прозорого плану сумісних дій, а потім вже переходять до запуску пілотного проекту, аналізу його результатів та подальшого впровадження. Перевагами пілотних проектів є можливість не тільки провзаємодіяти з продуктом та оцінити його ефективність, а й порівняти результати декількох вендорів. Головне — не забувайте, розпочинаючи взаємодію, підписувати NDA задля безпеки ваших даних.
Після впровадження продукту вам точно знадобиться технічна підтримка. Наприклад, якщо прийде новий співробітник або компанія вирішить масштабуватися. Переконайтесь, що ваша команда буде мати належний супровід після імплементації системи.
Обираючи вендора, завжди звертайте увагу на те, як відбуватиметься взаємодія з постачальником, як саме буде проходити процес впровадження, як розподілятимуться зони відповідальності. Це дозволить вам підготувати внутрішню команду та сформувати коректні очікування. Розберемо, з яких етапів може складатись процес впровадження системи прогнозування попиту і що відбувається на кожному з них на прикладі SMART Demand Forecast.
Підіб’ємо підсумки та виділимо три основні фактори, на які 100% треба звернути увагу:
Бажаєте дізнатись більше про рішення SMART Demand Forecast?