Як прогнозувати попит в період коронавірусу: 6 важливих порад

Як прогнозувати попит в період коронавірусу: 6 важливих порад

16.04.2020 08:05
  480
rau

Пандемія коронавірусу стала серйозним випробуванням для рітейлу. Споживчий попит змінюється кожен день, і знайти логіку в цьому хаосі нелегко. Ось шість порад рітейлерам і CPG-компаніям, як в такій ситуації передбачити характер попиту.

Цей матеріал доступний російською мовою

Світова економіка в останні сто років не стикалася з такою глобальною пандемією, як коронавірус. Рітейл одним з перших відчув її вплив. Різке збільшення попиту на туалетний папір, спиртові серветки, бутильовану воду і крупи створило додатковий стрес для глобального ланцюжка поставок.

Поточна ситуація кидає виклик гнучкості компаній, що працюють в області рітейлу і виробництва товарів широкого споживання (CPG). Вони намагаються нарощувати потужності й вибудовувати логістику, намагаючись не відставати від постійно зростаючого попиту. Але як поведе себе попит, які товари будуть потрібні в більшому обсязі, а які люди взагалі стануть ігнорувати – поки що не ясно.

Найправильніше, що можуть зробити керівники компаній сьогодні – це звернутися до даних та аналітики, щоб прогнозувати і планувати сплески й наступні спади споживчого попиту.

Значно простіше призупинити роботу, ніж швидко наростити виробничі потужності. Поки незрозуміло, як швидко відновиться економіка та чи настане період тривалої рецесії. Незалежно від того, що буде далі, рітейл і CPG-компанії повинні бути готові заздалегідь до будь-якого сценарію і реагувати негайно.

У нинішніх умовах, як ніколи раніше, знадобиться інтелектуальний підхід до ведення бізнесу: поглиблена аналітика і технології машинного навчання. Ось шість порад рітейлерам і CPG-компаніям, як в такій ситуації передбачити характер попиту.

  1. Використовуйте дані нижнього рівня – вони відображають істинний попит

Перш за все, аналізуйте і прогнозуйте POS-дані, зібрані за допомогою сканерів магазинів. Вони найбільш об’єктивний індикатор споживчого попиту. Так ви визначите зміни в характері попиту і більш точно спрогнозуєте склад середнього споживчого кошика.

Важливо зосередитися на прогнозуванні товарного асортименту на нижньому рівні, так як це покаже, які товари користуються найбільшим попитом, а які – найменшим.

Деякі компанії виявили збільшення попиту на свою продукцію на Amazon.com, так як в цей же період споживачі перейшли від офлайн-магазинів до онлайн-покупок.

Цей новий підхід прогнозування на основі споживання, який використовує процес MTCA (багаторівневий причинно-наслідковий аналіз), дозволив компаніям CPG значно поліпшити не тільки прогнози відвантажень, а й виявити поворотні точки в структурах попиту набагато швидше, ніж дозволяють традиційні моделі.

  1. Впроваджуйте поглиблену аналітику і алгоритми машинного навчання

Це допоможе швидко виявити аномалії і негайно зреагувати. Навіть у такий шоковий період, як зараз, під час наростання кризових явищ на тлі COVID-19, карантину і падіння економічної активності, коли зміни в структурі попиту відбуваються швидко і вони значні, – аналітичні моделі з автоналаштуванням адаптуються досить швидко і дозволяють краще задовольняти попит і керувати запасами.

Прикладом може служити один великий французький рітейлер, який запровадив рішення SAS для прогнозування складських відвантажень. Але зараз для рітейлу доступні аналітичні сервіси, які швидко розгортаються та низка безкоштовних пропозицій для застосування аналітики в поточній ситуації. Продуктовий рітейл виконує важливу соціальну функцію, і аналітика здатна допомогти у виконанні цієї функції.

3. Практикуйте короткострокове планування і прогнозування

Робіть короткостроковий (від одного до восьми тижнів) прогноз за допомогою поглибленої аналітики та технологій машинного навчання. Використовуйте замовлення на продаж і відвантаження в поєднанні з даними POS.

Використання POS-даних в якості ведучого індикатора в моделях (поряд з промо-акціями) дозволяє рітейлеру розрахувати не тільки зростання продажів в період промо, але і зрушення (аномалії) в короткостроковому характері попиту.

  1. Використовуйте дані з соціальних мереж

За допомогою аналізу тексту в соціальних мережах рітейлери можуть прогнозувати попит на ті чи інші товари, а також стежити за настроями споживачів і дізнаватися про доступність продукції в різних точках продажів.

Фахівці з планування, працюючи в тісному контакті з маркетологами, можуть використовувати інформацію з соцмереж, щоб в режимі реального часу визначити магазин з найбільшим навантаженням.

Тісна взаємодія між департаментами дуже важлива для ефективного прогнозування змін в структурі попиту.

5. Детально оцінюйте кожен фактор

Характер споживчого попиту різниться між країнами і категоріями товарів навіть більше, ніж зазвичай. Так, наприклад, багато хто з рітейлерів очікує зростання попиту на ліки від застуди та грипу до 800%, а зростання попиту на продукти в цей же час не перевищує 25-50%.

У магазинах з повсякденними товарами спостерігається величезний спад продажів, у той час як в онлайн-магазинах зростання споживчого попиту досягає 700%, і вони не справляються з усіма замовленнями.

Постійна комунікація дозволить рітейлерам та їх CPG-постачальникам діяти швидко і адекватно, щоб усунути причини недопрогнозу попиту на товари першої необхідності.

6. Як обробляти аномальні історичні дані після кризи?

Коли попит повернеться до норми, виникне питання коригування його історії. Пил осяде і виникне необхідність очищення аномальних патернів попиту в історичних даних.

Найбільшим викликом для аналітиків буде очищення моделей попиту від цих аномалій. Багато з них повернуться до практики ручного видалення аномального історичного попиту, не розуміючи, що вони стирають ключову інформацію, а також, можливо, завищують або занижують прогноз того, яким був би нормальний попит, якби криза ніколи не трапилася.

Мова йде не тільки про співпрацю між внутрішніми департаментами, а про співпрацю людей з машинами в автономному ланцюжку поставок з повною прозорістю.

Кращий підхід – це розглядати історичні аномалії, як викиди, і погоджуватися не очищати дані вручну. Це ще одна можливість зафіксувати викиди і скорегувати історичний попит за допомогою поглибленої аналітики.

Автор: Валентина Ларіна (керівник рітейл-практики, SAS EMEA) Чарльз Чейз (радник з рішень для CPG, SAS Global)

Джерело: New Retail

Читайте також –

Новини FMCG за березень: робота в карантин, чергові обмеження від влади та благодійність Сільпо, Novus і АТБ


До останніх новин До популярних новин Підтримати редакцію

Раз на тиждень

ми будемо відправляти Вам 

найцікавіші новини тижня


Поділіться цією новиною в соціальних мережах


Читайте також

Усі новини ринку