Совсем не секьюрность. Как совместное планирование в цепях поставок помогло увеличить точность прогнозов на 45%

Кейс Novo BI по внедрению системы прогнозирования спроса Novo Forecast Enterprise для компании «Алиди», крупнейшего дистрибьютора Nestle, Mars и P&G в России

Совсем не секьюрность. Как совместное планирование в цепях поставок помогло увеличить точность прогнозов на 45%

Работа с компанией из топ-200 рейтинга Forbes заставляет многих насторожиться и всеми силами охранять любые внутренние данные. Игроки рынка побаиваются открыто передавать друг другу информацию о планах продаж. Но кейс компании Novo BI и “Алиди” показывает: если привлечь к совместному прогнозированию всех участников цепочки поставок, выиграют все. Можно было бы списать успех на случайность, но результаты уже прошли проверку временем — с начала первых расчетов прогноза в системе Novo Forecast Enterprise прошло уже пять лет.

Я пообщался с Павлом Синицыным, директором по развитию бизнеса компании Novo BI, резидента Сколково, которая внедряла систему для прогнозирования спроса, и с заместителем директора по логистике по управлению товарными запасами “Алиди” Дмитрием Фризеном. Делюсь с вами их историей успеха.

Ситуация

Когда “Алиди” обратилась в Novo BI, она уже была крупным дистрибьютором в FMCG и имела представительства в десятках регионов РФ и Беларуси. Сейчас компания работает в 61 регионе РФ, а список стран пополнился Казахстаном.

Тогда компания использовала достаточно примитивные методы прогнозирования продаж с помощью Excel, электронную почту для согласования планов продаж, объемов по промо-активностям, новинкам и т. д., а также другие стандартные инструменты корпоративного офисного пакета. Для небольшого бизнеса такой вариант вполне подходит, но когда у тебя несколько тысяч наименований — это не лучший способ организовать прогнозирование спроса в компании, о чем красноречиво говорили цифры:

  • количество неликвидного товара составляло около 20% от общего объема товарооборота
  • уровень логистического сервиса был ниже 90%, и для его повышения ответственные за закупки сотрудники приобретали много того, что реально не было нужно, на всякий случай
  • потери составляли 0,5% от объема продаж
  • исходная точность прогноза спроса была в районе 40%

Первое знакомство

При первом брифинге с вендором “Алиди” сформулировали цель так: уменьшить уровень неопределенности и настроить работу, чтобы не продавать то, что есть, а покупать то, что будет продано. Это означало, что Novo BI нужно было создать решение для прогнозирования спроса клиентов, которое позволит понимать риски на этапе закупок, а не при начале фактических потерь.

«Мы хотели повысить качество прогнозов с 40% до 75+% по товарам в целом и по товарам для конкретных клиентов. При этом цикл прогнозирования и вся математика нас совсем не интересовали в качестве параметров для настройки. Мы просто стремились получить хорошую математику и больше не трогать её. Фокус был на организации среды для совместного планирования. Сегодня модели и цифры сами по себе не могут объяснить то, что происходит в мире. Для нас было важно собрать экспертов по всей цепочке поставок, чтобы они смогли посмотреть полученные математически данные, и дать комментарии для коррекции прогноза», — делится Дмитрий Фризен.

Другими словами, идея была в том, чтобы человек не разбирался в сложных расчетах, а просто нажимал на кнопку. Поскольку пользователи системы — линейные исполнители, а не ученые со специальным образованием, решение должно делать использование математических моделей доступным.

Через три месяца после начала тестирования демо-версии Novo Forecast Enterprise стало понятно, что, хотя точность прогнозов выросла, была нужна доработка системы:

  • с точки зрения управления торговым маркетингом (акции, сниженные ценники, три по цене двух, бегунки с прогнозами — сколько товаров купят, если снизить цену на столько-то рублей или если ввести подарок за покупку);
  • для работы с торговыми сетями в условиях федерального масштаба (например, в каком регионе, в каком магазине, какого наименования чая купят и в каком объеме);
  • для взаимодействия сотрудниками с поставщиками и партнерами на одной программе (тогда не было разделения на “интегрированные” и “совместные” продукты, как сейчас).

Все эти решения были у Novo BI отдельными программами, но нужно было соединить всё в один продукт. Этапы отладки, интеграции и тестирования заняли примерно год — это было необходимо, чтобы проверить факторы и прогнозы с учетом сезонности. После успешного теста на двух городах “Алиди” стали использовать систему для всех регионов присутствия в России, Беларуси и Казахстане.

Как работает система прогнозирования?

Продукт Novo BI — система Novo Forecast Enterprise для “Алиди” доступна на любом устройстве — мобильном и десктопном. Попасть в неё можно с доступом в интернет, при наличии логина и пароля. В системе каждому назначен свой уровень доступа, цель и инструменты, необходимые для выполнения задачи.

Принцип построения прогноза состоит из четырех этапов.

1. Введение мастер-данных. Они должны быть очищены от разовых всплесков продаж и заведены по единому принципу. Например, для ИИ “Пирожок с вишней, Бабушкина грядка” совсем не то же самое, что “Вишневый пирожок, Бабушкина грядка”.

Чтобы не было мусора на входе, достаточно одного человека со стороны компании, который будет знать, как корректно вводить факторы и данные. Задача этого сотрудника: обучить всех пользователей платформы правильно и единообразно заносить информацию, чтобы ее без ошибок обрабатывал ИИ. Также, чтобы избежать случайных ошибок при внесении информации, система сама перепроверяет данные и выявляет грамматические ошибки, дубликаты букв, пробелы и т.д.

2. Выбор математической модели. В случае Novo Forecast Enterprise их 3000+ комбинаций, они подбираются алгоритмами. Половина математических моделей сгенерирована в результате машинного обучения без участия человека, поэтому вручную их повторить не удастся. Это черный ящик, результатами которого мы можем пользоваться, но вот понять, что происходит внутри — уже нет. Эти модели друг друга сами обучают и дополняют.

3. Включение факторов — это особенности бизнеса. Например, маркетинговые акции, новинки, продажи и так далее.

«В последнем релизе система “научилась” делать прогноз на новые позиции без опоры на опыт продаж. То есть система не знает, как раньше продавался этот пирожок с вишней в этой сети, но искусственный интеллект подумает, что пирожок со смородиной показал такие-то результаты, его состав, вес и цена примерно такие же, значит можно построить прогноз на этой базе. То есть человек мог уже и забыть о его существовании в базе, но система эту информацию хранит и использует», — дополняет Павел Синицын.

4. Экспертная оценка. Модель построена, прогноз рассчитан, но только человек может знать, что у клиента дебиторская задолженность, а на дворе пандемия. На этом этапе также перепроверяются факторы, введенные сотрудниками, и устраняются артефакты. Например, акции длиной в четыре года (да, такое тоже было).

Настройка совместной работы

Для работоспособности прогноза важно, чтобы он выходил на обсуждение широкого комьюнити, которое сразу скажет, что из этого реально, а что не очень. Всеобщее обсуждение дает уверенность автору прогноза: его работу точно посмотрели, ни у одной из сторон нет возражений. Главная задача совместной работы: получить как можно больше свежей информации, которую потом можно использовать.

Система использует экспертизу участников:

  • Поставщик сообщает информацию по ограничениям для корректировки прогноза, рассказывает, какие новинки, когда и в каком объеме планируют выводить.
  • Отдел продаж вносит планы на промо, новинки, листинги по своим территориям.
  • Клиент участвует в согласовании тех факторов, которые назначены отделом продаж, либо поставщиками.
  • Дистрибьютор на основе этих данных может собрать планы закупок и отгрузок, поделившись ими на платформе со всеми сторонами: поставщиками, логистикой, финансами.

В целом система совместного планирования выглядит следующим так:

Совсем не секьюрность. Как совместное планирование в цепях поставок помогло увеличить точность прогнозов на 45%

Ещё два важных нюанса:

1. Для каждой задачи нужно назначать исполнителя. Если этого не предусмотреть в системе, за выполнение задач будут ответственны все и не ответственен никто. У каждой ошибки есть имя и фамилия, как и у любого успеха.

2. Конфиденциальные данные. Поскольку, мы стремились вовлечь в общий поток обсуждения все стороны, мы не наполняли комьюнити коммерчески чувствительной информацией. Например, там нет прогнозов в деньгах, только в планах, штуках и тому подобное, чтобы давать доступ поставщикам, партнерам, клиентам.

Результаты

Сейчас в системе от Novo BI для “Алиди” работает более 500 пользователей. Это сотрудники компании и поставщики, которые вовлечены в процесс и ежедневно влияют на результат. Интересно, что системой пользуются также клиенты, которые хотят быть полностью уверенными в обеспеченности их промо товарами. Также они могут от системы получить совет: какой объем удастся продать с такой-то скидкой, а какой — с другой. Это дополнительный сервис, который повышает лояльность клиентов и помогает успешно сотрудничать. Теперь к цифрам:

1. Точность прогнозов держится на уровне не ниже 85%, а по отдельным позициям доходит до 98% и зависит от качества факторов и от товарной категории.

2. Списания сократились с 0,082% до 0,039% от оборота. Кажется, что это небольшие цифры, если не принимать во внимание оборот в 82 млрд рублей, то на списаниях экономится почти 32 млн рублей.

3. Уровень логистического сервиса вырос до 98-99% без усилий и сверхзапасов.

4. Объем неликвидного товара сократился до 3% за счет понятной структуры товарных запасов.

5. Благодаря повышению показателей компания стала эксклюзивным дистрибьютором Procter & Gamble, Mars и Nestle на ряде территорий.

Novo BI продолжает автоматизировать цепочки поставок дистрибьютора: остатки товара на складе и планирование запасов, а “Алиди” экономить десятки миллионов рублей ежемесячно.

Рекомендации

1. Составляйте планы заранее. Вы должны отличать прогнозы от планов. Прогнозы меняются и колеблются регулярно. Но планы — это константы, которые помогут не допускать хаос в принятии решений, а четко двигаться согласно своим целям. У вас должны быть планы на случаи повышения прогноза и его понижения, составленные заранее в спокойной обстановке, а не в кризисной ситуации.

2. Используйте реконсиляцию. Вы должны уметь переводить цели “в деньгах” в прогноз “в штуках”. Это кажется несложным, когда есть всего одна или несколько позиций. Но когда их несколько тысяч, достигнуть цели от отдела продаж можно разными способами. Идея реконсиляции: найти оптимальный способ перевести деньги в товары.

3. Вовлекайте как можно больше экспертов в процесс планирования. Для этого у вас не должно быть технических и бюрократических барьеров для входа: цифровой подписи, доступности только из одного места с помощью какого-то определенного браузера и так далее.

4. Делите цели по исполнителям. Пока задача не назначена конкретному человеку, она не назначена никому.

5. Обучайте. Поскольку системой пользуются распределенные команды разных компаний, важно предусмотреть материалы, которые научат людей правильно заносить информацию, чтобы она была единообразной и доступной для интерпретации ИИ. Хорошо, если за это тоже будет ответственен отдельный человек.

2323
8 комментариев

20 лет назад, Nike внедрила forecasting (i2). Из за глюка потеряли $100млн (в 2001м) и акции упали на 20%.

https://www.cfo.com/technology/2001/03/how-not-to-spend-400-million/

Интересно, может-ли такой случай повториться в 2021?

1

Оказывается это и опасно. Такой прецедент может и повториться ,никто не застрахован.

Супер! Скажите пожалуйста как пользоваться этой системой. Как-то не понял.

Илья, добрый день. В одном сообщении не рассказать. Но если у Вас есть интерес, не стоит ограничиваться рамками чата! С удовольствие расскажем и покажем.

Социализм близко

На самом деле фишка со сквозным обменом информацией между поставщиком и покупателем далеко не новая, особенно в продуктовом сегменте. Бывает такое, что поставщик видит остатки у продавца на складах, динамику продаж и по этим данным планирует производство и поставки. Конечно тут очень важен уровень партнерства и обратная связь. Никто не хочет произвести партию, не зная, что она будет выведена из ассортимента продавца и остаться с неликвидом на складе.

Вячеслав, абсолютно верно. Но важно смотреть не только на стоки, пусть даже в динамике. А учитывать планы продаж с учетом факторов (промо, новинки, листинги и т. д.). Ведь, даже если какой-то товар продавался годами без стимулирующих мероприятий, то внезапно запланированное промо, да ещё и совмещённое со входом в новую сеть осушить товарные запасы за несколько дней. ALIDI предоставляет планы по своим заказам в горизонте 8 недель и за 2 недели до даты, в которую товар должен оказаться на складе, производит заказ.