Кейс «Увелка»: предиктивная аналитика и каша в каждый дом
Производитель круп увеличил точность прогнозов потребительского спроса до 92%. Рассказываем, как в этом помогли Qlik Sense и Novo Forecast Enterprise.
Работа с данными и предиктивная аналитика нужна не только компаниям сегмента tech, но и вполне традиционному FMCG-рынку. Павел Синицын, директор по развитию бизнеса компании NOVO BI, рассказывает, как в компании «Увелка» удалось увеличить точность прогнозов потребительского спроса до 92% (благодаря системе прогнозирования Novo Forecast Enterprise с визуализацией данных на основе Qlik Sense).
Компания «Увелка» — один из крупнейших производителей продуктов питания в РФ. История бренда началась в 1992 году с переработки гречихи. Сейчас продукция компании реализуется в 29 странах мира, а количество ассортиментных единиц товара насчитывает несколько сотен.
«Увелка» обратилась в NOVO BI за аналитическими решениями, когда в компании определили бизнес-стратегию на опережение роста рынка. Это было необходимо для создания обоснованных целей перед маркетингом и департаментом продаж.
директор по развитию бизнеса компании NOVO BI, разработчика цифровой системы прогнозирования спроса Novo Forecast Enterprise
Потребность в аналитике продаж торговых сетей
Первым этапом сотрудничества стало внедрение решения для анализа продаж в торговых сетях на платформе Qlik Sense. Продукты питания торговой марки «Увелка» доступны во всех федеральных торговых сетях, но оперативного мониторинга и детального анализа больших массивов информации о структуре спроса и совокупных продажах всех торговых точек у компании не было.
Система оценки торгового потенциала помогла обработать гигантский объем исходных данных продаж ритейлеров и консолидировать информацию из разных источников в удобные наглядные дашборды для анализа:
ассортиментной матрицы и составление рейтинга товаров — выявление особенности спроса на конкретные товарные категории и вкусовые пристрастия потребителей;
- ценовых сегментов и оценки эластичности спроса — чуткий показатель потребительской лояльности при малейшем колебании цены;
- структуры сбыта и географии продаж — самые продаваемые и отстающие позиции в конкретном регионе, городе, магазине;
- влияния промо-акций на ключевые показатели продаж — что будет продано и без «желтого» ценника, а на каких позициях необходимо стимулировать спрос;
- регулярности продаж и жизненного цикла товаров, торговых точек, сетей — изменение активной клиентской базы и общей емкости рынка, а также показатель доступности товара для конечного потребителя.
Мы получили новые модели анализа, показатели и сценарии, с которыми раньше не работали. Аналитика позволила нам по-новому взглянуть на продажи, наше положение на рынке и увидеть возможности для роста.
Порядок в торговом маркетинге
Уже на первых брифингах задача с аналитикой продаж в ритейл-сетях стала более приоритетной, хотя необходимость data mining в торговом маркетинге никуда не исчезла.
Команда проекта определила наиболее важные срезы для глубинной аналитики проводимых маркетинговых активностей и начала работу над следующими процессами:
аналитика вторичных продаж, которая используется для мониторинга ключевых показателей, оптимизации ассортимента, стратегического планирования и оценки работы сотрудников дистрибьютора;
- автоматизация постановки задач торговому персоналу и рекомендаций по вводу позиций в разрезе дистрибьюторов и торговых точек;
- расширенный анализ акций – трейд и BTL — включая анализ влияния размера скидки на продажи, корзину потребителя и рекомендации по времени проведения акций;
- расширенный анализ продаж в сетях с учетом данных по картам лояльности, акций с подробным мониторингом акций и цен конкурентов;
- решение для обработки, хранения и визуального анализа данных ритейл-аудита Nielsen — данные о продажах в розничных торговых точках, включенных в исследовательскую панель компании Nielsen — это один из самых востребованных источников информации о рынке товаров повседневного спроса.
Все аналитические решения были отдельными программными продуктами Novo BI. Необходимо было соединить всё в единое решение для того, что были получать максимальный совокупный предиктивный эффект. Следующим этапом цифровизации бизнеса для «Увелки» стало внедрение системы прогнозирования спроса.
Прогнозирование спроса
Разработка NOVO BI — цифровая система прогнозирования спроса Novo Forecast Enterprise стала для уральского производителя продуктов питания защитой от неожиданных колебаний в запросах дистрибьюторов и торговых сетей. Все стало более прогнозируемым и предсказуемым, что позволило экономить на собственных издержках там, где раньше приходилось переплачивать за срочные перевозки и авралы. Технически это выглядит как machine learning. В зависимости от текущей ситуации, система сама выбирает подходящую математическую модель, и быстро строит прогнозы.
Принцип построения прогноза состоит из нескольких этапов.
- Введение мастер-данных. Это наиболее важный этап, на который может повлиять человек: от качества и количества информации о прошлых продажах напрямую зависит точность прогноза. У «Увелки» было гигантское количество необходимых данных. К тому же, единый справочник ассортимента, разработанный еще в начале совместной работы, позволил искусственному интеллекту обрабатывать информацию без погрешности на человеческие ошибки.
- Выбор математической модели из более чем 3000 вариантов. Более половины этих моделей уже сами по себе являются искусственным интеллектом, построенным на machine learning. На этом этапе происходит выбор базового расчета прогнозирования.
- Дополнение факторами. Здесь система начинает учитывать особенности бизнеса. Аналитика спроса в ритейл-сетях и сильный блок трейд-маркетингового анализа существенно усилили точность прогнозов даже на этапе тестовых запусков.
- Наладка точности и экспертная оценка. Модель построена, факторы учтены, дальше очередь за раскаткой тестовой версии на все ассортиментные позиции, и вовлечение сотрудников, занятых в прогнозировании и планировании спроса.
Важной особенностью работы системы Novo Forecast Enterprise является работа в едином информационном пространстве, в котором все вносимые данные и расчеты являются достоянием общественности (с оглядкой на конфиденциальность данных и уровни доступа). При этом удобная интерактивная визуализация результатов прогнозирования в Qlik Sense позволяет ускорить процесс принятия решений для конечного пользователя.
Система прогнозирования стала инструментом создания обоснованных целей перед маркетингом и департаментом продаж и убеждения в их выполнимости.
Результаты проекта
Работа с клиентом «Увелка», как и с любым другим, не заканчивается на моменте внедрения системы прогнозирования спроса. Формирование культуры предиктивной аналитики в компании и приверженности конструктивного «спора на цифрах» требует достаточно долгосрочного сотрудничества.
Сейчас результаты выглядят так:
- точность прогнозирования базового спроса на уровне «товар-месяц» с учетом факторов выросла на 40% до 92-98% в зависимости от товарной категории;
- автоматизация промо-прогнозирования;
- сокращение ситуаций out-of-stock в 2 раза;
- подготовка рекомендаций по вводу торговых позиций в торговые точки и расчет потенциала продаж, которые стали основой для задач по торговым представителям и расчёта их бонусов
Эти проекты позволили нам максимально оперативно принимать решения, связанные с продвижением продукции компании. Но одного понимания «что случилось и почему» недостаточно для устойчивого развития компании. Мы понимали, что необходим инструмент, позволяющий уверенно показывать, что нам ожидать в будущем. Таковым, по нашему мнению является система прогнозирования продаж. Результаты прогноза используются практически во всех департаментах – производстве, логистике, продажах, маркетинге.
Внедрение предиктивной аналитики позволило топ-менеджменту компании высвободить время на решение важных стратегических задач для бизнеса, выхода на новые рынки и расширение ассортимента.
Цифры 92-98% звучат фантастически) В статье нет ни цифр, ни конкретики, чтобы поверить в работоспособность описанной стратегии) Статья из серии: "Нормально делай - нормально будет"
Комментарий недоступен
Мы, джентльмены, верим друг другу на слово.
Ника, добрый день. Цифры 92-98% - это и есть конкретика. Верить или нет - это лично право и выбор каждого :) Мы передаём в статье только те показатели, который зафиксировал сам заказчик. Если же нужен прям proof-proof - достаточно обратиться к данным исследовательских агентств вроде Nielsen, которые показывают текущую долю в сегменте у Увелки, а также данимику увеличения доли по годам :)
Удивительно, как все эти методики анализа больших данных, используемые для увеличения прибыли предприятия будут вскоре использовать для точного планирования в экономике совсем для других целей 😉.
Каши в массы! Круто)
Оч нравятся ваши готовые dinner express, хоть и упаковка выглядит, как «корм для животных»))