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

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.

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:

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.

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:

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.

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”.

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.

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).

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:

В целом система совместного планирования выглядит следующим так:

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.

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.

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.

#logistics #поставки #планирование #логистика #ai #ии