Искусственный интеллект прогнозирует спрос и помогает снижать списания. Как? Читайте в нашем материале.
В 2019 году в службе управления запасами появилась команда аналитиков и инженеров больших данных, которая начала заниматься проектом по прогнозированию спроса с помощью искусственного интеллекта (Machine learning forecast).
Идея заключается в том, что алгоритм должен учитывать сотни признаков для магазинов всех форматов. Это атрибуты товаров, специфика торговых точек, особенности и пересечения промоакций, ценовые, товарные характеристики, запасы, спрос в зависимости от сезона, праздников и даже от того, сколько магазинов конкурентов находится рядом. Команда собрала модель больших данных из разных информационных систем компании и внешних источников. Это данные геолокации, погодные условия и так далее.
Кто владеет информацией…
Как это работает? На основании прошлых периодов формируется «комплекс моделей», который сам определяет значимость каждого фактора для конкретного товара в отдельном магазине. Итоговая «модель» применяется для прогнозирования будущих периодов с максимальной детализацией, она самообучаема, гибка для настройки и учета новых факторов. Модель постоянно адаптируется и развивается с учетом различных тенденций спроса.
Многие компании пытаются решить подобные задачи, – говорит менеджер по развитию дирекции по управлению цепочками поставок Татьяна Бинецкая, – но нам неизвестны случаи, когда хороший результат был на всем ассортименте товаров и для всех типов продаж, акционных и регулярных. Пожалуй, именно в этом уникальность и ценность продукта для компании. В решении таких задач важна глубокая бизнес-экспертиза, которая стала основной для автоматизации.
Проект по прогнозированию продаж тестировали в десяти гипермаркетах дивизиона Волга, в самых стабильных по товарообороту магазины.
Раньше прогноз спроса рассчитывался в SAP, руководитель секции каждого магазина оформлял заказ вручную с использованием рекомендации системы. Теперь же использовали инструменты облачной платформы Microsoft Azure, в частности Azure DataBricks, что ускорило разработку и поддержку процедур обработки данных.
Длительность расчета прогноза для товаров магазинов удалось сократить на треть. Решение на основе искусственного интеллекта дает в среднем до 40% прироста точности прогноза в сравнении с алгоритмом SAP.
Развертывание продуктивного решения началось в ноябре 2020 года с трех наименее рискованных по списаниям товарных групп: яйцо, колбасные изделия и майонез. В феврале 2021 года начали использовать прогноз для молочных продуктов и рыбных деликатесов. Параллельно этот опыт внедряли и в других регионах. В июле проект развернули во всех гипермаркетах «Ленты».
Кроме технических работ по созданию и обучению моделей прогнозирования, нам требовалось встроить информационную систему во внутренние процессы компании, – рассказал руководитель проектов Дмитрий Кабанов. – За семь месяцев пройдено 10 этапов тиражирования, перестроено 24 процесса и 13 коммуникационных потоков.
…тот снижает списания.
В итоге, по сравнению с 2020 годом, списания продукции категорий гастронома снизили на 4% на начальном этапе и обеспечили рост показателей доступности акционных товаров до 5%.
Автоматический заказ на базе умного прогноза высвободил сотрудников магазинов и снизил зависимость результатов от компетенций в точках продаж. Дальнейший рост бизнес-эффекта ожидается по мере развития этих новых технологий. Об этом можно судить по регионам, которые первыми перешли на новый бизнес-процесс с использованием ИИ-прогноза.
Внедрение программы высвободило значительную часть рабочего дня руководителей секций, – говорит директор альметьевского ТК-67 Евгения Демидова. – Теперь от РС требуется периодически оценивать и корректировать создаваемых заказов. Это положительно влияет на работу и показатели секций. Руководитель больше времени уделяет работе с сотрудниками, организации рабочего процесса, контролю состояния торгового зала. Кроме этого, очевидно и положительное влияние на УТД. Секция «Гастроном-2» нашего ТК показывает лучший результат по убыткам в регионе в этом году.
В конце 2021 года алгоритмы машинного обучения применили для централизации закупок овощей и фруктов и других продуктов с малым сроком хранения для магазинов «Мини Лента».