«КОРУС Консалтинг» создал облачный сервис для прогнозирования спроса в ритейле и дистрибуции

[Ivanhoe]

Не без гордости рассказываю про наш новый сервис прогнозирования. За разработку и продвижение отвечает Костя Доброток - бывший Аксаптоид

В отличие от большинства релизов, где мы связаны NDA с клиентами, готовы ответить на вопросы сообщества (по существу).

ГК «КОРУС Консалтинг» разработала облачный сервис KORUS | Forecast, позволяющий FMCG-ритейлерам и дистрибуторам прогнозировать спрос на товары на новом уровне. Сервис развернут на платформе Microsoft Azure и сочетает современные технологические решения и многолетний опыт системного интегратора в автоматизации предприятий различных секторов экономики.

KORUS | Forecast – это облачный сервис прогнозирования высокой точности, созданный с применением уникальных методов очистки (pre-processing) и преобразования данных. Сервис автоматически производит прогноз спроса для каждого товара и/или магазина сети на каждый день, на выбранный горизонт в будущем, без ограничений по объёму данных и производительности и учитывает, как внутренние данные ритейлера и дистрибутора (используются все исторические данные вплоть до чека), так и внешние, такие, например, как конкурентное окружение.

Сервис работает с сырыми данными ритейлера/дистрибутора, что позволяет практически полностью снять нагрузку по преобразованию данных на стороне заказчика. Все вычисления и преобразования выполняются в специально спроектированном хранилище сырых данных в облаке экспертами «КОРУС Консалтинг».

Пресс-релиз:
https://korusconsulting.ru/press-cen...tribution.html

[twilight]

Хотелось бы узнать детальный алгоритм прогнозирования. Это самое интересное )

[Ivanhoe]

Я пока собираю вопросы, чтобы Костю не дергать лишний раз.

Из того что я знаю, мы используем самообучающиеся модели, конкретный алгоритм может быть любой из десятка классических, реализованных в R Server. Основное преимущество над "старыми" монструозными продуктами, что в облаке можно очень быстро строить разные модели на огромной выборке данных, быстро их сравнивать и выбирать наилучшую.

[George Nordic]

Он должен быть различным для разных групп товаров. Ну, или один и от же, но с разными параметрами. Причем "группы товаров" здесь - самое интересное.

Дело в том, что нельзя вести прогнозирование на уровне SKU. Для вас 1 кг сахарного песка от ООО "Манечка" и ООО "Танечка" - это одно и то же. А для системы - два абсолютно разных товара. Следовательно, товары необходимо объединить в группы со схожими потребительскими свойствами: "Сахар", фасовка "1кг", "Песок", "средний ценовой диапазон".
При этом:
* Потребление рафинированного сахара летом будет снижаться (его берут для офисов, летом снижает деловая активность - снижается потребление рафинада)
* В июле-сентябре вырастает потребление сахарного песка, причем популярностью пользуется фасовка в 2-5-10 кг. (народ варит варенье / компоты)
* Вместо упаковки 2 кг народ готов взять 2х1кг, если разница несущественна
* Вместо рафинада, возможно, потребитель готов купить сахарный песок. Но не готов вместо песка купить рафинад. Особенно в сезон.
* Не везде потребитель готов переплачивать или покупать дорогой сахарный песок, например, тростниковый. Однако, если его включить в матрицу в правильных магазинах, он займет категорию AY, а то и AX. Хотя обычно - это больше BY (конкуренция не дает ему стать A, хотя спрос на него стабилен). Хотя при этом он будет отъедать долю у рафинада (каннибализация), но маржа покроет это с лихвой.

Кроме сезонности, каннибализации и совместно потребляемых товаров (желатин в сезон, например, или крышки для консервирования), важно учесть погоду (теплее лето - лучше урожай - больше потребление), курс на нефть / доллар / экономическую ситуацию в стране (чем хуже ситуация, тем больше людей занимаются приусадебным хозяйством, тем выше потребление сахарного песка в сезон), ситуацию на рынке (требования / сертификация / урожай / кол-во производителей), и другие факторы. Например, рост цен на водку ведет к увеличению самогоноварения и росту спроса на сахар.

И это-только сахар песок. Для других категорий, кроме сезонности, надо еще учитывать календарь - постоянные (Новый год, Рождество, 14 и 23 февраля, 8 марта) и плавающие праздники (пост, ураза байрам, курбан байрам, последняя пятница июля и т.п.), а также прочие день строителя и день нефтяника.

Когда занимался прогнозированием (datamining), это самая большая проблема была - не получишь ты нормальные прогнозные модели, не приведя в порядок категорийный менеджмент. Хотя DM может помочь выявить SKU со схожими потребительскими свойствами, но это лишь помочь в наведении порядка. И только потом можно прогноз строить в разрезе категорий со схожими потребительскими свойствами. Тогда уже, внутри группы, КМ (категорийный менеджер может играться матрицей, добавляя / удаляя товары и работая с поставщиками).
Ну и постоянная обратная связь и подстройка, разумеется. Динамическое изменение буфера, маркетинговые акции и из отслеживание...

И, кстати, исторические данные не всегда являются хорошим подспорьем. Достаточно глянуть на прогнозы, построенные по 2007, 2008 и 2009 годам.

С Уважением,
Георгий

[DAX.Company]

Цитата:

Сообщение от George Nordic

Он должен быть различным для разных групп товаров. Ну, или один и от же, но с разными параметрами. Причем "группы товаров" здесь - самое интересное.

А в чем сакральный смысл вести такой сложный затратный по деньгам (это сколько сотрудников-экспертов, айтишников, экономистов надо привлечь) прогноз? Сейчас вроде не средние века. Не надо на два года планировать склад до следующего корабля. Всегда есть на бирже/оптовых складах нужный товар. Да и в России склады дешевые. Ну будет +/- 10 тонн. Почему просто не плясать от заказов от магазинов? Не только с сахаром. Со всеми продуктами.

[George Nordic]

В том-то все и дело. Это на западе удавятся за 0,5%, а тем более за 3% - а именно такой прирост дает точно прогнозирование, когда уже все остальное оптимизировано. А в России - да ну, +/- 15% - норм. "Лучше с губернатором познакомь, больше толку будет". Так и живем по "среднему скользящему". Самые продвинутые ARIMA пользуются и считаю себя супер-продвинутыми.

Цитата:

Сообщение от DAX.Company

это сколько сотрудников-экспертов, айтишников, экономистов надо привлечь

Не надо - это дело КМ.

Цитата:

Сообщение от DAX.Company

Не надо на два года планировать склад до следующего корабля. Всегда есть на бирже/оптовых складах нужный товар. Да и в России склады дешевые.

А оптовикам / производителям что, прогнозы не нужны?


С Уважением,
Георгий

[DAX.Company]

Цитата:

Сообщение от George Nordic

А оптовикам / производителям что, прогнозы не нужны?

Прогнозы нужны. Но если производитель табуреток (сахара в вашем случае) начнет считать прогноз на табуретки по размеру задницы в популяции, по кол-ву барных стоек в районе, по урожаю бамбуковых в Южной Африке - ни к чему хорошему это не приведет.

[Ivanhoe]

Мы работаем на всех уровнях: SKU и полное дерево категорий. Именно за счет хорошей программно-аппаратной платформы можно быстро посчитать все варианты и выбирать наиболее подходящий. В том числе сезонность, промо и т.п. И под каждого клиента делается своя модель с учетом чистоты данных - у кого-то просто учет истории и сезона дает прирост в 20-50%, а у кого-то столько хороших и разных данных, что прирост в пару процентов на миллиардных оборотах дает конкретный бизнес-результат.

И да, чтобы эти данные можно было не только в прогноз превращать (и скармливать ERP системам на вход планирования), разработан блок отчетности на PowerBI.

[Ivanhoe]

Кстати, статья Кости по теме: http://www.globalcio.ru/workshops/1887/

[DAX.Company]

Цитата:

Сообщение от Ivanhoe

Кстати, статья Кости по теме: http://www.globalcio.ru/workshops/1887/

Толковая статья. Спасибо. Как раз и написано что без "ученых-экспертов" и "супер-айтишников" при точном прогнозе не обойтись. И айти тут играет 20%. Слишком много неизвестных и волатильных входных данных

[DAX.Company]

Строить прогноз на "больших данных" это как рулить баржей с углем с помощью весла. Работы много а выхлопа 0,5%

[DAX.Company]

Тут биткоин за сутки на 4 тыс $ вырос. Хотя уже эксперты ему год падение предрекают. Бигдата миф. Попытка IT-пираний еще немного откусить от крупных китов бизнеса

[George Nordic]

Цитата:

Сообщение от DAX.Company

Прогнозы нужны. Но если производитель табуреток (сахара в вашем случае) начнет считать прогноз на табуретки по размеру задницы в популяции, по кол-ву барных стоек в районе, по урожаю бамбуковых в Южной Африке - ни к чему хорошему это не приведет.

А кто Вам сказал, что они именно эти данные берут за входные?

Видимо, Вы не совсем понимаете, что такое "Большие Данные". Это очень даже не миф. Но мало кто понимает, что это и зачем это надо.

Как раз недавно на конференции в Сколково рассказывал, именно про это был доклад.

И, кстати, продажи и чеки - это отнюдь не "BigData"

С Уважением,
Георгий

[Vals]

Цитата:

Сообщение от George Nordic

Это очень даже не миф. Но мало кто понимает, что это и зачем это надо.

Это как секс в 12 лет...

[DAX.Company]

Цитата:

Сообщение от George Nordic

А кто Вам сказал, что они именно эти данные берут за входные?

А можно кейс какой-нибудь для любого бизнеса?

[George Nordic]

Цитата:

Сообщение от DAX.Company

А можно кейс какой-нибудь для любого бизнеса?

Так. Бизнес есть разный. Есть "что купили / что выросло, то и продаем". Тут можно вести речь только о прогнозировании сбыта и стоимости продукции. Гораздо интереснее задача, когда мы можем что-то разное производить из более-менее одинакового сырья, но ограничены, например, производственными мощностями (и финансами, как обычно). Например, на тех же самых производственных линиях можно производить молоко, кефир, сыр, творог, йогурт. Основное сырье одно - молоко, а вот выход разный. Вот тут уже важно, что и когда производить, когда спрос и так стабильный, когда планируется какая-либо маркетинговая компания и ожидается повышенный спрос на тут или иную продукцию. Вот, например, как я говорил - в первые недели поста спрос на молочную продукцию снижается, значит, это время можно отвести под производство сыров, у которых срок годности больше, и его можно складировать.

С Уважением,
Георгий.

[DAX.Company]

Цитата:

Сообщение от George Nordic

в первые недели поста спрос на молочную продукцию снижается, значит, это время можно отвести под производство сыров, у которых срок годности больше, и его можно складировать.

С Уважением,
Георгий.

Причем тут бигдата и как этот прогноз учитывает действия конкурентов. Коих сотни

[DAX.Company]

Цитата:

Сообщение от George Nordic

И, кстати, продажи и чеки - это отнюдь не "BigData"

А что тогда? Т.е. бигдата круче продаж и чеков? вы серьезно?

[George Nordic]

Ладно. Давайте для начала разберемся что такое "BigData" и откуда она взялась.
Big Data - это не просто "много данных". Это, в первую очередь, слабоструктурированные и распределенные данные. В этом их основное отличие.

Откуда она пошла? Из поисковых систем - первый релиз сделали специалисты Yahoo, потом эту инициативу подхватили Google, поддержав тот самый Hadoop. Вот уже где много слабоструктурированной (тексты, форумы, музыка, видео и т.д.) и, тем более, распределенной информации. И, да - хранение, обработка, индексирование и быстрый поиск - очень важная для них задача.

Является ли миллиард чеков "Большими Данными"? Нет. А сто миллиардов, даже если они побиты по 10 базам? Тоже нет. Потому что выдача запроса от non-sql поисковой системы - это выборка с определенной релевантностью.

Т.е. если вы в реляционнку подадите запрос "Дай-ка, мне дорогая, чек №1000000" (Select * from bills where bills.billid == "1000000") - вы получите 1 чек с номером 1000000.
И если вы ее попросите "А теперь дай-ка, мне дорогая, чеки с суммой покупки более 10 000 000" (Select * from bills where bills.amount >= "10000000") - вы получите все чеки с суммой покупки более 10 млн.

А вот если вы первый запрос пошлете в Non-SQL, результат может Вас сильно удивить, так как кроме чека с номером 1 000 000 у вас будет "Как получить 1 000 000 подписчиков на Youtube", "Как украсть миллион", "1000000 рецептов борща" и еще какой-нибудь "How to earn you first million". Да, а чека, кстати, там может и не быть. Или быть далеко не первым в выдаче.
Конечно, чем лучше профилированны и протегированны данные, тем релевантнее будет выборка.

А задач много. И не только в соцсетях и телекоме. Но и вполне себе в ритейле.

С Уважением,
Георгий

[DAX.Company]

Цитата:

Сообщение от George Nordic

А задач много. И не только в соцсетях и телекоме. Но и вполне себе в ритейле.

Ритейл это не соц сети. Телеком вообще ни к месту. Давайте пример оптовиков/производственников