|
08.05.2018, 13:25 | #1 |
Участник
|
Сеть «Кораблик» использует для прогнозирования спроса облачный сервис KORUS | Forecast
ГК «КОРУС Консалтинг» совместно с торговой сетью «Кораблик» провела успешный проект по пилотированию инновационного облачного сервиса KORUS | Forecast.
ООО «Кораблик-Р» – крупная сеть по продаже детских товаров отечественных и зарубежных марок. Насчитывает более 200 магазинов, в основном в Москве и Московской области. Решение KORUS | Forecast предназначено для крупных и средних розничных сетей и используется для автоматического расчета прогноза спроса по регулярным продажам и промо-акциям на уровне каждого товара и магазина, на каждый день, на основе лучших мировых практик, современных математических алгоритмов и методов машинного обучения. Решение развернуто на облачной платформе Microsoft Azure с использованием технологий параллельных вычислений семейства Hadoop, компонентов Microsoft R Server, математических библиотек R. «Мы начали проект по использованию KORUS | Forecast на категории “Молочная продукция”. После подключения к сервису пилотной группы магазинов абсолютная маржа увеличилась на 4%, выручка выросла на 3%, а уровень списания скоропортящихся товаров уменьшился на 8%. При этом мы свели к минимуму вмешательство человека в расчеты прогноза спроса, как по регулярным продажам, так и по промо-акциям. Хочу отметить, что в секции “Питание” у нас в целом всегда была хорошая ситуация, данная группа товаров находится под пристальным внимание опытного, высококвалифицированного категорийного менеджера. Так как, в ходе пилота, мы высоко оценили, как возможности сервиса KORUS | Forecast, так и работу экспертов “КОРУС Консалтинг”, мы также планируем подключить к проекту и другие, более проблемные категории, в частности, “Подгузники”, где рассчитываем получить еще больший бизнес-эффект», — отмечает заместитель коммерческого директора ООО «Кораблик-Р» Алеся Бардаш. Подробнее: https://korusconsulting.ru/press-cen...orus-forecast/
__________________
Ivanhoe as is.. |
|
|
За это сообщение автора поблагодарили: twilight (1). |
11.05.2018, 13:11 | #2 |
Участник
|
"Облачные подгузники"™
|
|
13.05.2018, 18:54 | #3 |
Участник
|
Жалко, что в пресс-релизе не дали слово "опытному, высококвалифицированному категорийному менеджеру", это сделало бы пресс-релиз гораздо интереснее и веселее
|
|
14.05.2018, 10:34 | #4 |
Участник
|
В ходе пилота всякое было, но в итоге и магазины, и менеджер, и выше по цепочке все довольны. Вспоминая обсуждение самого сервиса на форуме («КОРУС Консалтинг» создал облачный сервис для прогнозирования спроса в ритейле и дистрибуции), задача попутно затрагивает очень многие вопросы цепочек поставок. И очень важно тут не просто что-то автоматизировать, а показать конкретный бизнес-результат: маржа, выручка, списания.
__________________
Ivanhoe as is.. |
|
18.06.2018, 17:38 | #5 |
Участник
|
Ivanhoe, сколько времени длился подготовительный процесс, и сколько сам процесс запуска? Сильно ли пришлось допиливать сервис под требования заказчика?
Изменение показателей сравнивалось с тем же периодом прошлого года, или с периодом такой же длительности непосредственно перед началом использования сервиса? Последний раз редактировалось Zabr; 18.06.2018 в 17:40. |
|
19.06.2018, 09:52 | #6 |
Участник
|
Детально, наверное, не смогу рассказать. Но реальная работа заняла именно пару месяцев - от принятия решения о пилоте, настройки интеграции и до "приемки" результата. Наша модель изначально делалась для ритейла, поэтому тюнинг занял считанные дни. Больше потратили на организационные вопросы, рекомендации по связанным бизнес-процессам и Аксапте.
Пилот шел на группе магазинов, сравнение в первую очередь шло с аналогичными магазинами со старым автозаказом в это же время.
__________________
Ivanhoe as is.. |
|
19.06.2018, 13:15 | #7 |
Участник
|
Цитата:
1 - Сервис формирует заказы для пилотных магазинов прямо в Аксапте, в той же структуре данных где формирует "старый" автозаказ, подменяя собой старый автозаказ для пилотных магазинов? Или он даёт рекомендованные значения, которые показываются где-то рядом с обычным автозаказом и потом уже люди принимают решения, применить ли рекомендованный заказ или то что посчитал обычный автозаказ? 2 -правильно ли я понимаю, что в "Кораблике" этот сервис считает прогноз спроса по магазинам, но не рассчитывает суммарные заказы поставщикам для прямых поставок в магазины и/или для пополнения РЦ? (кстати, там РЦ сейчас есть? во время кризиса 2008-2009 г от него вообще отказались и все поставки очень долгое время были напрямую в магазины, насколько я помню) |
|
20.06.2018, 10:43 | #8 |
Участник
|
Цитата:
Сообщение от Zabr
Спасибо. Еще пара-тройка вопросов.
1 - Сервис формирует заказы для пилотных магазинов прямо в Аксапте, в той же структуре данных где формирует "старый" автозаказ, подменяя собой старый автозаказ для пилотных магазинов? Или он даёт рекомендованные значения, которые показываются где-то рядом с обычным автозаказом и потом уже люди принимают решения, применить ли рекомендованный заказ или то что посчитал обычный автозаказ? Сервис формирует прогноз спроса и считает страховой запас. Табличка вида: товар, магазин, день, количество прогноза в шт, количество страхового запаса до следующей поставки в шт. Эти значения заливаются в ERP в текущий автозаказ и на основе этих значений далее уже работает «старый автозаказ», с учетом всей реализованной в функциональности: кванты поставок, минимальные кол-ва заказов и т.д. Также на заказе добавляем признак «Использован прогноз КОРУС», чтобы видеть, какие заказы посчитаны по новому прогнозу, а какие по «старой» функциональности. И чтобы отслеживать возможные сбои интеграции. Цитата:
Сообщение от Zabr
2 -правильно ли я понимаю, что в "Кораблике" этот сервис считает прогноз спроса по магазинам, но не рассчитывает суммарные заказы поставщикам для прямых поставок в магазины и/или для пополнения РЦ? (кстати, там РЦ сейчас есть? во время кризиса 2008-2009 г от него вообще отказались и все поставки очень долгое время были напрямую в магазины, насколько я помню)
__________________
Ivanhoe as is.. |
|
|
За это сообщение автора поблагодарили: Zabr (3). |
|
|