Прогнозирование спроса: роль эффективной бизнес-аналитики

Андерс Рихтер, ведущий эксперт центра компетенции по ритейлу компании SAS

Неточное прогнозирование спроса может стоить ритейлерам значительных сумм упущенной выгоды. О том, как избежать такого рода ошибок, в своем интервью Retail & Loyalty рассказывает Андерс Рихтер, ведущий эксперт центра компетенции по ритейлу компании SAS – одного из признанных лидеров в области высокопроизводительной аналитики и работы с Big Data.

R&L: На ваш взгляд, как далеко за последние годы ушла в развитии бизнес-аналитика в сфере ритейла?

А. Рихтер: Это направление в последние годы развивается очень быстро и интенсивно. В особенности – визуализация данных и прогнозирование на основе анализа Big Data.

Сегодня для ритейла крайне важно хорошо знать своего клиента, чтобы эффективно применять полученные данные, в частности, сформировав оптимальную программу лояльности. Например, использование данных социальных сетей сегодня позволяет получить более глубокое представление о потенциальных клиентах.

На этом фоне многие крупнейшие мировые компании, например, Amazon.com, очень интенсивно работают с Big Data. Другие же только начинают использовать «Большие данные» в своей деятельности. Отмечу, что начинать работать с Big Data всегда очень интересно, потому что сразу обнаруживается очень много новой информации, о которой вы раньше не имели никакого представления. Вы находите то, чего раньше не знали, однако давно хотели узнать.

Приведу пример из сферы пополнения запасов. Относительно недавно, при эпидемии свиного гриппа, резко возрос спрос на салфетки и другие средства гигиены. Торговые компании, которые использовали «Большие данные», смогли оперативно отреагировать на изменение конъюнктуры и вовремя пополнить свои запасы. Наша система смогла в автоматическом режиме обнаружить, что такая тенденция действительно наблюдается. Вместе с тем компании, которые не использовали Big Data, не смогли своевременно пополнить свои товарные запасы и понесли потери, как минимум за счет упущенной выгоды.

R&L: Как вы оцениваете современную роль автоматизированных решений при планировании товарных запасов? Насколько точно и адекватно они позволяют сегодня прогнозировать спрос?

А. Рихтер: И аналитика, и Big Data могут быть использованы для улучшения процессов определения объемов спроса. В частности, в области планирования складских запасов для ритейлеров существует хороший потенциал в контексте повышения эффективности цепочек поставок.

Если крупная розничная компания чувствительна к изменениям на рынке, она может самостоятельно влиять на рыночный спрос за счет повышения или снижения объема предложений. Здесь необходимо определить, что будет обрабатываться в автоматическом режиме, а что потребует вмешательства сотрудников, в частности, маркетологов. Можно сформировать, например, оповещение в системе по конкретным событиям-исключениям, по которым уже будут ответственные сотрудники уведомляться и принимать решения, как обработать конкретную ситуацию.

Нельзя однозначно сказать, насколько автоматизированные решения могут быть точны и адекватны, потому что эти параметры варьируются от компании к компании. В данном случае необходимо просто понимать, насколько в результате использования аналитики у вас улучшается точность прогнозирования, а не ставить перед собой задачу добиться какой-то нужной величины. Очень большую роль играет концепция FVA (Forecast Value Added) – дополнительной ценности прогноза. FVA-анализ позволяет измерить точность ранее сделанного прогноза на каждом этапе прогнозирования. И тогда специалист по прогнозированию может понять, в каких случаях его прогнозы действительно приносят дополнительную ценность, и уделять внимание именно тем прогнозам, где эта ценность имеет место. Чрезвычайно важно не тратить время на внесение корректировок в прогноз, которое не добавляет ценности.

Один из наиболее интересных кейсов SAS в данном направлении связан с компанией Ericsson. У этой компании была проблема с точным прогнозированием потребительского спроса для упрощения планирования корректных сроков поставки. Объем коммерческих сделок Ericsson был колоссален, однако они были нерегулярными и плохо пред- сказуемыми. Бывали случаи, когда компания упускала заказы из-за нехватки производственных мощностей на фоне неточного прогнозирования спроса. Ericsson рассчитывала выстроить более эффективный процесс планирования спроса, который бы упорядочил работу различных подразделений компании, а также улучшил процесс прогнозирования и снизил такой показатель, как средняя абсолютная ошибка в процентах (mean absolute percentage error, MAPE).

SAS оказала компании дополнительную статистическую поддержку, помогла повысить автоматизацию процессов и улучшить контроль ручного ввода информации.

Начинать работать с Big Data всегда очень интересно, потому что сразу обнаруживается очень много новой информации

Андерс Рихтер (Anders Richter)
Ведущий эксперт центра компетенции SAS по решениям управления спросом и оптимизации товарных остатков. Обладает значительным опытом работы в таких направлениях, как оптимизация цепочек поставок за счет точного прогнозирования спроса, а также мультиэшелонная оптимизация запасов с применением различных типов статистических моделей и процессов. Принимал участие в проектах как консультант по оптимизации процессов управления запасами, функциональный эксперт и руководитель проектов. Прикладной опыт: сотовый оператор (Дания), сеть универмагов Magasin du Nord (Дания), сеть аптек Matas (Дания), ритейлер мужской одежды (Дания), пивоваренный завод (Норвегия), производственная компания (Норвегия), SAS Airlines.

Мы снабдили организацию (менеджеров по работе с ключевыми клиентами в 112 странах, руководителей производственных участков, планировщиков и структурные подразделения) базовым статистическим прогнозом, получили необходимую информацию от этих лиц и подразделений внутри организации и преобразовали эту информацию с точки зрения иерархии планирования.

FVA-анализ позволяет измерить точность ранее сделанного прогноза на каждом этапе прогнозирования

Имеющаяся у системы SAS Financial Management функция распределения в нескольких измерениях значительно упростила и ускорила процесс прогнозирования для Ericsson.

Оценка различных этапов прогнозирования позволила производить анализ Forecast Value Added, что способствовало постоянному совершенствованию процесса прогнозирования.

Благодаря решению SAS заказчик сумел решить проблему, эффективно рассчитав гибкость поставок и объем дополнительных мощностей.

R&L: Какие ошибки при планировании запасов продукции и оптимизации цепочек поставок наиболее чувствительны для ритейлеров?

А. Рихтер: Прежде всего ритейлерам стоит концентрировать свое внимание не столько на том, что происходит внутри компании, сколько на текущей ситуации на рынке. То есть вместо того чтобы продвигать товары на рынке, исходя из своего текущего уровня запасов (модель «Push»), стоит, наоборот, использовать модель Pull, когда объемы поставок определяются уже реальными тенденциями и состоянием спроса на рынке. Таким образом, меняется парадигма мышления: сотрудники компании начинают уделять больше внимания управлению изменениями на рынке и учитывают эти изменения в своей работе. Для этого очень важно, чтобы у ритейлера было достаточное количество аналитиков, которые способны определить текущие тенденции на рынке, а также адекватная аналитическая технология, которая способна поддерживать ваши процессы.

R&L: Какие вызовы стоят сегодня перед ритейлерами и разработчиками специализированного ПО?

А. Рихтер: Один из серьезных вызовов заключается в том, чтобы ритейлеры и разработчики «говорили на одном языке». IT-провайдерам важно понимать действительные нужды своих клиентов. Например, я могу говорить о прогнозе покупательского спроса и влияния на спрос. В то же время клиентов может интересовать прогноз спроса с точки зрения поставок, например, из оптовой базы в магазин. Очень важно сопоставить собственные ожидания в отношении конкретных терминов с ожиданиями клиента.

Также очень важно организовать правильно управление изменениями в компании. У вас может быть очень хорошее программное обеспечение и отличная команда внедренцев, которые реализуют это ПО, устанавливают его в компании и т. д. Однако если компания не позаботится о том, чтобы модифицировать свой собственный процесс управления изменениями, эффективность ПО может оказаться низкой. Разумеется, команда внедренцев способна оказать здесь определенную поддержку. Потому что они знают, каким образом ПО устанавливалось и успешно работало у широкого круга разных клиентов. И могут подсказать, в каком направлении вам необходимо модифицировать, в частности, процессы управления изменениями.

Очень важно, чтобы у ритейлера было достаточное количество аналитиков, которые способны определить текущие тенденции на рынке, а также адекватная аналитическая технология

R&L: На ваш взгляд, какие меры могут предприниматься сегодня ритейлерами для более рационального планирования цен на товары в условиях волатильности курсов валют? Что нужно сделать, чтобы прогнозировать цену в таких условиях более эффективно?

А. Рихтер: В условиях, когда у вас появляется дополнительный фактор, такой как волатильность курсов валют, точность прогноза в рублях снижается. Соответственно вам нужно определить, с какой точностью вы хотите осуществлять ваш прогноз. И на основании полученных данных вы можете объяснить тренд: каким образом у вас в исторической перспективе волатильность курсов валют влияла на динамику цен. Но опять-таки это информация, основанная на статистике. Фактически же та волатильность курсов, которая возникнет в будущем, может отличаться от тренда исторической волатильности. Поэтому нельзя напрямую использовать исторические данные о волатильности и их влиянии на динамику цен в предсказании, какие цены будут в дальнейшем. Если в ваших моделях есть внешние факторы, тогда вы можете строить сценарии, учитывая, каким образом динамика курсов валют будет влиять на цены, а также выяснять, почему перепады курсов настолько сильны. Вы можете принимать это как данность и учитывать это каким-либо образом в своей работе.