Big Data для ускорения принятия решений в условиях неопределенности

Алексей Каширин, директор по интеллектуальным системам управления компании «Связной», рассказал об опыте своей компании на онлайн-конференции «Большие данные ритейла в условиях шторма». Организаторы: телеграм-канал «Цифровой директор», ГК «НТР», Userstory. 

Точно ли Big Data способна ускорить принятие решений в условиях неопределенности или «ручное» экспертное вмешательство остается сегодня превалирующим?

Big Data – это прикладная наука, а значит, очень сильно зависит от контекста окружающей жизни, не может развиваться в отрыве от него. Сейчас, когда многие устоявшиеся нормы и процессы меняются, прикладная наука тоже должна меняться вслед за ними. Иначе она становится не нужной, теряя свою актуальность.

В период самоизоляции произошли три основных изменения в процессах, которые стали задачами для специалистов по большим данным:

• у нас теперь должна быть совершенно другая скорость реакции и адаптации;
• новую ценность приобретает работа с отклонениями: если раньше это были скорее исключения из правил, которые можно было решать отдельно, то сейчас отклонение становится новой формой нормальности, и поэтому работать с отклонениями нужно с новым системным подходом;
• необходимость в согласованности управляющих решений: в условиях разворачивающегося вокруг апокалипсиса очень сложно всем усидеть на месте, все бегут одновременно, но не всегда в одну сторону. Соответственно, системный подход основанный на данных, позволяет согласовывать усилия многих подразделений и наладить коммуникацию внутри компании.

Что я имею в виду, когда говорю про скорость реакции, которая изменилась. Обычный подход, который мы реализуем в компании, – это автоматизация или аналог конвейерности. Сначала, когда появляется новый процесс, его можно рассматривать как стартап. Это абсолютно ручной процесс: есть человек, который отвечает за проект, контролирует его, не передавая ответственность никакому автомату. Дальше концепция превращается в платформу или товар – и появляется первый этап автоматизации. Это информатизация: человек по-прежнему управляет процессом, но уже доверяет датчикам и показателям, которые облегчают его задачу. Последний шаг – это подлинная автоматизация, когда уже все отлажено, работу можно доверить автомату, а человеку остаются мелкие корректировки.

Такой цикл мы стараемся реализовывать в наших внутренних процессах на протяжении всей деятельности. Но это очень долго. Наверное, минимальный срок, за который можно пройти весь цикл, составляет полгода. А самый долгий период у нас длился два года. Интересно, что там, где уровень автоматизации высок, где уже конвейер построен, мы видим, что новая реальность этот конвейер корежит, и происходит противопоставление того, что было раньше, тому, что требуется сейчас.

Столь длинные циклы совершенно неприемлемы. Поэтому сейчас фокус делается на быстрые гипотезы, быстрые проверки и быстрое внедрение того, что оказалось правильным, валидным. Я бы даже сказал, что теперь мы сразу делаем гипотезу, которая должна с большой вероятностью оправдаться и принести деньги. Понятно, что это не значит, что теперь так будет всегда. Вполне возможно, когда все вернется на круги своя, конвейерный подход тоже вернется.

Первый кейс. У нас в компании наибольшая автоматизация достигнута в системе управления товарным запасами. Весь цикл цепей поставок автоматизирован максимально. Но когда началась пандемия, заводы в Китае встали, товар, конечно, приходит, но не тогда, когда хотелось бы. Началось большое перераспределение спроса. Какие-то регионы оказались тотально закрытыми. Структура покупательского поведения значительно изменилась. Сильно упали рассрочки, снизился средний человек. Одни популярные товары просели, а все, что связано с работой, учебой и развлечениями, выросло.

Наша выстроенная конвейерная система перестала давать нужный результат. Нужно было в моменте понимать, в какой степени достаточности находятся товары, чего не хватает в торговых точках, стоит ли что-то отправлять самолетом за дополнительную плату или можно сэкономить на логистике, доставить чуть позже, потому что все равно продадим. Дальше реакция на рынок: если он снижает цену, следует ли нам делать то же самое? Или наши товарные запасы таковы, что мы продадим товар с большей маржей, и это решение на круг окажется более эффективным? Все эти подходы нужно было проверять вживую.

Когда гипотез много, можно ли их отдать на откуп человеку? Теоретически можно, но там, где есть цифровой след, лучше решать задачу с помощью больших данных.

Второй пример касается работы с отклонениями и датчиками. Обычному человеку не хватает прогнозной мощности: на данных он может строить какие-то предположения о том, что будет происходить. У нас есть проект «Ситуационная комната», которым мы очень гордимся. В чем он состоит: берем торговую точку, «обклеиваем» ее датчиками. Все происходящие операции собираются в хранилище данных. Кейс создавался для внутренней оптимизации: мы видели, где слишком часто образовывались очереди, где не хватало продавцов, и отстраивали инструменты по управлению розничным персоналом. То есть в основном, занимались внутренней эффективностью.

Но теперь эти же самые датчики мы можем использовать в другую сторону: отслеживать частоту чеков, структуру трафика, оптимизировать действия в зависимости от поведения клиента. Например, видим падение трафика в точке, понимаем, что сейчас ее лучше закрыть и не терять на аренде деньги.

Исторически мы гораздо больше опираемся на внутренние данные. Для принятия большинства управляющих решений их достаточно, поскольку снаружи высокая турбулентность. Нам хватало относительно небольших данных, чтобы построить стабильные модели. Но теперь: новая действительность – новый подход. Для оптимизации внутренних процессов нужно больше внешней информации: трафик вокруг точки, активность по тратам денег в этой локации, средний чек и так далее.

Учитывая, как вырос индекс электронной коммерции в России, как люди переходят в онлайн, появляются совершенно новые задачи, которые позволяют оптимизировать наши затраты относительно выручки. Отдельный мониторинг теперь касается каналов привлечения – какие сервисы подключить, чтобы соответствовать спросу. Как оптимизировать рекламные кампании: мониторинг отклика, сравнение вложенных средств, заработанной маржи. Как оптимизировать CROSS-SALE с учетом актуальной повестки и мерчендайзинг на сайте на основе данных о пользователях.

И последний пункт, который я хотел бы озвучить, – это согласованное решение. В компании огромное количество людей и функций. И каждый пытается со своей колокольни принять оптимальное решение. Но поскольку все это делают в дефиците времени и при огромном желании прямо здесь и сейчас что-то внедрить и принести пользу, то выходит, как в басне «Лебедь, рак и щука». Иногда в итоге, получаются плохие результаты и общий фон несогласованности. Биг дата позволяет разным функциям видеть ситуацию одинаково. Поэтому главный запрос к большим данным сегодня – в повышении скорости и удобства принятия решений, что особенно ценно в условиях повышенной неопределенности.

Вопрос – ответ

Кто выдвигает гипотезы, и кто их проверяет?

У нас получилось очень интересно. Еще в феврале, до начала периода самоизоляции и проблем с вирусом в России, было принято решение, что все пилоты, которые проводятся в компании, проходят через наше подразделение. То есть заявляется пилот, заявляется цель, создается паспорт пилота (что мы хотим увидеть по результатам, как будем мерить и так далее). И вот уже с февраля пилоты идут через нас. Мы в частности их синхронизируем, чтобы не тратилось время на повторы. Поэтому с февраля копится база знаний, ведется библиотека активностей внутри компании.

Смотреть видео

Три главных проблемы видимости в сегодняшней цепочке поставок продовольствия

Основная проблема, которая мешала компаниям развернуться во время вспышки COVID-19, сохраняется – это отсутствие видимости. Заглядывая вперед, участники всей цепочки поставок продовольствия будут нуждаться в большей прозрачности и сплоченном сотрудничестве, чтобы обеспечить последовательное и безопасное снабжение потребителей.

Сказать, что COVID-19 был разрушительным, было бы слишком мягко. Внезапное и сейсмическое воздействие пандемии привело к серьезным потрясениям во всех отраслях промышленности – включая пищевую промышленность и ее цепочку поставок.

Первоначальные панические покупки привели к резкому росту потребительского спроса, к чему были готовы немногие производители и бакалейщики, что привело к повсеместному дефициту продуктов. С закрытием ресторанов дистрибьюторы и поставщики остались со значительным избытком запасов, большая часть которых закончилась как отходы и потери. На производственных площадках и заводах многие из них были вынуждены пытаться сохранить свою продукцию с сокращением рабочей силы, даже несмотря на то, что спрос продолжал расти. Между тем, некоторые заводы, к сожалению, были вынуждены прекратить работу из-за положительного теста сотрудников на COVID-19.

За время, прошедшее после вспышки болезни, цепочка поставок продовольствия в определенной степени стабилизировалась. Полки магазинов постоянно пополняются продуктами. Рестораны начали вновь открываться с новыми мерами охраны труда и техники безопасности. Тем не менее, даже когда промышленность делает постепенные шаги к восстановлению, основная проблема, которая привела к масштабу воздействия COVID-19, сохраняется: отсутствие видимости. Отсутствовала четкая информация о спросе и предложении, а также о том, что происходит выше и ниже по цепочке поставок, что препятствовало своевременным и активным действиям по оптимизации операций в условиях сбоев.

Заглядывая вперед, участники всей цепочки поставок продовольствия будут нуждаться в усиленной сквозной видимости, чтобы они могли работать вместе, чтобы опередить кривую. В рамках достижения этой видимости им потребуется прозрачный обмен информацией и согласованное сотрудничество для адаптации, особенно в связи с тем, что пищевая промышленность продолжает видеть изменения в поведении потребителей и на рынке вслед за COVID-19 – особенно в следующих трех ключевых областях.

В то время как производители продуктов питания неустанно работают над тем, чтобы полки продуктовых магазинов и кухни ресторанов были хорошо заполнены, доступность некоторых продуктов, таких как яйца, молочные продукты, птица и мясо, продолжает колебаться. Это привело к тому, что дистрибьюторы и поставщики увеличили свои цены при продаже этих товаров в магазины и рестораны, которые затем должны были передать дополнительные расходы потребителям через их собственное повышение цен и надбавок, соответственно. 

В одном из отчетов CoBank, кооперативного банка, входящего в систему фермерского кредитования, отмечается, что в этом году цены на свинину и говядину могут вырасти на 20% из-за проблем с поставками. Многие бакалейщики также ввели ограничения на закупки для потребителей, чтобы бороться с дефицитом.

Эти нижестоящие последствия в значительной степени связаны с неопределенностью в цепочке поставок, когда магазины и рестораны не уверены в наличии поставок вверх по течению и в том, когда они могут ожидать получения поставок. Но если бы существовала более четкая видимость и прозрачность между производством, распределением, транспортировкой, обслуживанием продуктов питания и розничной торговлей, то все стороны могли бы лучше предвидеть и планировать нехватку или задержки поставок. Например, если мясокомбинат должен временно закрыться из-за случаев COVID-19, они могут немедленно связаться с остальной цепочкой поставок, чтобы стороны ниже по течению могли легко найти альтернативные источники и свести к минимуму любое необходимое повышение цен или другие последствия для потребителей.

Даже с открытием новых ресторанов люди, скорее всего, предпочтут готовить больше еды дома. Это была тенденция, которая началась с закрытия ресторанов и будет продолжаться в обозримом будущем, поскольку потребители по-прежнему остерегаются обедать вне дома. В то время как это может привести к тяжелым временам для индустрии общественного питания, продуктовый сектор видит огромный подъем в бизнесе. Исследование, проведенное на платформе управления ресторанами Crunchtime, показывает, что к концу июня рестораны видели только 64,5% от своего уровня продаж до COVID-19.  В то же время исследование Brick Meets Click и Mercatus показывает, что продажи онлайн-продуктов в США достигли рекордных $7,2 млрд в июне, увеличившись почти на 10% по сравнению с маем.

Для продовольственных компаний и брендов рост в продуктовом секторе представляет собой сложную задачу в плане планирования и прогнозирования спроса. Я лично разговаривал с несколькими руководителями компаний, которые видели значительное увеличение заказов от своих партнеров по продуктовому каналу – увеличение, которое они не прогнозировали, – и теперь изо всех сил пытаются соответствующим образом скорректировать уровень производства, чтобы избежать риска избыточного производства, которое привело бы к ненужным затратам, отходам и потерям. 

В таких случаях оперативное наблюдение за транзакционной активностью и уровнем запасов на розничном уровне поможет производственным плановикам повысить точность своих прогнозов и позволит им продумать шаги вперед до поступления заказов и тем самым оптимально сбалансировать предложение со спросом. Магазины оставались бы хорошо укомплектованными, и цепочка поставок могла бы протекать более эффективно и прибыльно для всех участников.

Без сомнения, общественное здравоохранение сейчас является приоритетом номер один. Участники в каждой точке цепочки поставок продовольствия сегодня должны общаться друг с другом, а также с потребителями, чтобы они следовали лучшим практикам социального дистанцирования, дезинфекции и других мер предосторожности. Это не для того, чтобы предотвратить возможную передачу вируса через реальные продукты, поскольку управление по санитарному надзору за качеством пищевых продуктов и медикаментов отмечает, что в настоящее время нет никаких доказательств передачи вируса через продукты питания или упаковку. Но скорее это делается для того, чтобы укрепить доверие к цепочке поставок продовольствия – что каждый вносит свой вклад в поддержку индивидуального и коллективного здоровья и безопасности, что, в свою очередь, предотвращает возможное закрытие предприятий или другие узкие места, связанные с конкретными случаями, которые будут препятствовать постоянному снабжению рынка.

Кроме того, должна быть уверенность в том, что на фоне этих контрмер для COVID-19 компании все еще сохраняют свои обязательства в отношении безопасности пищевых продуктов, целостности и надлежащего обращения с ними. То, что может поддержать эту уверенность, – это общие данные из каждой точки на пути продукта от источника к полке. Эти данные должны быть прозрачными и доступными для всех участников цепочки поставок, а также неизменяемыми, чтобы они были защищены от подделки и полностью отслеживались в случае возникновения каких-либо проблем, таких как неправильная маркировка или болезнь пищевого происхождения. Эти данные в конечном счете возлагают на каждого человека ответственность за его роль в обеспечении безопасной цепочки поставок продовольствия.

Чтобы достичь уровня видимости, описанного выше, пищевой промышленности придется отказаться от устаревших процессов, связанных с изолированным управлением операционными системами и базами данных. 

Вместо этого нарушения, наблюдаемые во время COVID-19, и продолжающиеся сдвиги на рынке должны побудить компании рассмотреть вопрос о цифровой трансформации и технологиях, которые могут обеспечить более сплоченную и гибкую цепочку поставок продовольствия. Это такие технологии, как блокчейн, который обеспечивает децентрализованную распределенную бухгалтерскую книгу для публикации и обмена данными в режиме реального времени. Кроме того, искусственный интеллект, который может использовать поступающие данные в режиме реального времени для руководства следующими лучшими действиями, даже когда происходит непредвиденное. Лично я всегда возвращаюсь к тому, что цепочка поставок –это командный вид спорта. Вам нужна видимость, чтобы знать, что каждый член команды делает на поле и как выровнять всех в игровом процессе. Цифровые решения, доступные сегодня, предлагают эту видимость и понимание, а также гибкость, чтобы поворачиваться по мере необходимости к препятствиям на пути от источника к полке.

Автор

Pratik Soni, основатель и генеральный директор Omnichain. Сони имеет более чем 20-летний опыт работы в области стратегии и исполнения управления цепочками поставок, занимая лидирующие позиции в таких компаниях Fortune 500, как Apple, Beats Electronics и 20th Century Fox. Каждый день он лично работает один на один с компаниями по всему миру, чтобы улучшить взаимодействие и организацию их цепочек поставок. Сони был назван одним из пяти лучших специалистов по цепочкам поставок, которых знает журнал Supply & Demand Chain Executive magazine.

Читать в источнике

Прогнозирование и запуск новинок

На онлайн-встрече SCM Planning & Customer Collaboration практики из компаний Novo BI, Reshape Analytics, Estee Lauder Companies рассказали о маркетинговых планах запуска новинок, о практиках снижения рисков, о методологии ввода-вывода из ассортиментной матрицы групп товаров, особенностях промоакций. А также о своем опыте прогнозирования и запуска новинок: как этот процесс выстроен изнутри.

Инструменты аналитики и прогнозирования новинок. Опыт Novo BI

Алексей Батурин, исполнительный директор Novo BI

Самое сложное в новинках – это прогноз, который влияет и на уровень сервиса, и на ресурсы, которые вкладывает компания, и в итоге, на прибыль. Поэтому здесь важны точность и своевременность. От точности планирования новинки зависит эффективность планирования всей цепочки поставок. Своевременное планирование новинок влияет на всю цепочку поставок. Но надо понимать, что планы по новинке обычно делаются в разрезе других факторов. Например, учитывая тендеры и листинги. По каждому из этих мероприятий важно понимать, как оно влияет на новинки, на первоначальные планы. Видеть в отдельности и потом картину целиком: как, кто, что запланировал, как это все повлияло и сложилось в прогноз.

Выделю несколько типов новинок:

• Полностью новый товар, когда у компании не было опыта продаж товара, и нельзя взять ни аналог, ни заменитель, ни комплект.
• Ротация – заменитель товара. Здесь можно опереться на прогнозы по позициям, которые мы уже вывели, и на основании этих прогнозов построить планы.
• Аналоги – товары, которые есть в ассортименте. Можно посмотреть историю вывода и продаж. Здесь поможет анализ жизненных циклов, анализ дистрибуции, продаж на торговую точку, структуры продаж, то есть куда мы вводили эту новинку, какие результаты получили. В соответствии с этим можем спланировать новинку точнее.
• Товары-комплекты, которые могут усилить продажи основного товара или дополнительно промотировать его. В данном случае, можно опереться на основной товар и план продаж за счет дополнительной комплектации.

Начнем с творчества. Новинка – это всегда творческий процесс, который можно поместить в условные рамки, чтобы понять, какую новинку вывести. В построении плана мы опираемся на исследование: на внутреннюю и на внешнюю информацию. Для этой задачи в нашей системе Novo Forecast Enterprise подходит такой инструмент, как анализ трендов. С его помощью можно структурировать продажи, посмотреть, в каких категориях они растут, насколько растут в месяц, какова доля рынка в этих сегментах. И уже принимать решение, с какими параметрами продукты выводить. Можно сделать какую-то гипотезу, а затем скорректировать ее с учетом дополнительной информации с рынка.

Периоды вывода новинок рассчитываются исходя из сезонности. Если выводим принципиально новый товар, то необходимо понять, когда сезон продаж по этой товарной группе, и запланировать вывод новинок до его начала. Например, пиво к лету надо выводить весной.

Анализ жизненных циклов – понимание, как будет развиваться ситуация по дистрибуции, по количеству клиентов, по объемам продаж. Анализ жизненных циклов показывает, как развивалась ситуация с момента старта по аналогам, которые вводились на рынке. Детализацию необходимо определять в зависимости от бизнеса: месяц, неделя, дни и так далее. Многое зависит от срока реакции. В рознице по скоропорту, например, реакция укладывается в дни. По каким-то товарам можно закладывать на это месяц или даже квартал. Анализ жизненных циклов позволяет нам планировать изменение структуры, понимая, какая новинка лидирует, какой товар каннибализирует другие. Информацию по динамике изменения структуры дальше можем использовать для планирования будущих новинок.

Следующий важный фактор – это цена, по которой будем продавать новинку. Здесь, конечно, важен анализ внешних источников информации: по продажам сети, продажам вообще по рынку, понимание ценовых сегментов, объемов продаж, маржи, количеству предложений в ценовых сегментах. Выводить товар в ценовом сегменте с избыточным количеством предложений нет резона. Но можно обнаружить, что в соседнем сегменте гораздо больше продаж или прибыли. Либо наоборот, явно виден провал в сегменте – продажи есть, а предложение незначительно. Это потенциал для ввода новинки.

Оптимальный инструмент, в рамках которого все это можно запланировать, – цифровая система интегрированного планирования и прогнозирования спроса Novo Forecast Enterprise. Здесь можно планировать новинки, на основании прогноза и статистики видеть планы по новичкам в различных локациях, использовать статистику аналога, планировать продажи новинки на основании аналогов, видеть какие дополнительные факторы (листинги, промо) запланировали ваши коллеги, как это повлияло на результат. И в результате, максимально быстро реагировать и корректировать действия.

Вопрос – ответ

Для b2c сезонность очевидна, на рынке b2b нет. Какие можете дать рекомендации?

Надо подстраиваться под сезонность каналов продаж. У нас есть клиент, который выпускает школьные дневники. Активные продажи товара начинаются в августе, но поставщики начинают грузиться в мае-июне. Новинки планируются в соответствии с графиком. Кроме того, в b2b многое зависит непосредственно от бизнеса, от цепочки поставок. Допустим, товары, запланированные для продаж под новый год, должны оказаться у вас в ассортименте в сентябре-октябре.

Можно ли методику анализа жизненного цикла использовать в прогнозировании при оценке рисков?

Какие риски у нас есть, с точки зрения новинок? Это аутофстоки и оверстоки. И уровень сервиса, который мы не сможем обеспечить. На основании предыдущего опыта мы можем зафиксировать риски и ошибки, которые были, и постараться в будущих новинках их минимизировать. Но здесь вопрос в масштабах, потому что есть компании, которые запускают очень много новинок. Анализ жизненных циклов может помочь в том, чтобы понять, как продажи будут распределяться во времени, и смотреть, сравнивать, как у вас другие новинки выводились, как они бьются с выводом аналогов.

Какой процент погрешности на практике дает инструмент прогнозирования?

Думаю, у всех компаний он разный и зависит от сферы деятельности. Для одной компании 80% точности – показатель мечты, для другой – норма.

Как справляются ваши клиенты с резко возрастающими или падающими объемами?

Помогают ежедневный мониторинг остатков, прогнозы, факты, сравнение их между собой, понимание, как можно отреагировать, с каким временем задержки.

Применяете ли вы верхнюю оценку и нижнюю? Допускаете ли два вида прогноза для новинки?

Да, обычно есть верхняя граница, есть прогноз. И есть такая методика: пополнение как по верхней границе, так и по прогнозу, но надо еще понимать ограничения по времени (сроки годности), по количеству клиентов, какой минимальный объем, какие будут листинги, промо. Нужно все сбалансировать, детализировать, структурировать, спланировать и начинать регулярно отслеживать планфакт.

Как вы помогаете избегать аутофстоков и оверстоков выводимой продукции?

По моему опыту, у клиентов большая боль бывает ни при вводе новинок, а при выводе «старинок». Много ошибок допускается именно там. Но в рамках нашей системы есть блокировка: один товар блокируешь, другой планируешь и перераспределяешь эти объемы. Естественно, система информирует о том, что есть излишек, а участники уже решают, что с ним делать.

Как ваша система помогает клиентам готовиться к вводу новинок?

С каждой кампанией мы согласовываем регламент, в рамках которого прописывается, как осуществляется ротация, планирование новинок и так далее. У всех по-разному. Сначала надо понять, что в принципе мы будем выводить. Потом в рамках системы планирования зафиксировать наши ожидания, планы, мероприятия, и отслеживать планфакт.

Тексты выступлений других спикеров

Станислав Фридкин, руководитель отдела планирования Estee Lauder Companies
- Опыт запуска новинок Estee Lauder Companies

Мансур Кадимов, основатель, управляющий партнер консалтинговой компании Reshape Analytics
- Обзор подходов по прогнозированию новинок. Опыт Reshape Analytics

Видеозапись онлайн-встречи: https://youtu.be/L0WBUsvL-5M

Презентации: https://drive.google.com/drive/folders/1F7P59ChKXSVRv857JNMLiU-0F6joHMsd?usp=sharing