Как сеть магазинов "Бочонок" использует Машинное обучение

09.04.2020
Предиктивная аналитика может не только выявить тренды, но и предоставить компаниям более точные результаты прогноза за счет выявления инсайтов. Технологии прогнозирования способны учитывать множество факторов: погодные условия, значимые общественные события, например, праздники, чтобы максимально повысить точность прогноза. Производителям это помогает выпускать необходимое количество товаров, избегая возвратов в том числе из-за нарушения сроков хранения и реализации продуктов, а ретейлерам максимально эффективно использовать торговые помещения, не допуская затоваренности одним продуктом и дефицита других. Благодаря точности прогноза реализации достигается еще и сбалансированность вложений в товар, приобретается только реализуемая продукция, финансовые ресурсы направляются на чёткую логистическую схему поставки товаров, деньги возвращаются в оборот и таким образом восстанавливается логистический баланс и снижаются сроки оборачиваемости товарных запасов.

Бочонок – это сеть магазинов разливного пива, которая располагается в Ярославле и городах Ярославской области, на данный момент насчитывает около 60 магазинов. С увеличением количества торговых точек владельцу бизнеса всё сложнее отслеживать ситуацию в каждом магазине, ставить планы и контролировать сотрудников.
«Возникали такие ситуации, когда было сложно понять почему продажи в одних магазинах растут, а в других падают. Хотелось установить адекватные планы для своих менеджеров и отслеживать их работу, понимать причины тех или иных результатов продаж», - поделился владелец сети Юрий Банкевич.
Поэтому Юрий принял предложение компании ПС-Консалтинг по внедрению аналитического сервиса Business Scanner, разработанного АЛАН-ИТ, и после нескольких месяцев эксплуатации сервиса решил дополнить его опцией по построению прогнозов средствами Машинного обучения (Machine Learning) и Искусственного Интеллекта (Artificial Intelligence). Business Scanner — это сервис бизнес-аналитики и управленческого учёта, который собирает данные из различных источников, включая 1С. Благодаря Business Scanner владельцы бизнеса могут принимать взвешенные управленческие решения на основе данных, выявлять аномалии и увеличивать прибыль своей компании. Данный сервис является коробочным продуктом по подписке, опция предиктивной аналитики осуществляется также по подписке.
Предиктивная аналитика может не только выявить тренды, но и предоставить компаниям более точные результаты прогноза за счет выявления инсайтов. Технологии прогнозирования способны учитывать множество факторов: погодные условия, значимые общественные события, например, праздники, чтобы максимально повысить точность прогноза. Производителям это помогает выпускать необходимое количество товаров, избегая возвратов в том числе из-за нарушения сроков хранения и реализации продуктов, а ретейлерам максимально эффективно использовать торговые помещения, не допуская затоваренности одним продуктом и дефицита других. Благодаря точности прогноза реализации достигается еще и сбалансированность вложений в товар, приобретается только реализуемая продукция, финансовые ресурсы направляются на чёткую логистическую схему поставки товаров, деньги возвращаются в оборот и таким образом восстанавливается логистический баланс и снижаются сроки оборачиваемости товарных запасов.
Основной задачей для сети магазинов Бочонок было создание прогноза продаж по номенклатурным группам, по дням недели, в разрезе магазинов, а также прогнозирование на неделю и месяц. Помимо уже озвученных погодных и временных факторов для создания прогноза использовалась и другие, например, пространственная информация - оценка мест расположения конкретных магазинов, население близлежащих домов в районе магазина и другие пространственные факторы, которые позволяли оценить количество и покупательскую способность клиентов магазина.
Разработанная модель позволяет построить прогноз продаж по каждому магазину сети с разбивкой по товарным группам, товарным менеджерам и менеджерами магазинов. Модель достаточно уверенно работает на горизонтах прогноза от недели до месяца. Создание прогноза позволило понимать основные тренды, выявлять аномалии и находить причины неудачных продаж. Модель прогнозирования работает с достоверностью не менее 95%. Лучшие результаты составляют не более 2% отклонения от прогноза.
На основе полученного прогноза разрабатываются недельные планы продаж по каждому магазину. По итогам прошедшей недели выставляются KPI по магазинам и менеджерам товарных сегментов. Менеджеры в течении недели могут ежедневно отслеживать отклонение фактических продаж от прогноза и в случае отставания стараться наверстать план в оставшиеся дни недели.
Например, аномалией может считаться то, что всего два магазина из всей сети не выполнили план, владелец бизнеса может задать вопрос менеджерам только этих двух точек и выяснить причины невыполнения. Так причинами могут стать несвоевременные поставки товаров, отключение электричества, отсутствие сотрудника на рабочем месте по причине болезни или увольнения и другое. Для владельца понимание таких причин позволяет своевременно реагировать на сложившуюся ситуацию.
«Благодаря прогнозированию менеджерам выставляется обоснованный план продаж и появляется мотивационный стимул выполнять его, потому что впоследствии будет необходимо объяснить, почему именно в этом магазине не удалось выполнить точно спрогнозированный план.  После выяснения причин своевременно вносятся коррективы для тех менеджеров, кто отстал от плана», -  сказал владелец сети Банкевич Юрий.
Сейчас реализуется прогноз в том числе по картам лояльности, который позволяет понять: в каком магазине, когда, что и в каком объёме конкретный человек будет что-то приобретать.
Таким образом прогнозирование позволяет управлять запасами: выстраивать логистику так, чтобы товара было столько, сколько продаётся в конкретном месте. Благодаря прогнозу популярное пиво теперь не заканчивается в разгар торгового дня, на складе всегда есть свежая продукция в необходимых объёмах.
Ещё одним важным свойством разработанной модели является возможность рассчитать оптимальные места для открытия новых торговых точек за счёт анализа численности и платежеспособности населения и количества конкурентов.