Цифровизация прогнозирования спроса

Мы хотим начать наши рассуждения на тему цифровизации управления цепями поставок с одного из важнейших процессов, который всё ещё остаётся сильно недооценённым в нашей стране. Это цифровизация прогнозирования спроса. Прогнозирование и планирование спроса, на первый взгляд, не вызывает сложностей. Кажется, что ряд математических функций + история покупок всегда смогут помочь в этом деле.

Если бы всё было так просто…

Для начала расскажем вам одну поучительную историю про всемирно известную компанию — продавца игрушек ToysRus. В этом году компания окончательно признала себя банкротом и тысячи людей останутся теперь без работы.

На первый взгляд, кажется, причём здесь «спрос»? Ну не справились с управлением крупного холдинга. Бывает.

Но это на первый взгляд, и если вы не читаете наш сайт или страницу в Facebook. Зачатки этого банкротства стали видны нам ещё в 2016 году, когда в рамках еженедельного мониторинга иностранных СМИ по теме интересных новостей про цепи поставок, увидели вот эту статью про Toysrus. Уже тогда ситуация, когда неправильно спрогнозирован спрос и управление запасами осуществляется с ошибками, наносили ущерб компании. Полки были пустыми, а потребители уходили без товара. Репутация компании, которую строили 65 лет разрушилась в течение нескольких праздничных дней, когда покупатели не могли купить товар, за которым пришли. Уже тогда нужно было предпринимать что-то экстренное, но менеджеры упустили ситуацию.

Этот яркий пример важности процесса эффективного прогнозирования и планирования спроса мы привели не случайно. Мы не хотим писать много умных слов и формул, только для того, чтобы вы погрузились в тему. Уже после знакомства с перспективами цифровизации спроса, вы сможете найти десятки статей по теме, мы же хотим познакомить вас именно с  нашим видением будущего.

Для начала разберём виды спросов, которые можно встретить, чтобы понять, как с ними будут работать новые технологии:

  1. Спрос потребителей (купить здесь и сейчас)
  2. Спрос при строительстве/ремонте (нужно уложиться в сроки)
  3. Спрос производства (нужно обеспечить постоянное наличие для непрерывной работы).

 

Спрос потребителей, наверное, самый сложный спрос

Как вы знаете, не всегда спрос фиксируется в продажах. Потому, не совсем правильно говорить о том, что для прогнозирования будет достаточно истории продаж. Что «надо прогнозировать по данным о покупке товаров за N-ое количество месяцев/лет». В цифровой экономике потребитель должен иметь возможность показать, например, магазину, что он не купил то, что хотел, по любой из причин: этого не было на полке или это было в неудовлетворяющем его виде/размере/объёме качестве. И тогда.

Machine Learning и Big Data будут работать с чеками, наборами продуктов, неудовлетворённым спросом, погодой, днями недели, временем года, возрастом покупателей и другими факторами, чтобы определить сколько и чего должно быть на полках, чтобы продать максимальное количество товара в каждый конкретный день. Кроме того, хорошо бы ввести ID пользователя для офф-лайн магазина, ведь тогда, офф-лайну будет понятно, что искал потребитель в интернете, его ли это ЦА и нужно ли подстраиваться.

Также необходимо, чтобы это всё работало в связке, т.е. когда покупатель что-то купил в любом магазине, то RFID (метка или штрих-код)+созданная оптимизационная программа быстро считают, корректируя необходимые запасы этого же товара на следующий день продаж, с учётом что одну или две единицы купили сегодня. Идёт пополнение склада магазина, ровно на столько, сколько нужно. В этом должна помочь технология блокчейн, которая позволит обеспечивать единую версию происходящего для всех участников процесса закупок.

 

Спрос при строительстве/ремонте, наверное, самый простой спрос

Прежде чем начать ремонтные работы или строительство/сборку (здания или оборудования), компания должна организовать процесс обеспечения материалами для выполнения работ. Разложив калькуляцию или смету работ на составляющие, программа сама «вытаскивает» из неё заложенное количество материалов, типы и виды, а также сроки поставки и бюджет. Программа консолидирует объёмы по типам и видам и готовит материалы для выбора контрагента. Почему это просто? Главное: понятны сроки и номенклатура, почти не надо прогнозировать. Только планировать. Остаётся понять, кто же будет поставлять товары и за какую цену.

 

Спрос для производства (металлургия, добывающая, химическая промышленность)

Возможно, многие из наших читателей сталкивались или сами работают на производстве, где нет широкой линейки выпускаемой продукции или же основной элемент, например, уголь, присутствует во всех товарах, так что примерный объём потребления в месяц/квартал стабильны, и необходимо не столько чётко определить спрос производства (он стабилен и предоставляется заранее), сколько правильно спланировать поставки. В этом случае, производственный цех или завод ориентируясь на данных о продажах департамента сбыта. Тот уже должен спрогнозировать спрос на готовую продукцию, чтобы передать для формирования производственной программы. Чаще всего, стараются полностью загружать производство, чтобы оно не простаивало, но и не производить «на склад». После предоставления данных от сбыта, программа сама «раскладывает» количество производимого товара на различные виды сырья и материалов, и определяет сколько и чего нужно в каждый месяц работы. Также автоматически готовится документация для проведения закупки.

 

Можно сказать, что даже эти три вида спроса можно разделить на 2 вида: стохастический (например, магазин) и прогнозируемый (для ремонта и для производства). Один должен анализироваться и в он-лайне режиме удовлетворяться, так как второго шанса продать потребителю товар в магазине может не быть. Другой имеет небольшой временной промежуток для подготовки, пока формируется объем для выполнения производственной/сборочной/ремонтной программы. Цифровизация спроса, скорее нужна стохастической системе прогнозирования (например, магазины), чтобы повысить точность прогнозов, снизить оборотный капитал, увеличить прибыль акционеров.

Результат: Диджитализация прогнозирования спроса позволяет автоматически собирать его от потребителей, анализировать совместно с тем, что хранится на складе, а далее система сама уже определяет сколько, чего и когда нужно докупить, чтобы не остановить производство или не упустить прибыль, при этом, система формирует заявку на поставку самостоятельно, передавая её в центр обеспечения товарами и услугами.

Статья будет дополняться