Машинное обучение предскажет количество клиентов
Модуль по расчету прогноза объемов промо тестировался в торговой сети "Перекресток" в марте-апреле 2020 г. Напомним, что Х5 развивает собственные продукты прогнозирования спроса с 2019 г. на основе продвинутой технологии предиктивной аналитики. В результате пилота зафиксирован рост валового дохода и эффективности выполнения плана магазина, сокращение товарных запасов и списаний. Собственные алгоритмы BigData X5 позволяют достичь высокой точности прогнозирования (более 70%). Пилот проводился по методике А/В-тестирования.
В настоящий момент в новой системе постоянно рассчитываются пять товарных категорий. Система анализирует данные со всех 846 супермаркетов сети "Перекресток". Руководство компании планирует до конца года тиражировать данное решение на все категории.
Новая модель прогнозирования учитывает ценовую эластичность, трафик, ассортиментную матрицу, продажи, рекламные активности, остатки, конкурентную среду и т.д. - в общей сложности порядка 200 факторов, влияющих на спрос.
В системе ведется аналитика продаж по чекам для определения отсутствия товара на полке по часам, а также восстановления истории продаж, что повышает точность прогноза модели. Согласно сообщению пресс-службы компании, важной отличительной особенностью системы является ежедневное обновление прогноза, что существенно повышает доступность на полке и гибкость всей цепи поставок.
В июне торговая сеть собирается запустить пилот второго модуля системы, спроектированного специально для предсказания регулярного спроса. Полное внедрение продукта завершится в первом полугодии 2021 г.
Напомним, что в мае о внедрении ИИ-решения по прогнозированию сообщила также сеть супермаркетов "Лента". Пилотный проект, правда, был развернут только в 10 магазинах "Ленты". Решение разработано в технологическом партнерстве с Microsoft.
"Подобные решения очень востребованы в ретейле, а среди крупных игроков на этом рынке они уже получили широкое распространение", - сообщает заместитель директора центра компетенции больших данных компании "Техносерв" Олег Савранский, также ссылаясь на пример "Ленты". По его словам, остальные сети также прорабатывают возможности таких решений, ставя целью высокую точность прогнозирования спроса, в первую очередь на товары с короткими сроками годности.
Директор цифровой лаборатории Softline Digital Андрей Ботнев также считает, что внедрение систем для прогнозирования спроса - одна из самых востребованных и актуальных тем в настоящее время. "Как правило, системы прогнозирования спроса решают целый ряд задач: оптимизацию процессов поставок, логистики, закупок, минимизацию складских издержек, предсказание реального потребительского спроса, прогноза эффективности от маркетинговых акций и др. И у ретейла сегодня есть все составляющие для того, чтобы решать их на очень высоком уровне, - большой объем исторических данных, на которых можно строить и дообучать прогнозные модели, алгоритмы, высокопроизводительные сервера и облачные возможности для подобных систем", - объясняет Андрей Ботнев. По его мнению, в будущем спрос на эти решения продолжит расти, но самой большой проблемой будет являться дефицит специалистов по машинному обучению, который наблюдается на рынке уже сейчас.
"В данный момент в продуктовом ретейле наблюдается ускорение дрейфа от гипермаркетов в сторону магазинов "у дома". Такой подход усложняет прогнозирование, логистику и более требователен к пополнению запасов в магазинах. Пандемия подстегнула эту тенденцию. В первые дни карантина можно было наблюдать стремительный рост спроса на отдельные продукты, а затем такое же стремительное падение. Для многих компаний это стало сигналом - нужно автоматизировать прогнозы, доверить их алгоритмам, которые могут учитывать множество признаков", - комментирует ситуацию директор по продукту облачной платформы Mail.ru Cloud Solutions Дмитрий Лазаренко. Он считает, что прогнозирование спроса - стандартная и понятная для Data Science в ретейле задача. "Машинное обучение помогает выявить неочевидные зависимости и автоматизировать принятие решений: закупать ровно то, что понадобится сейчас, в нужном количестве, чтобы получить максимальную прибыль и минимизировать убытки и складские остатки", - говорит Дмитрий Лазаренко, отмечая также, что в последние месяцы несколько крупных игроков запустили подобные системы.
Олег Савранский считает, что на правила ведения бизнеса повлияли ограничения, связанные с самоизоляцией. "В таких условиях особенно необходима быстрая адаптация к изменениям спроса, и цифровая трансформация стала ключевым фактором конкурентоспособности, успешности бизнеса и его выживаемости в целом. Нужно принимать во внимание изменения покупательского спроса на отдельные группы товаров, возрастающие издержки и трансформацию каналов реализации. Использование алгоритмов машинного обучения, учитывающего максимальное количество факторов, позволит провести успешную адаптацию и в конечном итоге сделать более эффективными процессы товарооборота. От этого выиграют не только продавцы, которые получат рост валового дохода на фоне сокращения товарных запасов и списаний, но и покупатели, которые в магазине увидят полные полки и только свежие товары", - прогнозирует Олег Савранский.
Андрей Ботнев также убежден, что причина популярности данного решения связана с коронавирусом. Он считает, что более точный прогноз позволит сетям более точно рассчитывать закупки, регулировать складские запасы, оптимизировать транспортировку. По его мнению, спрос на продукцию сетей из-за пандемии ведет себя не так, как в обычной жизни, поэтому внедрение подобных систем становится очень актуальным.
"Подобные решения актуальны для ретейла в любое время, но пандемия и последовавшее за ней усиление непредсказуемости спроса стали для некоторых компаний финальным аргументом в пользу системы", - подтверждает это и Дмитрий Лазаренко. Он подчеркивает также, что X5 Retail Group реализует долгосрочный комплексный проект по автоматизации процессов, в котором внедрение системы прогнозирования спроса - одна из составных частей, поэтому Дмитрий Лазаренко убежден, что электронная трансформация сети супермаркетов будет продолжаться.
