この記事は本質的に有益な情報です。計算アルゴリズムとモデルについては詳しく説明しませんが、数学的部分全体が基づいているロジックについては説明します。
最初のビジネスケース
会社は、どのくらいの損失があるか（会社が何を望んでいるかすぐにわかると非常にクールです）、そしてそれをどのように減らすかを理解したいと思っています。
目標が設定されました。 今、会社について少し：400の小売店の連邦政府のネットワーク。 1つの製品カテゴリ（20 sku）でプロジェクトのパイロットバージョンを実行することに同意しました。製品の平均有効期間は15日です。
作品の構造は次のとおりです。
- 会社の分析。 この段階で、会社のビジネスプロセス、つまり補充システム、供給スケジュール、および残高が分析されます。
- 2番目の段階では、「損失」と見なされるもの、原因、損失額の推定方法などを理解する必要があります。 自由回答形式の質問の束。
- 損失を減らすための解決策を提案します。
すべてがシンプルなようです。 ビジネスプロセスに最適化を実装できること（配信スケジュールの変更、交通渋滞の考慮など）、およびビジネス価値をもたらす新しいテクノロジーの導入に基づくITソリューションを理解する必要があります。 後者の場合、会社は人員の再訓練、作業構造の変更、インフラストラクチャの更新などの大きな変更を行う必要はありません。 この記事では、ITソリューションについてのみ説明します。
大企業での節約について
たとえば、20 skuの小さなグループを分析する場合、1日あたりの各skuの単位の遅延は重要ではないようです。 ただし、毎月の純損失を計算してみましょう。
31（日）* 400（店舗）* 20（SKUの数）* 1 = 240,000ユニット。
平均購入価格を30ルーブル、つまり、純損失で1か月あたり720万ルーブルとします。 1日にたった1ユニットの商品、数百万のユニットが節約するように思えます。
会社の分析の最初の段階で、会社の売上げ不足と失効した商品の損失を考慮します。 それらを数える方法を理解することは残っています。 このプロジェクトでは、顧客が期限切れの商品に関する統計を持っているため、幸運でした。そうでなければ、人工的にシミュレートする必要がありました。
アンダーセールスに対処しよう
アンダーセリングでは、OOS（在庫切れ）が観察される状況、つまり、「会社が顧客の需要を満たすのに十分な残高を持っている場合にどうなるか」という精神で状況をシミュレートする必要があります。 顧客データには、Shop-Sku-Dayのコンテキストの残高が含まれています。 残高は営業日の終わりに考慮されることに注意してください。
上記のロジックを考えると、残高がゼロになる途中の商品を考慮に入れた日を見つけ、その日の販売を先週の平均に置き換える必要があります。 その日に実際に売り上げがなかった場合、過去7日間の売上げの平均をアンダーセールと見なし、それ以外の場合はアンダーセール=週平均-セールの事実を考慮します。
実際、販売データは、私たちが満たすことができた需要のその部分について教えてくれますが、これは顧客の最初の需要ではありません。
OOSからの精製、およびそのような状況などからデータを精製する他の手順：棚にコーラがない場合、一部の購入者はペプシを購入します。 購入者から実際の需要を得ることができます。
いいね！ Shop-Sku-Dayおよび購入者からの実際の需要のコンテキストで、アンダーセールスのダイナミクスを取得しました。 残っているのは小さいことです。すべてをお金に変換するために、売上げにマージンを掛け、支払いの遅れを購入価格に掛けます。 この会社の総損失は1か月あたり660万ルーブルで、このSKUグループの売り上げの約8％でした。 すべての計算は実際の顧客データに基づいて行われ、結果は完全に真実です。 ロシアでは、残念ながら、損失の分析に細心の注意を払う人はほとんどいないため、多くの企業の売上高の大部分を損失が占めています。
最初のステップが完了しました。 経営陣に660万の損失があることを報告できます！ これに対して非常に論理的な答えが得られます。 ソリューションを提供し、その経済性を正当化します！
OK、骨を下げる方法を理解する必要があります。 このような問題に対する当社のITソリューションの1つは、Microsoft Azureに基づくクラウドベースの販売予測サービスです。 このソリューションは、その実装とビジネスへの統合に大きなコストを必要としません。 さらに、このサービスはクラウドテクノロジーを使用しているため、クライアントのパワーをロードできません。
同社は移動平均+安全マージンに基づいて売上を予測し、サービスにはより深刻な予測方法があります（詳細については後で説明します）。 会社の平均予測精度は約50％であり、3年間の顧客データに対する当社のサービスは70％の精度を示しています。
毎日の精度は、次の式で計算されます。
集計する必要がある場合は、加重平均と見なしてください。
予測からの利益は何ですか？
論理は次のとおりです。予測が正確であればあるほど、製品注文のシステムをより最適に構築し、顧客サービスを増やし（空の棚がない）、期限切れの製品を減らします。
プロジェクトの最も重要な部分は、製品の実際の利益を示すことです。 もちろん、予測の正確さは利益をもたらしますが、各企業は異なることに注意してください。 これは、ビジネスプロセスによるものです。たとえば、配達スケジュールでは今日注文することはできません。注文の多重度-ヨーグルトの数は24の倍数であるか、最小注文は100個でなければなりません。 そのため、システム全体を内部からシミュレートする必要があります。お客様の供給スケジュール、注文条件、配送肩、および必要な交通量を考慮します。 そしてすでにこの環境では、実際のビジネス価値を示すために、さまざまな精度で損失をモデル化します。
顧客の残高、製品の配送、販売、期限切れの製品をシミュレートし、さまざまな予測精度を設定する必要があります。
そこで、次の前提条件を満たしたモデルを構築しました。
- モデルには確率的な部分が含まれています。買い手は「長期にわたる」ものよりも新鮮な製品を購入する可能性が高くなります。
- モデリングでは、復元された需要関数が使用されました。実際の売上からOOSと代替品の効果がクリアされました。
- 残高と配送は、スケジュール、配送時間、注文条件を考慮してモデル化されました。
- 販売不足のコストは、（需要とモデル販売）*マージンの差として計算されました。
- 結婚の費用はすべての期限切れ商品の合計として金銭的に計算され、購入価格が使用されました。
損失の予測精度への依存：
パイロットバージョンが20 skuのグループで構築されていることを考えると、約70％の精度で、月に約120万ルーブルの節約になることは明らかです。
興味深い点が生じます。クライアントには12日間の保険在庫がありますが、良い予測があり、それを減らして追加の利益を得ることができます。 モデル化する場合、システムのすべての初期データは変更されません。ただし、安全在庫を除き、購入者のサービスレベルを低下させることなく、コストを削減できます。 さらに、シミュレートされたすべての注文は顧客の納品スケジュールと一致しており、注文条件が守られています。つまり、シミュレートされたシステムは会社のビジネスプロセスと完全に一致しています。
グラフは次のことを証明するのに最適なツールです。
現在、70％の精度で、1か月あたり460万ルーブルの節約になります！ この結果は明らかに非常にクールです。 予測サービスの導入により、わずか20 skuで月に4.6百万ルーブルの金額を顧客が節約できることは驚くべきことです。
結論
このように、ITソリューションの助けを借りて、パイロットバージョンでクライアントを1か月あたり460万ルーブル節約できました。 これで、クラウド予測サービスが提供する利益の分析と特定のために、残りの製品グループの開発を始めました。
記事がお役に立てば幸いです。 次の記事では、サービスの詳細を説明します。
ご質問にお答えできることを嬉しく思います。
ご清聴ありがとうございました。