В связи с постоянно растущим уровнем конкуренции на Российском рынке, как оптовой, так и розничной торговли, на первое место в работе торговых и торгово-производственных предприятий выходит решение таких задач, как повышение оборачиваемости, увеличение уровня обслуживания клиента, оптимизация производственных мощностей, оптимизация доставки товара. Решить эти и многие другие задачи позволяет система планирования и прогнозирования спроса. Основное назначение системы планирования заключается в определении планов действий, при которых спрос на продукцию удовлетворяется максимально эффективно. Из сказанного следует, что блок прогнозирования спроса является одной из ключевых составляющих данной системы.
Следует отметить, что западные компании давно оценили эффективность от внедрения автоматической системы прогнозирования спроса, эти системы являются непременным атрибутом ИТ - структуры почти любого крупного торгового предприятия, в том числе Dell, BestBuy, Coca-Cola и Philip Morris. Срок окупаемости систем, ориентированных на управление спросом, на Западе составляет от девяти месяцев до двух лет.
Однако технологии, опробованные на западном рынке, как правило, не дают такие же хорошие результаты на российском рынке в силу его специфичности и нестабильности.
Кроме того, при решении конкретных задач на территории России не используется непосредственно потенциал самих разработчиков зарубежных систем. Они (разработчики) весьма далеки не только от российских пользователей, но и от филиалов собственных фирм в России. Это обстоятельство мешает им адаптировать свои программные продукты к российским реалиям.
Высокая цена западных решений по прогнозированию спроса, делает их не по карману большому количеству Российских компаний.
Вполне естественно, что большинство Российских компаний, видя проблему, но, не видя достойных способов ее решения, начинают пытаться решать ее собственными силами.
При таком подходе, во многих компаниях функцию прогнозирования спроса выполняет ERP-система. В предлагаемый программой заказ, менеджер вносит корректировки, учитывая свой опыт и какие-либо внешние факторы - праздники, сезонный всплеск и т.п.
При этом следует отметить, что в функциональности большинства ERP-систем не заложено автоматическое прогнозирование спроса. Они могут лишь предложить пользователю возможности по построению прогноза на основе таблиц и иногда графиков товародвижения . На основании введенного пользователем прогноза ERP-системы способны рассчитывать размер необходимой партии для доставки.
В принципе, ERP-системы позволяют запрограммировать некоторые примитивные алгоритмы прогнозирования спроса (на основе заранее определенных формул), но данные алгоритмы дают плохой прогноз и не могут автоматически подстраиваться под изменения рынка.
Некоторые компании разрабатывают собственные системы прогнозирования спроса, которые естественно достаточно хорошо учитывают специфику их бизнеса, но при этом существует проблема в реализации функционала необходимого для построения полноценной системы прогнозирования, а также в привлечении высококвалифицированных специалистов и в наличии времени, необходимого для разработки подобных систем (профессиональные разработчики постоянно совершенствуют и дорабатывают свои системы уже не один десяток лет).
Но наиболее распространенной схемой действия российских компаний является прогнозирование "на глаз". Менеджер по закупке смотрит историю продаж, остатки товара и принимает решение о размере заказа. При широком ассортименте в магазине создается отдел закупок, выделяются менеджеры, контролирующие какую-либо одну группу товара, разрабатываются упрощенные схемы полу-автоматизации закупок и (или) поставок. Например, если по какой-то причине не происходит заказа (скажем, заболел менеджер), то система автоматически делает средний заказ по месяцу или заказ равный предыдущему. Несовершенство такого подхода будет рассмотрено ниже.
Исходя из всего вышесказанного, можно сделать вывод о том, что у большинства российских торговых компаний существует потребность во внедрении системы планирования и прогнозирования спроса заточенной под специфику российского бизнеса.
Одним из примеров подобной системы является система планирования и прогнозирования спроса BIPlanner на базе аналитической платформы Deductor.
Данная система позволяет автоматизировать процесс планирования и содержит в себе все современные достижения российской и западной науки, обладая при этом ценой доступной большинству российских предприятий.
Далее речь пойдет о проекте внедрения системы BIPlanner в одной из торгово-производственных компаний.
Предыстория проекта
Рассмотрим то, как планировала поставки своим клиентам одна торгово-производственная компания до внедрения BIPlanner:
За каждым менеджером по поставкам закреплялась своя группа клиентов. В начале каждого месяца менеджер должен предоставить руководству план продаж на три месяца вперед по своей группе клиентов. Этот план использовался в дальнейшем для оптимизации загрузки производства, закупки сырья у поставщиков, а также составления бюджета на следующие три месяца.
Вполне естественно, что опытный менеджер очень хорошо знает своих клиентов и может составить достаточно точный план по каждому из них, но здесь существует проблема, связанная с тем, что при наличии большого числа клиентов (несколько тысяч) и небольшого количества производимых товаров (несколько десятков) число позиций, подлежащих планированию составляет десятки тысяч (число клиентов * число товаров). Таким образом каждому менеджеру необходимо планировать несколько тысяч "КлиентоТоваров" (необходимо строить план отгрузок каждого товара каждому клиенту).
В итоге менеджер добросовестно составляет план лишь по нескольким основным клиентам, а для остальных с целью экономии своего времени и усилий применяет следующую процедуру:
берет фактические поставки за три предыдущих месяца и считает их планом на три последующих месяца, по мере поступления реальных заявок данный "план" корректируется путем замены старых поставок на новые.
Данная процедура дает огромную погрешность плана (отклонение плана от факта), что приводит в свою очередь к сбоям в поставках требуемого товара клиенту, авралам и простоям в работе производства, замораживанию средств как в сырье, так и готовой продукции хранящейся на складе.
Кроме того, следует отметить, что многие компании испытывают дефицит в квалифицированных кадрах, которые к тому же могут заболеть или уволиться. Из всего вышесказанного следует, что необходимо формализовать (т.е. заключить в программный код) процедуру составления плана квалифицированным менеджером по основным клиентам и обобщить ее на других клиентов.
В данном случае не идет речь о полной замене человека машиной т.к. автоматизированная система требует периодической проверки хотя бы того, что ей передаются правильные входные данные, а в идеале следует проверять и точность ее планов и прогнозов. Наконец, всегда есть факторы, которые система планирования и прогнозирования просто не учитывает. Поэтому, время от времени любая такая система, конечно же, требует участия менеджера.
Состав системы BIPlanner
Рассмотрим функциональные возможности и блоки, из которых состоит система BIPlanner.
1. Блок прогнозирования по количеству
Центральным блоком всей системы планирования является блок прогнозирования количества товара, которое необходимо будет отгрузить каждому конкретному клиенту в каждый из трех последующих месяцев (в качестве интервала для прогнозирования в случае необходимости может быть выбран любой другой интервал, например неделя).
В состав блока прогнозирования входит также блок сегментации клиентов и товаров на несколько групп, по таким признакам как частота отгрузок, средний интервал между двумя соседними отгрузками, схожесть потребительских свойств товарных позиций.
Для каждой выделенной группы клиентов и товаров применяются свои методы редактирования нехарактерных значений и прогнозирования спроса, при этом основной акцент делается на применение нейронных сетей, основное преимущество которых перед другими методами прогнозирования заключается в возможности автоматической адаптации этих моделей под изменение рыночных условий, а также в возможности выявлять нелинейные зависимости в исходных данных.
Система автоматически выбирает наилучшие параметры редактирования аномальных значений и наилучшую модель по каждой выделенной группе клиентов и товаров. В начале каждого месяца происходит автоматическая перенастройка всех моделей под текущие рыночные условия и выбор наилучшей модели, что позволяет системе автоматически адаптироваться к изменению ситуации на рынке.
На выходе данного блока мы получаем прогноз количества товара (по каждой товарной позиции), которое необходимо отгрузить каждому конкретному клиенту в каждый из трех последующих месяцев.
Также происходит расчет доверительного интервала прогноза, т.е. интервала в котором с заданной вероятностью будут лежать значения фактических отгрузок.
2. Блок прогнозирования по времени
Для некоторых клиентов интервал между двумя соседними отгрузками известен и определен в виде договорных отношений, для других этот интервал необходимо прогнозировать.
Данный блок рассчитывает даты отгрузок в три последующих месяца для обоих типов клиентов. Для тех клиентов, по которым интервал отгрузок прогнозируется, рассчитывается также доверительный интервал по времени для каждой отгрузки.
По результатам работы блока 1) и блока 2) мы получаем количество отгружаемых единиц по каждой товарной позиции и каждому конкретному клиенту в каждую из отгрузок на протяжении трех последующих месяцев.
3. Блок корректировки плана
Важной составной частью любой системы планирования является блок, позволяющий менеджеру легко скорректировать выданный ему в автоматическом режиме план.
В BIPlanner реализован функционал, позволяющий проводить корректировку, как по времени, так и по количеству отгружаемого товара для каждого клиента.
Причем эта корректировка может проводиться как глобально, относительно всего плана, так и оперативно по мере поступления информации по реальным отгрузкам.
По результатам корректировки появляется отдельный столбец с откорректированным планом, также предусмотрено наличие полей, в которые вводится причина корректировки плана.
4. Блок контроля качества планирования
Прошлый показатель потребления не всегда может служить хорошим ориентиром того, сколько товара ожидается продать в будущем, это связано, как правило, с нетипичными рыночными ситуациями, которые необходимо научиться распознавать. Для распознавания подобных ситуаций необходим отчет о необычных показателях потребления, который содержит перечень "КлиентоТоваров" (отгрузку конкретного товара конкретному клиенту мы интерпретируем как отгрузку "КлиентоТовара" -объединение строк клиент и товар), потребление которых за прошедший месяц сильно отличается от прогноза. Для определения разницы между потреблением и спросом мы воспользуемся формулой:
Разница, % = (Потребление - Спрос)/Спрос
Если процентная разница для какого - либо "КлиентоТовара" больше или меньше установленной величины, то этот "КлиентоТовар" включается в перечень.
Для того чтобы выставить пороги попадания в отчет необходимо первоначально поделить всех "КлиентоТоваров" на группы A, B, C, D, X по количеству заказов за последние 12 месяцев.
Далее для каждой из групп выставляются значения максимальных и минимальных возможных отклонений в %.
Если процентное отклонение выше значения, указанного для соответствующей группы в колонке максимумов, или ниже значения, указанного в колонке минимумов, "КлиентоТовар" попадает в отчет с нехарактерными показателями потребления.
Одна из важнейших задач менеджера по продажам - тщательный анализ сделок, повлекших за собой нехарактерный показатель потребления и включение "КлиентоТовара" в отчет. Опираясь на информацию из отчета, собственный опыт и опросы покупателей, менеджер должен определить вероятность полного или частичного повторения ситуации.
Если по его мнению подобная ситуация в будущем не повторится, то показатель является нетипичным и менеджер должен скорректировать показатель потребления, получив так называемое чистое потребление на основании которого и будет в дальнейшем строиться прогноз спроса.
Возможно включение режима автоматической корректировки нетипичных показателей.
Данный блок также позволяет выявить "КлиентоТовары" плохо поддающиеся прогнозированию и по которым менеджеры должны проводить планирование в ручном режиме.
5. Блок расчета страхового запаса
Любой прогноз обладает определенной погрешностью в связи, с чем возникает потребность в хранении на складе так называемого страхового запаса готовой продукции или сырья для ее производства (в этом случае при расчете страхового запаса необходимо учитывать время необходимое для производства заданного количества готовой продукции).
Основное назначение страхового запаса заключается в защите поставщика от дефицита товара в момент поступления заказа. Страховой запас необходим в том случае, когда фактическое потребление превышает прогноз.
При расчете страхового запаса для конкретного товара могут быть использованы значения качества обслуживания для каждого "КлиентоТовара", которые проставляются заранее на этапе формирования "КлиентоТоварных" категорий. Модуль также учитывает точность предыдущих прогнозов продаж того или иного товара.
6. Система предупреждающих отчетов
Предупреждающие отчеты предназначены для оповещения менеджера о приближении "кризиса" и позволяют принять меры по его предотвращению.
- Доступный объем запаса (Наличный объем - Обещанный покупателям на данный момент) меньше страхового.
- Фактический расход к 7-му дню текущего месяца для конкретного "КлиентоТовара" превышает 50% от прогноза расхода на месяц.
- Фактический расход к 14-му дню текущего месяца для конкретного "КлиентоТовара" превышает 75% от прогноза расхода на месяц.
- Фактическое значение интервала между отгрузками на 50% превысило плановое.
- Доступный объем запаса в момент поступления заказа меньше запаса на x дней.
7. Блок оптимизации закупок сырья и производственных мощностей
Исходя из прогноза спроса, времени доставки сырья от поставщика до производства, а также времени необходимым для производства готовой продукции при заданной загрузке производственных мощностей рассчитывается график поставок сырья для производства, а также дополнительный страховой запас, учитывающий возможные отклонения от сроков поставки сырья, а также возможные снижения производственных мощностей (например, в связи с выходом из строя оборудования на производстве).
8. Блок оптимизации доставки
Предположим, что мы приняли заказ от клиента и необходимое количество товара имеется на складе, но его невыгодно вести по экономическим причинам. Партия, например, может быть небольшой и не обеспечивать полной загрузки транспорта, а клиент находиться достаточно далеко, что приводит к тому что на перевозку данной партии клиенту затрачивается больше денег, чем составляет прибыль = сумма продажи - сумма затраченная на производство партии - сумма затраченная на транспортировку.
Данная ситуация иллюстрирует то, что необходимо оптимизировать процесс доставки товара и сделать так, чтобы он приносил максимальную прибыль.
С целью оптимизации процесса доставки все клиенты делятся на группы по территориальному признаку, каждая такая группа делится на подгруппы, для каждой из которых исходя из статистики отгрузок предлагается свой наиболее часто встречающийся интервал между отгрузками (неделя, 2 недели и.т.д.), этот интервал согласовывается с клиентами (за соблюдение интервала можно предложить скидку на продукцию). Подобная политика взаимодействия с клиентом позволяет уменьшить количество "холостых пробегов" транспорта.
Выгоды от внедрения
Система планирования и прогнозирования спроса BIPlanner позволяет определить, формализовать и оптимизировать планы действий, которые управляют цепочками поставок и производственным процессом с целью удовлетворения спроса и максимизации прибыли. Система контролирует качество своих прогнозов и способна самообучаться. При ее разработке была предусмотрена возможность настройки в соответствии с бизнес-процессами компании.
Внедрение BIPlanner дает следующие преимущества
Выгоды для торговых представителей:
- освобождает от рутинной работы
- дает обоснованные рамки (пессимистичные - оптимистичные) для составления плана
Выгоды для систем управления:
- прозрачность планирования (ясен алгоритм, как создается план, его обоснование)
- повышение качества планирования
- возможность постановки целей по продажам
Для компании в целом позволит:
- высвободить оборотные средства при закупке сырья у поставщиков
- оптимизировать загруженность склада готовой продукцией и сырьем
- увеличить уровень обслуживания клиента при минимальном риске дефицита товара
- уменьшить влияние человеческого фактора при планировании отгрузок клиентам
- сократить время составления плана и при этом улучшить качество планирования
- высвободить временные ресурсы менеджеров для решения задач связанных с поиском новых клиентов
- оптимизировать работу производственных мощностей и политику закупок сырья у поставщиков
- снизить расходы на доставку товара клиентам
Срок окупаемости проекта по внедрению BIPlanner, по предварительным расчетам составляет 2 - 4 месяца с момента запуска системы в промышленную эксплуатацию.
Климов Артем Владимирович - более 4-х лет занимается внедрением и оказанием консалтинговых услуг в области анализа бизнес - информации, для различных отраслей деятельности компаний. В течении 3-х лет преподает методы анализа данных в ведущих ВУЗах. Сотрудник компании BIGroup Labs.
Компания BIGroup Labs(www.bi-grouplabs.ru) оказывает полный спектр консалтинговых и внедренческих услуг в области анализа бизнес - информации для различных секторов бизнеса. Также одним из приоритетных направлений является внедрение CRM и ERP систем.
Добавить на BobrDobr
Добавить на memori.ru
Добавить на del.icio.us
Добавить на МоёМесто.ru
