.jpg) |
| «Управление отношениями с поставщиками — основная сфера применения прогностической аналитики», Андрей Орлов, директор по ИТ «ПС Групп» |
Прогнозная аналитика — очень широкое понятие, оно объединяет все множество методов анализа текущих и исторических фактов для составления предсказаний о будущих событиях. Теоретически данная область знаний чрезвычайно полезна для всех участников рынка. Правда, для того чтобы использовать ее на практике, требуется высокая культура работы с данными и трезвая оценка ожидаемых результатов. В противном случае проекты, связанные с формированием и использованием прогнозов, обречены на неудачу. В практике работы реальных организаций выбор конкретного метода зависит от множества факторов и прежде всего от характера решаемой за счет прогнозирования задачи и особенностей рынка. Основной областью использования прогнозов является планирование на самых разных уровнях.
Прогнозирование в управлении запасами
В управляющей компании «ПС Групп» (она развивает в России розничную сеть «Рив Гош») прогностическая аналитика в основном применяется для управления взаимоотношениями с поставщиками, отмечает Андрей Орлов, директор по ИТ компании «ПС Групп». В стратегическом планировании деятельности компании прогностическая аналитика используется мало, в этой области ее руководители в основном оперируют обобщенными финансовыми показателями, значения которых устанавливаются экспертно при участии топ-менеджеров и акционеров. Стратегическое планирование реализации товаров не осуществляется.
В значительно большей степени прогнозирование используется при работе с поставщиками. Первой в начале 2000-х годов была разработана методология оперативного управления товарными запасами, основанная на краткосрочных прогнозах объемов продаж. По мере накопления исторических данных стало ясно, что можно с удовлетворительной точностью прогнозировать продажи на более длительные сроки — от трех до шести месяцев. Такие прогнозы используются при формировании плана продаж торговой сети, составления бюджета закупок. Крайне важны они и для планирования работы поставщиков, а поэтому входят в широкий перечень данных, которые поставщики регулярно получают от компании. Каждый поставщик (особенно поставщики товаров премиум-класса или нишевых товаров), по словам Орлова, интересуется не только предполагаемыми суммарными объемами продаж, но и продажами в разрезе точек реализации, планами торговой сети по открытию новых магазинов, профилями продаж различных магазинов и т. д.
Компания планирует дополнить статистическое прогнозирование прогнозом поведения потребителей. Ощущается необходимость и в сценарном прогнозировании — чтобы оптимизировать деятельность компании. Орлов считает эту технологию очень перспективной, она позволит осуществлять анализ с использованием компетенций разных подразделений — маркетинга, финансов и др.
Прогнозирование для поддержания остатков осуществляется на срок от одного дня до нескольких недель. Такого рода прогнозирование крайне важно для торговой сети федерального масштаба. Оно осуществляется каждые сутки в ночное время, поскольку расчеты серьезно нагружают вычислительные ресурсы (в ночное время на них уходит несколько часов). В ассортименте компании несколько десятков тысяч позиций. Для управления запасами необходимо иметь отдельные прогнозы по всем позициям, однако каждую ночь выполняется прогнозирование товаров только нескольких поставщиков в соответствии с расписанием.
Краткосрочное прогнозирование используется для формирования заявок на пополнение остатков магазинов и создания «рутинных», то есть текущих, не требующих особого внимания заказов поставщикам. По словам Орлова, этот процесс в компании в значительной степени автоматизирован. В ходе прогнозов поставляются данные для системы, контролирующей величину остатков в магазинах, резервы, движение товаров от поставщика через склад до полок в магазинах. В соответствии с графиком формируются заказы поставщикам, которые затем направляются к ним через систему электронного документооборота. Также эта система создает заявки на склад для сборки заказов и отправки их в магазины. Контролируют систему всего несколько операторов.
В ряде случаев при формировании прогнозов используются корректирующие экспертные оценки. В первую очередь — при прогнозировании различных маркетинговых акций. Аналитикам и сотрудникам финансового департамента важно оценить возможный эффект в товарном и денежном выражении.
В основе требований по точности оперативного прогнозирования лежит ABC-классификация ассортимента, позволяющая ранжировать товарные позиции по значимости и сформировать для каждой приемлемый «уровень обслуживания», который является одним из параметров при расчете прогноза и определяет среднее время нахождения товара на полке в магазине, и магазин стремится этот параметр увеличить. Например, уровень 80% означает, что в среднем из пяти дней рабочей недели четыре дня этот товар должен присутствовать на полке. Вторым важным параметром является размер товарного запаса, и сеть стремится его уменьшить. Эти два параметра находятся в противоречии, и задача расчета — найти компромисс между ними. Существует внутренняя договоренность между департаментом логистики и розничными предприятиями об организации поставок того или иного товара — соглашение об уровне обслуживания.
Задача управления запасами состоит в том, чтобы найти максимальный уровень обслуживания при минимальных товарных запасах. Сложно предсказать, как внешние факторы (например, задержка на стороне поставщиков) влияют на точность прогнозов — это влияние может быть существенно больше, чем погрешность метода прогнозирования. При краткосрочном прогнозировании ошибка прогнозирования для отдельного товара в среднем по различным уровням сервиса не превышает нескольких процентов. Особые ситуации в прогнозировании возникают, например, в новогодние праздники. В этот период точность прогноза особенно важна, поскольку в эти дни поставщики и склады не работают и торговать можно только тем запасом, который был создан непосредственно перед праздниками. Точность прогнозов в этот период резко ухудшается, погрешность может составлять несколько десятков процентов. Некоторые позиции могут «вымываться» с полок магазинов, хотя по всем расчетам запаса должно было бы хватить. Здесь, по мнению Орлова, необходимы не только статистические прогнозы, но и прогнозы поведения покупателей.
Для больших горизонтов выполняется прогнозирование агрегированных по маркам объемов продаж. Агрегирование продаж по маркам, а не по категориям, объясняется использованием этих прогнозов для работы с поставщиками. При долгосрочном прогнозировании объемов продаж марок точность хуже, чем в краткосрочном прогнозировании, и погрешность может составлять несколько десятков процентов, но такой точности вполне хватает поставщикам для организации бюджетирования и планирования своей деятельности.
Одним из источников данных является розничная информационная система, в которую в режиме реального времени стекаются данные о продажах из магазинов. Другой источник — информационная система оперативного учета, фиксирующая товарные потоки внутри компании. Автоматизированные процедуры извлекают из них необходимые «сырые» данные и преобразуют их в вид, пригодный для использования прогностической системой. После сбора «сырых» данных осуществляется их контроль и корректировка. В частности, выявляются статистически недостоверные данные. Они, например, возникают, если товар находился на полке в магазине непродолжительное время и продавался в единичных экземплярах. Если возникает ситуация пропущенных данных, то используются различные алгоритмы интерполяции.
Развитие бизнеса, увеличение количества магазинов, рост числа позиций в ассортименте привели к необходимости увеличить пропускную способность инструментов миграции данных. В настоящее время идет проект формирования корпоративного хранилища данных, которое в том числе будет принимать на себя часть вычислительной нагрузки по прогнозной аналитике.
Прогнозы и планирование
Около пяти лет назад в группе компаний IEK был разработан и внедрен бизнес-процесс «сквозное планирование», он объединяет процессы планирования в разных подразделениях по разным направлениям деятельности с выходом на построение бюджета. В ходе процесса сквозного планирования сначала прогнозируется спрос, затем выполняется прогнозирование продаж и фактически формируется их предварительный план. На основании полученных данных подразделение логистики готовит план товародвижения и закупок, на его базе корректируется план продаж, на него накладываются ресурсные ограничения. Скорректированный план продаж (доходная часть бюджета) и план закупок (расходная часть бюджета) используются для бюджетирования.
Если некоторые показатели бюджета не устраивают руководство ГК IEK, сквозное планирование проводится снова от начала до конца. Сегодня роль «хозяина» процесса сквозного планирования распределена между директорами по маркетингу и логистике, а также финансовым директором ГК IEK. Интеграция данных в процессе сквозного планирования осуществляется на уровне файлов согласованного формата. В будущем для поддержки сквозного планирования группа компаний IEK планирует внедрить единую информационную систему.
Важнейшим элементом системы планирования продаж ГК IEK является система прогностической аналитики, созданная под руководством главы аналитического отдела департамента маркетинга Сергея Шарко. «В нашей системе прогнозы подразделяются на активные и пассивные, — поясняет он. — Пассивные прогнозы формируются в предположении, что факторы, влияющие на интересующую нас переменную, не меняются или меняются прогнозируемо, но недоступны для управления. Активное прогнозирование предполагает, что мы можем воздействовать на факторы, определяющие поведение рынка. В процессе работы мы формируем действия, которые могут повлиять на реализацию прогноза. Например, при прогнозировании объемов продаж мы можем заранее запланировать проведение маркетинговых акций».
Фактически отдел аналитики департамента маркетинга ГК IEK проводит анализ сценариев развития. Аналитическая служба не только осуществляет прогнозирование, но и дает возможность заказчику (в данном случае департаменту маркетинга) выбрать наиболее рациональный сценарий развития.
Помимо прогнозов в ГК IEK формируются планы, которые, в отличие от прогнозов, содержат определенные руководством значения тех или иных параметров.
В итоге ГК IEK получает возможность выбрать несколько сценариев развития. Если ни один из сценариев не устраивает руководство, оно определяет целевые значения, которые необходимо получить. Исходя из этих данных формируется оптимальный сценарий, который позволит достичь поставленной цели.
На практике это выглядит так: в стратегическом плане развития ГК IEK определены долгосрочные цели развития, с ними сопоставляется результат анализа сценариев, затем на основании полученных данных руководство ГК IEK проводит анализ поставленных ранее целей, в итоге либо пересматривается сценарий годового развития, либо — в случае ресурсных ограничений — корректируются цели. Такая процедура повторяется из года в год.
До внедрения процесса сквозного планирования прогнозирование спроса и продаж осуществлялось по агрегированным подгруппам, которые входили в те или иные категории товаров. Для построения модели прогнозирования спроса на группу принималась гипотеза об однородности спроса внутри этой группы. Таких групп было 60–70. «Мы увидели, что спрос на некоторые элементы этих групп сильно зависит от влияния внешних факторов, — рассказывает Шарко. — Для этих товаров модели, построенные для группы, могут при определенных условиях стать некорректными».
Чтобы избежать подобной ситуации, аналитики ГК IEK строят отдельные прогностические модели в отношении значимых для компании продуктов, требующих специального подхода. Таких товаров в ассортименте ГК IEK примерно 400. Отдельные модели обновляются ежемесячно на основании новых данных и перспектив развития ситуации.
Горизонтом прогнозирования спроса и продаж в ГК IEK, как правило, является год. Ежемесячно по всем моделям строится прогноз на год вперед — технологически это суммы трендовых и сезонных компонентов, а также влияние существенных внешних и внутренних факторов. Основной инструмент построения трендовых и сезонных компонентов — скользящее среднее. Используемые модели хорошо себя зарекомендовали, поэтому более сложные с математической точки зрения прогнозные модели для нужд ГК IEK остаются невостребованными.
«Погрешность прогнозирования с помощью той или иной модели определяется погрешностью метода (модели) и случайной составляющей, в которой агрегировано влияние факторов, не учтенных в модели, — например, кризиса, непредсказуемых изменений законодательства и т. д., — отмечает Шарко. — Нет смысла прилагать сверхусилия для снижения погрешности метода в ситуации, когда влияние неучтенных факторов вносит столь большие погрешности, важнее оценить характер влияния этих факторов на интересующие организацию показатели».
Целевая точность годового прогнозирования в ГК IEK — 10%. Для агрегированных показателей (например, выручки по ГК IEK) она может быть значительно выше, для неагрегированных показателей 10% — это средневзвешенная точность. Например, чтобы оценить точность прогнозирования объемов продаж, погрешности прогнозирования по каждому продукту «взвешиваются» вкладами этих продуктов в общие продажи.
Целевую точность годового прогнозирования обеспечивают модели на основе скользящего среднего. Впрочем, есть ряд товаров, спрос на которые трудно прогнозируем, к ним относятся новые виды товаров (по ним, естественно, нет статистики продаж), а также продукты, реализуемые в ходе тендеров и конкурсов.
При формировании прогнозных моделей особое внимание уделяется построению моделей влияния факторов. Как правило, они основаны на аппарате линейной регрессии или корреляционного анализа. Дополнительно для построения этих моделей используются экспертные гипотезы о характере влияния данных факторов на показатели (например, ценовые модели). При моделировании изменения цен можно опираться на знание эластичности спроса по ценам, однако коэффициенты эластичности, как и большинство других коэффициентов различных моделей, меняются со временем. Все зависит от ситуации на рынке. Например, до кризиса спрос был менее эластичен по цене, достаточно активно покупалась более качественная продукция западных брендов, после кризиса клиенты во многом переключились на бюджетную продукцию отечественных производителей. Коэффициенты эластичности изменились, и их значения в прошлых периодах оказались бесполезны для прогноза.