Повышаем прибыль торговых компаний с размерами от одного склада до федеральных сетей

Программа для прогнозирования спроса и оптимизации товарных запасов

Экономим время заказа c нескольких часов до 20-30 минут

Гарантируем сушку склада минимум на 10% без потери продаж

Провели успешное внедрение в 70+ компаниях

Продажи

Закупки не учли план продаж и сезон. Клиенты не могут найти нужные товары, ругаются и уходят в соседний магазин

Финансовый отдел

Из-за неликвидов и раздутого страхового запаса компания теряет деньги. Сколько точно — сказать сложно без учета всех факторов.

Складская логистика

Половина складов перегружена, а в других — нет нужных товаров. В итоге часть товара испортилась прямо на складе.

Маркетинг

Скорее всего акция провалилась из-за дефицита. Точно никто не знает, потому что сложно измерить её эффективность.

За 10 лет мы видели много методик управления товарными запасами

И у всех были свои
недостатки…

В итоге страдает вся компания – работает сверхурочно и нанимает дорогих экспертов

Forecast NOW! помогает отделу закупок работать лучше и приносит выгоду всей компании

Продажи

Система составила и согласовала прогноз спроса с планом отдела продаж

Финансовый отдел

Есть долгосрочный план закупок для оценки финансового бюджета. Рассчитан самый рентабельный уровень удовлетворения спроса с учетом рисков стоимости денег и хранения.

Складская логистика

Запасы правильно распределяются между скаладами с учётом затрат на перемещения и разницу цен.

Маркетинг

Можно планировать эффективность маркетинговых акций с учетом каннибализации спроса. А результаты сравнивать с планом.

Excel
ARIMA
Наугад
ABC анализ
Заказ на глаз
Авторегрессия
Метод Кростона
Нейронные сети
Формула Уилсона
Заказ по среднему
Приходящие эксперты
Прогноз одной цифрой
Используют BI-системы
Метод Хольта-Уинтерса
Генетические алгоритмы
Искусственный интеллект
Каждый считает по-своему
Рекомендации поставщика
Заказывают когда закончилось
У каждого отдела своя методология
Сами устанавливают страховой запас
Метод Экспоненциального сглаживания
Дают прогноз по среднему для товаров YZ

За 10 лет мы видели много методик управления товарными запасами

И у всех были свои
недостатки…

Продажи

Закупки не учли план продаж и сезон. Клиенты не могут найти нужные товары, ругаются и уходят в соседний магазин

Финансовый отдел

Из-за неликвидов и раздутого страхового запаса компания теряет деньги. Сколько точно — сказать сложно без учета всех факторов.

Складская логистика

Половина складов перегружена, а в других — нет нужных товаров. В итоге часть товара испортилась прямо на складе.

Маркетинг

Скорее всего акция провалилась из-за дефицита. Точно никто не знает, потому что сложно измерить её эффективность.

Forecast NOW! помогает отделу закупок работать лучше и приносит выгоду всей компании

Продажи

Система составила и согласовала прогноз спроса с планом отдела продаж

Финансовый отдел

Есть долгосрочный план закупок для оценки финансового бюджета. Рассчитан самый рентабельный уровень удовлетворения спроса с учетом рисков стоимости денег и хранения.

Складская логистика

Запасы правильно распределяются между скаладами с учётом затрат на перемещения и разницу цен.

Маркетинг

Можно планировать эффективность маркетинговых акций с учетом каннибализации спроса. А результаты сравнивать с планом.

Прогнозирует
товарные запасы,
а не спрос

Большинство российских компаний используют методы прогнозирования спроса, которые устарели 10-15 лет назад: экспоненциальное сглаживание, ARIMA, скользящая средняя, метод Хольта-Винтерса и другие. Они не только морально устарели, но и не являются эффективными при решении задачи управления запасами для 94% ассортимента продуктового сегмента и для почти всех товаров непродуктового, что доказано многими научными исследованиями.

Почему нужно прогнозировать товарные запасы, а не спрос?

1994

Классическое
прогнозирование

graph 1 Created with Sketch.

2001

Квантильное
прогнозирование

graph 2 Created with Sketch.

2009

Частичное вероятностное
прогнозирование

graph 3 Created with Sketch.

2018

Полное вероятностное
прогнозирование

graph 4 Created with Sketch.

Классическое прогнозирование подразумевает прогноз в виде одной цифры. Будь это прогноз на день, неделю или месяц. Такие методы используют различные алгоритмические реализации, как среднедневные продажи, скользящая средняя, метод Хольта-Винтерса, ARIMA. Для оценки точности прогноза используются математические методы, которые определяют ошибку прогнозирования в процентах и не имеют никакого отношения к деньгам.

Такой подход не подразумевает использование страхового запаса, только если пользователь сам не добавит его на основе своей экспертной оценки. По факту этой моделью нельзя управлять. Например, если стоит задача обеспечить определенный спрос, повлиять на это невозможно.

На выходе получается прогноз спроса на интервал (неделя, месяц, год). Например, за неделю мы продадим от 6 до 12 штук товаров. Или, другими словами — с 95% вероятностью продажи не превысят 12 штук. Интервальная оценка появляется из классической путем расширения страхового запаса, который считается, как отклонение в большую и меньшую сторону, чтобы обеспечить спрос с заданным уровнем сервиса. На этом этапе появляется понятие вида распределения, которым описывается страховой запас.

В подавляющем большинстве случаев это Нормальное распределение и распределение Пуассона. Проблем в том, что 96% товаров даже продуктового супермаркета имеет не Нормальное распределение и по факту этот подход не подходит для продуктового ритейла и других сфер торговли и дистрибуции. Идеальное применение для такого подхода — очень большой горизонт планирования и стабильные регулярные продажи каждый день. К сожалению, в современных рыночных условиях этого достичь почти невозможно.

Здесь мы рассчитываем распределение для каждого конкретного товара и на выходе получаем оценку по объему спроса и распределению вероятностей продаж. Появилась возможность самостоятельно управлять уровнем сервиса, то есть находить оптимальный баланс между тем, сколько спроса нужно удовлетворить и сколько товаров хранить на складе в каждый момент, чтобы максимизировать прибыль. Но из-за большого объема вычислений и ограниченности ресурсов малые вероятности спроса (<1%) не учитывались.

Это вносило погрешность, так как пропадали исключительные случаи, на которых бизнес мог бы зарабатывать, если учесть баланс рисков. Еще один недостаток данного подхода, как и всех предыдущих, точечная оценка остатка товара на складе на дату поступления заказа. Тем не менее такие модели успешно зарекомендовали себя для продажи запасных частей и в авиационной промышленности.

Такие модели позволяют получать распределение даже самых маленьких вероятностей спроса, дают вероятностное прогнозирование остатков, вероятностную оценку сроков доставки. И здесь уже можно говорить не только о прогнозе, но и всевозможных рисках (дефицит, недопоставка товара), исключительных ситуациях (единовременная крупная продажа), которые можно использовать на благо бизнеса.

Полно вероятностные модели дают значительный прирост для бизнеса. Они помогают понять, нужно ли инвестировать деньги в запас или наоборот следует рискнуть и не инвестировать деньги, потому что вероятность продаж бесконечно мала, и она не сопоставима с выгодой и затратами, которые придется понести.

Часов потрачено
на разработку
математической модели

500 +

Исследований
на реальных данных
в реальных отраслях

70 +

Успешных
внедрений

10

Лет разработки
методологии

Узнайте, чем программа Forecast NOW!
полезна именно вашей компании

Оставьте заявку на демонстрацию программы. С вами свяжется менеджер, чтобы подобрать удобное время демонстрации.

Мы подробно расскажем о функциях, которые будут полезны именно вам и рассчитаем экономию от внедрения программы. После чего вы сможете поработать в демонстрационной версии программы самостоятельно.

Оставляя заявку, вы даете согласие на обработку персональных данных в соответствии с политикой конфиденциальности.