GoodsForecast: miten matemaattiset mallit ja ennustusalgoritmit korvaavat markkinoijat

Andrey Lisitsa— GoodsForecastin perustaja ja toimitusjohtaja. Vuodesta 2005 - kehittäjä, johtaja

projekteja ja yksi yrityksen osastoista"Forexis". Valmistunut Moskovan valtionyliopistosta vuonna 2005 järjestelmäanalyysin laitokselta. Vuonna 2009 hän aloitti tutkijakoulun Venäjän tiedeakatemian tietojenkäsittelykeskuksessa, ja vuonna 2016 hän suoritti MBA-tutkinnon suoritettuaan koulutusohjelman RANEPAssa ja Lontoon Kingstonin yliopistossa. GoodsForecastissa hän vastaa rahoituksesta, prosessikehityksestä ja uusien liiketoiminta-alueiden kehittämisestä.

Sergey Kotik— yrityksen perustaja ja kehitysjohtajaTavaraennuste. Hän työskenteli myös Forexisissa kehittäjänä, projektipäällikkönä ja osastopäällikkönä. Valmistunut Moskovan valtionyliopistosta vuonna 2004 matemaattisten ennustamismenetelmien laitokselta. GoodsForecastilla hän osallistuu transaktioihin ja kehittää affiliate-ohjelmia sekä houkuttelee taloudellisia investointeja liiketoimintaan.

Kuluttajien kysynnän ennustaminen jaValvonta tuotteiden tilausprosesseista antaa valmistajille, jakelijoille ja vähittäismyyjille mahdollisuuden toimia tehokkaimmin. Ja mikä tärkeintä - auttaa heitä välttämään kaksi negatiivista tekijää: varaston uudelleenkäynnistys ja tuotevalikoiman puutteellisuus.

Alussa olivat algoritmit

GoodsForecast perustettiin vuonna 2013Forexis, jonka perusti ryhmä matemaatikkoja ja kybernetiikkaa Venäjän tiedeakatemian (RAS) ja Moskovan valtionyliopiston tietokeskuksesta vuonna 2000. Forexiksen päätehtävä oli akateemikko Yury Zhuravlevin tieteellisen tutkimuksen käyttö kaupallisiin tarkoituksiin paikallisten optimointialgoritmien teoriaa ja algoritmien algebrallista järjestelmää koskevissa tieteellisissä töissä.

Yuri Ivanovich Zhuravlev

"50-luvulla ennen Juri Ivanovitš Zhuravleviäsitten nuorten tutkijoiden tehtävänä oli analysoida kulta-talletuksia koskevat tiedot, - sanoo Andrei Lisitsa, yksi GoodsForecastin perustajista. - Kulta-talletusten etsiminen oli erittäin vaikeaa ja kallista liiketoimintaa. Zhuravlev oli ensimmäinen, joka rakensi matemaattisen mallin, joka mahdollisti suurella tarkkuudella käytettävissä olevien tietojen pohjalta ilman testiporoja, sanoa, oliko geologisen etsinnän suorittaminen odotetulla paikalla tarpeen tai että kullan löytämisen todennäköisyys olisi liian pieni. Niinpä hänen hyvin kehittynyt uransa on saanut uuden käänteen. Se, mitä hän teki Neuvostoliiton aikakaudella, hänen tieteellinen koulunsa jatkaa tänään, itse asiassa, on koneen oppimisen alan kehittyminen, joka on niin suosittu tänään.

Zhuravlev Yuri Ivanovich- Neuvostoliiton ja Venäjän matemaatikko.Hänen osaamisalueitaan ovat soveltava matematiikka ja tietojenkäsittelytiede. Tärkeimmät tutkimusalueet ovat diskreetti matematiikka, tunnistus- ja ennusteteoria sekä Boolen funktiot. Zhuravlevin luomia uusia suuntauksia ovat paikallisten optimointialgoritmien teoria ja algoritmien algebrallinen teoria, joka koostuu algebrallisesta lähestymistavasta oikeiden algoritmien syntetisoimisen ongelmaan.

Zhuravlevin algebrallinen lähestymistapa perustuuajatus parametristen algoritmiperheiden käytöstä. Hän uskoo, että huonosti formalisoitujen ongelmien ratkaisuprosessi, jota ei voida ratkaista, mahdollistaa ratkaisujen löytämisen tietyn luokan tiettyihin ongelmiin. Tällä lähestymistavalla saatiin tuloksia ns. kanonisesti vaikeiden ongelmien ratkaisemiseksi.

Perustuu tutkijoiden käyttämään testialgoritmiinluotiin täysin uusi suunta tunnistamisessa, joka perustuu diskreetin analyysin käyttöön. Zhuravlevin luomien arvioiden laskentamallia pidetään nykyään klassisena.

Vuoteen 2000 mennessä Zhuravlevillä oli jo tarpeeksilaaja tieteellinen koulu. Yksi hänen johtavista opiskelijoistaan, nykyään Venäjän tiedeakatemian akateemikko, Konstantin Vladimirovitš Rudakov on kuuluisa matemaatikko. Zhuravlev ja Rudakov päättivät yhdessä tutkinnon suorittaneiden kanssa perustaa tiedeakatemian laskentakeskukseen perustuvan kaupallisen rakenteen, joka perustuu tieteellisen koulun saavutuksiin ja käyttää matematiikkaa yritysten ja valtion virastojen hyödyksi eli analysoida tietoja ja toteuttaa mukautettuja hankkeita tällä alalla.

”Ja“ Forexis ”toimii eräänlaisenainkubaattori, - lisää GoodsForecastin perustaja Sergey Kotik. - Kun yritys hakee tehtävää, jota voidaan skaalata, kun se ymmärtää, että sen ratkaisua ei tarvita vain asiakas, vaan markkinat kokonaisuudessaan, ja tätä voidaan käyttää sarjahistorian tekemiseen jonkin aikaa tämä suuntaus kasvaa Forexissa ja sitten erilliselle yritykselle. Joten se oli Antiplagiatin kanssa, Antirutin-yhtiö, kanssamme - GoodsForecastilla. Lähitulevaisuudessa Forexisilla on muita tytäryhtiöitä. ”

Varastot hallinnassa

Venäjän markkinoilla analyyttinen jakonsultointipalvelut oli suuri kysyntä ammatillisten ennusteiden valmisteluun keskisuurille ja suurille yrityksille. Toimiakseen tehokkaasti yritykset tarvitsivat selkeän myynti- ja ostosuunnitelman. Sen laatimiseksi asiantuntijat järjestelmittivät tietoja yrityksen toiminnasta. Tämä prosessi kesti useita kuukausia. Mutta kun tiedot valmistuivat lopulta, kerätyt tiedot olivat vanhentuneita. Apua tarvittiin ulkopuolisten asiantuntijoiden avustuksella, joilla oli innovatiivinen menetelmä systemaatiota, analysointia ja ennustamista varten. Niinpä Venäjällä alkoi aktiivinen digitalisointi ja IT-toteutus liiketoiminnassa.

Sergey Kotik. Kuva: Eugene Feldman / "Hightech"

Nämä ovat mahdollisuuksiaGoodsForecast: matemaattisten mallien perusteella luotiin ensimmäiset ennustusjärjestelmät. Forexis ei kuitenkaan ollut mukana pelkästään ennustamisessa. Analytics- ja kaupankäynnin seurantajärjestelmiä käytettiin menestyksekkäästi työvälineenä Moskovan pörssissä. Forexin asiantuntijat mallinnivat Domodedovon lentoaseman lentojen aikataulun ja ennustivat myös rautatiekuljetusten kysynnän määrää Venäjän rautateille. Opiskelijoille ja tutkijoille Forexis on luonut Antiplagiat-palvelun, jonka avulla voidaan määrittää tekstin ainutlaatuisuuden prosenttiosuus.

"Käytämme erilaisia ​​matemaattisia malleja"selittää Sergei Kotik. — Ennustukseen käytetyt poikkeavat niistä, joita käytetään optimointiongelmien ratkaisemiseen. Aloitamme tietystä tapauksesta, asiakastiedoista, joita analyytikkomme tutkivat ja analysoivat. Yrityksemme toimii: ohjelmistokehitys, data-analyysi, yrityskonsultointi. Juuri tämä kykyjemme yhdistelmä mahdollistaa nykyisten projektien toteuttamisen. Loppujen lopuksi, jotta voit asettaa ongelman oikein ja yhdistää sen matematiikkaan, sinun on ymmärrettävä hyvin asiakkaiden liiketoimintaprosessi. Ja ongelman ratkaisemiseksi sinun on pystyttävä rakentamaan malleja ja konfiguroida ne. No, jotta tämä ratkaisu toimisi suurilla tietomäärillä ja täyttää luotettavuuden ja vikasietoisuuden vaatimukset monikäyttäjärakenteessa, sinun on kyettävä laittamaan kehitetyt mallit teollisten ohjelmistojen muotoon.

Vuonna 2013 GoodsForecast ilmoitti itsestäänitsenäisenä oikeushenkilönä Forexisin tytäryhtiöksi ja samana vuonna yhdeksi Skolkovon IT-klusterin asukkaista. Viisi vuotta myöhemmin sen vuotuinen liikevaihto oli 100 miljoonaa ruplaa. Yrityksen henkilöstömäärä on noin 50 henkilöä. Hallinto-, myynti- ja markkinointiosaston lisäksi siellä toimii projektitoimisto, analytiikkaosasto (matematiikka) sekä neljä ohjelmistoa kehittävää, jalostavaa ja toteuttavaa tuotealuetta.

"Suoramyynti suurille asiakkaillemelko vakio. Maine ja suusanainen työ. Joku meni tuttavaan, joku osoitti itsensä, joku meni "kylmään", tutustui jonkun kanssa konferensseihin, - sanoo Sergei Kotik. - Hankkeiden kustannukset ovat erilaisia, satoja tuhansia ja useita kymmeniä miljoonia ruplaa. Ja siellä oli paljon mielenkiintoisia projekteja. Olemme esimerkiksi tehneet yhteistyötä Baltikan kanssa vuodesta 2008. Lähes ratkaistaan ​​kaikki ongelmat, jotka liittyvät yrityksen ennustamiseen. TechnoNIKOLin monimutkaisuuden kannalta on erittäin mielenkiintoinen hanke - tämä on tuotantolinjojen optimointi. Innovatiiviset tuotantohankkeet ovat yleensä monimutkaisia ​​ja hyvin yksilöllisiä. Mielenkiintoinen projekti nyt Knaufin kanssa. Se koostuu kahdesta melko suuresta osasta: myynnin suunnittelusta ja tuotannon suunnittelun optimoinnista, toisin sanoen tämän suunnitelman jakamisesta useille tuotantolaitoksilleen Venäjällä ja IVY-maissa. Jos kutsumme alueellisia hankkeita, työskentelemme yhdessä Chelyabinsk-yhtiön "Unichel" kanssa. Heillä on yksi suurimmista verkoista - yli 600 myymälää. Nyt meillä on loppuun varastonhallinnan suunnittelua koskeva hanke. Myös siellä on erittäin mielenkiintoisia hetkiä, jotka liittyvät juuri jalkinemarkkinoiden erityispiirteisiin. ”

Kysyntätasot

Toteutettujen ohjelmien ilmeinen tehokkuusei edelleenkään takaa innovatiivisen tuotteen sata prosenttia. Yksi negatiivisista tekijöistä, jotka vaikuttavat markkinoiden ennustamis- ja suunnitteluohjelmien etenemisnopeuteen, ovat virheellinen tietojen syöttäminen asiakkaiden yrityksissä. Ennakoinnin jatkamiseksi tavaroiden edustajien on autettava heitä alkuperäisissä tiedoissa alustavassa vaiheessa. Tällaisesta tarpeesta on tullut syy täydentää yhtiön toimintaa konsultointipalvelujen tarjoamisen avulla valittuun suuntaan.

Andrey Lisitsa. Kuva: Eugene Feldman / "Hightech"

”Ennen kuin teemme sopimuksen,melko pitkä viestintäaika asiakkaan kanssa. Jotta hänelle voitaisiin tarjota hankkeen käsite, kuvata aikaa, kustannuksia ja sopia näistä parametreista, se kestää kuukaudesta kuuteen kuukauteen, ja joskus enemmän, "- sanoo Sergei Kotik.

Kaikki projektin työ on jaettu kolmeen vaiheeseen:

  • Toteutusprojektin teknisten eritelmien kehittäminen. Siinä on kerrottu kaikki: järjestelmän toiminnallisuus, skenaario sen käyttöön, algoritmilaitteisto, hyväksymiskriteerit.
  • Ratkaisun toteuttamisprosessi ja parannus, jos ne ovattarvitaan. Tähän kuuluu integrointi tietolähteisiin, algoritmien mukauttaminen, käyttäjäkoulutus, hyväksymiskokeet. Tämän vaiheen tulosten mukaan järjestelmä käynnistetään koekäyttöön.
  • Koekäyttö.Kun järjestelmä on jo käytössä, mutta ei ehkä täydellä kapasiteetilla, ei kaikilla esimerkiksi yrityksen tuotteilla tai ei kaikissa varastoissa. Mahdolliset virheet korjataan ja algoritmeja säädetään. Tämän vaiheen lopussa koko järjestelmä otetaan kaupalliseen käyttöön.

Mitä yrityksen ratkaisut perustuvat matemaattisiin ratkaisuihin:

  • Täydennystekee varantotavaroiden hallinnanautomaattinen, kun taas edelleen on tehtävänä mukauttaa tilattujen tavaroiden määrää, mikä on tärkeää jakelijoille, tuottajaorganisaatioille ja vähittäiskaupalle.
  • suunnittelusisältää erilaisia ​​ominaisuuksia strategiseen ja taktiseen myynnin suunnitteluun.
  • jakelujakaa suunnitelman optimaalisesti tuotantolaitosten kesken ja arvioi annettujen tehtävien suorittamisen keston suhteessa asiakastilausten määrään.
  • aikataulutusratkaisee tuotantolinjojen optimaalisen ajoituksen ongelman asiakkaiden tilausten maksimoimiseksi minimaalisin kustannuksin.
  • mainosennustaa ylennysten tehokkuutta suorittamallaheidän analyysinsä. Järjestelmä määrittää sen eri parametrien suhdetta ja kysynnän dynamiikkaa hyödyntäen, miten myyntivolyymi muuttuu promootioiden seurauksena. Jos kampanja järjestetään ensimmäistä kertaa ja henkilötietoja ei ole riittävästi arvioitavaksi, saman alueen samanlaiset toiminnot otetaan samoilla parametreilla, mutta eri alennussyvyydellä.

Haasteet ja menestykset

"Tietenkin hankkeiden hallinnoinnin vaikeudeton erilaisia ​​- poliittisia, teknisiä ja joskus jopa taloudellisia. Jos tarkastelemme teknisiä näkökohtia, tässä keskeinen asia on asiakkaan alkuperäisten tietojen laatu ja rakenne, - kertoo Sergei Kotik. - Integraation puitteissa voi aina syntyä vaikeuksia, ja ne ovat yleensä hyvin yksilöllisiä. Joskus on hyvin erityisiä ongelmia. Esimerkiksi asiakas haluaa tehdä projektin, ja hänen tietotekniikan asiantuntijat ovat hyvin kiireisiä, heidän tehtävänsä on suunniteltu vuodeksi etukäteen, ja he sanovat, ettei he osallistu hankkeeseen. Tämä pätee erityisesti suuriin yrityksiin. Työskentelemme parhaillaan projektissa, jossa työntekijät toteuttavat sen ilman IT-asiantuntijoidensa apua, yritysasiakkaat itse toimittivat meille kaikki tarvittavat tiedot. Itse asiassa se teki titaanisen työn. Huolimatta siitä, että maailmanlaajuisen pääyhtiön IT-osasto on luopunut kaikesta, projekti on käynnissä, muut yksiköt selviytyvät tehtävistä ”.

GoodsForecast on suunnattu suurille asiakkaille osittain, koska heiltä puuttuu tietomäärät, jotka on järkevää analysoida algoritmisesti.

"Työskentelemme suuryritysten kanssa ennen kaikkeakoska optimointi, jonka teemme edelleen, antaa asiakkaalle merkittävän hyödyn suurissa volyymeissa. Kuvittele pilttuu, joka myy 100 tuhatta ruplaa kuukaudessa. Jos hän rakentaa kysynnän ennusteen ja luo monimutkaisia ​​varastonhallintamalleja, hän alkaa ansaita 45 tuhatta sijasta 40: tä. Se on yksinkertaisesti kannattamatonta, - sanoo Sergei Kotik. - Tuotteemme tulee ottaa käyttöön vasta, kun yrityksellä on merkittävä liikevaihto. On epätodennäköistä, että hanke toteutetaan halvalla, koska jokainen yritys on hyvin yksilöllinen ja jokaisella tuotteella on omat ominaisuutensa. Tämä edellyttää jo tiettyjä työvoimakustannuksia. Et voi ottaa tiettyä mallia, yhtä kaikille, säätää sitä ja saada ennusteita, suosituksia tilauksista - tai optimoida tuotannon.

Sergey Kotik. Kuva: Eugene Feldman / "Hightech"

Työskentelemme kuitenkin ajatuksella luoda joitakinyleinen ratkaisu, joka antaisi meille mahdollisuuden laajentaa ja auttaa pienyrityksiä heidän työstään. Pienille yrityksille on kuitenkin tärkeitä muita tehtäviä. Ne ovat tärkeämpi automaatio, erityisesti kirjanpitojärjestelmien käyttöönotto ja laadukkaiden tietojen hallinta. Nyt on paljon käteviä kirjanpitojärjestelmiä pienille yrityksille, jotka liittyvät kauppaan ja tuotantoon. Mutta jos puhumme sellaisesta pienyrityksestä, joka myy myyntiä paperilehdessä, tallentamalla kaikki tiedot kynällä, optimointia ei tarvita nyt tai lähitulevaisuudessa. ”

Suurin vaikeus Andrei Lisitsyn mukaantuli venäläisten yritysten haluttomuus työskennellä erityispiirteissään. Yrityksillä on suuria toiveita analysoida tietomääriä, mutta samalla he eivät välitä siitä, että he harjoittavat liike-elämän ammattilaisiaan, jotka auttavat tehokkaasti analyysin tulosta.

"On tärkeää ymmärtää, että tekoäly ei oleratkaisee kaikki ongelmat napsauttamalla sormia, lisää Andrei Lisitsa. - Ei riitä, että hankit vain tehokkaan pohjoisen ja ohjelmistoalustan, lataat tietoja järjestelmään. Tarvitaan päteviä asiantuntijoita, jotka järjestävät tiedonkeruuta ja käyttävät niitä perustamalla algoritmisen laitteen tehtävän yhteydessä. Asiantuntijat, jotka voivat tulkita tulokset ja käyttää niitä kaupassa, ovat tärkeitä. Jopa kokenut johtaja ei ymmärrä suoraan monimutkaisten mallien työn logiikkaa ja indikaattorien vaikutusta tulokseen. Niinpä hän ei pysty hallitsemaan järjestelmää, hyötyä yritykselle. "

Tulevan vuoden valmistelu

Venäjän analyysi- ja ennustemarkkinat ovat nyt vahvassa kasvussa. GoodsForecastin mukaan se kasvaa vähintään 30 prosenttia vuonna 2019.

”Odotamme oman liikevaihdon kasvuavuoden lopussa, - lisää Sergei Kotik. - Suurin kysyntä tulee olemaan varastojen hallintajärjestelmien, ennakoitujen tavarareservien ja myynnin suunnittelun käyttöön. Kehitämme ennustamiseen liittyviä ratkaisuja promo-alalla. Sillä on vakaa kiinnostus markkinoihin ja se on todellakin hyvin suuri - vähintään 60 prosenttia tavaroista myydään promo. Tällainen myynti on hyvin labiilaa ja vaikeasti ennakoitavaa työtä. Koska ensinnäkin on mukana tuottaja-vähittäiskauppaketju, ja toiseksi monet tekijät vaikuttavat siihen. ”

Andrei Lisitsa, Sergei Kotik ja Daniil Kanevsky (Analytics-johtaja). Kuva: Eugene Feldman / "Hightech"

GoodsForecast esittelee vuonna 2019 useita uusiajoista toinen perustuu verotietojen toimijoiden (CRF) tietojen analysointiin. Voit tarkistaa kuluttajakorin, tarkistaa, mitkä tuotteet yleensä ostetaan samanaikaisesti yhdellä kädellä, ja arvioida kassaiden suorituskykyä. Näiden tietojen perusteella on mahdollista rakentaa optimaalisesti tavaroiden näyttäminen myyntipisteessä, ennustaa käteispisteiden työmäärää, muodostaa aikataulun työntekijöiden siirtymisestä.

”Kehitämme jo olemassa olevia tuotteita: Lisäämme erityisesti toimintoja, joiden avulla voimme luoda uusia olemassa olevien tuotteiden pohjalta ”, sanoo Andrey Lisitsa. ”Plus, nyt ratkaisemme enemmän ongelmia, jotka liittyvät tuotannon optimointiin: miten suunnitella tuotantoa oikein, jotta voidaan vastata ennustettuun tai nykyiseen kysyntään niin paljon kuin mahdollista ja samaan aikaan kustannuksia.”