Andrey Lisitsa– „GoodsForecast“ įkūrėjas ir generalinis direktorius. Nuo 2005 – kūrėjas, vadovas
Sergejus Kotikas– vienas iš įmonės įkūrėjų ir plėtros direktoriusPrekių prognozė. Taip pat Forexis dirbo kūrėjo, projektų vadovo ir skyriaus vadovo pareigas. 2004 m. baigė Maskvos valstybinio universiteto matematinio prognozavimo metodų skyrių. „GoodsForecast“ ji lydi sandorius ir kuria partnerių programas, taip pat pritraukia finansines investicijas į verslą.
Vartotojų paklausos prognozavimas irproduktų užsakymo procesų kontrolė leidžia gamintojams, platintojams ir mažmenininkams efektyviausiai dirbti. Ir svarbiausia - padėti jiems išvengti dviejų neigiamų veiksnių: sandėlio perkrovimo ir nepakankamo produktų asortimento.
Pradžioje buvo algoritmai
Prekių prognozė buvo įkurta 2013 mForexis, kurį įkūrė matematikų ir kibernetikos grupė iš Rusijos mokslų akademijos (RAS) ir Maskvos valstybinio universiteto kompiuterių centro. Pagrindinė Forexio misija buvo akademiko Jury Zhuravlev mokslinio tyrimo panaudojimas komerciniais tikslais - vietinių optimizavimo algoritmų teorijos ir algoritmų algebrinės sistemos moksliniai darbai.
Jurijus Ivanovičius Zhuravlev
„50-ajame dešimtmetyje prieš Jurį Ivanovichą Žuravlevątada jauni mokslininkai turėjo užduotį analizuoti informaciją apie aukso indėlius, - sako vienas iš „GoodsForecast“ įkūrėjų Andrejus Lisitsa. - Aukso indėlių paieška buvo labai sudėtingas ir brangus verslas. Zhuravlev pirmasis sukūrė matematinį modelį, leidžiantį labai tiksliai, remiantis turimais duomenimis, neatlikti bandymų gręžinių, pasakyti, ar reikia atlikti geologinį tyrimą numatomoje vietoje, ar tikimybė rasti auksą būtų per maža. Taigi, jo gerai išvystyta karjera gavo naują posūkį. Tai, ką jis padarė sovietmečiu, jo mokslinė mokykla tebėra šiandien, iš tikrųjų tai yra šiandien populiarus mašinos mokymosi srities vystymasis. “
Zhuravlev Yuri Ivanovich– sovietų ir rusų matematikas.Jo kompetencijos sritys yra taikomoji matematika ir informatika. Pagrindinės tyrimų sritys yra diskrečioji matematika, atpažinimo ir numatymo teorija bei Būlio funkcijos. Naujos Zhuravlevo sukurtos kryptys apima vietinio optimizavimo algoritmų teoriją ir algebrinę algoritmų teoriją, kuri susideda iš algebrinio požiūrio į teisingų algoritmų sintezės problemą.
Žuravlevo algebrinis metodas pagrįstasidėja naudoti parametrines algoritmų šeimas. Jis mano, kad prastai formalizuotų problemų, kurių neįmanoma išspręsti, sprendimo procesas leidžia rasti sprendimus konkrečioms konkrečios klasės problemoms. Remiantis šiuo metodu, buvo gauti rezultatai sprendžiant vadinamąsias kanoniškai sudėtingas problemas.
Remiantis mokslininkų taikomu bandymo algoritmusukurta visiškai nauja pripažinimo kryptis, pagrįsta diskretiška analize. Unikalus Zhuravlev apskaičiavimų skaičiavimo modelis šiandien laikomas klasikiniu.
Iki 2000 m. Zhuravlev jau buvo pakankamaiplatus mokslinis mokykla. Vienas iš jo pirmaujančių studentų, šiandien Rusijos mokslų akademijos akademikas, Konstantinas Vladimirovičius Rudakovas yra garsus matematikas. Zhuravlevas ir Rudakovas, kartu su vienu iš jų absolventų, nusprendė sukurti komercinę struktūrą, pagrįstą Mokslų akademijos skaičiavimo centru, kuris bus grindžiamas mokslo mokyklos pasiekimais ir naudoja matematiką naudos verslui ir vyriausybinėms agentūroms, t.
„Ir„ Forexis “veikia kaip natūrainkubatorius, - prideda Sergey Kotik, „GoodsForecast“ įkūrėja. - Kai kompanija tikisi atlikti užduotį, kuri gali būti pakeista, kai ji supranta, kad jos sprendimą reikia ne tik klientui, bet ir visai rinkai, ir tai gali būti naudojama serijinei istorijai, nors ši tendencija auga Forex viduje, ir tada skiriama atskirai bendrovei. Taigi, su Antiplagiat, Antirutino kompanija, su mumis - su prekėmis. Netolimoje ateityje Forexis turės kitas dukterines įmones. “
Atsargos yra kontroliuojamos
Rusijos analitinės ir. \ TKonsultacijų paslaugos buvo didelės vidutinės ir didelės įmonės profesinių prognozių rengimo paklausa. Kad įmonės veiktų efektyviai, jos turėjo aiškų pardavimo ir pirkimo planą. Norint ją parengti, specialistai susistemino duomenis apie įmonės veiklą. Šis procesas truko iki kelių mėnesių. Bet kai informacija buvo galutinai parengta, surinkta informacija buvo pasenusi. Pagalba buvo reikalinga pasitelkus išorės specialistus, turinčius novatorišką sisteminimo, analizės ir prognozavimo metodą. Taigi Rusijoje prasidėjo aktyvus skaitmeninimas ir IT diegimas versle.
Sergejus Kotikas. Nuotrauka: Eugenijus Feldmanas / „Hightech“
Tai yra tokios galimybėsGoodsForecast: pagal matematinius modelius buvo sukurtos pirmosios prognozavimo sistemos. Tačiau „Forexis“ dalyvavo ne tik prognozuojant. Analitikos ir prekybos stebėjimo sistemos buvo sėkmingai naudojamos kaip darbo priemonė Maskvos vertybinių popierių biržoje. „Forexis“ ekspertai modeliavo „Domodedovo“ oro uosto skrydžių tvarkaraštį, taip pat prognozavo krovinių vežimo geležinkeliais paklausos laipsnį Rusijos geležinkeliuose. Studentams ir tyrėjams „Forexis“ sukūrė „Antiplagiat“ paslaugą, kuri leidžia nustatyti teksto unikalumo procentą.
„Naudojame įvairius matematinius modelius“,– aiškina Sergejus Kotikas. — Tie, kurie naudojami prognozavimui, skiriasi nuo tų, kurie naudojami optimizavimo problemoms spręsti. Pradedame nuo konkretaus atvejo, nuo klientų duomenų rinkinio, kurį mūsų analitikai tiria ir analizuoja. Mūsų įmonė užsiima: programinės įrangos kūrimu, duomenų analize, verslo konsultacijomis. Būtent toks mūsų galimybių derinys leidžia įgyvendinti dabartinius projektus. Juk norint teisingai iškelti problemą ir susieti ją su matematika, reikia gerai išmanyti klientų verslo procesą. O norint išspręsti problemą, reikia mokėti kurti modelius ir juos konfigūruoti. Na, o tam, kad šis sprendimas veiktų su dideliais duomenų kiekiais, atitiktų patikimumo ir gedimų tolerancijos reikalavimus kelių vartotojų struktūroje, reikia mokėti sukurtus modelius perkelti į pramoninės programinės įrangos formą.
2013 metais GoodsForecast paskelbė apie savekaip savarankiškas juridinis asmuo, tapęs Forexis antrine įmone, o tais pačiais metais tapo vienu iš Skolkovo IT klasterio gyventojų. Po penkerių metų jos metinė apyvarta pasiekė 100 milijonų rublių. Įmonės personalas siekia apie 50 žmonių. Be administracijos, pardavimų skyriaus ir rinkodaros skyriaus, yra projektų biuras, analitikos skyrius (matematika) ir keturios produktų sritys, kurios kuria, tobulina ir diegia programinę įrangą.
„Tiesioginio pardavimo dideliems klientams procesasgana standartinis. Reputacija ir darbas žodžiu. Kažkas nuvyko į pažįstamą, kažkas kreipėsi į save, kažkas nuėjo į „šaltą“, susipažino su kuo nors konferencijose, - sako Sergejus Kotikas. - Mūsų projektų kaina skiriasi nuo šimtų tūkstančių iki kelių dešimčių milijonų rublių. Ir buvo daug įdomių projektų. Pavyzdžiui, nuo 2008 m. Bendradarbiaujame su „Baltika“. Beveik išsprendžiamos visos problemos, susijusios su prognozavimu savo įmonėje. TechnoNIKOL yra labai įdomus projektas - tai yra gamybos linijų optimizavimas. Naujoviški gamybos projektai paprastai yra sudėtingi ir labai individualūs. Įdomus projektas dabar su kompanija „Knauf“. Ją sudaro dvi gana didelės dalys: pardavimo planavimas ir gamybos planavimo optimizavimas, ty šio plano platinimas daugelyje gamybos vietų Rusijoje ir NVS šalyse. Jei vadiname regioninius projektus, mes dirbame su Čeliabinsko kompanija „Unichel“. Jie turi vieną didžiausių tinklų - daugiau nei 600 parduotuvių. Dabar baigiame inventoriaus valdymo planavimo projektą. Taip pat yra labai įdomių momentų, susijusių su avalynės rinkos ypatumais. “
Paklausos viršūnės
Akivaizdus įgyvendintų programų veiksmingumasvis dar negarantuoja 100 proc. naujoviško produkto priėmimo. Vienas iš neigiamų veiksnių, turinčių įtakos prognozavimo ir planavimo programų pažangos spartai rinkoje, yra neteisingas duomenų įvedimas iš klientų įmonių. Norėdami tęsti prognozavimą, Prekių užsakymo specialistai turi padėti jiems atlikti pirminius duomenis pradiniame etape. Toks poreikis tapo priežastimi papildyti įmonės veiklą teikiant konsultavimo paslaugas pasirinkta kryptimi.
Andrey Lisitsa. Nuotrauka: Eugenijus Feldmanas / „Hightech“
„Prieš sudarant sutartį,gana ilgas bendravimo su klientu laikotarpis. Siekiant pasiūlyti jam projekto koncepciją, apibūdinti laiką, sąnaudas ir sutikimą dėl šių parametrų, tai trunka nuo vieno mėnesio iki šešių mėnesių, o kartais ir daugiau “, - sako Sergejus Kotikas.
Visi darbai, susiję su projektu, yra suskirstyti į tris etapus:
- Įgyvendinimo projekto techninių specifikacijų rengimas. Jame viskas išdėstyta: sistemos funkcionalumas, jos naudojimo scenarijus, algoritminis aparatas, priėmimo kriterijai.
- Sprendimo įgyvendinimo procesas ir tobulinimas, jei jie yrareikia. Tai apima integraciją su duomenų šaltiniais, algoritmo nustatymais, vartotojo mokymu, priėmimo testais. Remiantis šio etapo rezultatais, sistema pradeda bandomąją veiklą.
- Bandomoji operacija.Kai sistema jau naudojama, bet galbūt ne visu pajėgumu, ne ant visų, pavyzdžiui, įmonės prekių ar ne visuose sandėliuose. Visos pasitaikančios klaidos ištaisomos ir algoritmai koreguojami. Pasibaigus šiam etapui, visa sistema pradedama naudoti komerciniais tikslais.
Ką įmonės gali pagrįsti matematiniais sprendimais:
- Papildymasdaro atsarginių prekių valdymo procesąautomatiškai, tuo tarpu išlieka užsakomų prekių kiekio koregavimo funkcija, kuri yra svarbi platintojams, gamybos organizacijoms ir mažmeninei prekybai.
- Planavimasapima daugybę strateginio ir taktinio pardavimo planavimo galimybių.
- Platinimasoptimaliai paskirsto planą tarp gamybos vietų ir įvertina priskirtų užduočių atlikimo trukmę, atsižvelgiant į klientų užsakymų skaičių.
- Planavimasišsprendžia optimalaus gamybos linijų planavimo problemą, siekiant maksimaliai padidinti klientų užsakymus su minimaliomis sąnaudomis.
- Promoprognozuoja akcijų efektyvumą vykdydamasjų analizė. Sistema, naudodama įvairių jos parametrų ir paklausos dinamikos santykį, nustato, kaip pasikeis pardavimo apimtys dėl akcijos. Jei akcija rengiama pirmą kartą ir nepakanka asmens duomenų vertinimui, tuomet panaši veikla tame pačiame regione imama naudojant tuos pačius parametrus, tačiau su skirtingu nuolaidų gyliu.
Iššūkiai ir sėkmės
„Žinoma, sunkumai valdant projektusyra skirtingi - politiniai, techniniai ir kartais net ekonominiai. Jei atsižvelgsime į techninius aspektus, čia svarbiausia yra kliento pradinių duomenų kokybė ir struktūra, - aiškina Sergejus Kotikas. - Integracijos sistemoje visada gali kilti sunkumų, ir jie paprastai yra labai individualūs. Kartais yra labai specifinių problemų. Pavyzdžiui, klientas nori sukurti projektą, o jo IT specialistai yra labai užsiėmę, jų užduotys planuojamos prieš metus, ir jie sako, kad jie nedalyvaus projekte. Tai ypač aktualu didelėms įmonėms. Pavyzdžiui, šiuo metu rengiame projektą, kuriame darbuotojai jį įgyvendina be IT specialistų pagalbos, patys verslo klientai mums pateikė visus reikiamus duomenis. Tiesą sakant, tai buvo titano darbas. Net nepaisant to, kad pasaulinės kompanijos IT skyrius atsisakė visko, projektas tęsiasi, kiti departamentai susiduria su užduotimi “.
„GoodsForecast“ iš dalies skirta dideliems klientams, nes jiems trūksta duomenų, kuriuos būtų tikslinga analizuoti algoritmiškai.
„Mes dirbame su dideliais verslais, visų pirma,nes optimizavimas, kurį mes dar darome, suteikia klientui didelę naudą dideliais kiekiais. Įsivaizduokite stendą, kuris per mėnesį parduoda 100 tūkst. Rublių. Jei jam reikės sukurti paklausos prognozę ir sukurti sudėtingus atsargų valdymo modelius, jis pradės uždirbti 45 tūkst. Vietoj 40. Tačiau pats projektas kainuos kelis milijonus rublių. Tai tiesiog nepelninga, - sako Sergejus Kotikas. - Mūsų produktas turėtų būti pristatytas tik tada, kai įmonė turi didelę apyvartą. Mažai tikėtina, kad projektas bus įgyvendintas pigiai, nes kiekviena įmonė yra labai individuali ir kiekvienas jos gaminys turi savų savybių. Ir tai jau reikalauja tam tikrų darbo sąnaudų. Jūs negalite paimti tam tikro modelio, vienas visiems, koreguoti ir gauti prognozes, rekomendacijas dėl užsakymų arba optimizuoti gamybą.
Sergejus Kotikas. Nuotrauka: Eugenijus Feldmanas / „Hightech“
Tačiau dirbame su idėja sukurti kai kuriuosvisuotinis sprendimas, kuris leistų mums masto ir padėti smulkiajam verslui jų darbe. Tačiau šiandien mažoms įmonėms svarbios kitos užduotys. Tai yra svarbesnė automatizacija, ypač apskaitos sistemų įdiegimas ir aukštos kokybės duomenų valdymas. Dabar yra daug patogių apskaitos sistemų mažoms įmonėms, kurios yra susijusios su prekyba ir gamyba. Bet jei kalbame apie tokį mažą verslą, kuris vykdo pardavimus popieriniame žurnale, įrašydamas visus duomenis su rašikliu, dabar ar artimiausioje ateityje nereikia optimizuoti. “
Pagrindiniai sunkumai, pasak Andrejus Lisitsy,tapo Rusijos įmonių nenoras dirbti su specifika. Įmonės turi didelių vilčių analizuoti duomenų apimtis, tačiau tuo pačiu metu jos nerūpi tuo, kad jos užsiima savo verslu, o tai padės efektyviai panaudoti analizės rezultatus.
„Svarbu suprasti, kad dirbtinis intelektas nėraišspręs visas problemas spustelėję pirštus, prideda Andrejus Lisitsa. - Nepakanka tiesiog įsigyti galingą Šiaurės ir programinės įrangos platformą, įkelti duomenis į sistemą. Kompetentingi specialistai, kurie organizuos duomenų rinkimą ir, naudodamiesi jais, užduoties kontekste sukurs algoritminį aparatą. Svarbūs yra ekspertai, galintys iššifruoti rezultatus ir juos naudoti prekyboje. Net patyręs vadovas negali tiesiogiai suprasti sudėtingų modelių darbo logikos ir rodiklių įtakos rezultatui. Taigi jis negalės valdyti sistemos naudos įmonei. “
Kas ateinančiais metais rengiasi
Šiandien Rusijos analizės ir prognozių rinka sparčiai auga. „GoodsForecast“ duomenimis, 2019 m. jis augs mažiausiai 30 proc.
„Tikimės, kad mūsų pačios apyvartos augimas bus toks patmetų pabaigoje, - priduria Sergejus Kotikas. - Didžiausią paklausą reikės naudoti atsargų valdymo sistemoms, prognozuojamiems prekių rezervams ir pardavimų planavimui. Mes parengsime sprendimus, susijusius su prognozavimu promo srityje. Ji turi nuolatinį susidomėjimą rinka ir iš tiesų yra labai didelė - mažiausiai 60% prekių yra parduodamos per promo. Tokie pardavimai yra labai geri ir sunkiai prognozuojami. Kadangi, pirma, dalyvauja „gamintojų ir mažmenininkų“ grandinė, ir, antra, tai turi įtakos daugeliui veiksnių. “
Andrejus Lisitsa, Sergejus Kotikas ir Daniil Kanevsky („Analytics“ direktorius). Nuotrauka: Eugenijus Feldmanas / „Hightech“
2019 m. GoodsForecast pristatys keletą naujųkurių vienas yra pagrįstas fiskalinių duomenų operatorių duomenų analize. Patikrinus iš prekybos vietų, galite išanalizuoti vartotojų krepšį, nustatyti, kurie produktai paprastai yra perkami vienu metu, ir įvertinti kasos našumą. Remiantis tokiais duomenimis, galima optimaliai sukurti prekių rodymą pardavimo vietoje, prognozuoti kasos darbo krūvį, sudaryti darbuotojų pamainų tvarkaraštį.
„Kuriame jau esamus produktus: Ypač pridedame funkcionalumą, kuris leis mums sukurti naujus, remiantis esamais produktais “, - sako Andrejus Lisitsa. „Be to, dabar sprendžiame daugiau problemų, susijusių su gamybos optimizavimu: kaip teisingai planuoti gamybą, kad kuo labiau patenkintume prognozuojamą ar esamą paklausą ir tuo pačiu metu būtų padengiamos išlaidos“.