Andrey Lisitsa— Mede-oprichter en CEO van GoodsForecast. Sinds 2005 - ontwikkelaar, manager
Sergey Kotik— medeoprichter en ontwikkelingsdirecteur van het bedrijfGoederenvoorspelling. Daarnaast werkte hij bij Forexis in de functies van ontwikkelaar, projectmanager en afdelingshoofd. Afgestudeerd aan de Staatsuniversiteit van Moskou in 2004, afdeling wiskundige voorspellingsmethoden. Bij GoodsForecast begeleidt ze transacties, ontwikkelt ze partnerprogramma's en trekt ze financiële investeringen in het bedrijf aan.
Voorspelling van de consumentenvraag encontrole over de processen van het bestellen van producten stelt fabrikanten, distributeurs en detailhandelaren in staat om het meest efficiënt te werken. En het allerbelangrijkste: help ze om twee negatieve factoren te vermijden: het opnieuw opstarten van het magazijn en de ontoereikendheid van het assortiment.
In het begin waren de algoritmen
GoodsForecast werd opgericht in 2013 op basis vanForexis, opgericht door een groep wiskundigen en cybernetica van het computercentrum van de Russische Academie van Wetenschappen (RAS) en de Moskouse Staatsuniversiteit in 2000. De belangrijkste missie van Forexis was het gebruik voor commerciële doeleinden van wetenschappelijk onderzoek door Academicus Yury Zhuravlev - wetenschappelijke studies over de theorie van lokale optimalisatie-algoritmen en het algebraïsche algoritmasysteem.
Yuri Ivanovich Zhuravlev
"In de jaren 50 voor Yuri Ivanovich Zhuravlev,dan hadden jonge wetenschappers de taak om informatie over goudafzettingen te analyseren, - zegt een van de oprichters van GoodsForecast, Andrei Lisitsa. - Het zoeken naar goudstortingen was een zeer moeilijk en duur bedrijf. Zhuravlev was de eerste die een wiskundig model bouwde dat het mogelijk maakte, met grote nauwkeurigheid, op basis van de beschikbare gegevens, zonder testboringen uit te voeren, om te zeggen of het noodzakelijk was geologische prospectie op de verwachte locatie uit te voeren of dat de waarschijnlijkheid van het vinden van goud te klein zou zijn. Zo heeft zijn goed ontwikkelde carrière een nieuwe wending gekregen. Wat hij in het Sovjettijdperk deed, zijn wetenschappelijke school blijft het vandaag doen, in feite, is een ontwikkeling van het machine-leergebied, dat tegenwoordig zo populair is. "
Zhuravlev Yuri Ivanovich- Sovjet- en Russische wiskundige.Tot zijn expertisegebieden behoren toegepaste wiskunde en informatica. De belangrijkste onderzoeksgebieden zijn discrete wiskunde, herkennings- en voorspellingstheorie en Booleaanse functies. Nieuwe richtingen gecreëerd door Zhuravlev omvatten de theorie van lokale optimalisatie-algoritmen en de algebraïsche theorie van algoritmen, die bestaat uit een algebraïsche benadering van het probleem van het synthetiseren van correcte algoritmen.
De algebraïsche benadering van Zhuravlev is gebaseerd ophet idee om parametrische families van algoritmen te gebruiken. Hij gelooft dat het proces van het oplossen van slecht geformaliseerde problemen, die niet kunnen worden opgelost, iemand in staat stelt oplossingen te vinden voor specifieke problemen van een bepaalde klasse. Op basis van deze aanpak werden resultaten verkregen voor het oplossen van zogenaamde canoniek moeilijke problemen.
Gebaseerd op het testalgoritme dat door wetenschappers wordt gebruikteen volledig nieuwe richting in herkenning werd gecreëerd, die is gebaseerd op het gebruik van discrete analyse. Het unieke model voor het berekenen van schattingen gemaakt door Zhuravlev wordt vandaag als klassiek beschouwd.
Tegen 2000 had Zhuravlev al genoeguitgebreide wetenschappelijke school. Een van zijn vooraanstaande studenten, vandaag een academicus van de Russische Academie van Wetenschappen, Konstantin Vladimirovich Rudakov is een beroemde wiskundige. Zhuravlev en Rudakov hebben samen met een van hun afgestudeerden besloten om een commerciële structuur te creëren op basis van het rekencentrum van de Academie van Wetenschappen, dat gebaseerd zal zijn op de prestaties van de wetenschappelijke school en gebruik zal maken van wiskunde voor bedrijven en overheidsinstellingen, dat wil zeggen om gegevens te analyseren en op dit gebied op maat gemaakte projecten uit te voeren.
"En" Forexis "functioneert als een soort vaneen incubator, - voegt Sergey Kotik toe, mede-oprichter van GoodsForecast. - Wanneer een bedrijf op zoek gaat naar een taak die kan worden geschaald, als het beseft dat zijn oplossing niet alleen door de klant, maar door de markt als geheel nodig is, en dit kan worden gebruikt om een seriële geschiedenis te maken, groeit deze trend een tijdlang in Forexis en vervolgens toegewezen aan een afzonderlijk bedrijf. Het was dus met Antiplagiat, Antirutin, met ons - met GoodsForecast. In de nabije toekomst zal Forexis andere dochterondernemingen hebben. "
Voorraden onder controle
Op de Russische markt van analytische enadviesdiensten was er een grote vraag naar de voorbereiding van professionele prognoses voor middelgrote en grote bedrijven. Om effectief te kunnen werken, hadden bedrijven een duidelijk verkoop- en inkoopplan nodig. Om het samen te stellen, systematiseerden specialisten gegevens over de activiteiten van de onderneming. Dit proces duurde enkele maanden. Maar toen de informatie uiteindelijk was voorbereid, was de verzamelde informatie verouderd. Er was hulp nodig met de hulp van externe specialisten die een innovatieve methode van systematisering, analyse en prognose bezitten. Dus in Rusland is begonnen met actieve digitalisering en IT-implementatie in het bedrijfsleven.
Sergey Kotik. Foto: Eugene Feldman / "Hightech"
Dit zijn de kansen die worden geboden inGoodsForecast: op basis van wiskundige modellen zijn de eerste prognosesystemen gemaakt. Forexis was echter niet alleen bezig met prognoses. Analyse- en handelscontrolesystemen werden met succes gebruikt als werkinstrument op de Moscow Stock Exchange. Deskundigen van Forexis modelleerden het vluchtschema op Domodedovo Airport en maakten ook een prognose van de mate van vraag naar goederenvervoer per spoor naar Russian Railways. Voor studenten en onderzoekers heeft Forexis de Antiplagiat-service gemaakt, waarmee het percentage tekstuniciteit kan worden vastgesteld.
“We gebruiken verschillende wiskundige modellen,”legt Sergej Kotik uit. — Degenen die worden gebruikt voor prognoses verschillen van degenen die worden gebruikt om optimalisatieproblemen op te lossen. We vertrekken van een specifieke casus, van een set klantdata, die onze analisten onderzoeken en analyseren. Ons bedrijf houdt zich bezig met het volgende: softwareontwikkeling, data-analyse, bedrijfsadvies. Het is deze combinatie van onze capaciteiten die ons in staat stelt lopende projecten te implementeren. Om het probleem correct te kunnen stellen en te verbinden met de wiskunde, moet je immers een goed inzicht hebben in het bedrijfsproces van de klant. En om het probleem op te lossen, moet je modellen kunnen bouwen en configureren. Om deze oplossing te laten werken met grote hoeveelheden data en te voldoen aan de eisen van betrouwbaarheid en fouttolerantie in een multi-user structuur, moet je de ontwikkelde modellen in de vorm van industriële software kunnen omzetten.”
In 2013 kondigde GoodsForecast zichzelf aanals een onafhankelijke juridische entiteit, werd een dochteronderneming van Forexis en werd in hetzelfde jaar een van de bewoners van het Skolkovo IT-cluster. Vijf jaar later bereikte de jaaromzet 100 miljoen roebel. Het personeelsbestand van het bedrijf bereikt ongeveer 50 mensen. Naast de afdeling administratie, verkoop en marketing is er een projectbureau, een afdeling analytics (wiskunde) en vier productgebieden die de software ontwikkelen, verfijnen en implementeren.
"Het proces van directe verkoop aan grote klantenvrij standaard. Reputatie en mond-tot-mondreclame. Iemand ging naar een kennis, iemand sprak zichzelf aan, iemand ging "verkouden", maakte kennis met iemand op conferenties, - zegt Sergey Kotik. - De kosten van onze projecten zijn anders, van honderdduizenden tot enkele tientallen miljoenen roebels. En er waren veel interessante projecten. We werken bijvoorbeeld sinds 2008 samen met Baltika. Los bijna alle problemen op die samenhangen met prognoses in hun bedrijf. Er is een zeer interessant project in termen van complexiteit met TechnoNIKOL - dit is de optimalisatie van productielijnen. Innovatieve projecten in productie zijn allemaal meestal complex en zeer individueel. Een interessant project nu met het bedrijf Knauf. Het bestaat uit twee vrij grote delen: verkoopplanning en optimalisatie van productieplanning, dat wil zeggen de verdeling van dit plan over hun talrijke productievestigingen in Rusland en de GOS-landen. Als we regionale projecten noemen, werken we samen met het bedrijf "Unichel" uit Chelyabinsk. Ze hebben een van de grootste netwerken - meer dan 600 winkels. Nu zijn we klaar met het project voor het plannen van voorraadbeheer. Ook daar zijn zeer interessante momenten verbonden precies met de specifieke kenmerken van de schoenenmarkt. "
Vraag tops
Duidelijke effectiviteit van de geïmplementeerde programma'snog steeds niet de garantie voor honderd procent goedkeuring van een innovatief product. Een van de negatieve factoren die de snelheid van de voortgang van prognose- en planningprogramma's op de markt beïnvloeden, is de onjuiste invoer van gegevens door klantbedrijven. Om door te gaan met de prognose, moeten GoodsForescast-specialisten hen in de voorbereidende fase helpen met de eerste gegevens. Een dergelijke behoefte is de reden geworden om de activiteiten van het bedrijf aan te vullen met het leveren van adviesdiensten in een gekozen richting.
Andrey Lisitsa. Foto: Eugene Feldman / "Hightech"
"Voordat we een contract aangaan,een vrij lange periode van communicatie met de klant. Om hem het concept van het project aan te bieden, om de tijd en de kosten te beschrijven en overeenstemming te bereiken over deze parameters, duurt het van een maand tot zes maanden, en soms meer, "- zegt Sergey Kotik.
Alle werkzaamheden aan het project zijn verdeeld in drie fasen:
- Ontwikkeling van technische specificaties voor het implementatieproject. Alles staat erin beschreven: de functionaliteit van het systeem, het scenario voor het gebruik ervan, het algoritmische apparaat, de acceptatiecriteria.
- Het proces van implementatie van de oplossing en verfijning, als ze dat doenzijn nodig. Dit omvat integratie met gegevensbronnen, aanpassing van algoritmen, gebruikerstraining, acceptatietests. Volgens de resultaten van deze fase wordt het systeem in proefbedrijf geïntroduceerd.
- Proefdraaien.Wanneer het systeem al in gebruik is, maar misschien niet op volle capaciteit, niet op alle goederen van bijvoorbeeld het bedrijf of niet op alle magazijnen. Eventuele fouten die optreden worden gecorrigeerd en algoritmen worden aangepast. Aan het einde van deze fase wordt het hele systeem in commerciële exploitatie gebracht.
Wat kunnen de oplossingen van het bedrijf op basis van wiskundige oplossingen:
- Aanvullingmaakt het proces van het beheer van reserve goederenautomatisch, terwijl er nog steeds de functie is om de hoeveelheid bestelde goederen aan te passen, wat belangrijk is voor distributeurs, producerende organisaties en detailhandel.
- planningomvat een reeks mogelijkheden voor strategische en tactische verkoopplanning.
- distributieverdeelt het plan optimaal over de productielocaties en schat de duur van de voltooiing van toegewezen taken in verhouding tot het aantal klantorders.
- schedulinglost het probleem op van een optimale planning van productielijnen om klantorders te maximaliseren tegen minimale kosten.
- promovoorspelt de effectiviteit van promoties door te voerenhun analyse. Het systeem bepaalt hoe het verkoopvolume zal veranderen als gevolg van de promotie, op basis van de verhouding tussen de verschillende parameters en de dynamiek van de vraag. Als de promotie voor de eerste keer wordt gehouden en er niet voldoende persoonlijke gegevens zijn voor evaluatie, worden vergelijkbare activiteiten in dezelfde regio uitgevoerd met dezelfde parameters, maar met een andere kortingsdiepte.
Uitdagingen en successen
"Moeilijkheden bij het beheren van projecten, natuurlijk,er zijn verschillende - politieke, technische en soms zelfs economische. Als we kijken naar de technische aspecten, dan is het belangrijkste punt de kwaliteit en structuur van de initiële gegevens van de klant, - verklaart Sergey Kotik. - In het kader van integratie kunnen zich altijd problemen voordoen, en deze zijn in de regel zeer individueel. Soms zijn er heel specifieke problemen. Een klant wil bijvoorbeeld een project maken en zijn IT-specialisten zijn erg druk, hun taken staan een jaar van tevoren gepland en ze zeggen dat ze niet aan het project zullen deelnemen. Dit geldt vooral voor grote bedrijven. We werken bijvoorbeeld momenteel aan een project waar medewerkers het implementeren zonder de hulp van hun IT-specialisten, de zakelijke klanten zelf voorzagen ons van alle benodigde gegevens. Dat is in feite een titanisch werk. Zelfs ondanks het feit dat de IT-afdeling van het wereldwijde hoofdbedrijf alles heeft opgegeven, is het project op, andere afdelingen houden zich bezig met de taak ".
GoodsForecast richt zich gedeeltelijk op grote klanten omdat zij degenen zijn die de gegevensvolumes missen die zinvol zijn om algoritmisch te analyseren.
"We werken vooral met big business,omdat de optimalisatie die we doen, de klant nog steeds een aanzienlijk voordeel oplevert in grote volumes. Stel je een kraam voor die 100 duizend roebel per maand verkoopt. Als hij een voorspelling van de vraag wil opstellen en complexe modellen voor voorraadbeheer wil maken, zal hij 45 duizend verdienen in plaats van 40. Het project zelf kost echter enkele miljoenen roebel. Het is gewoon niet rendabel, - zegt Sergey Kotik. - Ons product moet alleen worden geïntroduceerd als het bedrijf een aanzienlijke omzet heeft. Het is onwaarschijnlijk dat het project goedkoop zal worden geïmplementeerd omdat elk bedrijf zeer individueel is en elk van zijn producten zijn eigen kenmerken heeft. En dit vereist al bepaalde arbeidskosten. Je kunt niet een bepaald model nemen, een voor iedereen, het aanpassen en voorspellingen, aanbevelingen voor bestellingen krijgen of de productie optimaliseren.
Sergey Kotik. Foto: Eugene Feldman / "Hightech"
We werken echter aan het idee om er enkele te makenuniversele oplossing waarmee we kleine bedrijven kunnen opschalen en helpen bij hun werk. Maar voor kleine bedrijven zijn tegenwoordig relevante andere taken. Ze zijn belangrijker dan automatisering, in het bijzonder de invoering van boekhoudsystemen en hoogwaardig gegevensbeheer. Nu zijn er veel handige boekhoudsystemen voor kleine bedrijven die verbonden zijn met handel en productie. Maar als we het hebben over zo'n klein bedrijf dat omzet verkoopt in een papieren tijdschrift en alle gegevens opslaat met een pen, dan is er geen optimalisatie nodig nu of in de nabije toekomst. "
De grootste moeilijkheid, volgens Andrei Lisitsy,werd de onwil van Russische ondernemingen om met specifieke zaken te werken. Ondernemingen hebben hoge verwachtingen van het analyseren van datavolumes, maar tegelijkertijd geven ze er niet om dat ze betrokken zijn bij hun eigen bedrijf, wat zal helpen om het resultaat van de analyse effectief te gebruiken.
"Het is belangrijk om te begrijpen dat kunstmatige intelligentie dat niet iszal alle problemen oplossen door op de vingers te klikken, voegt Andrei Lisitsa eraan toe. - Het volstaat niet om eenvoudigweg een krachtig Noord- en softwareplatform te verwerven, gegevens in het systeem te laden. Er zijn bekwame specialisten nodig die gegevensverzameling organiseren en, met behulp daarvan, een algoritmisch apparaat opzetten in de context van de taak. De experts die de resultaten kunnen ontcijferen en gebruiken in de handel zijn belangrijk. Zelfs een ervaren manager kan de logica van het werk van complexe modellen en de invloed van indicatoren op het resultaat niet direct begrijpen. Dus hij zal het systeem niet kunnen beheren, ten voordele van de onderneming. "
Wat het komende jaar bereidt zich voor
Tegenwoordig laat de Russische markt voor analyse en prognoses een sterke groei zien. Volgens GoodsForecast zal het in 2019 met minstens 30% groeien.
"We verwachten dezelfde groei van onze eigen omzetaan het einde van het jaar, - voegt Sergey Kotik toe. - De grootste vraag zal zijn in het gebruik van voorraadbeheersystemen, de voorspelde reserves van goederen en verkoopplanning. We zullen oplossingen ontwikkelen met betrekking tot prognoses op het gebied van promo. Het heeft een vaste interesse in de markt en is inderdaad erg groot - minstens 60% van de goederen wordt via promo verkocht. Dergelijke verkopen zijn zeer labiel en moeilijk om werk te voorspellen. Omdat, ten eerste, de keten van de "producent-detailhandelaar" erbij betrokken is, en ten tweede, er vele factoren invloed op hebben. "
Andrei Lisitsa, Sergey Kotik en Daniil Kanevsky (Directeur Analytics). Foto: Eugene Feldman / "Hightech"
In 2019 presenteert GoodsForecast een aantal nieuweproducten, waarvan er één is gebaseerd op de analyse van gegevens van fiscale gegevensoperatoren (CRF). Door te checken vanuit de winkels, kunt u de consumentenmand analyseren, identificeren welke producten gewoonlijk tegelijkertijd in één hand worden gekocht en de prestaties van kassiers evalueren. Op basis van dergelijke gegevens is het mogelijk om de weergave van goederen optimaal te bouwen op het verkooppunt, de werklast van kassa's te voorspellen, een schema op te stellen van personeelsverschuivingen.
"We zijn al bestaande producten aan het ontwikkelen: In het bijzonder voegen we functionaliteit toe waarmee we nieuwe kunnen maken op basis van bestaande producten ", zegt Andrey Lisitsa. "Bovendien lossen we nu meer problemen op met betrekking tot het optimaliseren van de productie: hoe de productie correct te plannen, om zoveel mogelijk aan de voorspelde of huidige vraag te voldoen en tegelijkertijd de kosten te verlagen."