Andrey Lisitsa- medstifter og administrerende direktør i GoodsForecast.Since 2005 - utvikler, leder
Sergey Kotik — сооснователь и директор по развитию компании Vareprognose. Han jobbet også i Forexis i stillingene som utvikler, prosjektleder og avdelingsleder. Uteksaminert fra Moscow State University i 2004, avdeling for matematiske prognosemetoder. Hos GoodsForecast følger hun transaksjoner og utvikler tilknyttede programmer, og tiltrekker seg også økonomiske investeringer i virksomheten.
Forecasting forbrukernes etterspørsel ogkontroll over prosessene med bestilling av produkter tillater produsenter, distributører og forhandlere å jobbe mest effektivt. Og viktigst - hjelp dem til å unngå to negative faktorer: omstart av lageret og mangel på produktutvalget.
I begynnelsen var algoritmer
GoodsForecast ble etablert i 2013 på grunnlag avForexis, grunnlagt av en gruppe matematikere og cybernetikk fra datasenteret til det russiske vitenskapsakademiet (RAS) og Moskva statsuniversitet i 2000. Fremtidens hovedoppgave var bruk til kommersielle formål av vitenskapelig forskning av akademiker Yury Zhuravlev - vitenskapelige arbeider på teorien om lokale optimaliseringsalgoritmer og algebraisk system av algoritmer.
Yuri Ivanovich Zhuravlev
"I 50-årene før Yuri Ivanovich Zhuravlev,da hadde unge forskere oppgaven å analysere informasjon om gullinnskudd, sier en av grunnleggerne av GoodsForecast, Andrei Lisitsa. - Søket etter gullinnskudd var en svært vanskelig og dyr forretning. Zhuravlev var den første til å bygge en matematisk modell som gjorde det mulig, med stor nøyaktighet, basert på tilgjengelige data, uten å utføre testboringer, for å si om det var nødvendig å gjennomføre geologisk prospektering på forventet sted, eller sannsynligheten for å finne gull ville være for liten. Dermed har hans velutviklede karriere fått en ny vri. Hva han gjorde i sovjettiden, fortsetter sin vitenskapelige skole i dag, faktisk er en utvikling av maskinens læringsfelt, som er så populært i dag. "
Zhuravlev Yuri Ivanovicher en sovjetisk og russisk matematiker.Hovedområdene for forskning er diskret matematikk, anerkjennelse og prediksjonsteori og boolske funksjoner.De nye retningene opprettet av Zhuravlev inkluderer teorien om lokale optimaliseringsalgoritmer og den algebraiske teorien om algoritmer, som består i en algebraisk tilnærming til problemet med syntese av riktige algoritmer.
Zhuravlevs algebraiske tilnærming er basert på ideen om å bruke parametriske familier av algoritmer.Han mener at prosessen med å løse dårlig formaliserte oppgaver som ikke kan mestresPå grunnlag av denne tilnærmingen ble resultatene av å løse de såkalte kanonisk vanskelige problemene oppnådd.
Basert på testalgoritmen som brukes av forskereen helt ny retning i anerkjennelse ble opprettet, som er basert på bruk av diskret analyse. Den unike modellen for beregning av estimater opprettet av Zhuravlev regnes som klassisk i dag.
I 2000 hadde Zhuravlev nokomfattende vitenskapelig skole. En av hans ledende studenter, i dag en akademiker fra det russiske vitenskapsakademiet, er Konstantin Vladimirovich Rudakov en berømt matematiker. Zhuravlev og Rudakov sammen med en av deres kandidater bestemte seg for å skape en kommersiell struktur basert på Vitenskapsakademiets databehandling, som vil være basert på vitenskapelige skoles prestasjoner og bruke matematikk til fordel for nærings- og regjeringsorganer, det vil si å analysere data og utføre tilpassede prosjekter i dette området.
"Og" Forexis "fungerer som en slagsen inkubator, - legger Sergey Kotik, medstifter av GoodsForecast. - Når en bedrift groper for en oppgave som kan skaleres, når den innser at løsningen er nødvendig, ikke bare av kunden, men av markedet som en helhet, og dette kan brukes til å lage en seriell historie, vokser denne trenden en gang i Forexis, og deretter tildelt til et eget selskap. Så det var med Antiplagiat, Antirutin selskap, med oss - med GoodsForecast. I nær fremtid vil Forexis ha andre datterselskaper. "
Aksjer under kontroll
I det russiske markedet for analytiske ogkonsulenttjenester var det stor etterspørsel etter utarbeidelse av profesjonelle prognoser for mellomstore og store bedrifter. For å jobbe effektivt behøvde bedrifter et klart salgs- og innkjøpsplan. For å kompilere det, spesialister systematiserte data om virksomhetene i bedriften. Denne prosessen tok opp til flere måneder. Men da informasjonen endelig ble utarbeidet, var informasjonen samlet utdatert. Det var behov for hjelp ved hjelp av eksterne spesialister som eier en innovativ metode for systematisering, analyse og prognoser. Så i Russland begynte aktiv digitalisering og IT-implementering i virksomheten.
Sergey Kotik. Foto: Eugene Feldman / "Hightech"
Dette er mulighetene som tilbys iGoodsForecast: basert på matematiske modeller ble de første prognosesystemene opprettet. Forexis var imidlertid ikke bare engasjert i prognoser. Analytics og trading overvåkingssystemer ble vellykket brukt som et arbeidsverktøy på Moskva-børsen. Eksperter fra Forexis modellerte tidsplanen for flyreiser på Domodedovo flyplass, og gjorde også en prognose av graden av etterspørsel etter godstransport med jernbane til russiske jernbaner. For studenter og forskere har Forexis skapt Antiplagiat-tjenesten, som gjør det mulig å bestemme prosentandelen av tekst-unikt.
"Vi bruker ulike matematiske modeller," forklarer Sergey Kotik, "De av dem som brukes til prognoser, er forskjellige fraVi fortsetter fraet spesifikt tilfelle, fra kundens datasett, som våre analytikere undersøkerVårt firma er engasjert i følgende: programvareutvikling, dataanalyse, forretningsrådgivning.Det er denne kombinasjonen av våre evner som gjør at vi kan implementere nåværende prosjekter.Tross alt, for å kunne formulere et problem riktig og koble det til matematikk, må du ha en god forståelse av forretningsprosessen til kundene.Og for å løse problemet, må du kunne bygge modeller og justere dem.Og for at denne løsningen skal fungere på store mengder data, og oppfylle kravene til pålitelighet og feiltoleranse i en flerbrukerstruktur, må du kunne sette de utviklede modellene i form av industriell programvare. "
I 2013 etablerte GoodsForecast seg som en uavhengig juridisk enhet, ble et datterselskap av Forxis, og på den tidenI samme år ble hun en av beboerne i Skolkovo IT-klyngen.Fem år senere,Den årlige omsetningen nådde 100 millioner rubler.I tillegg til administrasjons-, salgs- og markedsavdelingene er detet prosjektkontor, en analytisk (matematikk) avdeling og fire produktområder som er under utvikling og ferdigstillelseog implementere programvare.
"Prosessen med direkte salg til store kunderganske standard. Omdømme og muntlig arbeid. Noen gikk til en bekjent, noen adresserte seg, noen gikk for å "kalde", ble kjent med noen på konferanser, - sier Sergey Kotik. - Kostnaden for våre prosjekter er forskjellig, fra hundretusener til flere titalls millioner rubler. Og det var mange interessante prosjekter. For eksempel har vi samarbeidet med Baltika siden 2008. Nesten løse alle problemene knyttet til prognoser i deres selskap. Det er et veldig interessant prosjekt når det gjelder kompleksitet med TechnoNIKOL - dette er optimaliseringen av produksjonslinjer. Innovative prosjekter i produksjon er alle vanligvis komplekse og svært individuelle. Et interessant prosjekt nå med firmaet Knauf. Den består av to ganske store deler: salgsplanlegging og optimalisering av produksjonsplanlegging, det vil si fordelingen av denne planen på tvers av sine mange produksjonssteder i Russland og CIS-landene. Hvis vi kaller regionale prosjekter, jobber vi med Chelyabinsk-selskapet "Unichel". De har et av de største nettverkene - mer enn 600 butikker. Nå er vi ferdig med prosjektet når det gjelder planlegging av lagerstyring. Det er også veldig interessante øyeblikk knyttet til skolemarkedet. "
Etterspørselen topper
Åpenbar effektivitet av de implementerte programmenefortsatt ikke garantisten for et hundre prosent adopsjon av et innovativt produkt. En av de negative faktorene som påvirker hastigheten på fremskritt av prognoser og planleggingsprogrammer på markedet, er feil innføring av data fra kundefirmaer. For å kunne fortsette med prognosene, må GoodsForescast-spesialister hjelpe dem med de første dataene i foreløpig fase. Et slikt behov har blitt grunnen til å supplere selskapets aktiviteter med rådgivningstjenester i en valgt retning.
Andrey Lisitsa. Foto: Eugene Feldman / "Hightech"
"Før vi inngår en kontrakt,ganske lang periode med kommunikasjon med klienten. For å gi ham konseptet av prosjektet, for å beskrive tiden, koste og være enige om disse parametrene, tar det fra en måned til seks måneder, og noen ganger mer, "- sier Sergey Kotik.
Alt arbeid på prosjektet er delt inn i tre faser:
- Utvikling av tekniske spesifikasjoner for gjennomføringsprosjektet. Alt er stavet i det: funksjonaliteten til systemet, scenariet for bruken, det algoritmiske apparatet, akseptkriteriene.
- Prosessen med å implementere løsningen og forfining, hvis deer nødvendig. Dette inkluderer integrasjon med datakilder, algoritmeinnstillinger, brukeropplæring, aksepttest. Ifølge resultatene av dette stadiet, er systemet lansert i prøveoperasjon.
- Prøvedrift.Når systemet allerede er i bruk, men kanskje ikke på full kapasitet, ikke på alle, for eksempel selskapets varer eller ikke på alle varehus. Eventuelle feil som oppstår korrigeres og algoritmer justeres. På slutten av dette stadiet settes hele systemet i kommersiell drift.
Hva kan selskapets løsninger basert på matematiske løsninger:
- Etterfyllinggjør prosessen med å håndtere reservere varerautomatisk, mens det fortsatt er funksjonen å justere mengden bestilte varer, noe som er viktig for distributører, produserende organisasjoner og detaljhandel.
- planlegginginkluderer en rekke muligheter for strategisk og taktisk salgsplanlegging.
- distribusjonfordeler planen optimalt mellom produksjonssteder og estimerer varigheten av fullføring av tildelte oppgaver i forhold til antall kundeordrer.
- planleggingløser problemet med optimal planlegging av produksjonslinjer for å maksimere kundebestillinger med minimale kostnader.
- promoforutsier effektiviteten av kampanjer ved å gjennomførederes analyse. Systemet bestemmer hvordan salgsvolumet vil endre seg som et resultat av kampanjen, ved å bruke forholdet mellom de ulike parameterne og etterspørselsdynamikken. Hvis kampanjen holdes for første gang og det ikke er nok personopplysninger for evaluering, blir lignende aktiviteter i samme region tatt med de samme parameterne, men med en annen rabattdybde.
Utfordringer og suksesser
"Vanskeligheter med å styre prosjekter, selvfølgelig,Det er forskjellige - politiske, tekniske og noen ganger også økonomiske. Hvis vi vurderer de tekniske aspektene, er nøkkelpunktet kvaliteten og strukturen til de opprinnelige dataene til kunden, forklarer Sergey Kotik. - Innenfor integrasjonsrammen kan det alltid oppstå vanskeligheter, og de er som regel svært individuelle. Noen ganger er det svært spesifikke problemer. For eksempel ønsker en kunde å lage et prosjekt, og hans IT-spesialister er veldig opptatt, deres oppgaver er planlagt et år i forveien, og de sier at de ikke vil delta i prosjektet. Dette gjelder spesielt for store selskaper. For eksempel jobber vi for tiden med et prosjekt der ansatte implementerer det uten hjelp av deres IT-spesialister, har bedriftskunderne selv gitt oss alle nødvendige data. Det gjorde faktisk et titanisk arbeid. Til tross for at IT-avdelingen i det globale lederfirmaet har gitt opp alt, er prosjektet på, andre avdelinger klarer oppgaven. "
GoodsForecast retter seg mot store kunder delvis fordi det er de som mangler datamengdene som er fornuftige å analysere algoritmisk.
"Vi jobber med stor forretning, fremfor alt,Fordi optimaliseringen som vi gjør, gir kunden en betydelig fordel i store volumer. Tenk deg en stall som selger for 100 tusen rubler i måneden. Hvis han for å bygge en prognose av etterspørsel og lage komplekse modeller for lagerstyring, vil han begynne å tjene 45 000 i stedet for 40. Imidlertid vil prosjektet selv koste flere millioner rubler. Det er rett og slett urentabelt, sier Sergey Kotik. - Produktet vårt bør kun innføres når selskapet har en betydelig omsetning. Det er usannsynlig at prosjektet vil bli implementert billig fordi hvert selskap er svært individuelt og hver av sine produkter har sine egne egenskaper. Og dette krever allerede visse lønnskostnader. Du kan ikke ta en bestemt modell, en for alle, justere den og få prognoser, anbefalinger på ordre - eller for å optimalisere produksjonen.
Sergey Kotik. Foto: Eugene Feldman / "Hightech"
Men vi jobber med ideen om å skape noenuniversell løsning som vil gi oss mulighet til å skalere og hjelpe små bedrifter i sitt arbeid. Men for små bedrifter i dag er relevante andre oppgaver. De er viktigere automatisering, spesielt innføring av regnskapssystemer og kvalitetssikring av data. Nå er det mange praktiske regnskapssystemer for små bedrifter som er knyttet til handel og produksjon. Men hvis vi snakker om en så liten bedrift som utfører salg i et papirmagasin, registrerer alle data med en penn, så er det ingen behov for optimalisering nå eller i overskuelig fremtid. "
Den største vanskeligheten, ifølge Andrei Lisitsy,ble uvilje av russiske bedrifter til å jobbe med detaljer. Bedrifter har store forhåpninger for å analysere datamengder, men samtidig bryr de seg ikke om det faktum at de er engasjert i egen virksomhet, noe som vil bidra til å effektivt bruke resultatet av analysen.
"Det er viktig å forstå at kunstig intelligens ikke er detvil løse alle problemene ved å klikke på fingrene, legger Andrei Lisitsa til. - Det er ikke nok å bare skaffe seg en kraftig nord- og programvareplattform, last inn data i systemet. Kompetente spesialister er påkrevd hvem som skal organisere datainnsamling og, ved hjelp av dem, sette opp en algoritmisk apparat i sammenheng med oppgaven. Eksperter som kan dechifisere resultatene og bruke dem i handel er viktige. Selv en erfaren leder kan ikke forstå logikken i arbeidet med komplekse modeller og innflytelsen av indikatorer på resultatet. Så, han vil ikke være i stand til å administrere systemet, som nyter bedriften. "
Det kommende året forbereder seg
I dag viser det russiske markedet for analyser og prognoser sterk vekst. Ifølge GoodsForecast vil den vokse med minst 30 % i 2019.
"Vi forventer den samme veksten i vår egen omsetningpå slutten av året, - legger Sergey Kotik. - Den største etterspørselen vil bli brukt av lagerstyringssystemer, prognosenes reserver av varer og salgsplanlegging. Vi skal utvikle løsninger knyttet til prognoser innen promo. Den har jevn interesse i markedet og er faktisk veldig stor - minst 60% av varene selges gjennom promo. Slike salg er svært labile og vanskelig å forutsi arbeid. Fordi for det første er "produsent-forhandler" -kjeden involvert, og for det andre, påvirker mange faktorer det. "
Andrei Lisitsa, Sergey Kotik og Daniil Kanevsky (Analytics Director). Foto: Eugene Feldman / "Hightech"
I 2019 vil GoodsForecast presentere en rekke nyeprodukter, hvorav en er basert på analysen av data fra skattemessige dataoperatører (CRF). Ved sjekk fra utsalgssteder kan du analysere forbrukerkurven, identifisere hvilke produkter som vanligvis kjøpes samtidig, i en hånd, og vurdere ytelsen til kasserere. På grunnlag av slike data er det mulig å optimalisere visningen av varer på salgsstedet, forutse arbeidsbelastningen til kontanter, legge ut en tidsplan for personaleskift.
"Vi utvikler allerede eksisterende produkter: Spesielt legger vi til funksjonalitet som gjør at vi kan lage nye på grunnlag av eksisterende produkter, sier Andrey Lisitsa. "I tillegg løser vi nå flere problemer knyttet til optimalisering av produksjonen: hvordan du planlegger produksjonen riktig, for å møte den forventede eller nåværende etterspørselen så mye som mulig, og samtidig utligne kostnadene."