GoodsForecast: як математичні моделі і алгоритми прогнозування замінюють маркетологів

Андрій Лисиця- Співзасновник та генеральний директор GoodsForecast. З 2005 року – розробник, керівник

проектів та одного з департаментів у компанії"Форексіс". Закінчив МДУ у 2005 році, кафедру системного аналізу. У 2009 році вступив до аспірантури Обчислювального центру РАН, а в 2016 році отримав ступінь МВА після проходження навчальної програми РАНХіГС та Лондонського університету Кінгстона. У компанії GoodsForecast відповідає за фінанси, вибудовування процесів та розвиток нових напрямків діяльності.

Сергій Котик— співзасновник та директор з розвитку компаніїGoodsForecast. Також працював у компанії «Форексіс» на позиціях розробника, керівника проектів та керівника департаменту. Закінчив університет МДУ у 2004 році, кафедру математичних методів прогнозування. У компанії GoodsForecast супроводжує угоди та розвиває партнерські програми, а також займається залученням грошових вкладень у бізнес.

Прогнозування споживчого попиту іконтроль над процесами замовлення продукції дозволяють виробникам, дистриб'юторам і рітейлерам вести роботу найбільш продуктивно. А головне - допомагають їм уникати двох негативних чинників: перезавантаження складу і недостатності асортименту продукції.

Спочатку були алгоритми

GoodsForecast була створена в 2013 році на базікомпанії «Форексис», заснованої групою математиків і кібернетиків з обчислювального центру Російської академії наук (РАН) і МГУ в 2000 році. Головною місією «Форексис» було використання в комерційних цілях наукових розробок академіка Юрія Журавльова - наукових праць з теорії локальних алгоритмів оптимізації і алгебраїчної системі алгоритмів.

Юрій Іванович Журавльов

«У 50-ті роки перед Юрієм Івановичем Журавльовим,тоді ще молодим вченим, стояло завдання аналізу інформації про родовища золота, - розповідає один із засновників GoodsForecast Андрій Лисиця. - Пошук родовищ золота був вельми складним і дорогим справою. Журавльов першим побудував математичну модель, яка дозволяла з великою точністю, грунтуючись на наявних даних, не проводячи тестових буріння, говорити, чи варто в передбачуваному місці проводити геологорозвідку або ймовірність виявлення золота буде занадто мала. Таким чином, його і так прекрасно складається кар'єра отримала новий поворот. Те, що він робив за радянських часів, його наукова школа продовжує робити сьогодні, по суті, є розвитком настільки популярною сьогодні області машинного навчання, або machine learning ».

Журавльов Юрій Іванович- Радянський і російський математик.У сфери його діяльності входять прикладна математика та інформатика. Основні галузі досліджень - дискретна математика, теорія розпізнавання та прогнозування, а також булеві функції. До нових напрямів, створених Журавльовим, належать теорія локальних алгоритмів оптимізації та теорія алгоритмів алгебри, яка полягає в алгебраїчному підході до проблеми синтезу коректних алгоритмів.

В основі алгебраїчного підходу Журавльова лежитьідея застосування параметричних сімейств алгоритмів Він вважає, що процес вирішення погано формалізованих завдань, упоратися з якими немає можливості, дозволяє знайти розгадки конкретних завдань цього класу. На основі цього підходу були отримані результати вирішення так званих канонічно важких завдань.

На основі застосовуваного вченим тестового алгоритмубуло створено абсолютно новий напрямок в розпізнаванні, яке базується на використанні дискретного аналізу. Створену Журавльовим унікальну модель алгоритмів обчислення оцінок розглядають сьогодні як класичну.

До 2000 року у Журавльова вже була доситьвелика наукова школа. Один з його провідних учнів, сьогодні академік РАН, Костянтин Володимирович Рудаков - відомий вчений-математик. Журавльов і Рудаков разом з одним зі своїх випускників вирішили створити комерційну структуру на базі обчислювального центру Академії наук, яка буде спиратися на досягнення наукової школи і за допомогою математики нести користь бізнесу і держструктур, тобто займатися аналізом даних і виконувати замовні проекти в цій галузі.

«І ще" Форексис "функціонує як певнийінкубатор, - доповнює співзасновник GoodsForecast Сергій Котик. - Коли компанія намацує якесь завдання, яку можна масштабувати, коли розуміє, що її рішення потрібно не тільки клієнту, а ринку в цілому і з цього можна зробити серійну історію, якийсь час цей напрям зростає всередині "Форексис", а потім виділяється в окрему компанію. Так було з "Антиплагіат", компанією "Антірутіна", з нами - з GoodsForecast. У найближчому майбутньому у "Форексис" з'являться і інші дочірні компанії ».

Запаси під контролем

На російському ринку аналітичних іконсалтингових послуг існував високий попит на складання професійних прогнозів для підприємств середнього і великого бізнесу. Для ефективної роботи компаній був потрібний чіткий план продажів і закупівель. Для його складання фахівці систематизували дані про діяльність підприємства. На цей процес йшло до декількох місяців. Але коли інформацію, нарешті, вдавалося підготувати, зібрані відомості виявлялися застарілими. Була потрібна допомога із залученням сторонніх фахівців, які володіють інноваційним методом систематизації, аналізу та прогнозування. Так в Росії починалися активна цифровизация і впровадження ІТ в бізнес.

Сергій Котик. Фото: Євген Фельдман / «Хайтек»

Саме такі можливості і запропонували вGoodsForecast: на підставі математичних моделей були створені перші системи прогнозування. Втім, в компанії «Форексис» займалися не тільки прогнозуванням. Системи аналітики і моніторингу торгів були успішно використані в якості робочого інструменту на Московській біржі. Фахівці «Форексис» змоделювали графік авіарейсів в аеропорті Домодєдово, а також склали прогноз ступеню затребуваності перевезення вантажів залізничним транспортом на РЖД. Для студентів і наукових співробітників компанією «Форексис» був створений сервіс «Антиплагіат», що дозволяє визначити відсоток унікальності тексту.

«Ми використовуємо різні математичні моделі,пояснює Сергій Котик. — Ті, які використовуються для прогнозування, відрізняються від тих, які застосовуються для вирішення оптимізаційних завдань. Ми відштовхуємось від конкретного кейсу, від набору даних замовника, які наші аналітики досліджують та аналізують. Наша компанія займається таким: розробкою програмного забезпечення, аналізом даних, бізнес-консультуванням. Саме така сукупність наших можливостей дає нам змогу реалізовувати поточні проекти. Адже щоб правильно поставити завдання та пов'язати його з математикою, необхідно добре розуміти бізнес-процес клієнтів. А для того, щоб завдання вирішити, необхідно вміти будувати моделі та їх налаштовувати. Ну, а для того, щоб це рішення працювало на великих обсягах даних, відповідаючи вимогам надійності та відмовостійкості в розрахованій на багато користувачів структурі, потрібно вміти одягати розроблені моделі у форму промислового програмного забезпечення».

У 2013 році компанія GoodsForecast заявила про себеяк про незалежну юридичну особу, ставши дочірньою компанією «Форексіс», і того ж року увійшла до числа резидентів ІТ-кластера «Сколково». Через п'ять років її річний оборот сягнув 100 млн рублів. Штат компанії сягає близько 50 осіб. Крім адміністрації, відділу продажу та відділу маркетингу, існують проектний офіс, відділ аналітики (математики) та чотири продуктові напрямки, які розробляють, допрацьовують та впроваджують програмне забезпечення.

«Процес прямих продажів великим клієнтамдосить стандартний. Працюють репутація і "сарафанне радіо". До кого-то заходили по знайомству, хтось звертався сам, до кого-то заходили "в холодну", з кимось знайомилися на конференціях, - розповідає Сергій Котик. - Вартість наших проектів різна, від сотень тисяч до декількох десятків мільйонів рублів. А цікавих проектів було дуже багато. Наприклад, з компанією "Балтика" ми співпрацюємо з 2008 року. Практично вирішуємо всі завдання, пов'язані з прогнозуванням в їх компанії. Є дуже цікавий в плані складності проект з "Техноніколь" - це оптимізація виробничих ліній. Інноваційні проекти на виробництві все складні зазвичай і дуже індивідуальні. Цікавий проект зараз з компанією Knauf. Він складається з двох досить великих частин: планування продажів і оптимізації виробничого планування, тобто розподілу цього плану по їх численним виробничих майданчиків в Росії і країнах СНД. Якщо називати регіональні проекти, то працюємо з челябінської компанією "Юничел". У них одна з найбільших мереж - понад 600 магазинів. Зараз там закінчуємо проект з планування управління запасами. Там теж є дуже цікаві моменти, пов'язані саме зі специфікою ринку взуття ».

вершини попиту

Очевидна результативність впроваджуваних програмвсе ще не є гарантом стовідсоткового прийняття інноваційного продукту. Одним з негативних факторів, що впливає на швидкість просування на ринку програм прогнозування і планування, є некоректне введення даних компаніями-замовниками. Для того, щоб приступити до прогнозування, фахівцям GoodsForescast доводиться на попередньому етапі допомагати розбиратися з вихідними даними. Подібна необхідність стала причиною доповнення діяльності компанії наданням консалтингових послуг в обраному напрямку.

Андрій Лисиця. Фото: Євген Фельдман / «Хайтек»

«Перш ніж ми укладаємо договір, відбуваєтьсядосить довгий період спілкування з клієнтом. Для того, щоб йому запропонувати концепт проекту, окреслити терміни, вартість і домовитися по цих параметрах, йде від місяця до півроку, а іноді і більше », - уточнює Сергій Котик.

Вся робота по проекту ділиться на три етапи:

  • Розробка технічного завдання проект впровадження. У ньому прописується все: функціонал системи, сценарій її використання, алгоритмічний апарат, критерії приймання.
  • Процес впровадження рішення і доопрацювання, якщо вонинеобхідні. Сюди входять інтеграція з джерелами даних, налаштування алгоритмів, навчання користувачів, приймально-здавальні випробування. За підсумками цього етапу система запускається в дослідну експлуатацію.
  • Дослідна експлуатація.Коли системою вже користуються, але можливо не в повну потужність, не на всіх, наприклад, товарах компанії або не на всіх складах. Виправляються якісь помилки, налаштовуються алгоритми. За підсумками цього етапу вся система запускається у промислову експлуатацію.

Що вміють рішення компанії на основі математичних рішень:

  • Replenishmentробить процес управління резервними товарамиавтоматичним, при цьому залишається функція коригування кількості товару, що замовляється, що актуально для дистриб'юторів, які виробляють організацій і рітейлу.
  • Planningвключає комплекс можливостей зі стратегічного та тактичного планування продажів.
  • Distributionоптимально розподіляє план з виробничих майданчиків та оцінює тривалість виконання поставлених завдань щодо кількості клієнтських замовлень.
  • Schedulingвирішує завдання оптимального планування розкладу виробничих ліній з метою максимального задоволення замовлень клієнтів із мінімальними витратами.
  • Promoпрогнозує ефективність акцій, проводячиїхній аналіз. Система визначає, як зміниться обсяг продажу за підсумками промо, використовуючи співвідношення різних її параметрів та динаміку попиту. Якщо акція проводиться вперше і власних даних для оцінки не вистачає, то беруться подібні активності у тому ж регіоні за такими ж параметрами, але з іншою глибиною знижки.

Складнощі і успіхи

«Складнощі при веденні проектів у нас, звичайно,бувають різні - політичні, технічні та іноді навіть економічні. Якщо розглядати технічні аспекти, то тут ключовий момент - це якість і структурованість вихідних даних замовника, - пояснює Сергій Котик. - В рамках інтеграції завжди можуть виникнути складності, і вони, як правило, дуже індивідуальні. Іноді зустрічаються дуже специфічні проблеми. Наприклад, замовник хоче зробити проект, а його ІТ-фахівці дуже зайняті, їх завдання розписані на рік вперед, і вони кажуть, що в проекті участі не братимуть. Це особливо характерно для великих компаній. Наприклад, зараз ми працюємо над проектом, де співробітники реалізують його без допомоги своїх ІТ-фахівців, бізнес-замовники самі надали нам всі необхідні дані. Тобто насправді виконали титанічну роботу. Навіть незважаючи на те, що ІТ-відділ глобальної головної компанії махнув на все рукою, проект йде, інші відділи справляються з поставленим завданням ».

Почасти компанія GoodsForecast орієнтована великих клієнтів, оскільки вони пропускають ті обсяги даних, які має сенс аналізувати алгоритмічним способом.

«Ми працюємо з великим бізнесом, перш за все,тому що оптимізація, якою ми займаємося, все-таки дає замовнику істотну вигоду на великих обсягах. Уявіть собі ларьок, який торгує на 100 тис. Рублів на місяць. Якщо для нього побудувати прогноз попиту і створити складні моделі управління запасами, то він почне заробляти 45 тис. Замість 40. Однак сам проект буде коштувати кілька мільйонів рублів. Це просто невигідно, - розповідає Сергій Котик. - Наш продукт коштує впроваджувати тільки тоді, коли компанія має суттєвий оборот. Дешево реалізувати проект навряд чи вийде в силу того, що кожна компанія дуже індивідуальна і у кожного її продукту є свої особливості. А це вже вимагає певних трудовитрат. Не можна взяти якусь модель, єдину для всіх, налаштувати її і отримувати прогнози, рекомендації по замовленнях - або оптимізувати виробництво.

Сергій Котик. Фото: Євген Фельдман / «Хайтек»

Однак ми працюємо над ідеєю створення такого собіуніверсального рішення, яке дозволило б нам масштабироваться і допомагати в роботі малого бізнесу. Але для невеликих компаній сьогодні актуальні інші завдання. Їм більшою мірою важлива автоматизація, зокрема, впровадження облікових систем і якісне ведення даних. Зараз на ринку з'являється досить багато зручних облікових систем для малого бізнесу, який пов'язаний з торгівлею і виробництвом. Але якщо мова йде про такому малому бізнесі, який веде продажу в паперовому журналі, записуючи всі дані ручкою, то ніяка оптимізація ні зараз, ні в доступному для огляду майбутньому йому не потрібна ».

Основною трудністю, на думку Андрія Лисиці,стала неготовність російських підприємств працювати з конкретикою. Підприємства покладають величезні надії на аналіз обсягів даних, але в той же час не піклуються про те, щоб цим займалися фахівці своєї справи, які допоможуть ефективно використовувати підсумок аналізу.

«Важливо розуміти, що штучний інтелект невирішить всі проблеми одним помахом пальців, - додає Андрій Лисиця. - Недостатньо просто придбати потужний північ і програмну платформу, завантажити дані в систему. Необхідні компетентні фахівці, які будуть організовувати збір даних і, використовуючи їх, налаштовувати алгоритмічний апарат в умовах поставленого завдання. Важливі експерти, які зможуть розшифровувати результати і застосовувати їх в комерції. Навіть досвідченому менеджеру не зрозуміти безпосередньо логіку роботи складних моделей і вплив показників на результат. А значить, він не зможе керувати системою, приносячи користь підприємству ».

Що рік прийдешній готує

Сьогодні російський ринок аналізу та прогнозування демонструє впевнене зростання. На думку GoodsForecast, у 2019 році він зросте як мінімум на 30%.

«Такого ж зростання власного обороту ми очікуємопісля закінчення року, - додає Сергій Котик. - Найбільшим попитом будуть користуватися системи управління запасами, прогнозу резервами товарів і планування продажів. Ми будемо розвивати рішення, пов'язані з прогнозуванням в сфері промо. Вона користується стійким інтересом на ринку і дійсно є дуже великою - не менше 60% товарів продається саме через промо. Такі продажі - дуже лабільна і складно прогнозована робота. Тому що, по-перше, задіяна ланцюжок "виробник - рітейлер", по-друге, на неї впливають багато факторів ».

Андрій Лисиця, Сергій Котик і Данило Канівський (директор з аналітики). Фото: Євген Фельдман / «Хайтек»

У 2019 GoodsForecast представить ряд новихпродуктів, один з яких заснований на аналізі даних операторів фіскальних даних (ОФД). По чеках з торгових точок можна провести аналіз споживчого кошика, виявити, яку продукцію зазвичай купують одночасно в одні руки, а також оцінити продуктивність касирів. На основі таких даних можна оптимально вибудувати викладення товару в торговій точці, передбачити завантаженість кас, скласти графік змін співробітників.

«Ми розвиваємо і вже існуючі продукти: зокрема, додаємо функціонал, який дозволить створювати на базі вже існуючих продуктів нові, - розповідає Андрій Лисиця. - До того ж ми зараз більше вирішуємо задач, пов'язаних з оптимізацією виробництва: як правильно спланувати виробництво, щоб максимально задовольнити прогнозований або наявний попит і при цьому нівелювати витрати ».