ИИ помог на 84% повысить точность прогноза продаж производителю грунтов и семян

Фото: «Фаско+»

Производитель товаров для сада, огорода и дома «Фаско+» развивает два направления: производственно-дистрибьюторское и розничное.

Производственно-дистрибьюторское направление включает собственный производственно-складской комплекс с автоматизированными линиями и торфяник – более 2,5 тыс. га торфяных полей с объемом добычи 50 тыс. тонн в сезон.

В канале прямой дистрибуции обслуживаются 76 регионов России, Казахстана и Беларуси. Продукция поставляется в 12 федеральных и 16 региональных DIY- и FMCG- сетей. Ассортимент включает около 450 SKU. Грузооборот склада составляет более 600 тонн в месяц. Годовой товарооборот дистрибуции – более 2 млрд рублей.

Розничное направление объединяет: 5 садовых центров «Дарвин» общей торговой площадью более 20 тыс. кв. м, 2 питомника в Московской области и Крыму общей площадью 10 га, а также интернет-магазин. Годовой товарооборот садовых центров и интернет-магазина составляет 2 млрд рублей, ассортимент – более 30 тыс. SKU.

Для производственно-дистрибьюторского направления было решено внедрить сервис прогнозирования продаж.

Сбыт зависит от времени года и погоды

Предпосылкой для внедрения нового инструмента прогнозирования стала высокая зависимость продаж от сезонности и погоды. Составление ассортиментного плана для группы всегда было проблемой, так как требовало учета многих факторов и истории продаж предыдущего десятилетия.

Поставки сырья и упаковки занимают до 45 дней, что не позволяет оперативно менять планы. Очень важно заранее и максимально точно спрогнозировать потребности производства, чтобы в срок выполнить все заказы, не сделать лишнего товарного запаса на складах и не допустить потерю выручки. «Невыполненные заказы в сезон становятся безвозвратными потерями, – поясняет Анна Доронина. – После окончания сезона товары становятся невостребованными».

Критическую роль играет и зависимость от погоды. Начало сезона может сдвигаться на 3–6 недель в зависимости от погодных условий, что требует оперативной корректировки планов. Но с этим фактором искусственный интеллект пока не помогает.

Этапы проекта: анализ, составление сценария, обучение модели, получение плана продаж

До вхождения в проект составление ассортиментного плана «Фаско+» занимало не меньше трех дней. Ключевую функцию в процессе планирования выполнял аналитик – таким образом, сложилась ситуация критической зависимости от одного специалиста, что было значительным риском.

«Работа аналитика высоко оплачивалась, а точность прогноза все равно оставляла желать лучшего, – говорит Анна Доронина. – Если разложить товарную номенклатуру на группы по ABC-анализу, то показатели выглядели так: точность планирования группы А, на которую приходится 80% продаж, составляла всего 60%, группы В – 70%, С – 57%, а новинок и того меньше – 21%».

Общая точность планирования составляла 60,4%, что свидетельствовало о существенном количестве ошибок, приводило к дефициту или избытку запасов и при этом показывало значительные резервы для роста продаж.

Запуск сервиса прогнозирования на базе ИИ в 1С:ERP состоял из этапов:

• настройка сценария – определение горизонта планирования;

• настройки прогнозирования: выбор модели, учет сезонности и тренда;

• обучение модели, автоматизация процесса анализа исторических данных и факторов;

• формирование прогноза, получение расчетного плана продаж в натуральных показателях.

Команда «Фаско+» проанализировала все возможные методы прогнозирования и выбрала метод полинома как наиболее подходящий для задач компании.

В сервис были заложены факторы, влияющие на точность прогнозирования:  

• невыполненные заказы – учет объемов заказов, которые не были выполнены из-за нехватки товара;

• восстановленный спрос – использование данных не только о фактических продажах, но и о потенциальном спросе;

• планирование новинок – делается на основе целевых показателей продаж или данных по товарам с похожими свойствами, либо вручную, если это совершенно новый товар;

• натуральные показатели в единицах продукции.

Источниками данных стали: история продаж в штуках, количество невыполненных и потенциальных заказов, параметры номенклатуры (категория, сезонность, аналоги).

Получившийся в системе инструмент прогнозирования достаточно прост в использовании, поэтому эту работу может делать простой экономист.

Все этапы – настройка сценария, видов плана, обучение модели и формирование прогноза – занимают не более 15 минут. При том, что раньше на составление прогноза уходило три дня, и потом еще делались доработки и вручную вносились изменения.

«Вручную корректируется полученный от ИИ план на акции и VIP-заказы, которых не было в прошлых периодах, поэтому ИИ про них не знает», – поясняет Анна Доронина.  

Итоги трехлетней работы ИИ-сервиса

До внедрения сервиса, в 2019 году, когда использовались Excel-таблицы и ручной ввод в систему ERP, точность прогноза в среднем составляла 58,9%; минимальное значение – 49,2%, максимальное – 67,2%.

После внедрения сервиса прогнозирования в 1С:ERP, в 2022 году, средняя точность прогнозирования выросла до 71,8%, минимальный показатель был 64,8% , максимальный – 79,9%.

После трех лет постоянной эксплуатации сервиса, в 2025 году, средняя точность увеличилась до 76,4%, минимальная – до 69,4%, максимальная – до 84,4%.

Это высокий показатель, напрямую влияющий на выполнение заказов.

«Получилось добиться того, что наши запасы сырья и упаковки имеют такой же график, как и продажи: в сезон растут, вне сезона – снижаются, что высвобождает нам дополнительные денежные ресурсы и с учетом ставок по депозитам позволяет получать дополнительную прибыль», – рассказывает Анна Доронина.

Еще одним бонусом стал отказ от штатной единицы «аналитик», затраты на которую составляли 3,5 млн рублей в год, с учетом налогов. Эти средства также удалось сэкономить.

Валерия Миронова, Retail.ru