Получайте новости
индустрии ритейла первым!
'/%3e%3cg%20filter='url(%23filter0_f_10341_112044)'%3e%3ccircle%20cx='55.5'%20cy='25.5'%20r='2.5'%20fill='url(%23paint1_radial_10341_112044)'/%3e%3c/g%3e%3cdefs%3e%3cfilter%20id='filter0_f_10341_112044'%20x='52'%20y='22'%20width='7'%20height='7'%20filterUnits='userSpaceOnUse'%20color-interpolation-filters='sRGB'%3e%3cfeFlood%20flood-opacity='0'%20result='BackgroundImageFix'/%3e%3cfeBlend%20mode='normal'%20in='SourceGraphic'%20in2='BackgroundImageFix'%20result='shape'/%3e%3cfeGaussianBlur%20stdDeviation='0.5'%20result='effect1_foregroundBlur_10341_112044'/%3e%3c/filter%3e%3clinearGradient%20id='paint0_linear_10341_112044'%20x1='57.0492'%20y1='31.4754'%20x2='31'%20y2='2.5'%20gradientUnits='userSpaceOnUse'%3e%3cstop%20stop-color='%23461EF8'/%3e%3cstop%20offset='1'%20stop-color='%23E4E4FD'/%3e%3c/linearGradient%3e%3cradialGradient%20id='paint1_radial_10341_112044'%20cx='0'%20cy='0'%20r='1'%20gradientUnits='userSpaceOnUse'%20gradientTransform='translate(55.5%2025.5)%20rotate(90)%20scale(2.5)'%3e%3cstop%20stop-color='white'/%3e%3cstop%20offset='1'%20stop-color='%23C4B8FA'/%3e%3c/radialGradient%3e%3c/defs%3e%3c/svg%3e)
Федеральный ритейлер «Спар Миддл Волга» встроил сервис прогнозирования спроса в контур 1С:ERP. Сервис учитывает особенности ассортимента каждого магазина, производство готовой еды, сезонность, праздники, историю продаж и предсказывает спрос на 42 дня вперед. В результате внедрения выручка категорий, подключенных к сервису, выросла на 13%, товарооборот – на 9%, а списание продуктов снизилось до 1%.
Компания «Спар Миддл Волга» входит в крупный продовольственный холдинг «Сладкая жизнь» вместе с одноименным дистрибьютором продуктов питания, розничными сетями Smart и «Авокадо», ИТ-компанией 1221 Systems, оператором сегмента HoReCa «Свит Лайф Фудсервис» и «Чернышихинским мясокомбинатом».
«Спар Миддл Волга» управляет супермаркетами Spar и Eurospar в Москве, Московской области, Санкт-Петербурге и Ленинградской области, объединяя около 200 магазинов.
Для более точного управления ассортиментом 1221 Systems, которая входит в холдинг, перевела «Спар Миддл Волга» (далее – Spar) от обычного учета товаров к прогнозированию спроса, поставок и наполнения полок в магазинах.
Компания использует платформу 1С не только для учета операций и товародвижения, но и в качестве логистической платформы для размещения заказов поставщикам. На этом этапе возникало несколько проблем:
приходилось содержать довольно большой штат специалистов, вручную занимающихся размещением заказов для поставки на полки магазинов;
прогнозы спроса были неточными, так как не учитывались многие факторы;
нередко допускались ошибки, ведущие к избыточным запасам или дефициту товара.
При этом точность прогнозирования спроса была критически важной для Spar в силу особенностей структуры бизнеса.
«Сеть Spar отличается от других крупных ритейлеров тем, что до недавнего времени у нее не было собственных распределительных центров, – рассказал Дмитрий Иващенко, операционный директор компании 1221 Systems, экс-ИТ-директор «Спар Миддл Волга». – В каждый магазин привозится ровно столько товара, сколько можно разместить на его внутреннем складе, площадь которого составляет всего 10% магазина. Практически магазин работает без запаса.
Если заказать больше, некуда будет складировать товар. Если товар быстро раскупается, возникает риск пустой полки. Поэтому поставки производятся каждый день, иногда – по несколько раз в день, и товар практически сразу выкладывается на полки. Стратегия сети ставит удовлетворенность клиентов выше финансовой выручки, поэтому нам важно обеспечить комфортное пребывание в магазине, и мы не можем позволить себе ставить палеты в торговый зал. Остатки магазина всегда минимальны, а значит, крайне важно точно ими управлять».
Сотрудники совершали много ошибок, например, могли забыть посмотреть прогноз погоды и не заказать дополнительный объем бутилированной воды в жару, или случайно приписать «нолик», получить много лишнего товара, который потом распродавался несколько месяцев. Прогнозирование строилось на основе исторических данных и опыта категорийных менеджеров, поэтому высока была зависимость от человеческого фактора.
«Надо было искать и удерживать опытного категорийного менеджера, потому что только он знает, когда и сколько товара привозить. Стало ясно, что нужна модель, позволяющая автоматически предсказывать спрос и планировать поставки в магазины», – пояснил Дмитрий Иващенко.
Компания решила использовать возможность интеграции 1C:ERP с сервисом прогнозирования спроса, который был встроен в контур основной системы.
Для подготовки требований необходимо было организовать команду категорийных менеджеров, чтобы учесть все нюансы управления товарными категориями.
Сначала протестировали технологию машинного обучения на конкретных магазинах и разработали модель, способную учитывать специфику каждого магазина. Это очень важно для сети Spar, в которой каждый магазин формирует собственную ассортиментную матрицу на основе спроса локальных покупателей.
Еще одна отличительная особенность Spar – развитое собственное производство готовой еды прямо в магазине. Меню готовых блюд также учитывает вкусы людей конкретного района, в котором расположен магазин. Поэтому каждый магазин и товар должны управляться отдельной моделью.
Модель прогнозирования настроена следующим образом:
На основе этих данных принимаются управленческие решения о запуске новых категорий, акциях или выводе товаров с полки, планируются поставки и автоматически совершаются заказы.
«Модель учитывает большое количество факторов, в том числе погоду, праздники, акции, цены, делает прогнозы даже для новых товаров, не имеющих истории продаж, – отметил Дмитрий Иващенко. – Разработаны специальные алгоритмы для категорий фреш и суперфреш с коротким сроком годности. Например, у нас была “битва” за бананы. Нужно было рассчитать срок поставки с такой точностью, чтобы бананы приезжали к нам зелеными для дозревания в камерах дозаривания и вовремя поступали в магазин, не успев перезреть, стать излишне мягкими или темными».
Для управления товарной матрицей проведена интеграция модуля с мастер-данными 1С, где хранятся активные и неактивные матрицы всех магазинов сети. Сложность в том, что эти матрицы могут меняться в течение дня несколько раз, например, если товар закончился на складах, заведено новое SKU, поступил заказ и так далее.
Для категории готовой еды необходимо дополнительно настроить внутри процессов 1С «технологические карты» – рецепт и пошаговый процесс производства блюд.
«В каждом магазине производится несколько сотен блюд, – объяснил Дмитрий Иващенко. – Одновременно на прилавках одного магазина может быть представлено больше сотни наименований, каждое из которых имеет свои особенности, срок хранения, процент списания, объем производства и продаж. Необходимо учесть все эти факторы».
Пришлось провести большую работу с операционным блоком компаний, специалисты которого «причесали» технологические карты, завели их в систему, провели аналитику и добавили модуль планирования для заказа ингредиентов на производство.
К ноябрю 2025 года к модулю автоматического прогнозирования заказов и спроса было подключено порядка 70% категорий ассортиментных матриц. После подключения выручка этих категорий выросла в среднем на 13%, общий товарооборот увеличился на 9%.
«Самый интересный для нас показатель – снижение списания до 1%. Это удалось сделать только за счет того, что мы в экосистеме 1С настроили весь технологический процесс и “прикрутили” модуль прогнозирования. В масштабах нашей компании каждый год списывалось продуктов на миллиарды рублей, просто из-за неправильного планирования – привезли слишком много товара или сырья или приготовили не самые востребованные блюда. Теперь у нас нет перетаривания или перепроизводства», – пояснил Дмитрий Иващенко.
Проект показал, что точность прогнозирования спроса зависит не только от алгоритмов, а прежде всего от качества данных в контуре 1С:ERP. Модуль прогнозирования опирается на актуальные справочники номенклатуры, ассортиментные матрицы магазинов, статусы SKU, единицы измерения, сроки годности и другие параметры. И любые ошибки в этих данных быстро превращаются в избыточные запасы или риск пустой полки. Поэтому «рабочее прогнозирование» обычно складывается из двух частей:
специализированного модуля, адаптированного под продуктовый ритейл;
интеграторской экспертизы по мастер-данным и ассортиментным процессам.
В кейсе Spar внедрение модуля прогнозирования выполнила команда 1221 Systems, а Odyssey Consulting Group, как партнер 1221 Systems, усилила проект компетенциями в области управления мастер-данными и информацией о товарах в 1С-ландшафте ритейлера.
Как компания производит продукты из амаранта и популяризирует непривычную для россиян агрокультуру.
