3 вопроса, с которых нужно начать улучшения в области прогнозирования и планирования спроса в ритейле
Автор: Джессика Кертис, SAS Retail & CPG Practice
Пандемия коренным образом изменила покупательское поведение и клиентский опыт. Онлайн-покупки, возможность самовывоза, доставка сегодня и желательно бесконтактно – это уже необходимость, а не просто преимущество бренда с точки зрения взаимодействия с клиентами. Потребители привыкли к качественному обслуживанию как в магазине, так и в интернете. И если их ожидания не оправдываются – один свайп в телефоне и они уже делают покупки у другого розничного магазина – вашего конкурента.
Возрастающее давление конкурентов заставляет ритейлеров изо всех сил улучшать процессы прогнозирования и планирования спроса, потому что сегодня точность и эффективность этих процессов имеет важное значение для повышения прибыльности и улучшения обслуживания клиентов.
Если вы не знаете, с чего начать улучшения в области прогнозирования и планирования спроса, мы предлагаем ответить вам на три вопроса:
Воспользуйтесь решением SAS бесплатно и спланируйте спрос
Быстро улучшайте и стабилизируйте процессы планирования спроса с помощью SAS Cloud Analytics Quickstart, бесплатного в течение первых 90 дней. Вам лишь нужно загрузить данные, а дальше дело за нами.
1. Можете ли вы автоматизировать и масштабировать систему до enterprise-уровня?
Расширенные возможности прогнозирования и планирования спроса влияют на несколько ключевых точек принятия решений в каждой розничной организации. Ритейлерам требуются подробные и точные прогнозы, чтобы:
- Планировать востребованный ассортимент SKU с правильным количеством, глубиной и широтой выбора.
- Принимать решения о выгодных инвестициях в товарно-материальные запасы.
- Обеспечивать удовлетворение спроса клиентов товарами в рамках комплексной цепочки поставок.
- Эффективно распределять рабочую силу по каждому распределительному центру и магазину.
- Создавать оптимизированные ценовые и рекламные стратегии.
Эффективный кросс-канальный подход требует согласованности действий и взаимосвязанности при планировании спроса по всем вышеупомянутым бизнес-решениям. Наличие единой платформы, которая может решать множество различных задач прогнозирования, помогает обеспечивать согласованность между товарными цепочками, цепочками поставок и операциями.
В то время, когда жизненно важно делать больше с меньшими затратами, автоматизация и масштабируемость являются ключевыми процессами для решения любых задач крупномасштабного прогнозирования и планирования спроса. Автоматизированное статистическое прогнозирование повышает эффективность процессов бизнес-прогнозирования и облегчает истинное управление на основе исключений. Это освобождает время для того, чтобы сосредоточиться на бизнес-планировании и расширении процессов прогнозирования в новых областях.
Благодаря автоматизации розничные компании могут масштабироваться для множества различных сценариев использования прогнозирования вплоть до самых низких уровней детализации – до уровня, на котором выполняются прогнозы и принимаются бизнес-решения.
Эффективный кросс-канальный подход требует согласованности действий и взаимосвязанности при планировании спроса по всем вышеупомянутым бизнес-решениям. Наличие единой платформы, которая может решать множество различных задач прогнозирования, помогает обеспечивать согласованность между товарными цепочками, цепочками поставок и операциями.
2. Можете ли вы делать больше с помощью углубленных методов статистического прогнозирования?
Началом любого пути к enterprise-прогнозированию является аналитика на основе данных. Ритейлеры должны иметь возможность прогнозировать любую переменную – от единиц продаж и денег до трафика в магазине и количества случаев, проходящих через распределительные центры. Чтобы сбалансировать стратегические и тактические решения, необходимы точные долгосрочные, среднесрочные и краткосрочные прогнозы спроса.
Углубленные методы статистического прогнозирования учитывают влияние неограниченного числа причинно-следственных переменных и количественно определяют ключевые факторы спроса. Причинно-следственные переменные отражают как внутренние, так и внешние факторы, такие как цена, рекламные акции, погода, эпидемиологические модели и данные социальных сетей. Количественная оценка влияния этих переменных обеспечивает инсайтами для принятия более эффективных решений и повышает прозрачность прогнозных моделей. Это помогает:
- Проактивно формировать спрос с помощью нескольких сценариев «что, если» и быстро оценивать влияние потенциальных инициатив или неожиданных событий.
- Повышать качество обсуждений ИТ-специалистов с бизнес-пользователями, лучше объясняя из чего состоит прогноз, чтобы в конечном итоге стимулировать еще большее принятие прогнозов.
Каждая задача инкрементального прогнозирования расширяет объемы данных и увеличивает сложность. Для повышения точности необходим широкий спектр аналитических методов и алгоритмов – временные ряды, машинное обучение и ансамбль.
Розничным компаниям больше не нужно полагаться на высококвалифицированный прогноз, который вручную дезагрегирован на более низкие уровни. Теперь можно независимо создавать прогнозы на каждом уровне иерархии продуктов/местоположений, используя уникальные модели для каждого временного ряда, чтобы улавливать нюансы спроса по мере повышения уровня детализации. Затем прогнозы могут быть автоматически согласованы и выровнены вверх и вниз по иерархии планирования.
При прогнозировании на детализированном уровне, таком как SKU/магазин, неизбежно возникают большие различия в характеристиках спроса по всему портфелю продуктов. Например, некоторые продукты являются сезонными, в то время как другие продаются только периодически с непостоянным спросом. Паттерны спроса можно охарактеризовать как сезонные, периодические, короткие и т.д., чтобы применить уникальный подход прогнозного моделирования к каждому сегменту спроса.
Универсального подхода к прогнозному моделированию недостаточно. Для получения точных результатов вам нужны наиболее подходящие модели, использующие различные методы моделирования и стратегии преднамеренного моделирования.
3. Можете ли вы создать единый, повторяемый рабочий процесс?
Внедрение эффективного enterprise-прогнозирования и планирования спроса – это не только про моделирование. Это лишь одна часть уравнения. Эти процессы также касаются создания единого, повторяемого рабочего процесса для дата-сайентистов, прогнозных аналитиков и бизнес-пользователей.
Прогнозы не имеют значения, если они не используются при принятии решений, поэтому статистические прогнозы необходимо легко интегрировать в последующие системы планирования и исполнения. Статистические прогнозы служат барометром для определения рисков и возможностей в отношении планов продаж, предлагая при этом объективную отправную точку для планирования, чтобы затем специалисты использовали свои бизнес-знания и приняли верное решение. В результате производительность специалистов, планирующих дальнейшие шаги, будет повышена, управление запасами улучшено, понимание драйверов спроса и поведения потребителей также вырастет.
Будущее в ритейле
В будущем розничной торговли есть как возможности, так и неизвестность. Ритейлерам следует применять устойчивый подход к прогнозированию и планированию спроса для более эффективного принятия решений на уровне enterprise. Этот подход должен быть автоматизированным и гибким, позволять видеть драйверы бизнеса, помогать управлять сложностями и повышать эффективность процессов.
Благодаря повторяемым процессам прогнозирования розничные компании смогут быстро реагировать на поступление новых данных. С помощью оптимизированных прогнозных моделей они смогут принимать совместные решения и сразу же понимать последствия для последующих этапов. Это ставит ритейлеров на путь долгосрочной прибыльности и роста.
Об авторе
Джессика Кертис уже более 13 лет помогает организациям повышать ценность бизнеса с помощью прогнозирования, планирования и оптимизации спроса. В SAS она помогает розничным клиентам и клиентам CPG решать их бизнес-задачи с помощью data-driven аналитики.
Рекомендуем прочитать
- Использование преимуществ маркетинговых технологий (MarTech)Число вендоров Martech удвоилось в прошлом году. Узнайте, что подпитывает этот всплеск роста, и откройте для себя три способа получения максимальной отдачи от вложений в технологии.
- Выстраивание пути клиента на основе данныхЕсли вы хотите предсказывать действия своих клиентов, изучите информацию, которая у вас уже есть. Большой объем данных о клиентах поможет проанализировать историю взаимодействия с ними.
- The value of marketing metrics at VisaMarketing metrics are the bane of many marketing teams, but at Visa metrics not only matter but make a real difference in strategy and brand value.
Готовы подписаться на Инсайты SAS сейчас?