Крупным компаниям сегодня приходится менять подход к заказу, распределению ресурсов и продаже готовой продукции. Удовлетворить существующий или прогнозируемый спрос и снизить одновременно с этим издержки помогают решения на основе математических моделей. Они помогают компаниям ответить на ряд важных вопросов: какое количество товара нужно приобрести в этом месяце, сколько товара может остаться невостребованным или как влияет промоакция на клиентский спрос. Методы прогнозирования, созданные GoodsForecast, помогают компаниям выйти на новый уровень продаж, увеличить рентабельность и предугадать покупательский спрос. Руководители GoodsForecast Андрей Лисица и Сергей Котик рассказали «Хайтеку» о том, какие решения нужно использовать на производстве и в торговле и что необходимо учитывать, чтобы получить гарантированную прибыль в 2019 году.
Андрей Лисица — сооснователь и генеральный директор GoodsForecast. С 2005 года — разработчик, руководитель проектов и одного из департаментов в компании «Форексис». Окончил МГУ в 2005 году, кафедру системного анализа. В 2009 году поступил в аспирантуру Вычислительного центра РАН, а в 2016 году получил степень МВА после прохождения обучающей программы РАНХиГС и Лондонского университета Кингстона. В компании GoodsForecast отвечает за финансы, выстраивание процессов и развитие новых направлений деятельности.
Сергей Котик — сооснователь и директор по развитию компании GoodsForecast. Также работал в компании «Форексис» на позициях разработчика, руководителя проектов и руководителя департамента. Окончил университет МГУ в 2004 году, кафедру математических методов прогнозирования. В компании GoodsForecast сопровождает сделки и развивает партнерские программы, а также занимается привлечением денежных вложений в бизнес.
Прогнозирование потребительского спроса и контроль над процессами заказа продукции позволяют производителям, дистрибьюторам и ритейлерам вести работу наиболее продуктивно. А главное — помогают им избегать двух негативных факторов: перезагрузки склада и недостаточности ассортимента продукции.
Вначале были алгоритмы
GoodsForecast была создана в 2013 году на базе компании «Форексис», основанной группой математиков и кибернетиков из вычислительного центра Российской академии наук (РАН) и МГУ в 2000 году. Главной миссией «Форексис» было использование в коммерческих целях научных разработок академика Юрия Журавлева — научных трудов по теории локальных алгоритмов оптимизации и алгебраической системе алгоритмов.
«В 50-е годы перед Юрием Ивановичем Журавлевым, тогда еще молодым ученым, стояла задача анализа информации о месторождениях золота, — рассказывает один из основателей GoodsForecast Андрей Лисица. — Поиск месторождений золота был весьма сложным и дорогостоящим делом. Журавлев первым построил математическую модель, которая позволяла с большой точностью, основываясь на имеющихся данных, не проводя тестовых бурений, говорить, стоит ли в предполагаемом месте проводить геологоразведку или вероятность обнаружения золота будет слишком мала. Таким образом, его и так прекрасно складывающаяся карьера получила новый поворот. То, что он делал в советское время, его научная школа продолжает делать сегодня, по сути, является развитием столь популярной сегодня области машинного обучения, или machine learning».
Журавлев Юрий Иванович — советский и российский математик. В сферы его деятельности входят прикладная математика и информатика. Основные области исследований — дискретная математика, теория распознавания и прогнозирования, а также булевы функции. К новым направлениям, созданным Журавлевым, относятся теория локальных алгоритмов оптимизации и алгебраическая теория алгоритмов, которая заключается в алгебраическом подходе к проблеме синтеза корректных алгоритмов.
В основе алгебраического подхода Журавлева лежит идея применения параметрических семейств алгоритмов. Он считает, что процесс решения плохо формализованных задач, справиться с которыми нет возможности, позволяет найти разгадки конкретных задач данного класса. На основе этого подхода были получены результаты по решению так называемых канонически трудных задач.
На основе применяемого ученым тестового алгоритма было создано абсолютно новое направление в распознавании, которое базируется на использовании дискретного анализа. Созданную Журавлевым уникальную модель алгоритмов вычисления оценок рассматривают сегодня как классическую.
К 2000 году у Журавлева уже была достаточно обширная научная школа. Один из его ведущих учеников, сегодня академик РАН, Константин Владимирович Рудаков — известный ученый-математик. Журавлев и Рудаков вместе с одним из своих выпускников решили создать коммерческую структуру на базе вычислительного центра Академии наук, которая будет опираться на достижения научной школы и с помощью математики нести пользу бизнесу и госструктурам, то есть заниматься анализом данных и выполнять заказные проекты в этой области.
«И еще “Форексис” функционирует как некий инкубатор, — дополняет сооснователь GoodsForecast Сергей Котик. — Когда компания нащупывает какую-то задачу, которую можно масштабировать, когда понимает, что ее решение нужно не только клиенту, а рынку в целом и из этого можно сделать серийную историю, какое-то время это направление растет внутри “Форексис”, а потом выделяется в отдельную компанию. Так было с “Антиплагиатом”, компанией “Антирутина”, с нами — с GoodsForecast. В ближайшем будущем у “Форексис” появятся и другие дочерние компании».
Запасы под контролем
На российском рынке аналитических и консалтинговых услуг существовал высокий спрос на составление профессиональных прогнозов для предприятий среднего и крупного бизнеса. Для эффективной работы компаний требовался четкий план продаж и закупок. Для его составления специалисты систематизировали данные о деятельности предприятия. На этот процесс уходило до нескольких месяцев. Но когда информацию, наконец, удавалось подготовить, собранные сведения оказывались устаревшими. Требовалась помощь с привлечением сторонних специалистов, владеющих инновационным методом систематизации, анализа и прогнозирования. Так в России начинались активная цифровизация и внедрение ИТ в бизнес.
Именно такие возможности и предложили в GoodsForecast: на основании математических моделей были созданы первые системы прогнозирования. Впрочем, в компании «Форексис» занимались не только прогнозированием. Системы аналитики и мониторинга торгов были успешно использованы в качестве рабочего инструмента на Московской бирже. Специалисты «Форексиса» смоделировали график авиаперелетов в аэропорту Домодедово, а также составили прогноз степени востребованности перевозки грузов железнодорожным транспортом на РЖД. Для студентов и научных сотрудников компанией «Форексис» был создан сервис «Антиплагиат», позволяющий определить процент уникальности текста.
«Мы используем различные математические модели, — объясняет Сергей Котик. — Те из них, которые используются для прогнозирования, отличаются от тех, которые применяются для решения оптимизационных задач. Мы отталкиваемся от конкретного кейса, от набора данных заказчика, которые наши аналитики исследуют и анализируют. Наша компания занимается следующим: разработкой программного обеспечения, анализом данных, бизнес-консультированием. Именно такая совокупность наших возможностей позволяет нам реализовывать текущие проекты. Ведь чтобы правильно поставить задачу и связать ее с математикой, необходимо хорошо понимать бизнес-процесс клиентов. А для того чтобы задачу решить, необходимо уметь строить модели и их настраивать. Ну, а для того чтобы это решение работало на больших объемах данных, соответствуя требованиям надежности и отказоустойчивости в многопользовательской структуре, нужно уметь облекать разработанные модели в форму промышленного программного обеспечения».
В 2013 году компания GoodsForecast заявила о себе как о независимом юридическом лице, став дочерней компанией «Форексис», и в тот же год вошла в число резидентов ИТ-кластера «Сколково». Через пять лет ее годовой оборот достиг 100 млн рублей. Штат компании достигает порядка 50 человек. Помимо администрации, отдела продаж и отдела маркетинга, существуют проектный офис, отдел аналитики (математики) и четыре продуктовых направления, которые разрабатывают, дорабатывают и внедряют программное обеспечение.
«Процесс прямых продаж крупным клиентам достаточно стандартный. Работают репутация и “сарафанное радио”. К кому-то заходили по знакомству, кто-то обращался сам, к кому-то заходили “в холодную”, с кем-то знакомились на конференциях, — рассказывает Сергей Котик. — Стоимость наших проектов разная, от сотен тысяч до нескольких десятков миллионов рублей. А интересных проектов было очень много. Например, с компанией “Балтика” мы сотрудничаем с 2008 года. Практически решаем все задачи, связанные с прогнозированием в их компании. Есть очень интересный в плане сложности проект с “Технониколь” — это оптимизация производственных линий. Инновационные проекты на производстве все сложные обычно и очень индивидуальные. Интересный проект сейчас с компанией Knauf. Он состоит из двух достаточно больших частей: планирования продаж и оптимизации производственного планирования, то есть распределения этого плана по их многочисленным производственным площадкам в России и странах СНГ. Если называть региональные проекты, то работаем с челябинской компанией “Юничел”. У них одна из крупнейших сетей — более 600 магазинов. Сейчас там заканчиваем проект по планированию управления запасами. Там тоже есть очень интересные моменты, связанные именно со спецификой рынка обуви».
Вершины спроса
Очевидная результативность внедряемых программ все еще не является гарантом стопроцентного принятия инновационного продукта. Одним из негативных факторов, влияющим на скорость продвижения на рынке программ прогнозирования и планирования, является некорректное введение данных компаниями-заказчиками. Для того, чтобы приступить к прогнозированию, специалистам GoodsForescast приходится на предварительном этапе помогать разбираться с исходными данными. Подобная необходимость стала причиной дополнения деятельности компании оказанием консалтинговых услуг в избранном направлении.
«Прежде чем мы заключаем договор, происходит достаточно долгий период общения с клиентом. Для того, чтобы ему предложить концепт проекта, обрисовать сроки, стоимость и договориться по этим параметрам, уходит от месяца до полугода, а иногда и больше», — уточняет Сергей Котик.
Вся работа по проекту делится на три этапа:
- Разработка технического задания на проект внедрения. В нем прописывается все: функционал системы, сценарий ее использования, алгоритмический аппарат, критерии приемки.
- Процесс внедрения решения и доработки, если они необходимы. Сюда входят интеграция с источниками данных, настройки алгоритмов, обучение пользователей, приемо-сдаточные испытания. По итогам этого этапа система запускается в опытную эксплуатацию.
- Опытная эксплуатация. Когда системой уже пользуются, но, возможно, не в полную мощность, не на всех, например, товарах компании или не на всех складах. Исправляются какие-то возникающие ошибки, настраиваются алгоритмы. По итогам этого этапа вся система запускается в промышленную эксплуатацию.
Что умеют решения компании на основе математических решений:
- Replenishment делает процесс управления резервными товарами автоматическим, при этом остается функция корректировки количества заказываемого товара, что актуально для дистрибуторов, производящих организаций и ритейла.
- Planning включает комплекс возможностей по стратегическому и тактическому планированию продаж.
- Distribution оптимально распределяет план по производственным площадкам и оценивает продолжительность выполнения поставленных задач относительно количества клиентских заказов.
- Scheduling решает задачу оптимального планирования расписания производственных линий с целью максимального удовлетворения заказов клиентов с минимальными издержками.
- Promo прогнозирует эффективность промоакций, проводя их анализ. Система определяет, как изменится объем продаж по итогам промо, используя соотношения различных ее параметров и динамику спроса. Если акция проводится впервые и собственных данных для оценки не хватает, то берутся подобные активности в том же регионе по таким же параметрам, но с другой глубиной скидки.
Сложности и успехи
«Сложности при ведении проектов у нас, конечно, бывают разные — политические, технические и иногда даже экономические. Если рассматривать технические аспекты, то здесь ключевой момент — это качество и структурированность исходных данных заказчика, — объясняет Сергей Котик. — В рамках интеграции всегда могут возникнуть сложности, и они, как правило, очень индивидуальны. Иногда встречаются очень специфические проблемы. Например, заказчик хочет сделать проект, а его ИТ-специалисты очень заняты, их задачи расписаны на год вперед, и они говорят, что в проекте участвовать не будут. Это особенно характерно для крупных компаний. Например, сейчас мы работаем над проектом, где сотрудники реализуют его без помощи своих ИТ-специалистов, бизнес-заказчики сами предоставили нам все необходимые данные. То есть на самом деле проделали титаническую работу. Даже несмотря на то, что ИТ-отдел глобальной головной компании махнул на все рукой, проект идет, другие отделы справляются с поставленной задачей».
Отчасти компания GoodsForecast ориентирована на крупных клиентов, потому что именно они пропускают те объемы данных, которые имеет смысл анализировать алгоритмическим способом.
«Мы работаем с крупным бизнесом, прежде всего, потому что оптимизация, которой мы занимаемся, все-таки дает заказчику существенную выгоду на больших объемах. Представьте себе ларек, который торгует на 100 тыс. рублей в месяц. Если для него построить прогноз спроса и создать сложные модели управления запасами, то он начнет зарабатывать 45 тыс. вместо 40. Однако сам проект будет стоить несколько миллионов рублей. Это просто невыгодно, — рассказывает Сергей Котик. — Наш продукт стоит внедрять только тогда, когда компания имеет существенный оборот. Дешево реализовать проект вряд ли получится в силу того, что каждая компания очень индивидуальна и у каждого ее продукта имеются свои особенности. А это уже требует определенных трудозатрат. Нельзя взять некую модель, единую для всех, настроить ее и получать прогнозы, рекомендации по заказам — или оптимизировать производство.
Однако мы работаем над идеей создания некоего универсального решения, которое позволило бы нам масштабироваться и помогать в работе малому бизнесу. Но для небольших компаний сегодня актуальны другие задачи. Им в большей степени важна автоматизация, в частности, внедрение учетных систем и качественное ведение данных. Сейчас на рынке появляется достаточно много удобных учетных систем для малого бизнеса, который связан с торговлей и производством. Но если речь идет о таком малом бизнесе, который ведет продажи в бумажном журнале, записывая все данные ручкой, то никакая оптимизация ни сейчас, ни в обозримом будущем ему не нужна».
Основной трудностью, по мнению Андрея Лисицы, стала неготовность российских предприятий работать с конкретикой. Предприятия возлагают огромные надежды на анализ объемов данных, но в то же время не заботятся о том, чтобы этим занимались специалисты своего дела, которые помогут эффективно использовать итог анализа.
«Важно понимать, что искусственный интеллект не решит все проблемы по щелчку пальцев, — добавляет Андрей Лисица. — Недостаточно просто приобрести мощный север и программную платформу, загрузить данные в систему. Необходимы компетентные специалисты, которые будут организовывать сбор данных и, используя их, настраивать алгоритмический аппарат в условиях поставленной задачи. Важны эксперты, которые смогут расшифровывать результаты и применять их в коммерции. Даже опытному менеджеру не понять напрямую логику работы сложных моделей и влияние показателей на результат. А значит, он не сможет управлять системой, принося пользу предприятию».
Что год грядущий готовит
Сегодня российский рынок анализа и прогнозирования демонстрирует уверенный рост. По мнению GoodsForecast, в 2019 году он вырастет как минимум на 30%.
«Такого же роста собственного оборота мы ожидаем по окончании года, — добавляет Сергей Котик. — Наибольшим спросом будут пользоваться системы управления запасами, прогноза резервами товаров и планирования продаж. Мы будем развивать решения, связанные с прогнозированием в сфере промо. Она пользуется устойчивым интересом на рынке и действительно является очень большой — не менее 60% товаров продается именно через промо. Такие продажи — очень лабильная и сложно прогнозируемая работа. Потому что, во-первых, задействована цепочка “производитель — ритейлер”, во-вторых, на нее влияют многие факторы».
В 2019 году GoodsForecast представит ряд новых продуктов, один из которых основан на анализе данных операторов фискальных данных (ОФД). По чекам из торговых точек можно провести анализ потребительской корзины, выявить, какую продукцию обычно покупают одновременно в одни руки, а также оценить производительность кассиров. На основе таких данных можно оптимально выстроить выкладку товара в торговой точке, предсказать загруженность касс, составить график смен сотрудников.
«Мы развиваем и уже существующие продукты: в частности, добавляем функционал, который позволит создавать на базе уже существующих продуктов новые, — рассказывает Андрей Лисица. — Плюс мы сейчас больше решаем задач, связанных с оптимизацией производства: как правильно спланировать производство, чтобы максимально удовлетворить прогнозируемый или имеющийся спрос и при этом нивелировать издержки».