Денис Логунов

Методолог по коммерческому планированию в ГК «Оптимакрос»

Современный бизнес выбирает различные системы для повышения эффективности бизнеса — у каждой компании есть свои цели, задачи и ожидания от внедрения программного обеспечения. Часто эти цели и ожидания оторваны от реальности бизнеса, поскольку формируются под воздействием навязанных трендов. Распространенная проблема — компания не может сформулировать свои цели и ожидания от внедрения продукта или даже просто ответить на вопрос, для чего нужен продукт в их бизнесе. Это затрудняет оценку полученного результата от внедрения.

Меня зовут Денис Логунов, я Методолог по коммерческому планированию в ГК «Оптимакрос». В статье расскажу про выбор программного продукта для управления спросом и торговым маркетингом. Этот опыт основан на работе как со стороны компании-заказчика, так и со стороны компании-вендора.

Для чего нужна система планирования спроса и управления торговым маркетингом

Построить прогноз спроса без управления промо можно, но с некоторыми ограничениями. Запустить управление торговым маркетингом или ТРМ (Trade Promotion Management) также возможно, но с существенными оговорками. В любом случае важно понимать риски и ограничения, с которыми придется столкнуться.

Уровень прогнозирования в каждой компании свой, поэтому и проблемы при прогнозировании спроса индивидуальны. Выделяются четыре основных блока проблематики, с которыми сталкиваются компании на любом уровне развития:

Часто встречается ситуация, когда все ограничения понятны и даже известны способы их решения, но никто не берет на себя ответственность за их реализацию. В результате возникает замкнутый круг в прогнозировании. Компании считают убытки, проводят акции по распродаже товаров для разгрузки складов от сверхнормативных остатков и так далее. Прогнозирование происходит постоянно, но качество прогноза не оценивается. Пока финансовые возможности позволяют, компания продолжает работать в таком режиме до тех пор, пока руководство не задумается о поиске новых источников дохода. Худший вариант — когда решение принимается только под давлением очередного кризиса на рынке.

Почему есть необходимость автоматизации прогнозирования

Все проблемные блоки можно решить при внедрении специализированного ПО. В каждой компании есть процесс планирования различных блоков и направлений. В рамках этого процесса используются различные программные решения: кому-то достаточно Excel, а кому-то нужен специализированный программный продукт. Рассмотрим, на что стоит опираться при выборе решения для прогнозирования спроса и управления торговым маркетингом.

На первом этапе важно определить тип необходимого прогноза спроса. Выделяются два основных типа: статистическое прогнозирование спроса и совместное планирование.

• Статистическое прогнозирование — это формирование прогноза на основе исторических данных с применением моделей прогнозирования. Согласованный статистический прогноз становится планом, на основе которого рассчитываются различные показатели.
• Совместное планирование позволяет корректировать статистический прогноз спроса всем участникам процесса. Корректировка осуществляется через добавление и согласование факторов, влияющих на прогноз спроса. Примеры таких факторов: промо-акции, ввод/вывод новых продуктов, расширение географии реализации, сокращение клиентской базы, ограничения производства и другие.

Если компании достаточно статистического прогноза, потребность в прогнозировании спроса можно удовлетворить с помощью Excel или несложных и недорогих решений. Для построения статистического прогноза в этом случае достаточно использовать до трех математических моделей, которые легко реализуются в Excel. Если же компании важно настроить совместное планирование, Excel не подойдет, и потребуется специализированный программный продукт. Хотя теоретически совместное планирование можно настроить и в Excel, это очень сложный и трудоемкий процесс, требующий значительных человеческих ресурсов для поддержки.

Далее рассмотрим совместное планирование, так как этот тип прогнозирования позволяет работать с факторами и вовлекает в процесс всех участников. Мы выявили четыре блока проблем, с которыми сталкиваются компании при прогнозировании спроса — посмотрим как специализированное ПО поможет решить эти проблемы.

Результат правильного процесса планирования — повышение прибыли компании.

Какие функциональные блоки должны быть в системе

Рассматривая системы планирования спроса и управления торговым маркетингом, можно разделить функциональные блоки на стандартные и обязательные. Стандартный функционал должен присутствовать по умолчанию в каждой системе. К нему относятся: распределение прав доступа, управление пользователями, загрузка информации из различных источников, создание шаблонов, настройка согласования и информирования, и многое другое. Обязательный функционал должен помогать пользователям при формировании прогноза и планировании акций. Этот функционал более ценен для повышения результатов компании:

• Подготовка данных. Это возможность построения правильной базовой линии или прогноза регулярных продаж. Относительно базовой линии оценивается влияние факторов на прогноз и эффективность акций. Чем точнее система прогнозирует базовую линию, тем точнее будут принимаемые решения. В рамках этого блока система выполняет следующие функции:
  • Очистка исторических данных от влияния факторов.
  • Очистка от выбросов и разовых событий.
• Использование искусственного интеллекта при формировании прогноза. Это позволяет прогнозировать тенденции и закономерности поведения путем обнаружения причинно-следственных связей в данных. Правильный выбор модели прогнозирования или корректная рекомендация по промо позволяет компании повышать точность прогноза, что повышает ее эффективность. В рамках этого блока система создает механизмы рекомендаций, включая:
  • Для прогноза спроса: выбор лучшей модели прогнозирования, применение различных видов сезонности, распределение объемов по дням.
  • Для управления промо: рекомендации при планировании промо в зависимости от заданных параметров, распределение промо-объемов по дням.
• Оптимизация промо-календаря. Создание промо-календаря с использованием клиентских и продуктовых настроек при заданных параметрах. Формирование акций на среднесрочный период прогнозирования, оценка потенциального прогноза и финансовых показателей компании.
• Сценарный анализ. Возможность выбора наилучшего решения на основе различных сценариев поведения.

Сложности при внедрения платформы

При внедрении проекта возникают различные проблемные моменты, но их можно предусмотреть перед запуском проекта. Самое важное правило: чем дальше продвинулся проект, тем больше придется переделывать в случае ошибок. До определения целей и принятия решений необходимо проверить следующую информацию:

1. Наличие и полнота справочников продуктов, клиентов, показателей эффективности, цен.
2. Ответственные за справочники клиентов и продуктов.
3. Исторические данные продаж и факторы, влияющие на прогноз (промо, тендеры, блокировки и т.д.).
4. Готовность настроить ежедневный обмен данными.

Если есть пробелы или невозможность предоставить данные для системы, это приведет к проблемам при запуске. Лучше разобраться с данными и подготовить их до старта проекта, чтобы избежать задержек или использования временных решений.

На следующем этапе важно оценить сроки внедрения и загрузку команды:

• Если внедрением будут заниматься действующие сотрудники, нужно зафиксировать, сколько времени они должны уделять проекту, и принять решение о снятии с них части текущих задач.
• Если внедрением будет заниматься проектная команда, важно не перегрузить ее количеством внедряемых проектов.

В противном случае возможны негативные реакции со стороны сотрудников, срыв сроков проекта и дополнительные расходы.

В рамках реализации проекта необходимо тщательно изучать документацию. Лучше дополнять ее скриншотами из программы или визуализировать блоки продуктов и рисовать схемы. Важно понимать, что на основе этих документов будет настроен программный продукт. Вся документация на проекте обязательно согласовывается между заказчиком и исполнителем. Заказчиком продукта должен быть бизнес, а не IT-отдел закупок. Если заказчик не является пользователем системы, возникают большие риски при внедрении продукта. Как альтернатива — заказчик должен быть на уровень выше, чем пользователи, чтобы обеспечить административный ресурс при внедрении проекта.

Целевые системы для прогнозирования

Процесс прогнозирования индивидуален и не может быть заключен в коробочное решение. Переделки любого готового решения на рынке займут гораздо больше ресурсов, чем использование платформенных или самописных решений, адаптированных под конкретного заказчика. Очевидный вывод — важна гибкость продукта. Варианты дописанных классических систем (например, 1С) также встречаются на рынке в виде рабочего инструмента, однако часто усугубляют описанные выше проблемы и не приводят компанию к желаемому результату.

Решение организации самостоятельно формировать прогноз на основе ML-алгоритмов или в связке Excel-BI — сложная архитектурная задача, которую часто берут на себя аналитические отделы в сотрудничестве с IT-службой. Продукт, создаваемый в организации, часто остается на уровне сырого нерабочего инструмента и не может быть передан «по наследству» в случае смены команды. Тем не менее, внедрение такого инструмента широко распространено и часто применяется как дополнительный контрольный механизм по управлению промо-планированием. Общая проблема, связанная с архитектурой таких решений — некорректная работа ПО с точки зрения быстродействия.

Любое IT-решение всегда оценивается по трем категориям качества:

• Быстродействие
• Корректность работы с точки зрения расчетов
• Стоимость владения

Переделка классических систем, предназначенных, например, для фактического учета, приводит к проблемам во всех трех категориях. Стоимость внедрения часто превышает ожидания из-за необходимости держать в штате дорогостоящих специалистов-разработчиков. При этом корректность прогнозирования снижается из-за длительности переделок и дообогащения прогноза аналитиками. Быстродействие остается на низком уровне, учитывая класс транзакционных систем и архитектуру работы с данными — плоские массивы данных, учитываемые в прогнозе, должны фильтроваться стандартными SQL-запросами либо надстройками Excel (в частности, Power Query). Кроме того, Excel-подобные связки не обладают функционалом «взрослых» систем — системой логирования, многопользовательским режимом работы, сохранением резервных копий и бэкапированием.

В определенный момент объем исторических данных становится неподъемным для работы связки Excel-PQ-BI из-за стандартных ограничений этих продуктов. Транзакционные системы учета вообще не предназначены для работы с нестандартными отчетами и ML-алгоритмами без дополнительной разработки. Эта проблема возникла еще в прошлом столетии у западных компаний, которые раньше столкнулись с проблемами анализа данных. Из сформулированных выше замечаний родился специальный класс систем — CPM/EPM. Примерами могут служить продукты SAS, IBM Cognos и Anaplan.

Общей чертой и важной особенностью данных продуктов является использование технологий low-code и философии self-service. Использование ПО подразумевает платформенный подход и открытый доступ организации к изменению алгоритмов расчетов в случае изменения методологии. Расчеты, производимые в моделях данных, выполняются в оперативной памяти (RAM) сервера — так называемая OLAP-архитектура.

О прогнозировании в Optimacros

Применительно к задаче прогнозирования спроса с описанными выше особенностями, рекомендуемым классом систем по очевидным причинам являются CPM/EPM. Несмотря на санкционную политику и уход указанных вендоров с рынка РФ, локальный рынок предлагает достойную замену. Лидер по количеству реализованных кейсов и предлагаемому функционалу  — платформа Optimacros.

Обладая архитектурой расчетов OLAP,  Optimacros — полноценный элемент будущего IT-ландшафта организации и обладает всеми необходимыми свойствами полноценной системы.

Преимущества платформы Optimacros:

• Платформа подразумевает возможность дообогащения аналитики массива данных и доработку расчетов — как в Excel. Доработка массивов исторических данных, их нормализация и дополнительная разметка позволяют подготовить данные для прогноза.
• Имеет упрощенную формульную логику (low code) — в случае изменения подходов и изучения гипотез прогнозирования, внесение корректировок в систему не требует значительных ресурсов разработчиков.
• Поддерживает версионность и сценарный анализ, необходимый для прогнозирования — корректировка расчетов и сравнение версий прогноза между собой могут проводиться «в режиме совещания» и позволят принимать верные решения.
• Обладает высокими возможностями для интеграции с внешними системами — возможна интеграция в обе стороны по входящим и исходящим потокам данных.
• Имеет возможность использовать любые библиотеки Python и ML-алгоритмы для прогнозирования спроса. Изменения в алгоритмах при этом могут производиться в рамках одной информационной среды.

Использование Optimacros на рынке получает положительные отзывы от организаций, внедривших продукт. Средний чек и период внедрения гораздо ниже существующих ожиданий от «долгого и дорогого» внедрения — при этом сам заказчик системы имеет возможность напрямую участвовать во внедрении системы благодаря легкости моделирования на платформе.

Для решения ключевых задач бизнеса необходимо использовать подходящие классы систем. Прогнозирование спроса и промо-активностей — важный элемент управления организацией в современном конкурентном рынке. Решение этой задачи позволит получить легко изменяемый и подстраиваемый под реалии рынка инструмент, направленный на точность расчетов и удобство использования.

РЕКЛАМА. erod:2VtzqxZKxuC, ООО «Оптимакрос», ИНН 7730246835