Тонкости прогнозирования продаж в пищевой отрасли

16-17 мая в Москве прошла ежегодная ИТ-конференция для производителей продуктов питания, организованная комьюнити Digital4food. 

В рамках одной из параллельных секций состоялась дискуссия на тему «Планирование или прогнозирование?», в которой приняли участие:
— Анна Племяшова, директор Datanomics, эксперт.
— Александр Попушой, IT-директор Московского завода плавленых сыров КАРАТ, эксперт.
— Мария Горохова, product-менеджер отраслевого программного решения PLAN4FOOD, эксперт.
— Александр Цыбизов, руководитель корпоративных проектов компании Константа, модератор.

По следам дискуссии о планировании и прогнозировании своим мнением поделилась Анна Племяшова, Datanomics. 

– Анна, расскажите о вашем впечатлении от конференции:

– Меня пригласили выступить в качестве эксперта на дискуссии «Планирование или прогнозирование». Но, если говорить про конференцию в целом, то первое, что хотелось отметить – это количество и качество участников. И то, и другое высокое. Для такой нишевой конференции более 250 участников – это показатель, что программа актуальна и востребована.

Деловая программа была достаточно плотная, спикерам отводилось 20 минут на доклад с вопросами, но зато такой бодрый темп не давал расслабиться и заскучать. Чтобы вопросы не оставались без ответов, организаторы предложили участникам параллельные секции: круглые столы, дискуссии и демонстрации решений.

– Есть ли разница между задачами планирования и прогнозирования? Где проходит граница между ними? 

– Тема прогнозирования и планирования актуальна в любой индустрии. Автоматизация этой деятельности, а именно об этом говорили в контексте конференции, особенно востребована в пищевой индустрии за счет высокой товарооборачиваемости, большого количества номенклатур и точек сбыта, что повышает трудоемкость прогнозирования, а постоянное наличие акций снижает точность прогнозов.

Качество планирования производства, закупок и логистики, финансовых потоков и прочего напрямую связано с качественным планом продаж или, вернее говорить, с прогнозом спроса, который производитель должен удовлетворять, чтобы держать высокий уровень сервиса. 

В вводной части модератор предложил подискутировать о понятиях, вынесенных в название сессии. Эксперты и участники пришли к соглашению, что нет необходимости четко подводить определения и границы использования двух терминов «планирование» и «прогнозирование». В большинстве случаев на производстве стоит общая задача интегрированного планирования, которая разбивается на составление планов по подразделениям, и в том числе прогноз спроса для оперативного планирования. Но никто не отменяет составления среднесрочного и долгосрочного плана продаж, который учитывает в том числе и стратегические цели компании.

– Есть ли горизонт «разумного прогнозирования», чтобы он был достаточно точным и своевременным для принятия решения? 

– Такой хитрый вопрос модератор задал мне, как представителю компании, которая занимается разработкой решений прогнозирования спроса с помощью алгоритмов машинного обучения (ML).

Однозначного ответа на этот вопрос нет, горизонт зависит от цикла производства или логистического плеча и от того, для какого бизнеса реализуется решение. Например, для производителя часто идет привязка к циклу производства: выбирается самая долгая в приготовлении номенклатурная позиция и этот горизонт закрепляется в техническом задании. Частое требование – это 6-8 недель. Если говорить о фирменной рознице с коротким логистическим плечом, то заказчику бывает достаточен горизонт в 1 неделю. А, например, для фуд ритейла с большим ассортиментом в целях автозаказа необходим горизонт в 6 недель. Для товаров с нерегулярным спросом может стоять в требованиях горизонт и полгода, и год, но и гранулярность заказа в этом случае будет не на каждый день, как в случае с производителем скоропортящейся продукции, а понедельно или даже помесячно. Соответственно горизонт «разумного прогнозирования» для каждого заказчика свой.

– Какой точности прогнозирования можно достичь?

– Здесь все участники шутили «смотря, как считать». Это верное замечание, но еще немаловажный фактор – какой характер продаж необходимо прогнозировать. Например, в фирменной рознице производителя продажи очень вариативны и 86% продаж магазин-день-SKU – это нулевые продажи. Если всегда прогнозировать ноль и не учитывать в расчете точности весовые коэффициенты, точность уже будет более 85%. Это высокая точность? 

В ходе дискуссии участники пришли к выводу, что автоматизация прогнозирования скорее должна улучшать бизнес-метрики: 

1. Уровень сервиса за счет представленности товара
2. Балансирующий показатель – Страховые запасы, который за счет повышения качества прогноза можно будет снизить.    

– Какой ИТ-ландшафт необходим на предприятии?

– Для внедрения систем планирования нет жестких требований наличия, например, оперативного производственного учета/MES-системы. Для систем прогнозирования с применением ML-алгоритмов некоторые ограничения есть. Для построения моделей прогнозирования спроса потребуются исторические данные по заказам, продажам, акциям минимум за два года и их необходимо откуда-то получить, поэтому оцифровка хозяйственных операций в необходимых для прогноза аналитических разрезах должна существовать. 

– Какая главная сложность проектов планирования и прогнозирования?

– Большинство участников в качестве сложности проектов планирования и прогнозирования  выделило человеческий фактор, причем в различных его проявлениях. Это и сопротивление персонала, саботаж внедрения из опасения, что технологии заменят человека, и недоверие руководства к решениям, переоценка или недостаток экспертности внутренней команды, проблемы в коммуникациях. Один из пунктов миссии комьюнити Digital4food состоит в повышении уровня цифровой грамотности и объединения бизнеса и ИТ на одной площадке, что в ходе дискуссии отлично получилось. 

27 июня Digital4food проводит вебинар совместно с Datanomics и Константой на тему «Прогнозирование продаж и планирование производства: граница, технологии, возможности инструментов цифровизации». 

Участники дискуссии:

• Анна Племяшова, директор Datanomics – компания, специализирующаяся на решениях в области аналитики больших данных и искусственного интеллекта.
• Мария Горохова, продакт-менеджер отраслевого решения PLAN4FOOD — модуль для прогнозирования отгрузок и производства с оптимизацией загрузки оборудования на базе 1С.