На мероприятиях и во время индивидуальных консультаций мы отвечаем на множество вопросов. Решили поделиться ответами со всеми.
1. Программный продукт ваш или сторонний?
Продукт наш.
2. Как учитываете наличие товара на полках? Если товар не
выставлен, продажи нулевые, но на остатках есть. Если размещение
неудачное, продажи падают.
К сожалению, если товар не выставлен на полке, но числится на
остатках, то нулевая продажа попадет в историю. Такая продажа может
«почиститься», если нулевая продажа будет принята алгоритмом аномальной,
но не всегда такая чистка срабатывает, особенно для редкопродаваемых
товаров.
Что касается выкладки, ее можно учитывать, но только в том случае,
если у заказчика информация по выкладке оцифрована. Тогда ее можно
передавать, как дополнительный признак.
3. Заказ сезонной продукции требует от ритейла горизонта
планирования на 1,5 — 2 года, чтобы производитель успел разработать
актуальные модели, произвести и привезти, доставить в сеть. Как
работаете с такими горизонтами?
У нас два сервиса прогнозирования: на несколько недель вперед (для
ежедневного заказа) и сервис долгосрочного прогнозирования (клиент
использует горизонт до 1 года). Оба сервиса активно используются
клиентами.
Надо не забывать, что чем больше горизонт планирования, тем хуже
качество прогноза и, конечно, в долгосрочном прогнозе нельзя учесть
события мирового масштаба.
4. Есть факторы, компенсируемые страховым запасом, помимо неточности прогноза?
Есть, например, акция и доля полки.
5. Расскажите о том, как работает сервис на горизонте до года?
Заказчик вводит диапазоны дат, на которые нужен прогноз, сервис дает ответ.
6. Как выглядит прогнозная аналитика для клиента? Что-то интерактивное типа Pbix файла или онлайн дашборд?
Дашборды мы делаем, например, в Python веб-фреймворке Dash
или используем готовые сервисы для визуализации отечественных облачных
провайдеров, например, Yandex DataLens. Прогнозный сервис мы
интегрируем, как правило, в 1С или другие учетные системы заказчика.
7. Кто ваш фокусный клиент в ритейле? Торговые сети? Их размерность?
Мы работаем с розничными сетями и производителями, которые не имеют
собственной экспертизы Data Science и заинтересованы в ее аутсорсинге,
через использование прогнозных сервисов. Как правило, это продуктовый
ритейл, так как оборачиваемость товаров в продуктовой отрасли высокая и
прогнозирования является трудоемкой задачей, которую нужно
автоматизировать.
8. Вы используете нейронные сети или модели, которые можно интерпретировать?
Используем комбинированный подход. Всегда можем объяснить, почему прогноз принимает те или иные значения.
9. Сколько факторов-параметров вы закладываете для построения
прогноза? Что если исторических данных очищенных от акций нет, акции
всегда идут нон стоп, по несколько одновременно. тогда не сделать
модель?
- Зависит от того, какие признаки есть у клиента (это число не фиксированное).
- Проблема разметки акции очень важна, акционный товар имеет другую динамику продаж. Прогноз без акции будет значительно хуже.
10. А какая точность прописывается в договоре? Вы говорили, что
пилот считается успешным, если прогноз выше, чем прогнозирование отдела прогнозирования.
Метрику точности согласовываем с заказчиком, может быть какая-то эксклюзивная метрика или стандартная.
Метрика качества прогноза в договоре выставляется после проведения
пилотного тестирования и величины, которая для заказчика будет
удовлетворительной. Для пилота достаточно принять, что проект успешен,
если по факту A/B тестирования (прогноз «как было»/прогноз «как стало»)
результат улучшился. Тогда можно оценить возможную целевую величину
точности прогноза, которую указать в договоре.
11. Допустим, пилотный проект включает 50 позиций одного поставщика,
а поставщик поставляет в сеть 300 позиций. Как работает система в
рамках пилотного проекта в части заказов в таком случае?
На пилотном проекте основная задача – это продемонстрировать
удовлетворительное качество прогнозирования спроса, т. к. это неочевидно
для заказчика.
Построение автозаказа – это обычный расчет по формуле:
Плановый заказ = Прогноз продаж + Страховой запас – Остатки на начало
Качественный плановый заказ дают слагаемые прогноза продаж и
зависящее от точного прогноза значение страховых запасов. Поэтому на
пилоте запускается первая часть подтверждения гипотезы, что на данных,
которыми располагает заказчик, можно построить прогноз согласно
требованиям.