EN

Прогнозируйте без проблем

Статья о том, как понять и оценить уровень потребительского спроса в компании и найти способы его увеличения.

Расскажем об этой теме на примерах реального бизнеса со сложностями в управлении и прогнозировании спросом. Наши герои — бизнесмены, которые столкнулись с низким уровнем спроса и неэффективным прогнозированием. Что они упускают и как им помочь?

Прогнозирование спроса — что это и зачем нужно?

Прогнозирование спроса является настолько важным процессом в компании, что с него, пожалуй, начинается все бизнес-планирование. Почему? Дело в том, что когда в компании есть реальное понимание спроса — сколько будет клиентов — можно формировать более качественные планы и лучше понимать требуемые ресурсы (люди, время, технологии и прочее). Иными словами, у компании появляется стратегическое видение, а это — залог надежного развития и финансовой устойчивости бизнеса.

Обобщенно определение прогнозирования спроса выглядит так:

Прогнозирование спроса (demand forecasting) — это процесс исследования и оценки будущего спроса на товары и услуги с целью принятия правильных и обоснованных управленческих решений (планирование производства, выработка маркетинговой стратегии, разработка и вывод на рынок новых продуктов и прочее).

Здесь очень важно, что грамотное прогнозирование и управление спросом влияет на многие бизнес-процессы — это и рост уровня сервиса (когда клиент получает тот товар, который нужен именно ему), и увеличение продаж (когда есть что продавать и нет упущенных продаж), и повышение оборачиваемости (когда нет излишков запасов на складе) и т. д.

Бизнес-боли в прогнозировании спроса

Качество прогнозирование спроса — это одна из самых сложных и одновременно распространенных бизнес-болей. Выше мы перечислили положительные примеры качественного прогнозирования спроса, когда компания растет и благополучно развивается. А что происходит, когда уровень прогнозирования низкий и у бизнеса явные проблемы?

Рассмотрим истории наших героев — бизнесменов, которые столкнулись со сложностями в прогнозировании спроса.

Развитие прогнозирования

Знакомьтесь, это Антон — руководитель аналитического управления в крупной сети ресторанов быстрого питания. В управлении, которым он руководит, 7 отделов — от планирования и коммерческой аналитики до маркетинга и розничной аналитики. Процесс планирования является одним из самых важных для бизнеса — от уровня и качества прогнозирования спроса зависит конкурентоспособность бизнеса в целом.

Вот что рассказал Антон про прогнозирование спроса в компании:

Прогнозирование — это такая насущная история, которая у нас до сих пор продолжает быть «подвешенной» вот с какой точки зрения: для чего нам это нужно, до какой степени нам необходимо развивать уровень и качество прогноза, насколько требуется его прорабатывать и т. д. Здесь находится сфера наших интересов и развития. Остальное — в плоскости бизнес-процессов и разделения ответственности между командами. Сейчас все очень запутано и отсутствуют прозрачные процессы с ответственными

Что мы советуем?

Сложности данной компании определяются масштабами деятельности — количеством точек обслуживания, объемами обрабатываемой информации, количеством и уровнем постоянной заинтересованности клиентов, широко разветвленной структурой управления бизнесом и т. д. Без грамотной оценки деятельности, четкого распределения бизнес-функций и качественного прогнозирования спроса обойтись, пожалуй, невозможно.

Повышать качество прогнозирования спроса с помощью внедрения грамотного аналитического решения. Желательно, чтобы данное решение содержало алгоритмы «нейронных сетей», так как это минимизирует вероятность серьезных ошибок, которые возникают из-за большого количества данных и множества отделов, пользующихся ими.

Использовать data-driven подход, который поможет разграничить бизнес-роли и урегулировать зоны ответственности команд / отделов компании.

Предсказательная аналитика

А это Иван, он является ведущим аналитиком в компании по продаже бытовой техники. География магазинов продаж охватывает практически все регионы России, большая часть продаж приходится на ЦФО. Иван руководит отделом планирования, который анализирует спрос клиентов, их покупки и поведение, прогнозирует будущие продажи, промо, акции и оценивает их эффективность. В компании с момента ее основания установлена аналитическая система, которой и по сей день пользуется отдел Ивана.

Иван говорит о главной на сегодняшний день проблеме — существующего аналитического решения недостаточно для закрытия всех потребностей бизнеса в аналитике — компания нуждается в качественном и автоматизированном прогнозировании, основанном на данных.

Когда я пришел в компанию, там не было критерия оптимальности, мы его не знали. Изначально мы хотели просто оптимально двигать товар и, благодаря этому, повышать продажи. Так мы вышли на формирование сегментов и необходимость создания ассортиментной матрицы. Получается, матрица “всплыла” чуть позже - как раз-таки перед распределением. Такая классическая схема.

Что мы советуем?

По сути, прогнозирование — это опережающее отражение будущего, и, как известно, сценариев развития будущего может быть множество. Проблема, озвученная Иваном, очень важная — иметь представление о том, что произойдет, в какого-то определенного сценария — сейчас уже недостаточно.

Использовать продвинутые методы математического моделирования, упакованные в готовое решение — нужна система, которая сможет строить ансамбли прогнозов из множества моделей и автоматически выбирать лучшую для бизнеса модель по выбранным параметрам. Преимущественно выбрать аналитический инструмент с встроенной системой «умных» рекомендаций.

Аналитические компетенции

Следующий наш герой — Сергей — директор по развитию цифровой трансформации в экономическом клубе, направленном на поддержку бизнеса, инвестиции и экспертное развитие предпринимателей.

Сергей так рассказывает о сложностях бизнеса в сфере прогнозирования:

Моя задача в планировании – найти проблему и придумать гипотезу, дальше – запланировать эту гипотезу для исполнения, после этого - оценить ее “до” и “после” проведенных изменений. Так вот, придумывать гипотезы, проектировать, тестировать их и т.д. - все это требует наличия в компании аналитика. Но, к сожалению, бюджет на аналитика пока не одобряют

Что мы советуем?

Это очень важная проблема и в прогнозировании, и в аналитике в целом — наличие необходимых компетенций. Как правило, руководство не учитывает тот факт, что запроса на аналитику мало, нужен еще и грамотный специалист, который будет этим заниматься. Зачастую происходит так, что в компании не хватает ни рук, ни необходимых компетенций. Но чтобы сделать качественную аналитику, нужно и время, и знания.

Не отталкиваться только от идеи нанять специалиста, а обратить внимание на аналитические low-code инструменты, которые позволяют сократить время, необходимое на разработку решения и исследования, и не требуют навыков программирования.

Особенности маркетплейсов

Переходим к Анатолию — руководителю компании по доставке еды. Бизнес существует в южных регионах России уже 7 лет, нашел свою нишу и гармонично выдерживает конкуренцию с такими гигантами, как Яндекс. Еда или Delivery Club. Задачи Анатолия сосредоточены в сфере операционной работы — IT и финансы, то есть управление развитием продукта, его технологическая составляющая.

Вот что говорит Анатолий про сложности:

На маркетплейсе очень важно, чтобы товар всегда был в наличии. Если товара нет в наличии, ты автоматически теряешь и время, и деньги. Если ты не понимаешь спрос и не успеваешь поставлять именно те товары, которые нужны — это заведомо провальная история. Но у нас есть тенденции, которые мы точно знаем, мы в них хорошо ориентируемся, поэтому я не понимаю, зачем нам какие-то аналитические решения или, допустим, машинное обучение

Что мы советуем?

Прогнозирование спроса позволяет не только разработать оптимальный план закупок, но и эффективно управлять ресурсами компании. Избыток товаров приводит к дополнительным финансовым издержкам, а недостаток — к потере клиентов и снижению объемов продаж. В обоих случаях происходит недополучение возможной прибыли, что в условиях острой конкуренции может стать причиной потери бизнеса.

Внедрить продвинутое и недорогое аналитическое решение. Понимать тенденции своего бизнеса — это важно, но иногда этого бывает недостаточно для роста и развития бизнеса. Есть факторы, которые интуитивно / по опыту невозможно учесть, а грамотное аналитическое решение может «видеть» множество факторов, опираясь на реальные данные.

Специфичность бизнеса

Следующий наш герой — Михаил — работает руководителем операционной деятельности компании по производству и продаже одежды для детей и подростков, в часть его обязанностей входит внедрение системы планирования бизнеса. После многочисленных проб и ошибок Михаил пришел к выводу, что компании нужны более сложные модели, чем используемая в настоящее время — ее уже недостаточно, так как она не может учесть все особенности деятельности бизнеса.

Михаил рассказал о трудностях в планировании, связанных со спецификой деятельности компании:

Клиентский спрос у нас очень подвержен тенденциям моды, а мода, как известно, иногда очень резко меняется. Сложность в том, что у нас планирование производства идет минимум за полгода, и случается такое, что мы уже ни на что не можем повлиять. Конечно, есть возможность поменять размер или модель, но, допустим, цвет или рисунок уже не поменять, так как ткань давно закуплена. В прогнозировании спроса у нас есть определенные результаты, но недостаточно хорошие. Приходится же учитывать еще и плавающую сезонность. Это не то, что прогнозировать, допустим, спрос на сахар, цена на который в летний период растет каждый год. У нас, если брать ту же погоду, сезоны иногда сдвигаются. Например, в определенный момент в июне стали хорошо продаваться ветровки. И таких нюансов очень много

Что мы советуем?

Учет множества факторов в прогнозировании спроса — одна из самых важных и сложных тем. Чем больше специфических особенностей бизнеса, тем сложнее добиться наиболее точного прогноза.

В данном случае на помощь придут современные аналитические решения, учитывающие все особенности бизнеса, легко кастомизируемые и способные строить грамотные многофакторные модели, собирающие все внешние и внутренние особенности, способные повлиять на спрос. Такие аналитические инструменты автоматизируют и оптимизируют бизнес-процесс прогнозирования.

Давайте обобщим полученную информацию.

Какие общие проблемы и цели у наших героев?

Работа с потребительским спросом ведется неэффективно:

анализ спроса и влияющих на него факторов находится на низком уровне;
процесс планирования затруднен;
построение прогнозов не учитывает всю специфику деятельности компаний (сезонность, новинки, тренды и т. д.), что ухудшает прогнозирование;
не хватает компетенций и современных инструментов для полноценного анализа данных и построения точных прогнозов.

Повысить эффективность прогнозирования и управления спросом:

автоматизировать бизнес-процессы;
внедрить data-driven подход в деятельность компаний;
учитывать не один фактор, а строить множество статистических многофакторных прогнозов, из которых выбирать тот, что дает лучший результат.

Проблемы

Цели

Все проблемные места и факторы замедляют и нарушают деятельность компаний, а также ухудшают важнейшие экономические показатели деятельности.

Для того, чтобы реализовать цели максимально эффективно, быстро и точно, мы посоветовали компаниям внедрить Инструменты AltMacros.

Что получил бизнес от внедрения AltMacros?

Деятельность компаний стала более прозрачной и эффективной, так как Инструмент позволил структурировать данные, проводить глубокий анализ и формировать понятные отчеты, а следовательно - руководители могут принимать более взвешенные бизнес-решения на основе полученных выводов.

Установка Инструментов AltMacros не потребовала дополнительных затрат в виде денежных ресурсов, компетенций, привлечения программистов и прошла легко, быстро и беспроблемно. Также наши герои отметили в качестве преимущества 3-месячную техническую поддержку и бесплатные онлайн-консультации от разработчиков.

Цена на Инструментов AltMacros оказалась приемлемой и значительно ниже в сравнении с другими решениями (в основном коробочными), закрывающими те же самые бизнес-проблемы. Таким образом, соотношение «цена-качество» в AltMacros стало для бизнеса значимым плюсом — решение к тому же навсегда остается в компании, достаточно единовременно покупки и установки.

1

2

3

Закрытие бизнес-болей

Антон решил сложности с качеством прогнозирования, улучшение прогнозов происходит в автоматическом режиме с помощью встроенных умных алгоритмов, ошибки данных минимизированы, а бизнес-роли разграничены благодаря data-driven ориентации бизнеса.

Иван решил проблемы с предсказательной аналитикой благодаря встроенным в решение методам статистического прогнозирования, которые позволяют строить множество прогнозов и выбирать лучшую, наиболее эффективную, модель — теперь он получает готовые рекомендации, которые помогают принимать взвешенные управленческие решения.

Сергей решил задачу нехватки аналитических компетенций в компании — внедренный low-code инструмент проводит глубокую аналитику самостоятельно в считанные полчаса — выявляет проблемы, тестирует гипотезы, оценивает результаты и дает рекомендации по улучшению.

Анатолий изначально скептически относился к внедрению аналитического решения, но дешевизна и бесплатное тестирование AltMacros, в результате которого он убедился в эффективности инструмента, убедили купить и установить решение. После внедрения Анатолий начал более глубоко исследовать тенденции и факторы, влияющие на спрос, и уже выявил несколько неочевидных взаимосвязей, которых не замечал раньше и из-за которых терял прибыль.

Михаил решил сложности с учитыванием специфических особенностей бизнеса — и теперь строит многофакторные модели в грамотном инструменте, который легко кастомизировался под конкретную компанию и автоматически считывает большое количество бизнес-особенностей — как внешних, так и внутренних. Бизнес-процессы в скором времени были оптимизированы, а прогнозы стали более точными и эффективными.

Таким образом, Инструменты AltMacros помогли решить бизнес-проблемы различного уровня сложности. Внедрение позволило компаниям увеличить прибыль, сократить временные и трудовые ресурсы, а также нарастить уровень сервиса, что способствовало повышению эффективности всей деятельности при сохранении максимальной рентабельности.