+7 499 135-41-63 (ВЦ РАН)
   info@forecsys.ru
      или посмотреть карту сайта

Avito, 2017 год

Конкурс анализа данных по созданию модели рекомендательной системы

Фонд перспективных исследований, 2017 год

Конкурс по созданию интеллектуальных технологий дешифрирования видовой аэрокосмической информации

ММВБ, 2016 год

Проект «САФРАН. Внедрение функциональности по выявлению практик манипулирования в высокочастной торговле на финансовых рынках»

Avito, 2016 год

Конкурс анализа данных по распознаванию категорий объявлений

Avito, 2016 год

конкурса анализа данных по распознаванию марки и модели автомашин на изображениях

ММВБ, 2016 год

Проект «САФРАН. Внедрение функциональности по мониторингу открытых инсайдеров»

Европлан, 2016 год

Оценка стоимости автомобилей на основании анализа базы данных объявлений аналогов

Фонд перспективных исследований, 2015 год

Конкурс для поиска лучшего отечественного коллектива, способного преодолеть существующие недостатки технологий распознавания лиц

НКО АО НРД, 2015 год

Разработка алгоритма обработки результатов проведения клирингового сеанса

Avito, 2015 год

Конкурс анализа данных, посвященный проблематике Uplift modelling для решения задачи распознавания отклика клиентов на маркетинговое предложение

РЖД, 2015 год

Прогнозирование объемов спроса на грузовые железнодорожные перевозки

Avito, 2014 год

Конкурс по распознаванию контактной информации на изображениях

Банк Траст, 2014 год

Внедрение системы прогнозирования поведения клиентов и оптимизации кампаний целевого маркетинга Sell4Cast

ООО «Такском», 2014

Оценка поведения клиентов, выявление сегмента склонных к оттоку клиентов

Телемикс, 2012 год

Разработка прототипа системы рекомендаций видеоконтента

ОТП Банк, 2011 год

Конкурс анализа данных по решению задачи предсказания отклика клиентов на предложение новой услуги

Компания «Балтика», 2011 год

Автоматизация прогнозирования вторичных продаж

ММВБ, 2010 год

Система анализа финансовых рынков «САФРАН 3.0»

ГК «Лама», 2010 год

Внедрение системы автоматического формирования заказа на распредительном центре компании

ЗАО «НСС», 2009 год

Внедрение BI/CRM систем Forecsys & Teradata

ГК «Видео Интернешнл», 2009 год

Улучшения системы прогнозирования компании

ГК «Лама», 2009 год

Внедрение системы прогнозирования спроса и управления запасами Goods4Cast

Банк «Петрокоммерц», 2009 год

Система поддержки принятия кредитных решений

М-Видео, 2008 год

Оптимизации процессов планирования продаж и закупок товаров

Компания «Балтика», 2008 год

Внедрение системы прогнозирования спроса и планирования продаж

ГК «Комстар – ОТС», 2008 год

Поведенческая сегментация клиентов

ГУ-ВШЭ, 2007 год

Внедрение системы Антиплагиат

Сеть «Связной», 2007 год

Создание и внедрение ИС «Ценообразование»

Сеть «Связной», 2007 год

Внедрение системы прогнозирования спроса

X5 Retail Group, 2007 год

Объединение процессов ведения номенклатуры нескольких розничных торговых сетей

ГВЦ РАО «ЕЭС России», 2006 год

Анализ отраслевых данных энергетических компаний

AntiPlagiat.ru, 2005 год

Интернет-сервис анализа текстов на наличие заимствований

АП «Домодедово», 2005 год

Решение для имитационного моделирования транспортной сети аэропорта

Яндекс, 2005 год

Технология выявления взаимосогласованных структур сходства пользователей и ресурсов

ТД «Перекресток», 2005 год

Система прогнозирования потребительского спроса Goods4Cast

Брок-Инвест-Сервис, 2005 год

Анализ и сегментация клиентской базы

ОАО «МТС», 2004 год

Исследование поведенческой сегментации клиентов

Банк «Петрокоммерц», 2004 год

Система поддержки принятия кредитных решений

«Интер РАО ЕЭС», 2004 год

Автоматизированная система поддержки принятия решений на энергетических рынках «Aprel 1.0»

РАО «ЕЭС России», 2001 год

Автоматизированная система поддержки принятия решений «Форель 1.0»

ММВБ, 1999 год

Учебная имитационная торговая система «Имитрейд»

Правительство Москвы, 1998 год

Информационная система «Мосторгпрогноз»

ММВБ, 1997 год

Система анализа финансовых рынков «САФРАН»

Компания «Балтика», 2011 год

Компания-заказчикПивоваренная компания «Балтика»

Сроки проекта:       декабрь 2010 — июль 2011

История проекта

Сотрудничество компаний «Балтика» и Forecsys началось в 2008 году с внедрением системы Goods4Cast для улучшения точности прогнозирования спроса с целью среднесрочного планирования (с горизонтом до года).

Проект был успешно реализован в том же году. Тестирование системы прогнозирования на данных «Балтики» показало улучшение точности прогнозирования при использовании алгоритмов, реализованных в системе Goods4Cast. Увеличение точности составило 18,6%.

В 2009 - 2010 годах проект получил развитие в направлении расширения срезов прогнозирования и повышения точности прогнозирования при помощи учета экспертной информации о динамике роста рынка сбыта.

Когда в компании «Балтика» встал вопрос о необходимости повышения точности прогнозирования продаж на более низком уровне, для решения этой задачи была также приглашена компания Forecsys.

Постановка задачи

Длительное время подекадное планирование продаж на уровне адресов доставки было построено на основании прогнозов, выполненных сотрудниками на местах.

Такой подход обладал рядом недостатков: 

  1. Высокое влияние человеческого фактора приводило к неожиданным ошибкам и  «провалам» в качестве планирования.
  2. Отсутствие формализованной методики прогнозирования приводило к зависимости эффективности планирования от качества кадров.
  3. Трудоемкость процесса - сотрудники на местах были вынуждены тратить рабочее время на решение непрофильных задач.

Особенности проекта 

Бизнес-заказчиками проекта выступили отдел продаж и отдел логистики. Проект выполнялся в два этапа. 

Первым этапом стало проведение пилота, целью которого было определение точности прогнозирования алгоритмов Forecsys на данных «Балтики». Каждую декаду в течение 3-х месяцев «Балтика» высылала актуальные данные о продажах в нескольких своих сбытовых подразделениях. На основании этих данных  Forecsys  строил прогнозы спроса на 9 декад вперед и высылал их обратно. 

Результаты пилота показали существенное улучшение точности прогнозирования за счет использования алгоритмов Forecsys. Было принято решение о внедрении системы Goods4cast для прогнозирования вторичных продаж в разрезе сбытовых подразделений «Балтика». 

По обоюдной договоренности Forecsys продолжал готовить прогнозы по нескольким ключевым сбытовым подразделениям «Балтика» вплоть до ввода системы в промышленную эксплуатацию – эти прогнозы использовались в рабочем процессе планирования, что позволило улучшить показатели качества.

Второй этап работ включал в себя внедрение системы и был успешно выполнен за 4 месяца.

Основа подхода

Ключом к достижению высоких результатов стало использование следующих подходов: 

  1. Учет динамики продаж по группе. Динамика продаж отдельного SKU часто ведет себя нестабильно. В такой ситуации выделение информации о сезонности и трендах оказывается весьма затруднительным. По этой причине в проекте была применена модель, использующая не только историю продаж прогнозируемого товара, но и динамику поведения целой товарной группы, что позволило надежно выделять тренды и сезонность продаж.
  2. Учет увеличения спроса в праздники. Спрос на продукты повседневной необходимости значительно меняется во время календарных праздников. Успешная работа системы прогнозирования во время праздников является необходимым условием ее применения. В рамках проекта были статистически выявлены праздники, оказывающие наибольшее влияние на потребление продукции компании «Балтика». Для них были рассчитаны коэффициенты изменения спроса (для каждого отдельного праздника и каждой отдельной группы был рассчитан свой коэффициент) - такой подход позволил обеспечить должную точность прогнозирования спроса даже в праздничные периоды.
  3. Предобработка и постобработка данных. История продаж товаров подвержена влияния многих внешних факторов - периоды дефицита, маркетинговая активность, деятельность конкурентов. Каждый из этих факторов, как правило, оказывает негативное влияние на качество автоматических прогнозов, и с каждым из этих факторов следует работать отдельно. Модуль предобработки и постобработки данных, внедренный в «Балтика», предоставляет аналитику визуальный инструментарий для определения периодов влияния внешних факторов и очищения данных от их влияния.

Технические характеристики

Система построена по клиент-серверной технологии. 

Серверная часть включается в себя базу данных, в которой хранятся данные по истории продаж в удобном для прогнозирования виде. База данных системы прогнозирования интегрирована с «ERP Монолит». Задания на прогнозирование создаются пользователем в привычном интерфейсе ERP-системы и после завершения расчетов могут быть сразу использованы в процессе планирования. 

Клиентская часть – это windows-приложение, которое является рабочим местом аналитика. С его помощью пользователь просматривает историю продаж, проводит настройку алгоритмов прогнозирования и правил предобработки данных.

Скорость проведения расчетов составляет более 90 тыс. прогнозов в час.

Эффект от внедрения системы

Результаты проекта автоматизации прогнозирования вторичных продаж: 

  1. Формализация процесса прогнозирования продаж. Изменение характера работы аналитиков от «подготовки прогнозов» к «настройке моделей».
  2. Сокращение трудозатрат на формирование планов. За счет изменения бизнес-процесса планирования и внедрения системы Goods4Cast один сотрудник «Балтика» может самостоятельно формировать все прогнозы по целому каналу продаж, в то время как раньше этим занимались 30 человек. При этом производительность работы менеджеров прогнозирования увеличилась в 4 раза.
  3. Высокая скорость расчетов.

Ключевым результатом проекта стало улучшение точности прогнозирования. По товарам, не участвующим в промо, повышение точности прогнозов составило 20%.

Отзыв по проекту 

Герман Эпштейн, вице-президент по информационным технологиям ОАО «Пивоваренная компания «Балтика», подписал отзыв на работу компании Forecsys в проекте по автоматизации прогнозирования вторичных продаж. 

Скачать:
pdf


Примеры скриншотов: