Прогнозирование и анализ данных

Фонд перспективных исследований, 2015 год

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

Avito, 2015 год

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

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

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»

ТД «Перекресток», 2005 год

Компания-заказчик:  ТД «Перекресток»

Сроки проекта:        ноябрь 2004 — июль 2005

История проекта

В 2005 году по заказу ТД «Перекресток» компанией Forecsys была разработана и внедрена система прогнозирования потребительского спроса Goods4Cast (Forecsys Demand Management Solution). Система предназначена для определения оптимального количества заказываемого в магазины товара.

В течение нескольких лет ТД «Перекресток» пользовался системой прогнозирования спроса собственной разработки. С ростом оборота торговой сети возрастали и потери от ошибочных прогнозов и неоптимальных поставок. Для выбора новой системы прогнозирования спроса ТД «Перекресток» организовал конкурс, в рамках которого свои прогнозы спроса представили 6 российских и зарубежных участников. В результате сравнения прогнозов с фактическими продажами оказалось, что наилучшую точность показали прогнозы, сделанные на основе системы Goods4Cast.

Особенности проекта

На первом этапе проекта было произведено обследование бизнес-процессов Заказчика. Совместно с экспертами ТД «Перекресток» была разработана методика оценки качества прогнозов спроса, позволяющая оценить (в рублях) потери от погрешностей прогнозов.

На втором этапе проекта система Goods4Cast была настроена в соответствии с закупочной политикой ТД «Перекресток» и интегрирована в информационную среду Заказчика.

На третьем этапе в течение трех месяцев проводилась опытная эксплуатация системы прогнозирования спроса на одном из магазинов ТД «Перекресток».

Основа подхода

Система разрабатывалась для выполнения следующих функций:

  • прогнозирования спроса на каждый товар на каждый день;
  • поддержки планирования закупок и оптимизации объемов закупок;
  • контроля доступности товаров и оперативного обнаружения пересортицы;
  • оценки эффективности промо-акций, распродаж и других воздействий на спрос.
Функциональные характеристики
  • Ежедневное прогнозирование покупательского спроса для каждого вида товара.
  • Самостоятельное определение системой на основе собственных прогнозов оптимального количества товара, которое должно быть в магазине до следующей поставки.
  • Использование уникального алгоритма прогнозирования для каждой товарной позиции, который составляет прогноз с максимальной точностью.
  • Самостоятельный контроль качества прогнозов и самообучение системы.
  • Настройка системы в соответствии с закупочной политикой магазина и составление прогнозов с ее учетом.
Производительность системы

Торговая сеть «Перекресток» на данный момент состоит из 140 магазинов, ассортимент товаров насчитывает около 250 000 наименований. Для обработки такого объема данных достаточно одной рабочей станции на базе 2хXeon 3.2GHz, 3Gb RAM, RAID 2x250Gb. Расчет прогнозов для одного магазина занимает 3-5 минут.

Рабочий вид системы

Рис. 1. Динамика товарного запаса для магазина по группе
Рис. 1. Динамика товарного запаса для магазина по группе.
Рис. 2. Еженедельные объемы продаж (синий график) и прогнозы (красный график) для одного из товаров
Рис. 2. Еженедельные объемы продаж (синий график) и прогнозы (красный график) для одного из товаров.
Рис. 3. Прогнозы для одного из товаров различными алгоритмами прогнозирования
Рис. 3. Прогнозы для одного из товаров, построенные различными алгоритмами прогнозирования.

Перспективы проекта

Внедрение системы прогнозирования спроса позволило Торговому дому «Перекресток»:

  • значительно сократить потери от неправильных расчетов при закупке товаров;
  • оптимизировать товарные запасы в магазинах;
  • уменьшить влияние человеческого фактора при планировании закупок;
  • обеспечить получение более точных данных при складском учете.

Отзывы о проекте