Журнал «Компьютерра» № 3 от 24 января 2006 года - Компьютерра

Функциональность у модуля оценки эффекта от воздействия на спрос довольно проста. Компонент определяет разницу между уровнем продаж, достигнутым с помощью промоакции, и спрогнозированным уровнем, который был бы получен без проведения акции.

Модуль контроля качества прогнозирования анализирует случаи ошибочных прогнозов спроса. При обнаружении чрезмерной или недостаточной закупки система предлагает пользователю выбрать один из сценариев для данного товара: запрещение прогноза в дальнейшем, ручное проведение прогноза или корректировка модели. Интересной представляется возможность своеобразного бэкапа — воссоздания условий работы на какой-либо день в прошлом для более подробного анализа отклонений. Автоконтроль качества позволяет оперативно корректировать алгоритмы прогнозирования и выявлять «слабо предсказуемые» товары.

Стратегическое ценообразование

Несмотря на различные маркетинговые ухищрения, самым эффективным средством борьбы за потребителя была и остается цена товара. Большинство программных продуктов, предназначенных для прогнозирования спроса, а также решения мёрчендайзинговых и логистических задач, как правило, ориентированы на два основных инструмента управления ценообразованием: назначение оптимальной цены и управление дисконтными программами. В первом случае задачей продавца является изначальная установка цены, обеспечивающей максимальную прибыль без снижения объема продаж. При определении оптимальной цены учитываются отличие спроса в отдельных магазинах, цены конкурентов, планы по объему продаж и чистой прибыли, эластичность и т. д.

Дисконтные программы помогают исправить ошибки, допущенные при формировании оптимальной цены, отреагировать на изменение рыночной ситуации, а также извлечь больше прибыли при продаже товара в течение отдельного сезона.

Мировой рынок прогнозирования

За рубежом системы прогнозирования спроса уже отвоевали себе место под солнцем и являются непременным атрибутом ИТ-структуры почти любого крупного торгового предприятия, в том числе Dell, BestBuy, Coca-Cola и Philip Morris. Срок окупаемости систем, ориентированных на управление спросом, на Западе составляет от девяти месяцев до двух лет.

По мере формирования рынка соответствующего ПО определились лидеры среди вендоров. К таковым можно отнести, в частности, компанию i2 Technologies, которая специализируется на SCM— и WMS-системах. Ее решениями пользуются двадцать из тридцати трех ведущих розничных сетей по рейтингу Fortune. За прогнозирование спроса отвечают мёрчендайзинговые модули i2 Demand Planner и i2 Merchandise Planner. Используя историю продаж, система подбирает подходящий алгоритм прогнозирования, а на выходе генерирует отчет о прогнозе продаж по различным параметрам (географическим точкам, товарному наименованию).

При этом i2 Demand Planner дает возможность управлять планами спроса при различных сочетаниях товаров, магазинов и сроков, а i2 Merchandise Planner используется для сведе’ния финансовых планов с планами по отдельным категориям и ассортиментными планами. То есть, по сути, модуль позволяет согласовать интересы отдельных составляющих торговой цепочки: мёрчендайзинга, магазинов, дистрибуции и инвесторов. Решения i2 Technologies также предусматривают взаимодействие с производителями товаров. В частности, в состав системы входит специальный планировщик, который на основе прогноза спроса создает план загрузки производственных мощностей и ресурсного обеспечения предприятия. В России продажами i2-систем занимается небезызвестная компания IBS.

Неизменной популярностью пользуются на мировом рынке и решения для розничной торговли от компании Infor. Среди ее клиентов — Nestle, Coca-Cola, Heineken, Siemens Automotive Systems и др. Анализ и прогнозирование спроса реализованы в виде отдельного приложения — Infor Demand Planning, в котором присутствуют все элементы «джентльменского набора»: статистическое прогнозирование, автоматический поиск оптимальной модели, прогнозы на всех уровнях, стимулирование спроса и координация промоакций.

Вдобавок в системе есть модуль для работы с интернет-технологиями. Запасы, планируемые поставки и недостачи могут отражаться через Сеть. Также Infor Demand Planer поддерживает работу с так называемыми аналитическими кубами OLAP. В Infor утверждают, что приложение позволяет сократить запасы на 30% и повысить уровень удовлетворения клиентов на 25% (правда, не совсем понятно, какие количественные характеристики использовались для расчета).

Если вышеупомянутые компании ориентируются на более или менее широкую розничную деятельность, то DemandTec сосредотачивает усилия исключительно на разработке приложений для прогнозирования спроса с уклоном в мёрчендайзинг. При этом узкая специализация вовсе не мешает ей занимать лидирующие позиции. Систему DemandTec 3 внедрили более тысячи предприятий розничной торговли.

В основе разработок лежат нелинейные модели спроса с учетом влияния замещающих и дополняющих товаров. Моделирование осуществляется с помощью байесовских методов, применяемых к сосканированным данным штрих-кодов покупок. В состав DemandTec 3 входят модули управления ценообразованием (DemandTec Price) и промоакциями (DemandTec Promotion), а также оптимизации ассортимента (DemandTec Product Assortment) и размещения товаров (DemandTec Placement).

DemandTec Price определяет оптимальные цены на товары, учитывая эластичность и перекрестные эластичности[Перекрестная эластичность спроса — форма эластичности, при которой изменение цены на один товар приводит к изменению спроса на другой (сходный по своим потребительским качествам). Положительное значение этого показателя свидетельствует о взаимозаменяемости товаров, а отрицательное — об их взаимодополняемости] отдельных товаров. При этом в процесс ценообразования можно вводить различные бизнес-правила: ценовые лимиты, целевые объемы продаж, целевую долю рынка, цены конкурентов и т. д. В результате становится возможным анализировать потребительский спрос, ценовую чувствительность, вычислять издержки продажи каждого товара в каждом магазине, прогнозировать влияние ценовых стратегий по различным сценариям, измеряя результаты изменений в стратегии.

Итак, если верить разработчикам специального ПО, достаточно вложить несколько десятков тысяч (сотен тысяч, миллионов — это уж как договоришься) долларов, и поведение посетителя филиала крупной розничной сети перестанет быть тайной. По сути, речь идет о продаже успеха за деньги, и потому участники рынка будут с особым интересом изучать финансовый отчет сети «Перекресток» за 2006 год. Тем же, кто пока не может позволить себе столь дорогие инструменты прогнозирования, можно посоветовать вспомнить три правила, гарантирующие успех любому цветочному магазину: он должен а) находиться рядом со станцией метро, б) находиться рядом со станцией метро и в) находиться рядом со станцией метро.

Фиаско не исключается

Прогнозирование спроса нельзя назвать панацеей для торговых компаний. Живой пример тому — произошедший в 2001 году случай с Nike. Менеджеры крупного производителя спортивной одежды и обуви сочли полезным внедрить ИТ-инструментарий от i2 Techologies, предсказывающий спрос, и потратили на это больше 400 млн. долларов. Через девять месяцев огорченное руководство призналось, что значительная часть складских запасов была списана, мягко говоря, из-за неточного прогноза, сделанного системой. Это заявление спровоцировало обвал акций компании на бирже.

«Разбор полетов» показал, что причиной ложного прогноза стала вовсе не «плохая система». Дело в том, что уже имеющаяся к моменту внедрения в Nike информационная система была не способна обеспечить должного взаимодействия с ПО прогнозирования. КИС не могла предоставить достаточного объема сведений о продукции для последующего анализа. Некоторые данные вводились вручную.

Это не единичный случай. Согласно опросу топ-менеджеров, проведенному фирмой Booz Allen Hamilton, 56% респондентов указывают на недостатки в программных средствах прогнозирования спроса. Общей проблемой являлось то, что менеджеры после внедрения соответствующих систем полностью перекладывали предсказание спроса на компьютер, слепо доверяя получаемым прогнозам. Причем довольно часто в качестве исходных данных использовались неточные сведения, различные отделы предприятия действовали несогласованно, вводя противоречивые цели и прочую информацию, и т. д.

Для некоторых категорий товаров в принципе трудно спрогнозировать спрос. В частности, с такой проблемой сталкиваются продавцы электроники и бытовой техники. Основой для планирования спроса является история продаж. Она-то частенько и отсутствует в розничной отрасли, для которой характерно постоянное появление на рынке все новых и новых моделей. Чтобы спрогнозировать спрос на такие товары, приходится брать историю продаж аналогичной продукции и привлекать рыночных экспертов для уточнения потенциального спроса. При этом неудачный выбор замещающего товара обрекает прогнозирование на заведомо ошибочный результат.