language

Возможности Искусственного интеллекта позволили трансформировать процесс промо-прогнозирования в Danone

Клиент
Danone
Индустрия
FMCG, Производство, Продукты питания, Дистрибуция и логистика
Функциональная область
ML прогнозирование, Прогнозирование промо
Решение
ML
Возможности Искусственного интеллекта позволили трансформировать процесс промо-прогнозирования в Danone

Запуск ML-прогнозирования промо объёмов по всем ключевым клиентам открывает для нас путь дальнейшего освоения возможностей искусственного интеллекта в других сферах бизнеса. Важными элементами успешного запуска проекта - освоения подобных технологий и «приземление» их в рамках бизнес-процесса - являются своевременное обучение и вовлечение в проект конечных пользователей, а также детально проработанный и реализованный план управления изменениями. Этот путь мы проходим вместе с командой консультантов, которая после завершения проекта приступила к технической поддержке модели.

Менеджер проекта по запуску ML-прогнозирования / Менеджер по трансформации бизнеса, Danone
01
ПРЕДПОСЫЛКИ

Компания Danone – крупнейший в мире производитель молочной продукции, развивающий такие бренды как Activia, Actimel и другиев десятках продуктовых категориях молоко, сметана, йогурты, детское питание и др. Важным драйвером спроса на продукцию являются ценовые промо-акции в крупнейших национальных торговых сетях.

Качество прогноза продаж в промо влияет на уровень сервиса, количество списаний, отношения с клиентами, затраты на хранение и транспортировку, многое другое: цена повышения точности на каждый процентный пункт может приводить к значимому росту эффективности. А учитывая, что подавляющая часть бизнеса компании – это скоропортящаяся продукция, всегда требуются сверхусилия, чтобы строить и улучшать качество прогнозирования.

Следуя глобальной стратегии материнской компании по освоению технологий искусственного интеллекта (AI) для повышения эффективности бизнес-процессов, проектная команда, в которую вошли сотрудники Danone из отделов управления цепочками поставок, маркетинг-ревью, IT, Data team, искала решение по автоматизации нового поколения на базе алгоритмов машинного обучения. В итоге было принято решение разработать кастомизированную ML-модель прогнозирования с учетом всех особенностей бизнес-процесса и доступных данных Danone.

Компания Danone – крупнейший в мире производитель молочной продукции, развивающий такие бренды как Activia, Actimel и другиев десятках продуктовых категориях молоко, сметана, йогурты, детское питание и др. Важным драйвером спроса на продукцию являются ценовые промо-акции в крупнейших национальных торговых сетях.

Качество прогноза продаж в промо влияет на уровень сервиса, количество списаний, отношения с клиентами, затраты на хранение и транспортировку, многое другое: цена повышения точности на каждый процентный пункт может приводить к значимому росту эффективности. А учитывая, что подавляющая часть бизнеса компании – это скоропортящаяся продукция, всегда требуются сверхусилия, чтобы строить и улучшать качество прогнозирования.

Следуя глобальной стратегии материнской компании по освоению технологий искусственного интеллекта (AI) для повышения эффективности бизнес-процессов, проектная команда, в которую вошли сотрудники Danone из отделов управления цепочками поставок, маркетинг-ревью, IT, Data team, искала решение по автоматизации нового поколения на базе алгоритмов машинного обучения. В итоге было принято решение разработать кастомизированную ML-модель прогнозирования с учетом всех особенностей бизнес-процесса и доступных данных Danone.

02
Решение

Единой проектной командой была разработана и запущена ML-модель прогнозирования продаж во время промо-акций в ключевых национальных клиентах-ритейлерах:

  • Разработана мультипараметрическая модель с использованием широкого набора данных: исторические отгрузки, продажи с полки, промо-планы, уровень цен, заказы от клиентов, уровень запасов, календарные события, изменения ассортимента.
  • В основе модели – комбинация нескольких ML-алгоритмов, таких как Ridge, Lasso, KNN, XGBoost, а также нормализация данных и автоматический отбор признаков.
  • Горизонт прогнозирования, заложенный в модель, состоит из текущего и следующего квартала по месяцам в разбивке по продуктовым линейкам, промо-акциям («слотам») и клиентам.
  • Настроена автоматическая интеграция между входящими данными и моделью, а также задан функционал запуска автоматического пересчета прогноза силами бизнес-команды.
  • Проведен аудит существующего процесса и подготовлен обновленный дизайн процесса промо-прогнозирования с учетом особенностей новой AI технологии.
  • Команда консультантов осуществляет техническую постпроектную поддержку созданной модели в формате business as usual, параллельно развивая модель через дополнительные доработки.

Единой проектной командой была разработана и запущена ML-модель прогнозирования продаж во время промо-акций в ключевых национальных клиентах-ритейлерах:

  • Разработана мультипараметрическая модель с использованием широкого набора данных: исторические отгрузки, продажи с полки, промо-планы, уровень цен, заказы от клиентов, уровень запасов, календарные события, изменения ассортимента.
  • В основе модели – комбинация нескольких ML-алгоритмов, таких как Ridge, Lasso, KNN, XGBoost, а также нормализация данных и автоматический отбор признаков.
  • Горизонт прогнозирования, заложенный в модель, состоит из текущего и следующего квартала по месяцам в разбивке по продуктовым линейкам, промо-акциям («слотам») и клиентам.
  • Настроена автоматическая интеграция между входящими данными и моделью, а также задан функционал запуска автоматического пересчета прогноза силами бизнес-команды.
  • Проведен аудит существующего процесса и подготовлен обновленный дизайн процесса промо-прогнозирования с учетом особенностей новой AI технологии.
  • Команда консультантов осуществляет техническую постпроектную поддержку созданной модели в формате business as usual, параллельно развивая модель через дополнительные доработки.
03
ЦЕННОСТЬ ДЛЯ БИЗНЕСА

Повышение точности ML-прогноза до 74,3% по сравнению с прогнозом, создаваемым командой промо-планирования с помощью существующего IT-решения (70,6%).

Повышение точности ML-прогноза до 74,3% по сравнению с прогнозом, создаваемым командой промо-планирования с помощью существующего IT-решения (70,6%).

КАК С НАМИ СВЯЗАТЬСЯ

Присоединяйтесь к нам в LinkedIn

    ЕСТЬ ВОПРОС?

    Да, у меня есть вопрос!

    Имя
    Фамилия
    Страна
    Компания
    Позиция
    Email
    Телефон
    Было бы интересно узнать больше о следующем:

      ASK A QUESTION

      I have a question in mind

      First Name
      Last Name
      Country
      Company
      Position
      Email
      Phone
      I'm particularly interested in hearing more about:

        FRAGE STELLEN

        Ich habe eine spezielle Frage

        Vorname
        Nachname
        Land
        Firma
        Position
        Email
        Telefon
        Es wäre interessant, mehr über die folgenden Punkte zu erfahren:

          BİR SORU SORUN

          Aklımda bir soru var

          İlk isim
          Soyadı
          Ülke
          Şirket
          Pozisyon
          Email
          Telefon
          Özellikle şunun hakkında daha fazla şey duymak istiyorum:

            НАПИСАТЬ НАМ

            Имя
            Фамилия
            Компания
            Телефон
            e-mail
            комментарий

              CONTACT US

              FIRST NAME
              LAST NAME
              COMPANY
              PHONE
              e-mail
              COMMENTS

                SCHREIB UNS

                VORNAME
                NACHNAME
                UNTERNEHMEN
                TELEFON
                e-mail
                KOMMENTAR

                  BİZE YAZIN

                  İLK ADI
                  SOY İSİM
                  ŞİRKET
                  TELEFON
                  e-mail
                  YORUM

                    ЗАПРОСИТЬ ДЕМО

                    Хотелось бы посмотреть демо

                    Имя
                    Фамилия
                    Страна
                    Компания
                    Индустрия
                    Позиция
                    Email
                    Мне было бы интересно пообщаться и увидеть быструю демонстрацию:

                      BOOK A DEMO

                      I'd be interested in seeing a quick demo

                      First Name
                      Last Name
                      Country
                      Company
                      Industry
                      Position
                      Email
                      I'd be interested in having a chat and seeing a quick demo:

                        DEMO BUCHEN

                        Ich würde gerne eine kurze Demo sehen

                        Vorname
                        Nachname
                        Land
                        Firma
                        Industrie
                        Position
                        Email
                        Ich wäre an einem Gespräch und einer kurzen Demo interessiert:

                          DEMO İSTEYİN

                          Hızlı bir demo görmek isterim

                          İlk isim
                          Soyadı
                          Ülke
                          Şirket
                          Endüstri
                          Pozisyon
                          Email
                          Sohbet etmek ve hızlı bir demo görmek isterim: