language

С помощью Машинного обучения Unilever удалось полностью перейти на прогнозирование продаж

Клиент
Unilever
Индустрия
FMCG
Функциональная область
ML прогнозирование, Планирование продаж
Решение
ML
С помощью Машинного обучения Unilever удалось полностью перейти на прогнозирование продаж

Переход к технологиям с применением искусственного интеллекта (AI) в таком основополагающем процессе, как прогнозирование продаж, является ключевым приоритетом в повестке по цифровой трансформации бизнеса. Мы прошли долгий непростой путь и сейчас находимся на стадии встраивания процесса ML-прогнозирования в обычный операционный цикл (business as usual).

Руководитель направления развития Интегрированных операций, Unilever США
01
ПРЕДПОСЫЛКИ

Unilever США является крупнейшим и самым сложным в плане операционного управления бизнесом корпорации Unilever (Юнилевер) в мире (более 200 брендов). Имея такой разнообразный портфель, включая товары личной гигиены и косметики, пищевые продукты, напитки и мороженое, а также товары по уходу за домом, компании приходится поддерживать комплексный и очень ресурсоемкий процесс прогнозирования продаж.

Прогноз продаж тысяч товарных позиций (SKU) по разным каналам продаж и торговым сетям всегда строился с помощью традиционных статистических методов и был крайне зависим от экспертизы конкретных специалистов по планированию и менеджеров по продажам. В результате возникали регулярные проблемы с достижением целевой точности прогноза, что всегда приводило к негативным финансовым последствиям для бизнеса.

Unilever США является крупнейшим и самым сложным в плане операционного управления бизнесом корпорации Unilever (Юнилевер) в мире (более 200 брендов). Имея такой разнообразный портфель, включая товары личной гигиены и косметики, пищевые продукты, напитки и мороженое, а также товары по уходу за домом, компании приходится поддерживать комплексный и очень ресурсоемкий процесс прогнозирования продаж.

Прогноз продаж тысяч товарных позиций (SKU) по разным каналам продаж и торговым сетям всегда строился с помощью традиционных статистических методов и был крайне зависим от экспертизы конкретных специалистов по планированию и менеджеров по продажам. В результате возникали регулярные проблемы с достижением целевой точности прогноза, что всегда приводило к негативным финансовым последствиям для бизнеса.

02
РЕШЕНИЕ

Консультантами были разработаны модели прогнозирования продаж на базе алгоритмов машинного обучения (ML), что позволило бизнесу перейти от статистического прогноза к новому процессу с использованием самых передовых алгоритмов ML.

В рамках проекта были созданы отдельные модели прогнозирования продаж в крупнейших в США и мире ретейлерах. При этом каждая из моделей имела свой уникальный набор входящих параметров, определяющих прогноз в конкретной сети: от данных по продажам с полки до уровня запасов на складе, от затрат на промо акции до списка уникальных промо событий, от количества торговых точек до национальных праздников. Разнообразие и полнота доступных внутренних и внешних данных позволило ML-алгоритмам лучше обучиться на выборках и в результате создавать более точный прогноз c меньшими трудозатратами.

BI-платформа Domo и платформа для интегрированного планирования Anaplan были выбраны, чтобы поддержать и усилить новый процесс: от возможности обновления алгоритмов всех моделей, дезагрегации полученного прогноза до нужного уровня и его визуализации для конечных пользователей. Интерактивные информационные панели (dashboard) с деталями нового прогноза позволили экспертам по планированию и аналитикам лучше понимать составляющие ML-прогноза по всем доступным влияющим на него факторам. Это особенно помогло ускорить ход освоения нового процесса и технологии среди сотрудников.

Помимо специализированных моделей под конкретных ретейлеров была создана универсальная модель прогнозирования базовой линии продаж с помощью ML-алгоритмов для всех оставшихся торговых сетей и категорий бизнеса. Благодаря созданному решению по дезагрегации ML-прогноза в Anaplan, менеджеры по планированию могли легко оценить качество прогноза в нужном разрезе вплоть до конкретного SKU в клиенте, сравнивать с прогнозом в прошлые периоды, делать сценарное планирование и многое другое.

Консультантами были разработаны модели прогнозирования продаж на базе алгоритмов машинного обучения (ML), что позволило бизнесу перейти от статистического прогноза к новому процессу с использованием самых передовых алгоритмов ML.

В рамках проекта были созданы отдельные модели прогнозирования продаж в крупнейших в США и мире ретейлерах. При этом каждая из моделей имела свой уникальный набор входящих параметров, определяющих прогноз в конкретной сети: от данных по продажам с полки до уровня запасов на складе, от затрат на промо акции до списка уникальных промо событий, от количества торговых точек до национальных праздников. Разнообразие и полнота доступных внутренних и внешних данных позволило ML-алгоритмам лучше обучиться на выборках и в результате создавать более точный прогноз c меньшими трудозатратами.

BI-платформа Domo и платформа для интегрированного планирования Anaplan были выбраны, чтобы поддержать и усилить новый процесс: от возможности обновления алгоритмов всех моделей, дезагрегации полученного прогноза до нужного уровня и его визуализации для конечных пользователей. Интерактивные информационные панели (dashboard) с деталями нового прогноза позволили экспертам по планированию и аналитикам лучше понимать составляющие ML-прогноза по всем доступным влияющим на него факторам. Это особенно помогло ускорить ход освоения нового процесса и технологии среди сотрудников.

Помимо специализированных моделей под конкретных ретейлеров была создана универсальная модель прогнозирования базовой линии продаж с помощью ML-алгоритмов для всех оставшихся торговых сетей и категорий бизнеса. Благодаря созданному решению по дезагрегации ML-прогноза в Anaplan, менеджеры по планированию могли легко оценить качество прогноза в нужном разрезе вплоть до конкретного SKU в клиенте, сравнивать с прогнозом в прошлые периоды, делать сценарное планирование и многое другое.

03
ЦЕННОСТЬ ДЛЯ БИЗНЕСА
  • Рост точности прогноза на 20%.
  • Сокращение на 50% времени, которое затрачивают специалисты на прогнозирование продаж.
  • Упрощение и ускорение процесса Планирования продаж и операций (S&OP), особенно в рамках этапа «Создание и утверждение прогноза» (Demand review).
  • Рост точности прогноза на 20%.
  • Сокращение на 50% времени, которое затрачивают специалисты на прогнозирование продаж.
  • Упрощение и ускорение процесса Планирования продаж и операций (S&OP), особенно в рамках этапа «Создание и утверждение прогноза» (Demand review).

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: