Презентация с семинара "Оптимизация страховых запасов - превращение проблемы в конкурентное преимущество"

1. Оптимизация
страховых запасов

2. Общее описание решения
Представляем решение, которое является
аналитическим ядром системы управления
товарообеспечением. Оно предназначено для
автоматизации процессов ассортиментного
планирования, прогнозирования товарного
запаса и формирования рекомендаций по
текущему заказу товара.
Система интегрируется с одной или несколькими
учетными системами, содержащими
необходимые для анализа данные, поддерживает
актуальность данных. Планирование текущего
заказа осуществляется согласно установленному
регламенту.
BaseGroup Labs

3. Схема работы
Системы учета
Движение
товаров, справочник
и
Загрузка данных
Продажи, остатки, п
оставки
Подготовка данных для прогноза
Рекомендации
Варианты по закупке
группировки, доли в
группах
Прогнозирование
Прогнозы
Планирование и оптимизация
BaseGroup Labs

4. Загрузка данных из систем учета
В компаниях функционируют различные системы учета,
архивы старых систем, офисные приложения и множество
других источников данных.
Для работы системы планирования и оптимизации
необходимо консолидировать информацию из всех
доступных источников, обеспечить ее полноту,
достоверность, непротиворечивость.
BaseGroup Labs

5. Получение данных
Модуль формирует исходные для целей анализа
данные из всех доступных информационных
ресурсов. Источниками информации служат:
 Исторические данные продаж
 Оперативные данные по продажам
 Сведения, необходимые для оптимизации
заказа (остатки, поставщики, календарь
поставок и т.п.)
Информация загружается в преднастроенное
хранилище данных, что обеспечивает независимость
от используемых в компании систем учета.
BaseGroup Labs

6. Мониторинг качества данных
Модуль контролирует качество поступающей
в ХД информации. Система анализирует
поступающие данные на предмет типичных
ошибок, формирует отчет. Под ошибками
понимаются грубые ошибки целостности,
достоверности и полноты данных:
 Пропуски в данных
 Аномалии: цена, количеств, скидка...
 Противоречия
BaseGroup Labs

7. Подготовка для анализа
Модуль преобразует информацию из учетной
системы в пригодный для анализа вид:
 Агрегация данных: дневные, недельные,
месячные продажи
 Расчет дополнительных показателей
 Обогащение данных
 Загрузка данных в хранилище
Результатом работы системы является
пополнение данных хранилище.
BaseGroup Labs

8. Подготовка данных для прогноза
Модуль оценивает пригодность данных для применения каждого
методов прогнозирования (т.е. для построения значимых
моделей). Пригодность данных оценивается на основе
качественных критериев товаров:
 Длина временного ряда;
 Наличие ошибок в данных ряда (пропуски, дубли...);
 Наличие аномальных значений в ряде
 Кол-во дней, когда товар отсутствовал, не продавался
 Статистические характеристики рядов;
 Вид тренда временного ряда;
 Наличие сезонности и цикличности в данных ряда;
 Величина случайной составляющей во временном ряде;
 Степень коррелированности значений ряда
 Частота продаж, стабильность продаж
BaseGroup Labs

9. Группировка товаров
Модуль предназначен для преобразования
исходных данных (на основе заложенных
вариантов группировок) в данные, используемые
при прогоне через модели. В базовом варианте
модуль формирует из исходных (недельных)
рядов продаж товаров временные ряды по
группам прогноза.
Далее сформированные временные ряды
подаются на вход модуля прогона данных через
модели. Группировка может быть как для каждой
модели отдельно, так и общей для всех моделей.
BaseGroup Labs

10. Прогнозирование
Модуль состоит из нескольких сценариев обработки,
реализующих прогнозирование, а также наборов входных
данных (формируемых в модуле группировки). Данный модуль
пропускает через каждую модель соответствующий ей набор
данных и получает прогноз по тем или иным группам, а также
показатели качества (ошибка модели).
Модель прогноза 1
Сравнение
Группа товаров Модель прогноза 2 результатов
прогнозирования
Модель прогноза 3
BaseGroup Labs

11. Модели прогнозирования
При построение прогнозов перебираются различные
модели:
 Модели на основе временных рядов: сезонные,
несезонные, линейные, нелинейные,
авторегрессия с различными лагами
 Модели на основе иерархической структуры:
доля группы
 Модели на основе сходства, подобия: филиал
– аналог, товар – аналог
 Модели регрессии на внешние и внутренние
факторы: цены, ассортимент конкурентов, цены
поставщиков, маркетинговые акции, персонал,
местоположение
BaseGroup Labs

12. Сравнение моделей
Модуль оценивает качество моделей по определенным
критериям, на основе этой оценки определяется лучшая
модель (которая более всего приближена к реальному
моделируемому процессу) и соответственно определяется
лучший прогноз. Качество модели может определяться на
основе различных показателей:
 Суммарное количественное отклонение прогнозных
продаж от фактических.
 Средняя ошибка прогнозирования на различных
периодах продаж.
 Дефицит товара, возникший по причине прогноза.
 Избыточный товарный запас, возникший по
причине прогноза.
BaseGroup Labs

13. Попозиционный прогноз
Модуль преобразует прогнозные значения по группам
прогноза в потоварный прогноз. Разгруппировка
производится на основе как самого прогноза так и
информации о доли товаров в этом прогнозе,
рассчитанного ранее.
Доли групп рассчитываются исходя из
предположения, что пропорции продаж товаров какое
– то время будут такими же, как и некоторое время
назад (период актуальности).
BaseGroup Labs

14. Расчет даты окончания продаж
Модуль определяет дату, ожидаемого нулевого
остатка каждого товара. Дата рассчитывается исходя
из предполагаемой скорости продаж (потоварный
прогноз).
Скорость
продаж
Складской
Точка нулевого
остаток
остатка
Дата формирования заказ Время
BaseGroup Labs

15. Расчет даты поставки товара
Дата поставки товара определяется на основе двух
основных показателей: расписание поставки, дата
нулевого остатка. Необходимо таким образом
заказать товар, чтобы его успели поставить до того
момента, как он кончится на складе.
Исходя из этого в расписании поставок товара ищется
ближайшая поставка от точки нулевого остатка (в
большинстве случаев слева от точки нулевого
остатка). Если же товар предположительно кончается
до крайнего срока формирования заказа, то товар
заказывается в ближайшую поставку (справа от точки
нулевого остатка).
BaseGroup Labs

16. Расчет количества товара
Количество поставляемого товара определяется из
предположения того, что товара должно хватить
ровно до следующей поставки. Т.е. решается задача
оптимизации складских запасов.
На количество заказываемого товара также влияет
его минимальная партия, отгружаемая поставщиком.
В расчете поставляемого количества также можно
учитывать риски, связанные с колебаниями в
продажах. Т.е. ввести также страховой запас, который
бы эти колебания компенсировал.
BaseGroup Labs

17. Перенос данных в систему учета
Результаты расчета представляют собой
обычные таблицы, которые переносятся в
корпоративные системы учета.
Товар Поставщик Количество Дата поставки
… … … …
.. … … …
Процесс загрузки данных в системы учета в
каждом случае реализуется по разному.
Обычно он выполняется сотрудниками IT
подразделений организации.
BaseGroup Labs

18. Экономическая отдача
Использование подходов, описанных в
презентации позволяют получить
существенную отдачу:
 Автоматизировать значительную часть
операций
 Повысить скорость принятия решений
 Снизить уровень страховых запасов
 Минимизировать влияние человеческого
фактора
BaseGroup Labs

19. BaseGroup Labs
BaseGroup Labs – профессиональный
поставщик Data Warehouse, OLAP, KDD, Data
Mining решений и инструментов.
Web-сайт: www.basegroup.ru
Образование: edu.basegroup.ru
E-mail: info@basegroup.ru
BaseGroup Labs