В рамках еще одной инициативы X5 был осуществлен переход с инструмента расчета прогноза продаж промотоваров, реализованного ранее на базе SAP BW, на собственное решение. При этом точность прогноза относительно старого решения в ряде случаев выросла на 40%, а A/Bтестирование подтвердило значительный рост товарооборота и маржи. Также новое решение позволило сократить распродажи после промоакций.

О реализации этих проектов рассказывает Елена Фатыхова, руководитель направления поддержки и сопровождения платформы прогнозирования X5 и номинант на премию Data Award 2023.

Ниже — часть интервью.

Какие задачи решает платформа прогнозирования X5 и какие технологии использует?

Платформа прогнозирования Х5 выросла из созданного в 2019 году продукта «Спрос», в рамках которого реализовывается прогноз продаж для логистики и коммерции, позволяющий точно знать, какое количество товара, в каком магазине и в какой день будет продано, чтобы поставки могли обеспечить продажи. Зная будущие продажи, можно понять, сколько товара закупать у поставщика под промо и регулярные продажи, чтобы удовлетворить спрос. По мере развития «Спроса» и добавления к нему новых функций сформировались общие, повторно используемые программные блоки, что сейчас позволяет нам быстро реализовывать новые бизнес-идеи и запускать новые продукты. Платформа прогнозирования реализована на базе стека Open Source: Hadoop, Airflow, Kubernetes и Spark.

Какие применения платформы сегодня наиболее актуальны?

Сейчас у нас фокус на долгосрочное прогнозирование (до полутора лет), а также повышение доступности товара. Наши инструменты позволяют определить, что продажи нетипично снизились в определенных торговых точках, и проанализировать факторы, которые к этому привели.

Совсем недавно фокус был на импортозамещение. Весной мы столкнулись с объективной необходимостью ускоренного перехода на собственные решения. Так, например, в торговой сети «Пятерочка» за два месяца был выполнен переход с инструмента прогноза промо, реализованного на решении западного вендора, на наш инструмент на базе машинного обучения. Это обеспечило не только поддержку критичных бизнес-процессов, но и повысило точность прогнозов, улучшило пользовательский опыт.

Каков был масштаб проблем исхода из России западного вендора?

В марте 2022 года нас предупредили о невозможности дальнейшей работы в облаке SAP. Штаб импортозамещения X5 начал активно прорабатывать вопрос: какие процессы могут быть затронуты, какие альтернативы есть и что необходимо предпринять. По большей части это коснулось отчетности — в SAP BW реализуется именно отчетность, а также функционал прогноза промопродаж. К этому моменту у нас уже год функционировало собственное решение для торговой сети «Перекресток» на базе платформы прогнозирования и, конечно же, у нас были планы перевести на него и торговую сеть «Пятерочка». Однако в этой сети существенно больше пользователей, и переход планировался в течение года. В новой ситуации не было сомнений, что переезжать нужно именно на наше решение: оно уже было готово, но пришлось ускориться.

Прошлый «промокалькулятор» имел очень простую логику — пользователь самостоятельно выбирал аналогичный период промоакции или товар-аналог и его период промо. Далее на базе прошлых продаж составлялся прогноз будущих продаж. Этот инструмент использовали категорийные менеджеры, они получали прогноз продаж на выбранные магазины и позиции по дням. Никакие другие возможности SAP BW не использовались, просто исторически инструмент, появившийся задолго до того, как в компанию пришли другие технологии по работе с данными, был реализован в этой системе — в нем содержались все нужные для расчетов данные.

Как мы видим, подходы к прогнозированию в старом инструменте были довольно тривиальные и учитывали лишь факт продаж в одной исторической точке, однако работа в современной конкурентной среде требует учета самых различных факторов: цена, сезон, расположение товара в каталоге и его предложение на кассе, предпраздничные дни. Кроме того, мы с 2018 года ведем учет динамики продаж и накапливаем историю — из этих данных можно получить очень много ценной информации для повышения точности прогноза.

Полная версия статьи.

Источник: Открытые системы.