Автоматизация целевого процесса годового и квартального планирования

Для реализации этих амбициозных задач в качестве интегратора выступила компания «ТерраЛинк», присутствующая на рынке ИТ-услуг России и СНГ уже более 30 лет и обладающая глубокой экспертизой в области интегрированного бизнес-планирования.

В рамках проекта была разработана комплексная архитектура, где расчетным ядром выступила платформа «Б1 Мастер». На ней была выстроена модель данных, позволяющая выполнять ключевые вычисления: очистка истории, прогнозирование, консолидация прогноза с учетом блоков роста, промо и ручных корректировок.

Процесс прогнозирования

Ключевой вызов этапа прогнозирования — подготовка данных, которая занимает до 80% от общего времени составления прогноза.

Процесс включает в себя сбор данных и масштабную работу со справочниками, где проводится проверка, стандартизация и унификация нормативно-справочной информации (НСИ).

После этого происходит очистка данных и выявление аномалий. В рамках проекта на текущем этапе это происходит через построение доверительного «коридора» на основе сглаженного временного ряда. Это позволяет не только подготовить данные к последующему прогнозированию, но и открывает возможность для анализа эффектов от предпринятых ранее событий.

Затем происходит определение уровней прогнозирования и расчет прогноза. На проекте используются продуктовая, клиентская и географическая иерархии, в разрезе которых происходит расчет и анализ. Чтобы снизить «разреженность» данных, были введены объединяющие атрибуты, формирующие Demand Forecasting Unit (DFU).

Cоздается реестр объектов планирования, что позволяет избежать декартового произведения (просчет матрицы продуктов на всех клиентов). Это в значительной мере повышает производительность системы и дает ей возможность работать только с нужными данными. Решение помогает сфокусировать внимание плановиков на самых важных моментах с помощью сегментации.

На основе выведенных параметров, которые плановики могут редактировать в интерфейсе системы, реализована матрица сегментации:

• Новинки — позиции, появившиеся на рынке за последние заданное количество месяцев (2, 4, 12).
• Сегмент A (Высокий приоритет) — комбинации, дающие 80% (или другую заданную долю) объема продаж. Как показала практика, в этом сегменте оказалось 50% объема продаж, который обеспечивается всего 6% комбинаций. Этому сегменту уделяется наибольшее внимание и к нему применяются самые сложные модели на детальном уровне.
• Сегменты B и C (Средний и низкий приоритет) — остальная часть структурированного спроса.
• Сегмент D (Неактивные/ «Уходящая натура») — позиции, не продававшиеся последние 4-6 месяцев. В классической модели этот сегмент должен занимать около 5% объема, но в реальности проекта он составил порядка 16% объема и целых 50% всех комбинаций.

По ходу проекта выявился побочный эффект: в сегмент D стали попадать не только неактивные материалы и исключенные клиенты, но и позиции с ошибками в справочниках. Например, при выводе продукта из матрицы не был указан его наследник. Или ошибки в справочниках приводили к появлению «фантомных» объектов планирования с единичными, хаотичными продажами.

Для того чтобы решать эту проблему, система визуализирует проблемные позиции, давая возможность плановикам поправить данные в ручном режиме.

После сегментации для каждого сегмента, в особенности для приоритетных A и B, проводился анализ временных рядов для выявления ключевых характеристик: непрерывность, тренд, сезонность, спорадичность и волатильность. На основе этого анализа данные распределялись по кластерам, и для каждого кластера применялась своя модель прогнозирования. Для структурированного спроса с трендом и сезонностью эффективно работала модель Холта-Винтерса, а для спорадического спроса использовались специализированные методы, такие как Кростон. Интересно, что среднее арифметическое также оставалось востребованным для бизнеса в определенных случаях ввиду его предсказуемости и понятности. Помимо базовых методов прогнозирования, использовались и методы машинного обучения, такие как Prophet и Catboost.

Прогноз запускался каскадно: для сегмента A — на детальном уровне, для B — на агрегированном, для C рассчитывался по среднему, а для D оставался на усмотрение планера. На каждом этапе, включая постобработку, работала система визуализации, позволяя планеру «проваливаться» с агрегированных показателей до детальных данных для понимания причин тех или иных цифр. Завершался процесс оценкой точности либо на тестовом периоде, либо после наступления факта.