Вход
Регистрация

Готовые решения на базе Loginom

В 2018 году мы выпустили на смену Deductor новую версию нашей платформы — Loginom.
В маркетплейсе можно подробнее узнать о новых готовых решениях на базе Loginom: Loginom Data Quality (очистка и дедупликация данных), Loginom Scorecard Modeler (построение скоринговых карт), Loginom Decision Maker (построение систем принятия решений), Loginom Customer Segmentation (cегментация клиентов и противодействие оттоку).

Deductor Demand Planning

Планирование закупки товаров с целью минимизации
дефицита и повышения оборачиваемости

Оптимизация запасов – проблема, которая возникает практически
в любой организации, но особенно актуальная для торговых компаний. Наибольшие потери связаны с неверно рассчитанным объемом закупки.

Даже небольшое снижение уровня избыточных запасов и повышение оборачиваемости позволяют добиться существенного увеличения рентабельности.

Риски неверных закупок

Проблемы Снижение
краткосрочной
прибыли
Снижение
долгосрочной
прибыли
Недостаточные
запасы
Снижение продаж
•
Аварийные закупки
•
Снижение уровня
сервиса
•
Избыточные
запасы
Образование
неликвидов
•
Потери на хранении
и транспортировке
•
Недостаток
оборотных средств
Внешние
заимствования
•
Сокращение
ассортимента
• •

Deductor Demand Planning

Применение Deductor Demand Planning обеспечит переход от ручного ситуативного управления товарными запасами к регулярному менеджменту и снизит зависимость от человеческого фактора.

Автоматизация расчетов позволяет управлять каждым SKU с учетом особенностей конкретного региона, склада, магазина.

Deductor Demand Planning включает готовую методологию, сценарии, рекомендации и лучшие практики, благодаря которым можно обосновать принимаемые решения при управлении закупками.

Вопросы оптимизации закупок

Deductor Demand Planning от BaseGroup Labs позволяет ответить на основные вопросы, возникающие в процессе оптимизации закупок:

  • Что закупать?
  • Когда закупать?
  • В каком количестве?
  • Какой страховой запас необходим?

Рекомендации по закупке

Результатом работы решения является формирование оптимальных рекомендаций по закупке, учитывающих множество зачастую противоречивых требований.

Deductor Demand Planning позволяет автоматизировать весь цикл расчетов:

  • Очистка и загрузка данных
  • Построение прогнозных моделей
  • Расчет страховых запасов
  • Формирование оптимального заказа поставщику

Автоматизация всего цикла расчетов

  • Загрузка
    в хранилище данных
  • Анализ
    ассортимента
  • Восстановление
    спроса
  • Прогнозирование
  • Формирование
    объектов
    прогнозирования
  • Корректировка
    аномального
    спроса
  • Выбор лучшей
    модели
    прогнозирования
  • Разгруппировка
    по товарам
  • Учет внешних
    факторов
  • Заказ поставщикам
  • Учет заменителей
    и ограничений
    поставщиков
  • Расчет
    оптимального
    страхового запаса

Решение включает мощные алгоритмы анализа и прогнозирования, позволяющие учитывать пропуски и аномалии, выявлять сезонность и тренд, строить тысячи моделей и автоматически выбирать лучшие.

Аппарат прогнозирования включает в себя весь спектр прогнозных моделей: от простых (наивных) до моделей прогнозирования базирующихся на самообучающихся алгоритмах, способных при минимальном участии специалиста учитывать изменения конъюнктуры и адаптироваться под них.

Возможности решения

  • Консолидация данных
  • Предобработка данных
  • Прогнозирование
  • Расчет страхового запаса
  • Автозаказ поставщику
  • Преднастроенная тематическая витрина данных
  • Загрузка истории из разнородных учетных систем в единое хранилище
  • Формирование сквозной непротиворечивой истории
  • Готовая система аналитической отчетности
  • Анализ ассортимента: новизна, регулярность продаж, сезонность
  • Анализ пропусков и восстановление спроса в дни дефицита
  • Выявление и устранение аномальных выбросов
  • Формирование объектов прогнозирования
  • Оценка возможности прогнозирования с учетом множества факторов
  • Прогнозирование моделями: по среднему, тренду, сезонности, мультипликативные модели, линейная регрессия, авторегрессия, нейронные сети
  • Перебор моделей с выбором лучшей на основе заданных критериев качества: относительная, абсолютная, среднеквадратичная ошибка...
  • Разгруппировка и формирование попозиционного прогноза
  • Корректировка прогноза с учетом влияния внешних факторов
  • Выбор варианта расчета страхового запаса на основе дневного потребления, среднего отклонения, ошибки прогнозирования, задания вручную
  • Задание метода расчета страхового запаса для каждого SKU
  • Определение оптимального страхового запаса с учетом ABC-XYZ-анализа с обеспечением самого выгодного сочетания оборачиваемости и дефицита
  • Расчет прогноза остатков на основе прогноза потребления, текущих остатков, товара в пути
  • Определение рекомендуемого объема заказа с учетом прогноза потребления, даты заказа, срока поставки, страховых запасов
  • Учет различных ограничений: финансы, транспорт, график отгрузок...
  • Формирование календаря закупки

Выгоды

  • Многократное
    сокращение трудозатрат
  • Повышение
    оборачиваемости
  • Повышение уровня
    сервиса
  • Повышение
    рентабельности
  • Готовая система
    отчетности
  • Формализация
    управления закупками
  • Планирование
    бюджета

Мнение клиентов

  • Бакунин М.П. Директор департамента маркетинга
    В компании возникла необходимость выбора платформы, которая позволяла бы аналитикам: проводить глубокий и многофакторный анализ продаж товарных запасов, самостоятельно создавать автоматизированные системы для прогнозирования и классификации экономического состояния, формировать специфические виды отчётности для руководства. Можно подтвердить, что ожидания оправдались, и наше аналитическое подразделение получило инструмент, позволяющий успешно решать ряд сложных задач, связанных с управлением ассортиментом.
  • Миронович А.В. Директор по производству и техническим вопросам
    Благодаря введению в эксплуатацию системы расчета страховых запасов и мониторинга уровня текущих складских запасов у компании появился гибкий инструмент для повышения оперативности реакции обеспечивающих функций компании на постоянно меняющийся спрос. По сравнению с периодом 2012 года в 2014 году, во многом благодаря внедрению новой системы, компании удалось увеличить точность планирования продаж на уровне продуктового микса более чем на 10%. Данный прогресс позволил по оценкам компании в 2014 не потерять несколько десятков миллионов рублей прибыли.
  • Шакиров М.С. Генеральный директор
    Сформирована методология автоматического прогнозирования, которая позволяет построить прогноз для артикулов с "хорошей" историей для каждого филиала в отдельности. Качество автоматического прогнозирования по разработанной методике лучше на 5–15%, чем прогнозирование менеджерами компании ТБМ, для артикулов, которые продаются регулярно и имеют устойчивую динамику продаж. Прогнозы для всех филиалов строятся автоматически раз в месяц. Внедрение данной системы позволит сократить объем работы по прогнозированию на 10–20%.
Мы можем сделать презентацию у вас в офисе, на нашей территории или по скайпу