AX + Data mining в продуктовом ретейле

[AP-1055D]

Коллеги,

Использует ли кто-нибудь SSAS в продуктовом ретейле? А именно, приходилось ли кому-нибудь решать задачи data mining? Сейчас я работаю с AX с отраслевым решением для продуктового ретейла. У нас есть функциональность автозаказа, с помощью которой производится автоматический расчёт объёма закупки продуктов. К сожалению, эта функциональность показывает не важные результаты, особенно, результаты плохие для высоко оборотистого товара. В SSAS есть функциональность временных рядов, которая может быть использована для прогнозирования объёмов закупки. Собственно, хотелось бы узнать, интегрировал ли кто-нибудь эту функциональность с AX? Какие ещё задачи по data mining вам приходилось решать?

[George Nordic]

Да, делал. Связка DAX + MSAS, данные из родной базы MS SQL.

Дело в том, что для анализа данных нужен аналитик. А для работы с MSAS - программист. Найти программиста - аналитика, понимающего бизнес-задачи ритейла, очень непросто

Поэтому продукт MSAS практически не применим, хотя может анализировать данные и выдавать отчеты по уже настроенным моделям: например, прогнозирование.

Увы, без постоянной подстройки алгоритмов все модели разъезжаются.

Поэтому аналитикам - советую смотреть в сторону специализированных аналитических систем, например IBM SPSS. А любителям попрограммировать - поковырять MSAS, довольно интересные функции можно найти. И, возможно, как-то присобачить к DAX, потому как серьезные аналитические системы (Например, SAS), стоят подороже учетных систем, той же DAX, причем в разы.

Хотя есть и специализированные инструменты для того же ритейла: причем есть и довольно недорогие.

С Уважением,
Георгий

[AP-1055D]

Георгий,

Вы решали задачу прогнозирования объёмов закупки? А какие алгоритмы использовали для этого? Временные ряды, нейронные сети?

[George Nordic]

Решал. Нейронные сети - интересный механизм... но непонятно, как его проверить - черный ящик.

Само по себе прогнозирование - бесполезно. И большинству тупо хватает Excel.
Если заниматься - то вкупе с постановкой процессов прогнозирования и категорийным менеджментом. Почему? потому что есть как брендозависимые, так брендонезависимые товары. Если человек пришел за сахаром, его интересует: песок / рафинад, цена, размер упаковки, а потом уже производитель. Следовательно, необходимо группировать по данным факторам, тогда мы получим более точный прогноз в разрезе категорий. А вот уже за техникой - там уже сильнее важен бренд. Да, и еще: вы не регистрируете СПРОС в учетной системе - только ИСТОРИЮ СБЫТА, а это немного разные вещи.

Вообще, любое прогнозирование начинается с подготовки данных.

После чего выделяются факторы, влияющие на спрос: сезон, месяц, день года, праздники, температура, маркетинговые акции и т.п.

Самым точным является как раз мультифакторный анализ: чем больше ЗНАЧИМЫХ факторов выделим, и определим влияние этих факторов на спрос, тем точнее будет прогноз. Понятно, что факторов может быть много, и их значение различно для разных категорий. Особенно сильно видно у детских игрушек - там более 40 факторов, и каждый может быть значимым для той или иной категории. Например "зависимый спрос от проводимых маркетинговых кампаний": после выхода на экраны мультфильма повышается спрос на товары с изображение героев: Тачки, Смурфики и т.п. Кстати, анализ факторов - тоже задача отдельных аналитеческих систем, но зачастую в тех же системах и ведется прогнозирование (SPSS, JDA). При этом идет связка с учетными системами, и с системами, где регистрируются дополнительные влияющие факторы - макроэкономические, погодные, проведение маркетинговых кампаний, своих и конкурентов, и прочие.

В общем, непростое дело, если хотите получить точный прогноз. А, тем более, в разбивке по регионам и точкам сбыта, с формированием оптимального ассортимента в каждой точки сбыта (а тут еще играют роль экономические факторы: есть спрос на это, но выгоднее продать то). А еще я все это связывал с мерчендайзингом, для того, чтобы товар не хранился в магазине, а умещался на полку. Для напитков (алкоголь / соки) - очень актуальная задача.

Да, еще. У нас не так много "Pull"-каналов. Много именно "пропихивается" в канал - например, сотовая связь или электроника. Поэтому много компаний не заинтересованы в подобных проектах: многое считают это "космосом", и говорят, что будут "действовать по-старинке".

Некоторым, разумеется, интересно. Западный кампании, ритейл и производители - используют очень серьезные инструменты, и проекты там довольно интересные. Наши - пока только думают и не видят вэлью.

С Уважением,
Георгий

[Ivanhoe]

Согласен с Георгием. В общем случае можно очень много придумать для прогнозирования. Но на практике это от "тяжело" до "нереально". Наш опыт показывает, что система автозаказа в большинстве случаев удовлетворяет потребности бизнеса, но опять же, при наличии аналитической работы и категоризации товара.

P.S. есть примеры, когда компании внедряли супер-пупер системы прогнозирования (за деньги бОльшие, чем вся ERP), но это не давало результатов. В одному случае, по слухам, это в т.ч. привело к банкротству

[George Nordic]

Хм. Я бы поспорил, но не буду. Видел я ваш "автозаказ" Но если большинству клиентов бОльшего не нужно - ну чего с ними биться что-то доказывать? Только нервы себе трепать. Когда дорастут, пусть приходят - расскажу. Хотя я уже как-то отошел уже от этой тематики... Хотя был, пожалуй, первым, кто на территории России произнес термин "Точная Розница" (Precision Retailing):

Цитата:

Ряд крупных производителей мобильных телефонов уже заявили о производстве телефонов со встроенным NFC-чипом. Поставщики ИТ-решений работают над развитием мобильных операционных систем, интеграцией систем с NFC-чипами и над расширением функционала приложений. По прогнозам, к 2014 году в мире будет насчитываться порядка 947 млн мобильных телефонов с NFC. На конференции Георгий Нанеишвили, архитектор бизнес-приложений компании «****», в своей презентации пояснил, как NFC-чипы помогут ретейлерам в продажах. Решения, основанные на использовании мобильных телефонов, помогут идентифицировать клиента, проанализировать его типичное поведение, привычки, покупки. Уже при входе в магазин клиенту можно предложить новые товары или услуги, которые могут его заинтересовать, а также сообщить об акциях и спецпредложениях, в процессе покупок напомнить о «привычном» товаре, который он забыл купить. Сформировать предложения конкретному клиенту помогут интеллектуальные технологии добычи данных (data mining).

[Ivanhoe]

Цитата:

Сообщение от George Nordic

Хм. Я бы поспорил, но не буду. Видел я ваш "автозаказ" Но если большинству клиентов бОльшего не нужно - ну чего с ними биться что-то доказывать?

Можем выделить в отдельную ветку, если есть желание обсудить и поспорить И не забывайте указывать версию

И, да, было бы интересно узнать про реальные примеры русского ритейла с использованием прогнозирования для целей оперативного пополнения запасов

[George Nordic]

Да я же сказал - нет желания спорить: на данном этапе автозаказ - отличная вещь, мало того, что удовлетворяющая запросам клиентов, так еще и заменяющая сводное планирование, что позволяет не закупать АМ, а обходиться ВЕ - а это 2х кратная разница в цене.

Примеров - полно. Но многие пользуются или специализированными инструментами, входящими в бэк-офис, или самописными отчетами. Или Excel.

Вопрос в качестве прогнозирования и доказательств того, что повышение точности прогнозирования даст ощутимый эффект. Поверьте, есть компании, которые понимают важность процессов прогнозирования, оптимизации ассортимента и категорийного менеджмента, есть проекты и внедрения. Беда в том, что пока подобных проектов в России очень мало.

И смысл? В том же Фэшене - в России наценка в сотни процентов от себестоимости. Ну, закупил побольше (чтобы избежать out-of-stock), ну, не продал сотню тряпочек - не беда. Вот будет конкурентный рынок, будет биться за каждый процент - тогда будут и востребованы подобные решения.

С Уважением,
Георгий

[AP-1055D]

Кроме названных пакетов для анализа данных (конечно, можно назвать ещё решения от Oracle и тот же IBM Cognos BI и другие) есть интересное решение прогнозирования на основе временных рядов для Wolfram Mathematica http://www.wolfram.com/products/appl...ns/timeseries/. Кроме того, есть облачный сервис WolframAlpha Pro, который позволяет использовать эту функциональность.

[George Nordic]

Хм. Пакетов-то много. Тьма. Вы с аналитикой Oracle работали? А Cognos - это все-таки система отчетности. Плюс бюджетирование.. Даже немного ближе к Oracle Hyperion, ближе к классу EPM-систем. Предиктивную аналитику (в т.ч. прогнозирование) для IBM Cognos делает IBM SPSS. Кстати, есть еще специализированные пакеты, например в составе Oracle Retail Applications, как раз для прогнозирования и оптимизации ассортимента.

Итак, что остается в итоге?
- Excel
- Собственная разработка
- Собственная разработка на платформе DAX
- Собственная разработка на основе MSAS
- Специализированные пакеты производителей БД (MS AS, Oracle BI)
- Специализированные пакеты производителей отраслевых решений (JDA, Oracle Reteil, FIT, SAP SCM APO Demand Management)
- Специализированные аналитические продукты

Все зависит от задачи. Или, вернее, от пуду задач - если на отдельном пакете будет решаться пул задач, тогда можно рассмотреть и их.

С Уважением,
Георгий

[Ned]

Если нужно бесплатное решение - Knime и Rapidminer вам в руки.

Предложение автору темы:
- автор выгружает свой InventTrans и InventDim в текстовый файл. Если надо "обезличить" данные или ещё как-то их подготовить для публикации - автор делает это сам;
- автор нарезает полученные набор данных на три части - набор для обучения, набор для тестирования и набор для финальной оценки;
- делаем конкурс - кто предложит лучший инструмент для прогнозирования. Критерий оценки - среднеквадратичное отклонение по приходу/расходу в процентах за каждый день;

Я готов поучаствовать. Что скажет автор?

Кстати, как альтернатива датамайнингу в этой ситуации - разделить товар на группы, по каждой группе определить необходимую вероятность удовлетворения спроса, рассчитать страховой запас с помощью журналов резервного запаса и пополнение делать сводным планированием.