विशेषज्ञ बिक्री पूर्वानुमान प्रणाली कैसे काम करती है या ग्राम में लोड करने के लिए कितनी गोलियाँ हैं

मैंने पहले ही एक संक्षिप्त अवलोकन लिख दिया था कि कैसे आईटी समाधान आपूर्ति श्रृंखलाओं को अनुकूलित करने में मदद करते हैं। अब मैं इस बारे में बात करूंगा कि रूस में वास्तविकता में इस तरह की व्यवस्था कैसे लागू की जाती है और यह क्या देता है । दुर्भाग्य से, मैं विशिष्ट ग्राहकों का नाम नहीं दे सकता हूं, इसलिए हम अब सार फोन और टैबलेट में व्यापार करेंगे और समान समस्याओं का सामना करेंगे।

तो, कल्पना कीजिए, दो साल पहले आपने फोन में व्यापार करने का फैसला किया था और एक ऑनलाइन स्टोर भी खोला था। सबसे पहले, सब कुछ सरल था: काफी कुछ आदेश थे, और सब कुछ कागज के एक टुकड़े पर गिना जा सकता है। दो महीने बाद, यह स्पष्ट हो गया कि स्टोर महत्वपूर्ण रूप से काम कर रहा था, और डिलीवरी को गंभीरता से किया जाना था - क्योंकि यदि उपयोगकर्ता ने अपने पसंदीदा मिमी-टैबलेट को कम से कम मार्जिन के साथ नहीं देखा, तो वह इसे किसी अन्य स्टोर से खरीदेगा और आप टैबलेट को न केवल बेचने का मौका खो देंगे। लेकिन यह भी महंगा कवर, एडेप्टर और इतने पर।

तदनुसार, अब आपके पास तीन कार्य हैं:

• मुख्य लाइन में उत्पाद रेंज बनाए रखें;
• समझें कि सामान की खरीद की योजना बनाने के लिए कितनी बिक्री होगी;
• सभी हिट और नए उत्पादों का नियंत्रण रखें, हमेशा लोकप्रिय उत्पादों को बेचने और नए उपकरणों के लॉन्च पर "फोम को हटा दें"।

इस बिंदु पर, वर्गीकरण में पहले से ही लगभग 200 आइटम हैं: कागज के एक टुकड़े पर सब कुछ लेना मुश्किल है, इसलिए आप एक एक्सेल खाता रखना शुरू करते हैं, जहां आप बिक्री की गति, एक वितरक या निर्माता से वितरण की गति, और इसी तरह खाते में लेते हैं। कम से कम यह स्पष्ट हो जाता है कि नरक के साथ यह सब करना मुश्किल है, और आप अपनी लेखा प्रणाली (उदाहरण के लिए, 1 सी) के लिए एक मॉड्यूल लिखते हैं, जहां खरीद पूर्वानुमानित होती है।

इस प्रकार, आप अपनी मुख्य समस्या को हल करते हैं - आप अलर्ट प्राप्त कर सकते हैं कि सामान को सही क्षणों में खरीदा जाना है, साथ ही आप सामान्य बिक्री के एक सप्ताह के बाद गोदाम की स्थिति देख सकते हैं।

अफसोस की बात है कि लगभग 90% घरेलू खुदरा और थोक कंपनियां अब इस स्तर पर हैं।

अगर हर कोई इस तरह रहता है, तो समस्या क्या है?

पिछले जनवरी में, आपको अचानक एक खाली गोदाम की समस्या थी। कुछ दर्जन आदेश दैनिक रूप से आए, लेकिन आप उनका जवाब नहीं दे पाए: आप सिर्फ टॉप-एंड फोन और टैबलेट से बाहर भाग गए। बेशक, आपने अनुमान लगाया था कि दिसंबर में बिक्री सामान्य से बहुत अधिक होगी, और जनवरी में आपके आपूर्तिकर्ता केवल 15 वें के आसपास ही जागेंगे, लेकिन आपने इसकी सराहना नहीं की कि इनमें से कितनी बिक्री होगी।

फिर, मार्च में, समाचार लॉन्च किया गया था: उन्होंने एक नया लॉन्च किया, कहते हैं, मायापुड न्यू, जिसके बारे में आप केवल यह जानते थे कि यह बहुत गर्म होगा। आपको पता चला कि एक महीने में पिछली पीढ़ी के कितने मेपड बेचे गए, एक-दो दर्जन नए खरीदे - और इस तथ्य का सामना किया कि पर्याप्त नए लोग नहीं थे, और पुराने एक से अधिक महीनों के लिए गोदाम में बने रहे, आपको उन्हें बेचने के लिए एक कार्रवाई की व्यवस्था भी करनी थी।

और इस क्षण तक आपके पास पहले से ही टैबलेट, फोन और विभिन्न सामानों के 1000 से अधिक नाम हैं, और एक दर्जन से अधिक विभिन्न आपूर्तिकर्ताओं से। 10 नए आइटम प्रति दिन वर्गीकरण मैट्रिक्स में जोड़े जाते हैं, और 2-3 उत्पादों का उपभोग किया जाता है (औसतन)। आपके पास तीन खरीदार हैं जो लगातार लोड के साथ पागल हो जाते हैं, गैर-शीर्ष उत्पादों पर स्क्विंट (आप पहले से ही आधे साल के लिए चीन से टैबलेट का एक बैच नहीं बेच सकते हैं) और अक्सर शिपमेंट की तारीखों को भूल जाते हैं, जिससे अंतराल और ग्राहक असंतोष होता है। इसके अलावा, आपके आपूर्तिकर्ता हमेशा स्थिर नहीं होते हैं: कोई आपके बैच को आधे में काटता है, कोई डिलीवरी में देरी करता है, कोई आपके पहले से भुगतान किए गए उत्पादों के पूरे कंटेनर के साथ अटक जाता है, और इसी तरह। और प्रत्येक स्थिति के लिए एक निर्णय किया जाना चाहिए।

और इसके अलावा, आपके पास वितरण बिंदुओं और दुकानों का एक नेटवर्क है - और दुकानों में आपको सामानों का भंडार रखने की भी आवश्यकता है। मोटे तौर पर, बिक्री के एन बिंदुओं के साथ, एन के एक कारक द्वारा कार्य अधिक कठिन हो गया है - हालांकि, मुख्य गोदाम में एक त्रुटि की तुलना में एक स्थानीय त्रुटि की कीमत पहले से ही कम है।

नतीजतन, रसद बस डरावना हो गया, और आपने सही विश्लेषिकी की मदद से समस्या को हल करने का फैसला किया। लोग अच्छे हैं, लेकिन ऐसी चीजें हैं जो स्वचालित हो सकती हैं और उन्हें स्वचालित होना चाहिए ताकि वे घड़ी की कल की तरह काम करें।

मुख्य चुनौती

एबीसी और एक्सवाईजेड विश्लेषण पर एक एकाउंटेंट के साथ बैठने के बाद, आपको एहसास हुआ कि आपको केवल अपने हाथों से 20-30 वस्तुओं को संसाधित करने की आवश्यकता है, जिसे एक खरीदार पूरी तरह से कर सकता है। यह अच्छा होगा यदि बाकी सामानों को स्वचालित माना जाता है - यह आपके लाभ के लिए इतना महत्वपूर्ण नहीं है, और यहां तक ​​कि 10% पूर्वानुमान त्रुटि अन्य 5-6 लोगों के काम की तुलना में बहुत बेहतर और अधिक किफायती होगी। अंत में, आप अपने खुदरा नेटवर्क का विस्तार करने और वर्गीकरण बढ़ाने की योजना बना रहे हैं, इसलिए आपको स्वचालन की आवश्यकता है।

दूसरा कार्य सिस्टम के लिए मांग की भविष्यवाणी करना है, न केवल बिक्री की रैखिक गति को ध्यान में रखना, बल्कि मौसमी उतार-चढ़ाव, छुट्टियों और इतने पर भी ध्यान रखना।

तीसरा कार्य - नए सामानों की लॉन्चिंग को खरीद के लिए समझा जाना चाहिए: यह अच्छा होगा यदि खरीदार माल के लिए इतिहास से एक एनालॉग का संकेत दे सकता है ताकि सिस्टम समझता है कि यह कैसे बेचा जाएगा। उदाहरण के लिए, चौथे मेफुन की शुरुआत में एक चोटी हो सकती है और फिर तीसरे मेफुन की बिक्री अनुसूची जारी रख सकती है।

चौथा सवाल - आपको यह समझने की जरूरत है कि मार्केटिंग अभियान उनके आधार पर खरीद की योजना बनाने के लिए बिक्री को कैसे प्रभावित करेगा। और एक ही समय में - परिदृश्यों का निर्माण करने के लिए जो आपको मूल्यांकन करने की अनुमति देते हैं कि कौन सा उत्पाद स्टॉक पर बेचने लायक है, और जो नहीं है।

और पांचवां सवाल कम और कम मांग में होने वाले सामानों के वर्गीकरण से वापसी है, उदाहरण के लिए, वही दूसरा मेफुन जो आपके पुराने सिस्टम को मशीन पर पैक में खरीदना जारी रखता है, चौथे की परवाह किए बिना।

आईटी समाधान

आप समाधानों का एक समूह बनाते हैं, और फिर एक परीक्षण ड्राइव के लिए हमारे सीआरसी पर आते हैं, देखें कि आपूर्ति श्रृंखला अनुकूलन प्रणाली कैसे काम करती है, अपने वर्गीकरण पर प्रश्नों का एक गुच्छा पूछें और समझें कि, सामान्य रूप से, स्मार्ट लोगों ने पहले ही सभी समस्याओं को हल कर लिया है

एक दूसरे के लिए, आप कल्पना करते हैं कि यह पहले से ही आपके साथ है - और आप आनंदित अनुभव करते हैं कि सब कुछ नियंत्रण में है, घड़ी की तरह काम करता है और जाम नहीं करता है। सच है, आईटी विभाग के प्रमुख का सपना आपको इस सपने से बाहर निकालता है: तथ्य यह है कि, सबसे पहले, उसने कार्यान्वयन और लाइसेंस के लिए मूल्य टैग को मान्यता दी, और, दूसरी बात, उसे अचानक एहसास हुआ कि सामान्य 1 सी या कुछ और - यह किसी तरह नई प्रणाली के साथ बातचीत करेगा।

वास्तविकता यह है कि आपके पास एक ट्यून 1 सी है, इसके साथ काम करने वाले लोगों के कर्मचारी, साथ ही आप बहुत गरीब हैं, जो बहुत गरीब है, उसे बदलने के लिए बहुत असहज है, लेकिन यह काम करता है। दूसरी ओर, वे आपको आधे साल के लिए परियोजना का भुगतान वापस करने का वादा करते हैं और इस तरह की मांग और इस तरह के सक्षम लॉजिस्टिक्स का चतुर पूर्वानुमान है कि आप 20% तक पैसे बचाएंगे और वास्तव में जानते हैं कि प्रत्येक पैसा क्या लेगा - और यह आपकी सांस को ले जाएगा।

और दो महीने में, अपने मानक रेक पर एक-दो बार और कदम बढ़ाते हुए, आप जाने का फैसला करते हैं। ऐसे सॉफ्टवेयर के कई निर्माता हैं। नीचे मैं विश्लेषण करूंगा कि यह कैसे किया जाता है, उदाहरण के रूप में जेडीए समाधान का उपयोग करना।

तो यह सब कैसे चलता है

1. आप अपने लेखा प्रणाली से माल के बारे में सभी डेटा अपलोड करते हैं - उदाहरण के लिए, जेडीए में अपने ईआरपी सिस्टम से उत्पाद सूची को स्वचालित रूप से डाउनलोड करने का एक अवसर है, उदाहरण के लिए, 1 सी से।



2. पूर्वानुमान मॉड्यूल आपके प्रत्येक उत्पाद का विश्लेषण करता है और इसके लिए एक मांग पूर्वानुमान बनाता है। उन समय के अंतराल में जब गोदाम में माल 0 था, अनुसूची को बहाल किया जाना चाहिए - यह हमारे लिए मायने रखता है कि हम अतीत में कितना सामान बेच सकते थे, यदि वे थे, और वास्तव में कितने बेचे गए थे।



3. फिर, प्रत्येक उत्पाद के लिए, एक विशेषज्ञ प्रणाली एक बिक्री अनुसूची का निर्माण करती है जो सिस्टम में बंद सभी संभावित उतार-चढ़ाव और कारकों को ध्यान में रखती है। उपयोगकर्ता के स्तर पर, यह बहुत सरल है: किसी उत्पाद को बेचने के लिए कई बुनियादी परिदृश्य हैं: उदाहरण के लिए, खपत के लिए एक महत्वपूर्ण वस्तु (जैसे कि रोटी), एक मौसमी उत्पाद (जैसे कि छाते), एक तेजी से अप्रचलित उत्पाद (मेफुन -4), और एक फटे बिक्री कार्यक्रम के साथ एक उत्पाद (गोल्डन मेपुड के साथ) हीरा जड़ना, जो प्रति वर्ष 5-6 टुकड़ों पर बेचा जाता है)। उत्पाद लॉन्च से वांछित हो सकता है - या धीरे-धीरे बिक्री के रूप में खोल सकता है। यह सब स्वचालित रूप से गणना या हाथ से संपादित किया जा सकता है। आप देख सकते हैं कि सिस्टम आपके उत्पाद के बारे में क्या सोचता है और मूल्यांकन करता है कि प्रोफ़ाइल कितनी सही है।



4. प्रत्येक उत्पाद के लिए, एटिपिकल गतिविधि के बिंदु भी बनाए गए हैं: उदाहरण के लिए, यदि शेड्यूल आम तौर पर सुचारू है, लेकिन कहीं न कहीं एक रूपरेखा है, यह या तो एक विपणन अभियान हो सकता है (और फिर आपको सिस्टम दिखाने की ज़रूरत है कि यह था), या एक खुदरा स्टोर के माध्यम से एक छोटा सा थोक आदेश , या, इसके विपरीत, प्रणाली का मानना ​​है कि कहीं न कहीं अधिक सामान बेचना संभव था - और यह याद रखने योग्य है कि क्या आप उस समय यैंडेक्स के ऊपर से उड़ान भर रहे थे, उदाहरण के लिए।



5. इस तरह के प्रसंस्करण के बाद, आपके सभी हजारों उत्पादों की बिक्री प्रोफ़ाइल प्राप्त होती है । सिस्टम आपको दिखाता है कि कौन सा उत्पाद मौसमी है, जो पहले से पुराना है और संचलन से बाहर जाने के लिए तैयार है, जिसे और अधिक खरीदने की आवश्यकता है।



6. उन सामानों के लिए जो जोड़े (टैबलेट कवर, टॉर्च, बैटरी, और इसी तरह) में बेचे जाते हैं, आपको अपनी स्वयं की लेखा इकाइयों का निर्माण करने की आवश्यकता होती है । इसके अलावा, यदि आप संबंधित उत्पादों को जानते हैं (उदाहरण के लिए, मेफुन खरीदने वालों में से एक महीने में एक कार एडाप्टर के साथ चार्ज खरीदते हैं), तो बातचीत को सिस्टम में भी दर्ज किया जा सकता है। ऐसी चीजें स्वचालित रूप से मशीन द्वारा नहीं बनाई जा रही हैं - प्रोफाइल को कॉन्फ़िगर करने के लिए खरीदार का काम है।

7. प्रत्येक उत्पाद के लिए सिस्टम एक पूर्वानुमान इकाई DFU (डिमांड फोरकास्टिंग यूनिट) की अवधारणा से संचालित होता है । यहाँ एक बहुत ही महत्वपूर्ण बिंदु है: DFU एक महापौर की तरह सिर्फ एक नामकरण इकाई नहीं है, बल्कि इकाइयों का एक समूह और वह स्थान जहां यह स्थित है। उदाहरण के लिए, मॉस्को में एक मेफुन एक समूह हो सकता है एक नया और "हॉट" प्रोफाइल वाला एक उत्पाद, और चुकोटका में यह खराब बेची जाने वाली समूह सी उत्पाद हो सकता है जिसे आसानी से एक नियमित ईंट टेलीफोन से बदला जा सकता है।

8. उसके बाद, पूर्वानुमान के सापेक्ष वास्तविक बिक्री पर डेटा सिस्टम पर अपलोड किया जाता है - और सिस्टम पूर्वानुमान और वास्तविक स्थिति में अंतर की तुलना करके सीखता है। एक ही समय में, प्रत्येक नए पूर्वानुमान के लिए, निम्न अनुसूची बनाई गई है:


ऊर्ध्वाधर - पूर्वानुमान त्रुटि, क्षैतिज - संचलन में माल का महत्व।

इसमें 4 मुख्य क्षेत्र हैं:

• कम टर्नओवर और कम त्रुटि: 70% सामान जो पहले संभाला जाना था वह यहां गिर जाएगा। बस स्पर्श न करें
• कम टर्नओवर और उच्च त्रुटि: यदि आपके पास समय है तो यह कुछ करना है।
• उच्च टर्नओवर और कम त्रुटि: आप स्पर्श नहीं कर सकते हैं, लेकिन कम से कम एक नज़र के लायक है।
• उच्च टर्नओवर और उच्च त्रुटि: यहां आमतौर पर सामानों की कई इकाइयां होती हैं जिन पर आपको विशेष ध्यान देना चाहिए: या तो गंभीर नए रुझान हैं, या आपूर्ति की समस्याएं हैं, या कुछ और हैं। किसी भी मामले में - अपने हाथों से ठीक से संभालें।

उत्पाद वितरण में खरीदार या विशेषज्ञ के बाद (पूर्वानुमान के उद्देश्य के आधार पर) पर्याप्त पूर्वानुमान खेलते हैं, आप कुछ परिदृश्यों का निर्माण कर सकते हैं, उदाहरण के लिए, उस स्थिति से पूछें कि अगले महीने आप फिर से 20% छूट के साथ मेफुन बेचेंगे जैसा कि आपने पिछले साल किया था। सिस्टम पिछले साल के इन शेयरों को पूर्वानुमान पर पेश करेगा - और आपको पता चल जाएगा कि कितना और क्या खरीदना है। जो अच्छा है, वैसे, प्रचार ब्रांड द्वारा किया जा सकता है - उदाहरण के लिए, सभी कवरों द्वारा: सिस्टम यह गणना करेगा कि आपको कितने कवर खरीदने की आवश्यकता है।

9. परिणामस्वरूप, हमें एक बिक्री पूर्वानुमान मिलता है , जिसमें 95% स्वचालित रूप से उत्पन्न डेटा होता है, और 5% डेटा उपयोगकर्ता द्वारा पार्टी की नीति और उसकी गधा दाखिल के अनुसार समायोजित किया जाता है।


कृपया ध्यान दें: इस ग्राफ की तुलना पिछली अवधि के लिए वास्तविक बिक्री से की जा सकती है: इससे यह समझने में मदद मिलेगी कि पूर्वानुमान कितने सही हैं।

इस पूर्वानुमान को सिस्टम डेटा की तुलना में प्रबंधन के लिए दिखाया जा सकता है (यहां यह सोचता है कि यह हैलो किट्टी के साथ टैबलेट के 100 टुकड़े बेच देगा, लेकिन आपूर्तिकर्ता ने टीवी पर एक विज्ञापन लॉन्च किया है, इसलिए मेरा मानना ​​है कि 120 टुकड़े की आवश्यकता है)।

और फिर?

बेशक, यह अच्छा है, लेकिन अगर आपको लगता है कि इस तरह के पूर्वानुमान को प्राप्त करने के बाद, आपने समस्या को हल कर लिया है, तो आनन्दित होने के लिए जल्दी मत करो। ये रही बात:

• आपूर्तिकर्ता आपको 500 मेयूप्स के बजाय 2000 टुकड़ों के लिए एक कंटेनर खरीदने की पेशकश करता है, लेकिन डेढ़ गुना सस्ता। क्या गोदाम भंडारण पर विचार करना लाभदायक होगा? और अगर आप एक ही समय में छूट भी चलाते हैं - तो?
• सिस्टम का कहना है कि सप्ताह में एक बार 40 गोलियों का आदेश दिया जाना चाहिए। समस्या यह है कि वे इसे हर दो सप्ताह में कम से कम एक बार और कम से कम 200 बक्से के बैच में ले जाते हैं - मुझे क्या करना चाहिए?
• व्लादिवोस्तोक में चीनी अपने प्रतिनिधि कार्यालय में सीधे टैबलेट लाने की पेशकश करता है - यह वास्तव में अधिक सुविधाजनक और सस्ता है, आपको बस कंटेनर लेने की आवश्यकता है: एक तरफ, डिलीवरी पर उत्कृष्ट बचत - दूसरी तरफ, यह स्पष्ट नहीं है कि भंडारण क्या करता है, क्या टैबलेट की बिक्री के दौरान पुराना होने का समय है और इसी तरह ।
• आपने पहले से ही RZD उत्पादों के दो कंटेनरों को येकातेरिनबर्ग को भेज दिया है, और आपका प्रतियोगी अचानक वहां बंद हो गया है, और मांग बहुत बढ़ गई है। अगली बार मुझे इन दो कंटेनरों को ध्यान में रखते हुए कितनी बार जहाज करना चाहिए?
• आपके प्रबंधक का कहना है कि संदेह है कि स्थानीय स्तर पर पत्रक को प्रिंट करने से बेहतर है कि उन्हें पूरे देश में वितरित किया जाए - और अंतराल कम है और लागत आसान है। इस पर विचार करना होगा।
• एक अन्य प्रबंधक का दावा है कि कभी-कभी ट्रेन द्वारा मालवाहक जहाज से अधिक लाभदायक होता है: हालाँकि यह अधिक महंगा होता है, समय पर दिया गया सामान खरीदा जाता है, जिससे लाभ बढ़ता है। फिर, आपको गिनने की जरूरत है।

आप हाथ से अपवाद जैसी स्थितियों को संभालते थे, लेकिन आपके व्यवसाय की वृद्धि के साथ, वे और रूसी वास्तविकताएं अधिक से अधिक ध्यान देने योग्य होती जा रही हैं। और इसलिए, आपको सिस्टम के अगले टुकड़े की आवश्यकता है - रसद प्रबंधन (विचाराधीन समाधान में - यह एक अतिरिक्त मॉड्यूल है) जो पूर्वानुमान मॉड्यूल के डेटा को संसाधित कर सकता है और सुनिश्चित कर सकता है कि सही उत्पाद सही समय पर सही जगह पर है। यदि विषय दिलचस्प है, तो इसके बारे में - अगले विषय में।

सारांश

एक विशेषज्ञ की मांग पूर्वानुमान प्रणाली आमतौर पर यह देती है (यह उसी जेडीए का मानदंड है):

• पूर्वानुमान की सटीकता 15-20% बढ़ रही है।
• प्रक्रिया की जटिलता गंभीरता से कम हो गई है।
• स्टॉक्स 10-15% तक कम हो जाते हैं।
• सेवा का स्तर (माल की उपलब्धता) 5-10% बढ़ रहा है।
• मानव कारक के कारण त्रुटियों की संख्या कम हो जाती है।

यदि आप किसी प्रकार की समान प्रणाली का उपयोग करते हैं तो लगभग यह परिणाम प्राप्त किया जा सकता है। हमने ऊपर जेडीए को देखा, ऐसे अन्य विक्रेता हैं जो इसी तरह के समाधान पेश करते हैं: आपकी कंपनी आपके ऊपर निर्भर है।

विशिष्ट कार्यान्वयन के लिए, आप निम्नलिखित पते पर लिख सकते हैं:

• अलेक्जेंडर एफिमोव , डेटा माइनिंग प्रैक्टिस के प्रमुख, अलेक्जेंडर। एफिमोव@क्रोस.ru - यदि आपको यह समझने की आवश्यकता है कि यह कैसे काम कर सकता है या आप एक टेस्ट ड्राइव चाहते हैं।
• अलेक्सई इसेव , SCM के प्रमुख, AlIsaev@croc.ru - यदि आपको यह गणना करने की आवश्यकता है कि यह लागत कितनी है और इसे कब लागू किया जाएगा, उदाहरण के लिए।