Как мы увеличили точность прогноза на 22% и сэкономили 300 млн рублей для дистрибьютора автоэмалей

«ЛКМ Полимер» — крупный продавец лакокрасочных покрытий. Ассортимент насчитывает более 600 уникальных товарных позиций (SKU) — от банок с краской до различных баллончиков и клея.

Компания столкнулась с тем, что склад забит неликвидным товаром на миллионы, а самых ходовых позиций постоянно не хватает, что приводит к упущенной выгоде в полмиллиарда рублей в год.

Мы внедрили модель, которая автоматически генерирует прогнозы на будущее, регулярно обновляя их с поступлением новых данных.

Основа — исторические данные. В основе любого прогноза лежат данные о прошлом. До 80% успеха модели зависит от качества и полноты истории предыдущих заказов и продаж. Чем за больший срок доступны данные, тем точнее будет прогноз.

Чтобы сделать прогноз точнее, к внутренним историческим данным добавляют внешние факторы, которые могут повлиять на результат. Это могут быть: Курс валют; Маркетинговые активности (как свои, так и конкурентов); Демографические данные; Прогноз погоды и сезонность и т.д.

Нейронные сети способны анализировать миллионы строк информации и находить в них самые неочевидные закономерности и тенденции. Например, модель может выявить сложную взаимосвязь между погодой, днем недели и продажей конкретного товара.

Выбранная модель внедряется в рабочие процессы компании (например, в BI или CRM-систему) и начинает автоматически генерировать прогнозы на будущее, регулярно обновляя их с поступлением новых данных.

- Точность прогнозирования выросла на 22% по сравнению с предыдущим методом и достигла 89%.

- Компания сэкономила 300 000 000 рублей за счет оптимизации закупок и складских остатков.

- Автоматизация заказа товара на популярные позиции.