Александр Костин – ИИ в закупках и снабжении: как снизить дефициты и высвободить деньги из запасов (страница 7)

Второй источник – дефицит данных. Если товар новый, если ассортимент часто меняется, если нет устойчивой истории, модель будет работать хуже. Здесь полезнее не пытаться «выжать точность», а использовать аналоги, похожие товары, структуру категории.

Третий источник – промо и управленческие вмешательства. Компания сама меняет спрос: запускает рекламу, делает скидки, выводит новинки, меняет упаковку, делает bundle. Если эти изменения не описаны в данных как события, модель будет воспринимать их как шум.

Четвертый источник – шум учета. Возвраты, списания, пересортица, корректировки остатков, переносы поставок, нерегулярные крупные заказы. Если события учета не выделены и не объяснены, модель может «научиться» неправильным закономерностям.

Пятый источник – редкие события. Черные лебеди и просто редкие пики спроса. Они могут быть связаны с медийными событиями, вирусными трендами, локальными кризисами, погодой, крупными тендерами. Модель может их не предсказать заранее, потому что они статистически редки.

Шестой источник – оптимизация не того показателя. Прогноз может быть «точным» по среднему, но бесполезным для бизнеса, если он ошибается именно на критичных позициях или именно в моменты пиков. Поэтому важна правильная метрика качества.

Как измерять качество прогноза в закупках: метрики, которые не обманывают

Многие компании оценивают прогноз по «средней ошибке». Это удобно, но опасно. В закупках важны три уровня оценки.

Точность по критичным позициям. Важно измерять точность отдельно по группе A (или по критичным компонентам производства). Ошибка по хвосту не так страшна, ошибка по ядру стоит дорого.

Точность по периодам риска. Ошибка в спокойные недели и ошибка в пиковые недели – разные вещи. Нужны метрики, которые выделяют пики, промо, сезонные волны.

Бизнес-метрики. В конечном счете прогноз нужен не ради процента точности, а ради результата: снижение out-of-stock, снижение избыточных запасов, снижение срочной логистики, рост сервиса, высвобождение капитала. Бывает ситуация, когда прогноз стал чуть менее точным по абстрактной метрике, но бизнес-метрики улучшились, потому что модель лучше управляет риском и дает правильные решения.

Конец ознакомительного фрагмента.

Текст предоставлен ООО «Литрес».

Прочитайте эту книгу целиком, купив полную легальную версию на Литрес.

Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.