Проект

Самсон (Novo Forecast Enterprise)

Заказчики: Самсон

Торговля

Продукт: Novo Forecast Enterprise

Дата проекта: 2022/01 — 2022/12
Технология: BI
подрядчики - 452
проекты - 3080
системы - 1154
вендоры - 561
Технология: SCM
подрядчики - 156
проекты - 930
системы - 262
вендоры - 167

2022: Внедрение Novo Forecast Enterprise

Группа компаний «Самсон» — крупнейший федеральный оператор на рынке товаров для офиса и школы. Ведёт многоканальный бизнес: опт, розница, дилеры и корпоративный канал сбыта. Каждый из них имеет свои особенности, растёт в разные периоды времени, с разной скоростью. Увеличиваются обороты и товарные запасы. Для таких компаний очень важен сбалансированный рост, когда есть оптимальное соотношение оборачиваемости, товарного запаса и уровня сервиса.

Одним из преимуществ компании является широкий товарный ассортимент (более 35 — тысяч SKU). Поставщиками являются более 1 300 производственных предприятий и торговых компаний по всей стране и за рубежом. Поэтому очень важно было сделать процесс максимально прозрачным. Чтобы каждый из сотрудников, работающих с цепочкой поставок знал: что есть в ассортименте, как заказывается, по каким критериям отбирается. До этого применяли собственные рукописные алгоритмы, но основной упор был сосредоточен на региональные склады. В компании посчитали и поняли, что при текущих темпах развития трудозатратно существующими методами работы корректно учесть все данные, а значит, нужна автоматизированная система.

Внутри компании составили список характеристик, которыми должна обладать такая система и стали изучать предложения на рынке. В приоритете была возможность автоматического отслеживания закономерностей и взаимосвязей на протяжении всей цепи поставки — от производителя до конечного потребителя, которые очень сложно заметить человеку. Необходимо, чтобы программа обрабатывала весь массив данных и предлагала наиболее подходящие варианты для дальнейших действий. Учитывая необходимые характеристики, остановились на программе, которая позволяет внедрить интегрированное планирование и оптимизировать цепь поставок. В основе лежит искусственный интеллект и машинное обучение. Так, на основе полученных данных стало понятно, что необходимо оптимизировать структуру товарного запаса по складам. Основной целью выбрали улучшение уровня сервиса для клиентов. Для этого нужно было решить несколько задач: ускорение оборачиваемости, изменение структуры товарного запаса, повышение коэффициента наличия товаров и как следствие увеличение продаж.

После внедрения можно достаточно оперативно получить актуальные данные. Раньше каждый день вручную сравнивали несколько показателей, следили за тем, чтобы объёма товара хватило до следующей поставки по среднегодовому факту. Если товара было достаточно, значит всё хорошо, и он есть; если недостаточно, значит товара нет, срочно нужно принять меры. Теперь за это отвечает система. Сотрудники знают, что около 80% ассортимента в наличии. Это усредненные данные по каждому складу, магазину, филиалу и позиции. Следующий шаг — это повысить цифру на 5–10%, а значит ещё увеличить уровень клиентского сервиса. Чтобы у потребителя был выбор и возможность найти желаемое, а количество доступного ассортимента было близко к 100%.

Специфика компании, работающей на рынке товаров для офиса и школы —это сезонность. Подготовка к одному событию начинается примерно за год до него. Например, заказы к новому 2024 учебному году сформированы в сентябре-октябре 2023. Просчитать точное количество товаров непросто по причине многих составляющих. В этом случае на помощь приходит прогнозирование, которое позволяет определить количество продукции для заказа. Это необходимо для того, чтобы успеть произвести и поставить в срок товары по выгодной цене. Выбор сезонных позиций осложняет большая ротация ассортимента из-за новинок, которые сложно планировать. Некоторые категории ассортимента зависят исключительно от сезонного спроса, другие привязаны к промо-активностям, а третьи — берут вне зависимости от внешних факторов. Всё это важно учесть, чтобы получить прибыль и избежать Out of stock или замороженных активов.

Итоги внедрения

  • Процесс планирования и прогнозирования спроса стал максимально понятным и прозрачным для всех участников.
  • Повышение уровня клиентского сервиса.
  • Оперативное обновление данных в автоматическом режиме.
  • Система следит за тем, чтобы товар был в достаточном объеме в каждой точке.
  • Увеличение процента оборачиваемости.
  • Возможность планировать несмотря на большую ротацию ассортимента.

Проект реализован в партнерстве с компанией Softline