fb
IT Systems 10/2021 AI a Business Intelligence 24. 11. 2021 9:48

Koronavirus „rozbil“ prediktivní modely

Za špatně zásobené obchody mohou i zmatené objednávkové systémy

Jedním z nejtěžších úkolů každého obchodníka je zajištění správného zásobování. Dnes již s touto disciplínou standardně pomáhají chytré a automatizované technologie v podobě tzv. inventory management a replenishment systémů. Ty za pomoci algoritmů využívajících matematické, statistické a pravděpodobnostní modely predikují poptávku a zajistí objednávku adekvátního množství zboží. V důsledku turbulentního vývoje prodejů během koronavirové pandemie však tyto systémy selhávají a obchodní řetězce čelí v již tak velmi složité době dalším komplikacím.

Správně se zásobovat je pro obchodníky klíčovou schopností, protože jak nedostatek, tak i přebytek zboží znamená pro každého prodejce velký problém. Zatímco dříve museli obchodníci při plánování do značné míry spoléhat na vlastní úsudek a velký podíl ruční práce, dnes jim poptávku pomohou predikovat sofistikované systémy, které zohledňují veškeré historické prodeje a s pomocí dalších datových vstupů modelují budoucí trendy a automaticky objednávají velkou část zboží. Koronavirová pandemie ovšem poptávku natolik rozhodila, že na to objednávkové systémy nedokáží reagovat, což vede k velkým potížím.

Poptávka po některém zboží náhle klesla, po jiném zase prudce vzrostla, což nyní znemožňuje predikce prodeje i u zboží, u nějž byly dříve poměrně přesné. Systémy proto v této situaci nejsou schopny se zkalibrovat bez zásahu člověka. Manuální kalibrace však vyžaduje nejen enormní množství práce navíc, ale také co nejpreciznější informace o trhu, které aktuálně nejsou k dispozici. Celému problému navíc nepomáhají ani současné problémy s opožděnými dodávkami zboží ze zámoří. I pokud by předpovědi byly jinak stoprocentně přesné, zpoždění jsou dalším parametrem, který může systémy mást.

Covidem rozhozená realita vytváří nedostatek i přebytek

Roland Džogan
Roland Džogan ze společnosti Ydistri

„Replenishment systémy vycházejí z historických dat a trendů. Koronavirová pandemie ovšem způsobila obrovské výkyvy poptávky dané otevíráním a zavíráním obchodů v různých fázích pandemie. Pandemie navíc dramaticky proměnila i potřeby zákazníků a jejich nákupní chování, takže vycházet z dat před pandemií také není možné. Neschopnost správně predikovat poptávku obchodníkům způsobuje obrovské problémy a ztráty, a to jak v podobě ušlých příjmů kvůli nedostupnosti zboží, tak naopak v podobě drahé likvidace neprodaných položek,“ popisuje Roland Džogan, expert na replenishment systémy a CEO společnosti Ydistri.

Výsledkem chybných predikcí mohou být jak prázdné regály, které mají velmi negativní dopad na příjmy obchodu i jeho reputaci mezi zákazníky, tak i kvanta neprodaného zboží. Tzv. dead-stock, neboli mrtvá zásoba, přitom s sebou nese rovněž mnoho rizik. Hromadící se neprodejné zboží pro obchodníka znamená blokovanou hotovost i nedostatek prostoru pro vystavení jiných zajímavých produktů. Častým východiskem jsou velké slevy, které mají negativní ekonomický dopad a špatný vliv na image značky. Ani enormní sleva navíc neznamená jistotu prodeje. Naštěstí i s tímto problémem může pomoci technologie.

Chytrá redistribuce vytáhne obchodníkům „trn z paty“

„Řešením mrtvých zásob, tedy zboží, které leží na prodejně a ztrácí potenciál prodeje, je chytrá redistribuce napříč pobočkovou sítí. Většina existujících neprodejných zásob v obchodech má totiž stále vysokou pravděpodobnost úspěšného prodeje za původní cenu, pokud je přesuneme na jinou prodejnu, která je z určitých důvodů vhodnější – buď se tam lépe prodává z důvodu sociodemografických rozdílů nebo proto, že má řetězec jednoduše na jednom místě zásob moc a na jiném už dochází. Je tedy potřeba využít technologii, která pro položky z výchozí prodejny najde vhodnější cílovou destinaci, kde je daného zboží nedostatek a jde tam na odbyt,“ popisuje řešení problému Džogan.

Mrtvé zásoby vznikají řetězcům napříč sortimentem, ale zvlášť palčivý je tento problém u položek, které se prodávají spíše sporadicky. U zřídka prodávaných produktů je tzv. „forecast“ vždy připraven formou odhadu se započítáním pravděpodobností, ale aby obchodník neměl výpadek, vždy musí mít systém nastaven tak, aby objednával raději více. To v běžných případech způsobuje problémy a vysoké riziko, že zboží zůstane neprodané na prodejně.

Se systémem chytré redistribuce napříč pobočkovou sítí se ale obchodník bát nemusí, protože případné přebytky může vždy v rámci sítě optimálně rozložit ex-post – dle skutečných prodejů. Při hromadné redistribuci a zahrnutí dalších dlouho neprodaných produktů se navíc jedná o variantu velmi ekonomicky výhodnou.

Pokus o predikci je základ, který nestačí

Je čím dál jasnější, že obchodní řetězce nemohou spoléhat jen na predikci poptávky pro prvotní nákup, ale musí být schopné své zásoby správně využívat a regulovat i dodatečně. Přebytky, a naopak nedostatky zboží na jednotlivých prodejnách je nutné dodatečně vyvažovat za pomoci chytré redistribuce.

Podle zkušeností Ydistri se produkty, které jsou navrhovány do redistribuce, ve více než 90 % případů prodají do dvou měsíců od naskladnění v novém obchodě. Obchodní řetězce tak mohou řešit nejen přebytky, ale díky nové technologii mohou sáhnout do vlastních nevyužitých zásob napříč pobočkovou sítí a vyhnout se tak zbytečnému objednávání zboží.

„Prediktivní modely využívané u objednávkových systémů jsou špičkové, ale 100% přesné nemohou být nikdy – natož v situaci, která nastala. Obchodní řetězce tedy hladinu zásob musí regulovat neustále a podle skutečných prodejů. Potíže v dodavatelských řetězcích ostatně způsobily významné prodloužení dodacích lhůt na objednané zboží. Možnost využít již existující zásobu tedy pro obchodníky může být ještě významnější pomocí než kdy jindy,“ uzavírá Roland Džogan z Ydistri.

Kalendář akcí
Konference - Semináře - Školení
Časopis IT Systems/Speciál
Aktuální číslo časopisu IT Systems Aktuální číslo časopisu příloha #1
Archív časopisu IT Systems
IT Systems 10 IT Systems 9 IT Systems 7-8 IT Systems 6
Archív časopisu IT Systems Special
Aktuální číslo časopisu příloha #1 Aktuální číslo časopisu příloha #1 Aktuální číslo časopisu příloha #1 Aktuální číslo časopisu příloha #1