Крупные европейские, азиатские и американские компании пытаются спрогнозировать спрос в конкретных регионах присутствия для исключения случаев недостатка товара на складе. Для этого они планируют повысить прозрачность цепочек поставок, задействовать ИИ и большие данные.
Более 60% логистических компаний в пятилетней перспективе будут использовать большие данные и искусственный интеллект для доставки товаров еще до поступления заказов, то есть на этапах прогнозирования спроса и формирования складских запасов. Такие данные были получены аналитиками Ericsson по итогам опроса, проведенного среди 2000 профессионалов в области логистики из Китая, Германии, Швеции и США.
70% опрошенных из числа лиц, принимающих решения, заявили, что их бизнес должен быть частью более широкой системы обмена информацией в логистической отрасли. По их мнению, это позволит более детально прогнозировать спрос на продукцию и создать упреждающую логистику. Помимо этого, около трети респондентов заявили, что неспособность быстро обмениваться актуальной информацией между покупателями и поставщиками является препятствием для развития их бизнеса. Проблему серьезно усугубили сложности 2020 г., связанные с пандемией.
«Похожие трудности можно наблюдать и в России. Избыток запасов приводит к затовариванию склада и лишним расходам на хранение, а нехватка — к упущенной выручке и снижению лояльности покупателей, а когда речь идет о скоропортящихся продуктах, то еще и к расходам на утилизацию. Поэтому прогнозирование спроса — это одна из важнейших задач. От точности прогнозов зависят очень многие процессы ритейлера — начиная с управления запасами и промоакциями, и заканчивая работой службы доставки. Не секрет, что чем дольше срок доставки, тем выше риск, что покупатель откажется от покупки, а компания уже понесет определенные расходы на сбор заказа», — комментирует Александр Тихонов, генеральный директор SAS Россия/СНГ.
Как отмечают эксперты Ericsson, в идеальном мире упреждающей логистики отправители грузов смогут предсказать спрос на продукты, услуги и решения еще до того, как клиенты примут решение о покупке, а все заинтересованные стороны смогут увидеть, где и в каком состоянии находятся поставки. Это потребует от компаний внутренних инвестиций в цифровую трансформацию, работы с партнерами по цепочке поставок для обеспечения взаимодействия между системами и развития такого уровня доверия, который в первую очередь позволяет обмениваться информацией. Сейчас это кажется чем-то невероятным — картина идеального мира, поскольку в отчете отмечается существенное отсутствие прозрачности в отрасли.
Впрочем, у организаций есть много способов повысить прозрачность как внутри компании, так и во взаимодействии с партнерами по цепочке поставок: от инвестиций в системы цифрового управления и подключения 5G для складов до технологий отслеживания контейнеров и заказов. Большинство респондентов заявили также, что рассматривают возможность инвестирования в блокчейн для безопасного сбора данных и обмена ими.
В Ericsson признают, что некоторые компании, в частности Amazon, занимаются внутренней логистикой для цифровой интеграции своих цепочек поставок. Но реализация таких проектов требует больших затрат и ресурсов, которые есть далеко не у всех. Как следствие, ожидается рост спроса на аутсорсинг и обмен данными по всей цепочке поставок.
Превентивная логистика и пандемия способствуют изменению складских сетей. Локальные распределенные склады, вероятно, станут более распространенными, чем доставка заказов с централизованного склада. Это позволит быстрее добираться до клиентов, более точно строить прогнозы и гибко реагировать на изменения спроса.
«Россия уникальна с точки зрения размера наших ритейл-сетей и масштаба игроков e-commerce. В ходе каждого внедрения инструментов машинного обучения и моделей ИИ мы видим, какую большую отдачу это приносит нашим ритейлерам — именно в силу сложности ведения бизнеса, особенностей дистрибуции, количества регионов присутствия, различий в поведении покупателей в разных регионах. Что касается создания распределенной сети складов, то для нашего ритейла — это уже реальность, а вот эффективное управление запасами на этих складах за счет использования ИИ-решений — это то, к чему сейчас идут лидеры рынка», — говорит Александр Тихонов.
SAS Viya: аналитические модели можно сразу запускать в «продакшн» без написания дополнительного кода
Данные — это золотая руда, однако, чтобы добыть из нее полезные знания, необходимы комплексные инструменты, которые включают в себя элементы машинного обучения, обработки естественного языка, компьютерного зрения, интернета вещей. Платформа SAS Viya позволяет решить эту задачу за счет «композитного» искусственного интеллекта, in-memory вычислений и возможности запускать аналитические модели в производство без написания дополнительного программного кода.
Какие преимущества дает технология потоковой аналитики для решения задач по обеспечению безопасности
Пользовательские устройства ежесекундно генерируют триллионы событий, данные о которых оседают в хранилищах. Накапливать такого рода информацию бессмысленно и дорого. Компании ищут способы монетизации сведений, собранных, например, о клиентах. Крупные игроки, инвестирующие в дата-центры и персонал, научились анализировать колоссальные объемы информации, делать выводы и даже составлять прогнозы. Анализ больших объемов данных в режиме реального времени позволяет мгновенно реагировать на происходящее, как того требует ситуация.
Александр Миронов, SAS: Индивидуальные предложения не придумать заранее: их формируют алгоритмы прямо при общении с клиентом
Эффективность маркетинговых кампаний может колебаться в широком диапазоне. Многие клиенты воспринимают звонки и сообщения с предложениями услуг как спам. Изменить ситуацию мог бы индивидуальный подход, когда клиенту предлагают именно то, что ему в данный момент необходимо. Как это сделать, в интервью CNews рассказал Александр Миронов, руководитель практики по клиентской аналитике и CRM, SAS Россия и СНГ.
