Обсуждение (0)

Печать

RSS

Технология прогнозов

С 19 века розничные торговцы опирались на прогнозы при оптимизации своих товарных запасов. Сегодня Lokad привносит нечто новое в область прогнозирования.

Наш подход проще, выгоднее и точнее, чем традиционные методы. На этой странице представлен краткий обзор того, что делает все это возможным: нашей технологии.

На странице Часто задаваемых вопросов о технологии прогнозов вы найдете ответы на вопросы о точности, тренде, сезонности, рекламных кампаниях, запусках продуктов, жизненном цикле товара, разукомплектовании и пр.

Кратко

Принимая во внимание все недостатки и затраты, связанные с внутрифирменным прогнозированием, Lokad предоставляет прогнозирование как услугу с квантильными прогнозами, которые представляют прорыв в оптимизации инвентарных запасов.. Она предназначена для интеграции со сторонними программами, чтобы данные извлекались в автоматическом режиме, а результаты интегрировались в существующие системы незаметно для пользователя. мы обеспечиваем новый подход к прогнозированию, который значительно улучшает точность прогнозов, полагаясь на облачные вычисления и масшабируемость. Мы не совершаем типичных ошибок программного обеспечения для прогнозов и моделируем “реальный” спрос клиента, принимая во внимание особенные события. Дополнительно мы улучшаем точность, замечая схожие черты продуктов или серий, используя “тэги”. Мы идем дальше, максимально используя все доступные нам данные для каждого клиента, совмещая Web 2.0 и научные вычисления. Мы используем сложные статистические модели и постоянно отслеживаем и улучшаем качество наших прогнозов.

Прогнозирование как услуга

Внутрифирменные решения для прогнозов зачастую очень дороги и не приносят удовлетворения. Для этого требуется по крайней мере один специалист по статистике, который сможет разработать умную модель для вашего бизнеса, а также покупка дорогого программного обеспечения и серверов для вычислений. Обычно эти расходы настолько велики, что лишь большие компании могут их позволить. Результат же остается, по меньшей мере, неопределенным.

Lokad работает по-другому: мы предоставляем прогнозы как услугу. Lokad получает данные из вашей системы, и затем мы отправляем прогнозы обратно. Как только мы получаем данные, прогнозы формируются в автоматическом режиме. Такая архитектура гарантирует, что вы получите ваши прогнозы достаточно быстро даже при достаточно напряженном графике вашей работы.

Наша технология разработана, чтобы работать с вашими данными в их исходном виде. В традиционных подходах к прогнозам вам сначала нужно очень тщательно подготовить свои данные, что может потребовать технических знаний и много времени. Например, вам нужно будет избавиться от крайних значений, а затем предоставить экспертное заключение о ваших данных, например, определить наличие сезонности. Другими словами, при использовании традиционных методов, результат можно получить только после проделывания определенной работы.

Lokad работает иначе. Мы делаем всю эту работу сами. Тщательная подготовка данных перед их отправлением нам может повысить точность прогнозов, но если у вас нет времени и технических знаний, мы можем принять данные в исходном виде, и, несмотря на это, предоставить вам лучший прогноз.

Квантильное прогнозирование

В марте 2012 года Lokad стал первым поставщиком программного обеспечения, предлагающим квантильную технологию прогнозов для корпоративного применения. Квантильные прогнозы представляют важный прорыв с точки зрения оптимизации товарных запасов для розничной и оптовой торговли и производственных компаний. Применение квантильных прогнозов вместо нашей классической технологии прогнозов (доступна в он-лайн с декабря 2006 года) показывает уменьшение товарных запасов на 20% или на 20% меньше случаев дефицита, в зависимости от использования дополнительной точности. Тем не менее, так как Lokad уже превосходит традиционное программное обеспечение для прогнозирования по точности, общие выгоды, привнесенные Lokad, обычно оказываются больше.

Разработано для интеграции со сторонними программами

Получение прогнозов - это одна из сторон вопроса. Но как вы можете их применить? Если вы розничный продавец, наверняка, для вас важно знать точки оформления заказа. Если у вас контактный центр, для вас важным вопросом является оптимальное количество персонала. Сами по себе прогнозы бесполезны: нужно уметь ими пользоваться. Другими словами, для получения всех преимуществ технологии Lokad, ее необходимо интегрировать во внутрифирменную систему автоматизации. Lokad с самого начала разрабатывался с поддержкой интеграции в сторонние программы.

Мы предлагаем API прогнозирования - API (Application Programming Interface) - интерфейс прикладного программирования - протокол общения машины с машиной, который опирается на распространенный стандарт REST. Этот стандарт поддерживается всеми крупными производителями программного обеспечения, такими как Microsoft, IBM, SAP, Google, ... Интерфейс API позволяет интегрировать Lokad программным путем почти в любое стороннее программное обеспечение при наличии выхода в сеть Интернет.

Ширина против глубины: изменение подхода к прогнозированию

Идея очень проста, и, тем не менее, мало кто ей пользуется: вместо того, чтобы анализировать историю продаж одного товара (товара A), мы также используем другие продукты (продукт B, C, D...) и их схожие черты, чтобы лучше предсказать развитие продаж данного продукта. Для получения прогноза для продукта A, мы используем не только данные относительно продукта A. Мы изучаем, что данные, касающиеся продуктов B, C, D, могут дать нам для анализа продукта A.

В среднем жизненный цикл потребительского товара составляет 3 года. Это означает, что в среднем количество доступных данных о продажах одного товара составляет 18 месяцев. С точки зрения статистики, если мы используем для прогнозирования А только данные относительно А, то это всего 18 значений.

С 18 значениями, независимо от сложности используемой вами теории прогнозирования, у вас недостаточно данных для работы. С 18 значениями трудно определить даже такую закономерность как сезонность, потому что у нас нет двух полных сезонов для анализа.

Продолжительность цикла может отличаться в зависимости от типа продукта, однако, если ваш продукт не существует на рынке в течение нескольких десятилетий, вероятно, вы также столкнетесь с данной проблемой.

Как прямое следствие, при использовании классических приемов прогнозирования статистикам необходимо подгонять модели прогнозирования для каждого отдельного продукта, потому что ни одна нетривиальная статистическая модель не может подойти для всего 18 значений данных.

С Lokad вам не нужен специалист по статистике. Все волшебство заключено в повороте на 90 градусов: наши модели анализируют данные не одного временного ряда, а нескольких временных рядов одновременно. Таким образом, в нашем распоряжении гораздо больше данных на входе, и, следовательно, мы можем применять достаточно продвинутые модели.

Этот подход основан на здравом смысле: если вы хотите спрогнозировать сезонность продаж вашего нового шоколадного батончика, сезонность в продажах других шоколадных батончиков является хорошим кандидатом для анализа. Зачем рассматривать каждый вид шоколадных батончиков в строгой изоляции от других их разновидностей?

Просто? Не совсем: с точки зрения вычислений это значительно усложняет задачу. Требуются намного большие вычислительные мощности. Например, если у вас 10 000 артикулов товара, количество взаимосвязей между двумя артикулами составит около 100 миллионов (а 10 000 артикулов не такое уж большое количество).

Именно здесь в игру вступает облако: даже если ваши алгоритмы оптимизированы, чтобы избежать квадратичного роста сложности, вам все равно потребуются большие вычислительные мощности. С помощью облачных вычислений, эти мощности становятся доступными, по запросу и по очень низкой цене.

Облачные вычисления и масштабируемость

Как уже говорилось, для простых методов прогнозирования не требуются большие вычислительные мощности. Обычный персональный компьютер может рассчитывать тысячи прогнозов.

Тем не менее, для получения более точных прогнозов необходимы более сложные статистические методы. По нашему опыту, продвинутые методы прогнозов обычно снижают ошибку в прогнозах более чем на 20% по сравнению с "ручными" методами расчета. Но с традиционными инструментами прогнозирования сложно использовать более продвинутые методы и модели. Тем не менее, для большей точности, нужны более продвинутые статистические методы.

Более того, для этих методов требуются в тысячи раз большие мощности, что делает невозможным применение внутрифирменных решений. Поэтому Lokad опирается на облачные вычисления, чтобы максимально использовать вычислительные мощности и предоставить вам лучшие прогнозы.

По нашему опыту, количество необходимых компании прогнозов быстро растет по мере того, как они начинают понимать размеры прибыли, которую можно извлечь, регулярно согласовывая свои бизнес процессы с данными автоматических прогнозов. Например, небольшой розничной сети с 5000 продуктами и 10 магазинами для полной автоматизации пополнения товарных запасов обычно требуется больше 40 миллионов прогнозов в месяц (при ежедневных прогнозах на месяц вперед).

40 миллионов кажется очень большой цифрой для средней компании, но с Lokad это становится возможным.

Кроме того, мы используем параллелизацию в крупных масштабах, задействуя одновременно много компьютеров для ускорения вычислений, благодаря чему месяцы вычислений можно теперь уместить в часы.

Параллелизация прогнозов - это краеугольный камень нашей технологии. С первоначального старта Lokad в конце 2006 года мы постоянно улучшаем нашу область вычислений, то есть сеть компьютеров, используемых для увеличения производительности обработки данных по нашей технологии.



Lokad был первой компанией, предоставляющей прогнозы, которая перешла к облачным вычислениям в 2009 году. Команда Microsoft оказывает нам огромную помощь в переходе на бэта-версию Windows Azure (сейчас в разработке) - архитектуру облачных вычислений Microsoft. Платформа Windows Azure предоставляет Lokad возможность арендовать тысячи дополнительных серверов для удовлетворения потребностей наших клиентов в больших объемах прогнозов.

Этот проект имел успех, и Microsoft выбрал нас своим партнером на базе платформы Windows Azure в 2010 году из числа 3000 претендентов.

Мы верим, что наша технология - это наиболее масштабируемая технология из доступных на сегодняшний день, которая предоставляет нашим клиентам неограниченные возможности прогнозирования.

Моделирование “реального” потребительского спроса: учет особых событий

Объем продаж, количество поступающих звонков, кассовый оборот можно представить в виде временных рядов, а именно пар дата/значение. Более того, традиционные методы прогнозирования опираются на анализ временных рядов. Тем не менее, проблема с временными рядами заключается в том, что данные не всегда отражают действительный потребительский спрос. Например, когда в магазине заканчивается какой-либо продукт, его продажи падают, хотя это не означает, что фактический спрос на этот товар уменьшился: это лишь означает, что в продаже имеется меньшее количество товаров. Ошибочное принятие подобных фактов как снижение спроса может навредить вашему бизнесу, и некоторые решения для прогнозирования, использующие подобные модели, до сих пор утверждают о 100% точности своих прогнозов: они выдают прогноз о продаже 10 позиций, и вы продаете 10 позиций, несмотря на то, что могли бы продать сотню. По нашему опыту, такие случаи не редкость, когда происходят такие события как рекламные компании и акции по продвижению товара, которые оказывают влияние на продажи.

При рассмотрении исключительно данных временных рядов, статистические инструменты не в состоянии дать правильную оценку истории бизнеса, и, следовательно, не в состоянии дать точные прогнозы. Поэтому Lokad использует более обширную систему данных, которая включает тэги и события в дополнение к временным рядам. Используя эту систему, есть возможность “сказать” Lokad о значимых исторических событиях, таких как:

• Была проведена акция по продвижению товара.
• Имел место дефицит товара.
• В контактном центре произошло отключение электропитания.
  

Эти события автоматически анализируются для улучшения прогнозов и отражения реального потребительского спроса в будущем, вместо того, чтобы отражать артифакты, имеющиеся в ваших исторических данных. Lokad не требует от своих пользователей ничего, кроме предоставления соответствующих данных. В особенности, пользователей никогда не просят определить фактический результат влияния данного события (например, промо-акции) на объем продаж, Lokad проводит анализ самостоятельно.

Насколько мы знаем, Lokad является одной из немногих компаний, предоставляющих прогнозы, которая предлагает встроенную автоматическую поддержку событий. Вместо этого, большинство конкурирующих технологий предполагают самостоятельную обработку сложных данных пользователями, избавление от артифактов и адаптацию статистических моделей с внешними переменными для поддержки внешних событий.

Выявление схожих черт через “тэги”

Получение прогнозов для одного продукта - это неблагодарное занятие. На самом деле, учитывая, что в среднем жизненный цикл продукта на рынке составляет 3 года, доступные данные об объеме продаж продукта составляют примерно 18 месяцев, то есть всего меньше 18 значений в случае ежемесячных прогнозов объема продаж. Очевидно, что 18 значений - это очень небольшое число для статистических прогнозов. Кроме того, если на эту короткую историю оказали влияние маркетинговые операции, тогда задача получения прогнозов становится еще сложнее.

Традиционные методы прогнозирования в таких случаях используют прямой путь. При использовании обычных инструментов требуется год и более исторических данных, которые обычно недоступны именно в тот момент, когда прогнозы наиболее необходимы, а именно, в начале жизненного цикла продукта. Когда данных недостаточно, обычно используются примитивные подходы, как, например, метод скользящей средней, которые не способны моделировать сезонность и тренд. В отличие от этих методов, Lokad использует совершенно иной подход. Получение прогноза для одного продукта является сложной задачей, но обычно компании продают множество продуктов, и часто, множество схожих продуктов. Таким образом, если компания продает 10 схожих продуктов, у нас в наличии в 10 раз больше данных, которые могут быть использованы для получения наиболее точного прогноза для интересующего нас продукта. Такой подход называется одновременное прогнозирование временных рядов. Фактически, Lokad использует существующие между временными рядами взаимосвязи для улучшения прогнозов для каждого временного ряда.

Тем не менее, когда временные ряды слишком короткие, например, для продукта с историей продаж всего несколько месяцев, нет доступных данных в необходимом количестве для взаимосвязи временных рядов. Именно поэтому Lokad ввел понятие тэгов. Тэги используются для описания временных рядов, например, сообщая Lokad о похожих чертах между продуктами. Используя тэги, Lokad может предоставлять точные прогнозы даже в случаях, когда данных о продажах продукта почти нет.

И еще раз, насколько мы знаем, Lokad является единственной компанией, которая предоставляет встроенную поддержку тэгов. Продукты наших конкурентов обычно предполагают, что специалисты клиента точно сформулируют правила, которые будут использоваться в случае недостаточного количества данных.

Сочетание Web 2.0 и научных вычислений: каждый новый клиент добавляет точности для всех клиентов

Как мы только что объяснили, взаимосвязь между продажами продуктов, то есть между временными рядами, является ключевым фактором для формирования более точных прогнозов в случаях недостаточности данных. Тем не менее, в реальности данных никогда не бывает достаточно. Чем больше имеется данных, тем меньше ошибка прогнозов. Чем меньше ошибка, соответственно, тем больше прибыль. Именно поэтому максимальное уменьшение ошибки прогнозов является одним из основных приоритетов Lokad.

Таким образом, мы идем дальше, используя наш подход "поворота на 90 градусов": вместо того, чтобы ограничиваться данными только вашей компании, мы используем все доступные данные, имеющиеся у Lokad для получения максимально точных прогнозов. Это также означает, что ваши данные могут быть использованы для улучшения точности прогнозов Lokad.

Этот процесс абсолютно безопасен. Ваши данные никогда не будут переданы третьим лицам или другим клиентам Lokad. Улучшение прогнозов путем анализа данных многих компаний является очень непрямым и необратимым процессом, поэтому невозможно будет проделать его в обратном порядке, чтобы получить доступ к данным.

Вопреки интуиции, основным преимуществом анализа данных нескольких компаний является не обнаружение взяимосвязей между компаниями. Определение взаимосвязей важно, но первоочередное значение имеет определение отклонений. Наблюдая за одной компанией среднего размера, обычно бывает сложно отличить повторяющиеся закономерности в деятельности компании от рыночных отклонений, которые являются чистыми случайностями. Тем не менее, если у вас в наличии есть данные сотен компаний, отличить закономерности от отклонений становится намного проще.

Например, если такая же сезонность обнаружена в другой компании, то вероятность случайности этой сезонности на рынке значительно снижается. Лучшее определения отклонений означает меньшее количество ошибок при выявлении закономерностей и, в итоге, лучшее качество прогнозов.

Мы верим, что наша технология, которая объединяет социальные сети и статистические учения, достаточно уникальна; и нам очень нравится идея, что каждый новый клиент непосредственно помогает улучшить качество прогнозов.

Используемые в Lokad статистические модели

Понятие качества при рассмотрении статистической модели имеет очень размытый смысл. Ключевым моментом статистического прогнозирования является тот факт, что необходима модель, которая будет снижать вероятность ошибки, не относительно тех данных, которые у вас есть, но относительно данных, которых у вас нет, то есть, данных будущих периодов. Мы верим, что эта проблема, а именно, слишком близкая подгонка, мало изучена, но в то же время оказывает огромное влияние на бизнес. Посмотрите наше видео Слишком близкая подгонка: когда точность измеряется не верно для более подробной информации.

Lokad опирается на большую библиотеку статистических моделей , включая такие классические, как модель Бокса-Дженкинса, экспоненциального сглаживания, авторегрессии и их вариации. Тем не менее, по нашему опыту, классики плохо справляются со следующими ситуациями:

• Параллельные взаимозависимости временных рядов.
• Тэги временных рядов (т.е. описания продуктов).
• Очень короткие временные ряды.
  

Вот почему Lokad разработал более сложные модели для подобных ситуаций. Мы не утверждаем, что мы придумали новые математические теории (пока), потому что мы в большей степени опираемся на теорию статистики.

Кроме этого, важно заметить, что выбор правильной статистической модели - это не менее сложная задача, а иногда и более сложная, чем разработка модели. И снова, Lokad использует взаимосвязи в больших объемах данных для улучшения качества выбираемых моделей. Мы намного увереннее, выбирая модель для анализа конкретного временного ряда, если эта же модель уже была выбрана для анализа других схожих временных рядов.

Lokad постоянно отслеживает и улучшает качество прогнозов

Прогнозы предоставляются полностью автоматизированным путем. Тем не менее, это не означает, что Lokad - это бездумная машина по предоставлению прогнозов, а совсем наоборот. Мы постоянно следим за работой наших систем прогнозирования. В этом процессе участвуют все специалисты Lokad, что позволяет нам снизить внутренние издержки, потому что каждый эксперт Lokad может одновременно отслеживать большое количество компаний.

Каждый день мы тестируем прогнозы, чтобы тщательно оценить потенциальные слабые стороны нашей технологии прогнозов. Этот процесс носит непрерывный характер. Вам не нужно делать ничего особенного, а только загрузить данные в систему Lokad.

В процессе проблемы сначала выявляются, а потом потенциальные решения становятся частью наших планов развития. Мы верим, что в области статистических прогнозов мы лишь немного копнули землю. Кроме этого, наш подход Web 2.0 делает возможным исследование решений, которые были невозможны ранее.

В отличие от использования классических инструментов прогнозирования, выбор Lokad означает, что ваши прогнозы будут проанализированы экспертами, и что ваши прогнозы будут сравнены с похожими прогнозами, полученными для схожих компаний, что значительно помогает в процессе оценки возможных проблем. Кроме этого, в Lokad ваши прогнозы естественным образом улучшаются со временем вместе с нашей технологией. Выбрав Lokad, вы можете быть уверены, что ваша компания не останется позади ваших конкурентов из-за того, что ваши модели прогнозирования не достаточно часто обновляются. С Lokad, вы всегда участвуете в гонке.

Получить прогноз, $30 скидка на предоплаченные услуги.

Часто задаваемые вопросы

• What forecasting models are you using?
• How accurate are your forecasts?
• What about forecasting competitions?
• Do you evaluate the accuracy of your forecasts?
• How much historical data do you need?
• Macro trends (ex: financial crisis), how are they handled?
• Seasonality, trend, how are they handled?
• Easter, Ramadan, Mother's day and other quasi-seasonal events?
• Promotions, how are they handled?
• Product Life Cycles and product launches?
• Intermittent / low volume products?
• Cannibalization, how are they handled?
• Weather, how is it handled?
• Lost sales caused by stock-outs, how are they handled?
• Exceptional sales, how are they handled?
• Aggregation, top-down or bottom-up?