Прогнозирование 3.0 с квантильными сетками
Предоставление лучших прогнозов всегда являлось основным направлением деятельности Lokad. Сегодня мы представляем третье поколение нашей технологии прогнозирования, основанное на квантильных сетках. Проще говоря, квантильные сетки демонстрируют беспрецедентный уровень эффективности, что означает, что ваша компания сможет обслуживать больше клиентов, более надежно и с меньшими запасами. В отличие от всех существующих методов прогнозирования, доступных на рынке, квантильные сетки не предоставляют один прогноз спроса для каждого продукта, а обеспечивают всё вероятностное распределение (почти) всех возможных будущих сценариев. Квантильные сетки становятся возможными благодаря сочетанию машинного обучения, больших данных, облачных вычислений и некоторых коммерчески-ориентированных инсайтов.
Квантильные сетки теперь доступны в рабочем режиме для всех наших клиентов и могут быть использованы через новую опцию Quantile Grid для любого проекта по прогнозированию запасов.
Прогнозирование 1.0: классические прогнозы
Когда Lokad была основана в 2008 году, мы начали с того, что сегодня называем классическими прогнозами, нашей версией 1.0, то есть методологией прогнозирования, при которой каждому продукту или SKU соответствует периодическое значение; например, недельные прогнозы на период до 13 недель. По сути, эти прогнозы являются медианными прогнозами: от них ожидается, что они будут иметь 50% шансов оказаться выше или ниже будущего спроса. Для остальных на рынке эти прогнозы не называются классическими, они являются единственными, поскольку большинство наших конкурентов никогда не рассматривали альтернативы.
Однако, что касается коммерции, классические прогнозы, сколь бы точными они ни были, на практике работают плохо. Интуитивно понятно, что классические прогнозы просто не учитывают то, что действительно имеет значение. Среднее или медианное значение спроса – это легкий и неинтересный случай, когда всё идёт по плану. Сложные же случаи связаны с неожиданно высоким или неожиданно низким спросом, что приводит к дефициту товаров и избыточным запасам. Именно такие экстремальные ситуации действительно стоят денег. Классические прогнозы работают плохо не потому, что алгоритмы плохие, а потому что они рассматривают бизнес под неверным углом. Таким образом, независимо от того, сколько средств компания инвестирует в НИОКР для классических прогнозов, они оказываются неэффективными. Это был один из самых тяжелых уроков, который Lokad пришлось усвоить в начале.
Прогнозирование 2.0: квантильные прогнозы
В 2012 году мы совершили наш первый прорыв с помощью квантильных прогнозов. Несмотря на название, которое может звучать пугающе, квантильные прогнозы гораздо ближе к тому, чем занимаются руководители своих компаний: это сценарные прогнозы. Вместо того чтобы смотреть на средний случай, квантильные прогнозы ставят перед собой следующую задачу: давайте рассмотрим 5% самых оптимистичных вариантов спроса – не случится ли дефицит товара? Затем давайте изучим 5% самых пессимистичных вариантов – не столкнемся ли мы с избыточными запасами? Квантильные прогнозы напрямую решают сложные вопросы, которые действительно важны с точки зрения бизнеса. Как говорят инженеры, лучше быть приблизительно правильным, чем точно ошибаться, и хотя квантильные прогнозы также подвержены всем неточностям классических прогнозов, они значительно превосходят их с операционной точки зрения, когда речь идёт о запасах.
Тем не менее, квантильные прогнозы не являются вершиной прогнозирования. На поверхности наша технология квантильного прогнозирования страдала от числовых аномалий, таких как пересечение квантилей и их нестабильность. Однако, поскольку эти аномалии достаточно заметны, их можно эффективно корректировать. Глубже же мы поняли, что наши квантильные прогнозы всё ещё не идеально соответствуют реальным бизнес-проблемам. В частности, квантильные прогнозы возлагают обязанность оптимизации уровней сервиса на менеджера по цепочке поставок. Это своего рода мошенничество, поскольку значительная часть эффективности управления запасами достигается за счёт очень точной настройки наиболее прибыльных уровней сервиса, которые адекватно уравновешивают затраты на запасы и качество обслуживания.
Прогнозирование 3.0: квантильные сетки
В феврале 2015 года мы выпускаем наш второй прорыв в прогнозировании: квантильные сетки. Со временем мы осознали, что прогнозы непременно бывают несовершенными. Точные прогнозы — это сказка, которую удобно повторяют на рынке, захваченном посредственными поставщиками. Поскольку мы не можем предсказать точное будущее, почему бы не попытаться назначить вероятность каждому возможному будущему? То есть вероятность продажи нуля единиц, одной единицы, двух единиц и так далее. Именно в этом суть квантильных сеток: они предоставляют не один прогноз для каждого продукта, а полное вероятностное распределение спроса для каждого продукта. В основе квантильные сетки немного похожи на квантильные прогнозы, за исключением того, что прогноз спроса рассчитывается одновременно для всех уровней сервиса.
Оптимизация запасов или управление цепочками поставок заключается в уравновешивании рисков и возможностей: уровни запасов против уровней сервиса, закупочная цена против срока поставки, закупка оптом против заказа под производство и так далее. В то время как квантильные прогнозы могут выделить один или два проблемных сценария, в конечном итоге это всего лишь одно прогностическое значение на продукт, и как бы хорошим оно ни было, оно не способно охватить всё разнообразие возможных бизнес-результатов. В отличие от этого, квантильные сетки решают проблему напрямую: все исходы рассчитываются и соотносятся с их вероятностями. Для каждого сценария, например, если будущий спрос составит 3 единицы, а мы закупили только 2, становится возможным и понятным вычислить чистый бизнес-результат – например, 2 проданные единицы и 1 упущенная возможность. В результате каждое решение о закупке можно оценить, просто развернув все сценарии и применив к каждому рассчитанную вероятность.
Прорыв в аэрокосмической отрасли
Хотя Lokad в первую очередь обслуживает розничных торговцев, мы также работаем и в других отраслях, таких как авиация. Год назад мы начали сотрудничество с крупным совместным предприятием между AirFrance Industries и Lufthansa Technik и поняли, что наша технология квантильного прогнозирования не полностью соответствует поставленным задачам. Каждый квантильный прогноз похож на отдельный бизнес-сценарий. Хотя можно комбинировать 3, 4 или 5 различных бизнес-сценариев, реализация правил, связывающих все эти сценарии для принятия оптимизированных решений по поставкам, требует больших усилий.
Гораздо более элегантное решение, которое также обеспечивает гораздо лучшую эффективность управления запасами, состоит в прогнозировании и оценке всех будущих бизнес-сценариев. Больше никаких случайных сценариев, которые отчаянно пытаются свести воедино, а вместо этого — перечень (почти всех) возможных сценариев (да, список может быть длинным), все рассматриваемых простым и единообразным способом. Этот подход имеет один недостаток: он крайне требователен к вычислительным ресурсам. Однако благодаря нашей любимой облачной платформе Microsoft Azure вычислительные ресурсы никогда не были дешевле, а цены продолжают стремительно падать.
Результаты, которых мы достигли с помощью квантильных сеток для аэрокосмической отрасли, оказались значительно превосходящими показатели нашей основной технологии квантильного прогнозирования. Пришло время вернуть ракетную науку (ну, не ракеты, а именно реактивные авиалайнеры) торговцам, и многочисленные эксперименты, проведённые за последние несколько месяцев, подтвердили решающее превосходство квантильных сеток по сравнению с нашими первоначальными квантильными прогнозами.
Будущее предиктивной оптимизации коммерции
Когда мы впервые выпустили квантильные прогнозы три года назад, я предсказывал, что в течение 10 лет квантильные прогнозы станут стандартным инструментом для любого специалиста по цепочкам поставок, серьёзно относящегося к управлению запасами. Однако оказалось, что усилия всей команды Lokad, включая мои собственные, доказали обратное. Поскольку мы обнаружили подход, превосходящий наши первоначальные квантильные прогнозы, мы пришли к выводу, что долгосрочное будущее квантильного прогнозирования ненадёжно. Тем не менее, будущее потомка квантильных прогнозов светлее, чем когда-либо, поскольку квантильные сетки решают проблемы, ускользавшие от нас годами, такие как оптимизация уровней сервиса, контейнерные перевозки или стратегии многопоставочности.
Также в течение многих лет прогнозирование запасов и оптимизация ценообразования рассматривались в строгой изоляции, как будто они были частями двух отдельных головоломок: движок прогнозирования спроса игнорировал происходящее на стороне ценообразования, а движок ценообразования, в свою очередь, не учитывал ограничения цепочки поставок. Однако запасы и цены — это две стороны одной медали; и теперь мы понимаем, что любая попытка оптимизации, слепо игнорирующая другую сторону, в лучшем случае является наивной.
Таким образом, хотя я избегу той же ошибки и не буду предсказывать, что квантильные сетки являются долгосрочным будущим прогнозирования, которое позже опровергнет команда Lokad, я теперь с большей уверенностью могу предположить, что независимо от того, какая предиктивная технология возникнет в результате наших усилий, анализ ценообразования, вероятно, объединится с анализом запасов. Мы еще не совсем там, но мы устойчиво продвигаемся в этом направлении.
Новая методология: приоритезация закупок
Все системы оптимизации запасов (включая Lokad 2.0) вычисляют точки повторного заказа. Сравнивая точки пополнения запасов с текущими запасами и заказанными количествами, эти системы также рассчитывают рекомендуемые объемы повторного заказа. За эти годы мы обнаружили два основных ограничения этого подхода. Во-первых, эти системы не учитывают целевые уровни сервиса и их оптимизацию. Во-вторых, точки повторного заказа оказываются несколько негибкими, когда имеются ограничения по закупкам.
Системы оптимизации запасов традиционно создают статический набор точек повторного заказа (по одной на SKU), исходя прежде всего из заданных пользователем уровней сервиса. Однако это мошенничество, поскольку обязанность определения «оптимального» уровня сервиса ложится на планировщика цепочки поставок; и не только процесс определения правильных уровней сервиса оказывается чрезвычайно времязатратным, но и приводит к значительным неэффективностям, если уровни сервиса выбраны неадекватно.
С квантильными сетками ситуация кардинально меняется: рассчитывается основной приоритетный список закупок. Технически это список, в котором каждый SKU может встречаться на нескольких строках, каждая из которых ассоциирована с рекомендуемым объёмом заказа – обычно 1 единица, если отсутствуют ограничения по поставкам. Список имеет свою приоритетность, и критерий приоритезации имеет первостепенное значение.
Для большинства компаний эта приоритезация отвечает на вопрос: за каждый дополнительный доллар, вложенный в запасы, какая следующая единица приносит компании наибольшую доходность? Это также можно сформулировать как ожидаемая валовая прибыль за вычетом ожидаемых затрат на хранение запасов. Естественно, по мере продвижения вниз по списку ожидаемая валовая прибыль резко падает, поскольку вероятность того, что спрос будет достаточно высоким для поглощения запасов, становится очень низкой. Аналогично, при продвижении вниз по списку затраты на хранение запасов резко возрастают, так как каждая дополнительная единица запаса, как ожидается, будет дольше находиться на складе. Теоретически список бесконечен, поскольку он продолжается до бесконечности. На практике, однако, мы останавливаемся на уровне, значительно превосходящем то, что можно считать «разумными» запасами. При совершении закупки цель заключается не в том, чтобы пройти всё списком, а в том, чтобы покупать товары согласно их приоритетам и прекращать закупки, как только будет достигнут заданный бюджет расходов.
Следовательно, необходимость задавать уровни сервиса полностью отпадает. Как только бюджет расходов определён, компания закупает товары, руководствуясь приоритетами, установленными в основном списке закупок. Приобретение товаров в этом порядке гарантирует, что доходы или прибыль компании будут максимизированы в соответствии с заданными критериями приоритезации.
Квантильные сетки также намного универсальнее в своей способности учитывать сценарии, связанные с ограничениями по поставкам. Хотя квантильные прогнозы действительно мощные, как только появляются минимальные объемы заказа – будь то для отдельного SKU или поставщика, а также возможны ограничения объёма контейнера – рекомендуемые количества не соответствуют этим ограничениям. И тогда на планировщика цепочки поставок ложится задача корректировки: удаление некоторых SKU или увеличение заказанных единиц для других SKU, чтобы сформировать сложную партию заказа, удовлетворяющую всем ограничениям.
С квантильными сетками у нас появляется гораздо более понятный и прямолинейный пользовательский опыт. Основной список упрощает учет ограничений на заказы. Если для SKU установлены минимальные объёмы заказа, то неподходящие строки можно исключить из списка. Аналогично, если существует ограничение по вместимости для контейнерных перевозок, записи о закупках можно обрабатывать согласно порядку списка до достижения целевой вместимости.
Что дальше?
В то время как квантили сеток уже активны и доступны всем компаниям, имеющим открытый аккаунт Lokad, нам всё ещё не хватает документации, которая описывает как технические аспекты, так и лучшие практики в управлении цепочкой поставок, связанные с этой новой технологией. Эти материалы уже скоро. Оставайтесь с нами.
