Прогнозирование 3.0 с использованием квантильных сеток
Предоставление лучших прогнозов всегда было основной задачей Lokad. Сегодня мы представляем третье поколение нашей технологии прогнозирования на основе квантильных сеток. Простыми словами, квантильные сетки демонстрируют беспрецедентный уровень производительности, что означает, что ваша компания может обслуживать больше клиентов, более надежно и с меньшим запасом товара. В отличие от всех существующих методов прогнозирования, доступных на рынке, квантильные сетки не предоставляют один прогноз спроса на продукт, а предоставляют полное распределение вероятности для (почти) всех возможных будущих событий. Квантильные сетки становятся возможными благодаря сочетанию машинного обучения, больших данных, облачных вычислений и некоторых коммерческих идей.
Квантильные сетки теперь доступны в производстве для всех наших клиентов и доступны через новую опцию Quantile Grid для любого проекта прогнозирования запасов.
Прогнозирование 1.0: классические прогнозы
Когда Lokad была основана в 2008 году, мы начали с того, что сейчас называем классическими прогнозами, нашей версией 1.0, то есть методологией прогнозирования, где каждому продукту или SKU соответствует периодическое значение; например, еженедельные прогнозы на 13 недель вперед. Подразумевается, что эти прогнозы являются медианными прогнозами: несмещенные прогнозы ожидается, что они имеют 50% шансов быть выше или ниже будущего спроса. Для остального рынка эти прогнозы не называются классическими прогнозами, они являются единственными прогнозами, потому что большинство наших конкурентов даже не рассматривали альтернативы.
Однако, что касается коммерции, несмотря на то, насколько точными являются классические прогнозы, они плохо работают на практике. Интуитивно понятно, что классические прогнозы просто не смотрят на то, что действительно важно. Средний или медианный спрос - это простой и неинтересный случай, когда все идет по плану. Однако сложные случаи связаны с неожиданно высоким или неожиданно низким спросом, потому что они соответственно создают дефицит товара и мертвый запас. Именно такие экстремальные ситуации стоят деньги. Классические прогнозы работают плохо не потому, что алгоритмы плохие, а потому, что они не смотрят на бизнес с правильного ракурса. Таким образом, несмотря на то, сколько инвестиций в исследования и разработки может вложить компания в классические прогнозы, они просто не работают. Это был один из самых трудных уроков для Lokad в наши ранние дни.
Прогнозирование 2.0: квантильные прогнозы
В 2012 году мы сделали наш первый прорыв с квантильными прогнозами. Несмотря на то, что название может показаться ужасающим, квантильные прогнозы - это то, что гораздо ближе к тому, что делают руководители своих компаний: это сценарные прогнозы. Вместо того, чтобы смотреть на средний случай, квантильные прогнозы имеют следующую цель: давайте посмотрим на 5% самых оптимистичных перспектив нашего спроса, будем ли мы сталкиваться с нехваткой товара? Затем давайте посмотрим на 5% самых пессимистичных перспектив нашего спроса, будем ли мы иметь дело с мертвым запасом? Квантильные прогнозы непосредственно решают сложные вопросы, которые действительно имеют значение с бизнес-точки зрения. Как говорят инженеры, лучше быть приближенно правильным, чем точно неправильным, и хотя квантильные прогнозы также страдают от всех неточностей, связанных с классическими прогнозами, квантильные прогнозы значительно превосходят классические прогнозы с операционной точки зрения, когда включен запас товара.
Однако квантильные прогнозы также не являются вершиной прогнозирования. На первый взгляд, наша технология квантильного прогнозирования страдала от числовых странностей, таких как пересечение квантилей и нестабильность квантилей. Однако, поскольку эти странности довольно заметны, их можно эффективно устранить. Однако на более глубоком уровне мы поняли, что наши квантильные прогнозы все еще не идеально соответствуют фактическим сложным моментам бизнеса. В частности, квантильные прогнозы оставляют на плечах менеджера цепи поставок оптимизацию уровней обслуживания. Это обман - в каком-то смысле - потому что значительная часть эффективности запасов фактически достигается через очень точную настройку наиболее прибыльных уровней обслуживания, которые адекватно балансируют стоимость запасов и качество обслуживания.
Прогнозирование 3.0: квантильные сетки
В феврале 2015 года мы выпускаем наш второй прорыв в прогнозировании: квантильные сетки. За годы мы пришли к выводу, что прогнозы могут быть только неполными. Точные прогнозы - это сказка, удобно повторяемая в рынке, переполненном неудовлетворительными поставщиками. Поскольку мы не можем предсказать точное будущее, что насчет попытки присвоить вероятность каждому возможному будущему? То есть вероятность продажи нулевых единиц, одной единицы, двух единиц и т.д. Именно это и представляют собой квантильные сетки: они предоставляют не только один прогноз на продукт, но и весь вероятностный распределение спроса на каждый продукт. Под капотом квантильные сетки немного похожи на квантильные прогнозы, за исключением того, что прогноз спроса одновременно вычисляется на всех уровнях обслуживания.
Оптимизация запасов или управление цепочкой поставок - это всё о балансировке рисков и возможностей: уровень запасов по сравнению с уровнем обслуживания, закупочная цена по сравнению с сроком поставки, оптовая закупка по сравнению с изготовлением на заказ и так далее. В то время как квантильные прогнозы могут указать на один или два проблемных сценария, в конечном итоге это всего лишь одно прогнозное значение на продукт, и несмотря на то, насколько хорошим может быть это значение, оно не может охватить всю разнообразность возможных бизнес-результатов. В отличие от этого, квантильные сетки решают проблему непосредственно: все результаты вычисляются и связываются с соответствующими вероятностями. Для каждого сценария, например, для будущего спроса на 3 единицы, мы закупили только 2 единицы, становится возможным и простым вычислить чистый бизнес-результат - например, 2 проданные единицы и 1 упущенную единицу. В результате каждое решение о закупке может быть оценено, просто развернув все сценарии и применив рассчитанную вероятность к каждому сценарию.
Прорыв, пришедший из авиационной отрасли
В то время как Lokad в первую очередь обслуживает розничных продавцов, мы также работаем с другими отраслями, такими как авиационная. Год назад мы начали работать для крупного совместного предприятия между AirFrance Industries и Lufthansa Technik и поняли, что наша технология квантильного прогнозирования не полностью соответствует вызову. Каждый квантильный прогноз подобен одному бизнес-сценарию. Хотя возможно объединить 3, 4 или 5 различных бизнес-сценариев, требуется большое усилие для реализации правил, которые объединяют все эти сценарии, чтобы получить оптимизированные решения поставок.
Гораздо более элегантным решением, которое также обеспечивает гораздо лучшую производительность запасов, является прогнозирование и оценка всех будущих бизнес-сценариев. Больше нет случайных сценариев, которые мы отчаянно пытаемся объединить, а есть список (почти) всех возможных сценариев (правда, это длинный список), все обрабатываемые простым и единообразным способом. Такой подход имеет недостаток в том, что он крайне требователен к вычислительным ресурсам. Однако, благодаря нашей любимой облачной платформе Microsoft Azure, вычислительные ресурсы никогда не были такими дешевыми, и цены по-прежнему падают.
Результаты, которые мы получили с помощью квантильных сеток для авиации, оказались намного лучше, чем производительность нашей флагманской технологии квантильного прогнозирования. Пришло время вернуть науку о ракетостроении (ну, на самом деле, реактивным самолетам) к торговцам, и множественные эксперименты, которые мы провели за последние несколько месяцев, подтвердили решающее превосходство квантильных сеток по сравнению с нашими исходными квантильными прогнозами.
Будущее оптимизации предсказательной коммерции
Когда мы впервые выпустили квантильные прогнозы три года назад, я предсказал, что в течение 10 лет квантильные прогнозы станут стандартным инструментом для любого практика, серьезно относящегося к своей производительности запасов. Однако оказалось, что усилия всей команды Lokad, включая меня самого, доказали, что я ошибался. Поскольку мы обнаружили подход, превосходящий наши исходные квантильные прогнозы, мы пришли к выводу, что долгосрочное будущее квантильного прогнозирования хрупкое. Однако будущее потомка квантильных прогнозов светлое, поскольку квантильные сетки решают проблемы, которые нас обходили многие годы, такие как оптимизация уровней обслуживания, контейнерные перевозки или стратегии множественного снабжения.
Кроме того, на протяжении многих лет прогнозирование запасов и оптимизация ценообразования рассматривались в строгой изоляции, как будто они являются частями двух отдельных головоломок: движок прогнозирования спроса игнорировал то, что происходит на стороне ценообразования, и чтобы сделать их равными, движок ценообразования также не обращал внимания на ограничения цепочки поставок. Однако запасы и цены - это две стороны одной медали; и мы теперь понимаем, что любая попытка оптимизации, которая слепо игнорирует другую сторону медали, является наивной попыткой в лучшем случае.
Таким образом, хотя я избегу сделать ту же ошибку и предсказывать, что квантильные сетки являются долгосрочным будущим прогнозирования, чтобы позже быть опровергнутыми командой Lokad, я теперь более безопасно ставлю на то, что любая предсказательная технология, возникающая из наших усилий, анализ ценообразования, вероятно, будет объединена с анализом запасов по пути. Мы еще не дошли до этого, но мы делаем устойчивый прогресс в этом направлении.
Новая методология: приоритизация закупок
Все системы оптимизации запасов (включая Lokad 2.0) вычисляют точки повторного заказа. Сравнивая точки повторного заказа с имеющимися и заказанными количествами, эти системы также вычисляют рекомендуемые объемы повторного заказа. За годы работы мы обнаружили два основных ограничения этого подхода. Во-первых, эти системы не говорят ничего о целевых уровнях обслуживания и их оптимизации. Во-вторых, точки повторного заказа оказываются несколько неизменными, когда возникают ограничения на закупку.
Традиционные системы оптимизации запасов производят статический набор точек повторного заказа (одна на каждый SKU), в основном определяемый уровнями обслуживания, заданными пользователем. Однако это “обман”, потому что бремя определения “оптимального” уровня обслуживания ложится на планировщика цепи поставок. Определение правильных уровней обслуживания оказывается очень трудоемким процессом и является источником значительных неэффективностей, если уровни обслуживания выбраны неправильно.
С помощью квантильных сеток ситуация сильно отличается: вычисляется основной список приоритетов закупок. Технически это список, в котором каждый SKU появляется на множестве строк, каждая строка связана с рекомендуемым объемом заказа - обычно 1 единицей, если нет ограничений поставки. Список упорядочен, и этот критерий упорядочивания имеет первостепенное значение.
Для большинства бизнесов этот приоритет отвечает на вопрос: “за $1 дополнительного запаса, какая следующая единица дает компании наибольшую прибыль?” Это также можно сформулировать как ожидаемая валовая прибыль минус ожидаемые затраты на хранение запасов. Естественно, по мере продвижения по списку ожидаемая валовая прибыль резко снижается, потому что вероятность иметь спрос, достаточно высокий для поглощения запаса, становится очень маленькой. Аналогично, при продвижении по списку затраты на хранение запасов резко возрастают, поскольку каждая дополнительная единица запаса ожидается находиться на складе дольше. В теории список не имеет конца, так как он продолжается до бесконечности. Однако на практике мы просто останавливаемся на точке, которая далеко превышает “разумные” уровни запасов. При совершении покупки целью является не продвижение по списку, а покупка товаров в соответствии с их приоритетами и прекращение покупок, как только достигнута целевая сумма расходов.
Следовательно, это полностью устраняет необходимость указывать уровни обслуживания. После определения бюджета на закупки компания закупает товары на основе приоритетов, установленных в основном списке приоритетов закупок. Покупка товаров в таком порядке гарантирует, что доходы или прибыль компании максимизируются в соответствии с указанными критериями приоритета.
Квантильные сетки также намного более гибки в своей способности решать сценарии, связанные с ограничениями поставок. Хотя квантильные прогнозы действительно мощны, как только у вас есть минимальные объемы заказа, либо на SKU, либо на поставщика, и возможно также ограничения по объему контейнера, рекомендуемые объемы не соответствуют ограничениям поставок. И тогда планировщику цепи поставок приходится заниматься всеми корректировками, а именно удалять определенные SKU или увеличивать количество для других SKU, чтобы составить сложный заказной пакет, который удовлетворяет все ограничения.
С квантильными сетками у нас есть гораздо более убедительный и простой в использовании пользовательский опыт. Основной список позволяет легко учитывать ограничения на заказ. Если есть минимальные объемы заказа на SKU, то неподходящие строки можно удалить из списка. Аналогично, если существует ограничение на вместимость контейнера для отправки, то записи о закупке могут быть обработаны в порядке списка до достижения целевой вместимости.
Что дальше?
В то время как квантильные сетки уже работают и доступны для всех компаний, у которых есть открытый аккаунт Lokad, нам все еще не хватает документации, которая описывает как технические аспекты, так и лучшие практики в цепи поставок, связанные с этой новой технологией. Этот материал будет представлен. Следите за обновлениями.