Обзор Vekia, поставщика программного обеспечения для управления цепочками поставок

От Léon Levinas-Ménard
Последнее обновление: апрель 2025

Вернуться к Анализ рынка

На рынке, где все большее значение придается данным и автоматизации, Vekia позиционирует себя как французский поставщик программного обеспечения для управления цепочками поставок, использующий вероятностный ИИ для прогнозирования спроса, оптимизации уровней запасов и автоматизации процессов заказа. Выросшая из исследовательских инициатив в таких учреждениях, как Inria, и основанная примерно в 2008 году Мануэлем Дэви, Vekia эволюционировала от консалтинговой компании в области машинного обучения для розничной торговли до специализированного поставщика решений по оптимизации запасов. Платформа компании использует несколько смоделированных сценариев спроса, оповещения в режиме реального времени для управления дефицитом и интегрированную панель управления логистикой, обеспечивая комплексное представление о работе цепочки поставок. Внедренная как масштабируемое SaaS-решение на Microsoft Azure и разработанная для бесшовной интеграции с ERP, WMS, CRM и другими корпоративными системами, Vekia заявляет, что предлагает самый передовой подход к управлению запасами, основанный на машинном обучении. Этот обзор рассмотрит корпоративный фон Vekia, основные функциональные возможности, технологическую основу и интеграционные возможности, а также предложит сравнительный анализ с платформой Lokad.

Корпоративный фон

История и основание

Согласно истории успеха от Inria, Vekia была основана около 2008 года Мануэлем Дэви. Изначально предлагая консалтинговые услуги в области машинного обучения для розничных групп, компания перешла в статус специализированного поставщика решений для управления цепочками поставок, сфокусировавшись на оптимизации запасов и прогнозировании спроса (1). Согласно статьям в прессе, в 2016 году произошло отчуждение решения VekiaPlan компании Asys, что свидетельствует о стратегических изменениях и консолидации продуктовой линейки компании (2).

Позиционирование на рынке

Vekia позиционирует себя как специалиста по оптимизации запасов, смело заявляя, что предлагает «самое передовое решение на основе машинного обучения в мире» для управления уровнями запасов и автоматизации процессов заказа. Компания делает акцент на своем вероятностном подходе — симулируя несколько сценариев спроса вместо того, чтобы полагаться на один детерминированный прогноз, что обеспечивает повышенную прозрачность возможных исходов. Однако большая часть ее коммуникаций остается на высоком уровне и содержит общие утверждения без подробных технических обоснований (3).

Обзор продукта

Основные функциональные возможности

Платформа Vekia предоставляет несколько ключевых возможностей:

  • Прогнозирование спроса: Решение использует предиктивные алгоритмы для формирования прогнозов на основе нескольких взвешенных сценариев, учитывая неопределенности, присущие цепочкам поставок, вместо того чтобы предлагать одноразовые детерминированные прогнозы (4).
  • Автоматизированные предложения заказов: Используя прогнозируемый спрос в качестве входных данных, платформа автоматически формирует приоритетные рекомендации по заказам. Она предоставляет «объяснения выбора ИИ», чтобы пользователи могли ознакомиться с предложениями и, при необходимости, внести корректировки (5).
  • Управление дефицитом и оповещения в режиме реального времени: Непрерывный мониторинг запасов позволяет системе обнаруживать потенциальные дефициты и оперативно предупреждать пользователей о необходимости принять корректирующие меры (6).
  • Панель контроля логистики: Интегрированная «панель контроля логистики» обеспечивает визуальный обзор ключевых показателей эффективности и метрик цепочки поставок в режиме реального времени, способствуя быстрому принятию решений (7).

Модель развертывания

Продаваемый как SaaS-продукт, Vekia делает акцент на быстрой интеграции с существующими корпоративными IT-системами — включая ERP, WMS, CRM и другие. Размещенная на Microsoft Azure и использующая компоненты, такие как Snowflake и микросервисы, управляемые через API, платформа обещает масштабируемость, надежную безопасность (соответствие европейским стандартам RGPD) и простоту развертывания. Примечательным примером является стремительное развертывание за восемь дней для Martin Brower после инцидента в области кибербезопасности, что подчеркивает гибкие возможности развертывания Vekia (8, 9, 10).

Технологии и архитектура

Основная инфраструктура

В основе предложения Vekia лежит подход «IA probabiliste». Платформа работает на современных облачных сервисах (Microsoft Azure) и построена на распределенной микросервисной архитектуре. Ссылки на инструменты, такие как Apache Spark, в старых материалах указывают на использование технологий, предназначенных для работы с большими данными, для управления большими объемами оперативных данных (11). Протоколы безопасности и стандарты шифрования данных гарантируют, что вся информация размещается в рамках европейских нормативов.

Машинное обучение и предиктивная аналитика

Стратегия Vekia «Machine learning et analyse prédictive» включает обучение моделей на исторических данных о продажах, данных внутренних операций и внешних факторах (таких как погода или социальные тренды). Система может использовать различные алгоритмы — включая регрессионные модели, нейронные сети, машины опорных векторов и деревья решений — для создания вероятностных прогнозов. Несмотря на эти заявления, подробной информации о архитектуре моделей, процессах валидации или сравнительном анализе с альтернативными методами недостаточно (12).

Развертывание, интеграция и пользовательский опыт

Интеграция с существующими системами

Разработанная для бесшовной работы с различным корпоративным программным обеспечением (ERP, WMS, TMS, CRM, CPQ, MRP), платформа Vekia собирает данные из различных источников для централизованного управления информацией о цепочке поставок. Доступная через браузер панель управления предоставляет настраиваемые KPI и аналитику в режиме реального времени, на которых основаны как процессы прогнозирования, так и автоматизированные рекомендации по заказам (8, 9).

Быстрое развертывание и внедрение

Vekia заявляет о своей способности быстро внедряться в различные IT-экосистемы — утверждение, подтвержденное восьмидневным развертыванием для управления запасами в условиях чрезвычайной ситуации в Martin Brower. Хотя это демонстрирует впечатляющую гибкость, подробной информации о решении проблем интеграции или показателях работы в различных условиях эксплуатации недостаточно (10).

Скептический анализ

Критический анализ коммуникаций Vekia выявляет несколько проблемных моментов. Хотя поставщик смело заявляет о своих передовых возможностях в области машинного обучения и вероятностного прогнозирования, большая часть опубликованных материалов остаётся на высоком уровне и не содержит конкретных технических подробностей. Основное отличие — симуляция нескольких сценариев спроса — выглядит перспективным, однако информации о том, как присваиваются, проверяются или обновляются вероятности в режиме реального времени, недостаточно. Заявления о производительности и улучшении ROI в основном принадлежат поставщику и не подтверждаются независимой, детальной оценкой. Это вызывает вопросы о том, является ли «ИИ» платформы значительным прорывом по сравнению с традиционными статистическими методами, дополненными автоматизацией.

Vekia против Lokad

При сравнении Vekia с Lokad становятся очевидными несколько различий:

  • Подход к прогнозированию и оптимизации: Vekia использует вероятностное моделирование спроса на основе нескольких сценариев прогнозирования, в то время как Lokad известен своей программируемой платформой для оптимизации цепочки поставок, которая использует специализированный язык (Envision) для внедрения индивидуальной логики принятия решений.
  • Техническая прозрачность: Lokad предоставляет обширную техническую документацию, в которой подробно описаны его методы глубокого обучения, вероятностного и даже дифференцируемого программирования. В отличие от этого, технические сведения от Vekia остаются общими и низкоуровневыми, с минимальным количеством конкретных деталей об алгоритмических инновациях.
  • Развертывание и настройка: Vekia делает акцент на быстром развертывании SaaS с интегрированными панелями управления и оповещениями в режиме реального времени, что подходит для клиентов, которым нужна оперативная интеграция. Lokad, напротив, сосредоточен на предоставлении высоконастраиваемой, постоянно обновляемой облачной платформы, которая автоматизирует рутинные решения посредством детальных числовых рецептов, что часто требует высокой технической квалификации.
  • Маркетинговое позиционирование: Хотя оба поставщика стремятся оптимизировать работу цепочек поставок, позиционирование Vekia больше ориентировано на маркетинг, подчеркивая его достижения в области «передового машинного обучения». Lokad позиционирует себя как строго инженерное решение, которое «роботизирует» решения в цепочках поставок, сочетая прогнозирование с предписывающей оптимизацией.

Заключение

Vekia представляет собой современное облачное решение, основанное на вероятностном ИИ и машинном обучении для решения проблем цепочки поставок. Его сильные стороны заключаются в таких функциях, как автоматизированные предложения заказов, оповещения о дефиците в режиме реального времени и единая панель управления логистикой, а также в гибкой модели развертывания на основе SaaS. Однако многие технологические заявления формулируются в общих чертах и не содержат достаточной технической глубины. Потенциальным клиентам следует провести дополнительную техническую проверку и получить независимые оценки, чтобы полноценно оценить передовость этого решения. В сравнении с такими платформами, как Lokad, которые предлагают более подробную информацию о своей технологии и возможностях настройки, подход Vekia — хотя и многообещающий — может потребовать более глубокого анализа для подтверждения его конкурентных преимуществ в все более количественной сфере оптимизации цепочек поставок.

Источники