00:00:03 Значение исторических данных в технологиях Lokad.
00:01:40 Глубина истории для оптимизации цепочки поставок.
00:04:24 Ключевые наборы данных: каталог, заказы, продажи, текущие запасы.
00:04:56 Роль данных каталога в прогнозировании, сезонность.
00:07:06 Важность исчерпывающих данных об истории продаж.
00:08:42 Отслеживание нюансов цикла продаж продукта.
00:11:16 История заказов на покупку в прогнозировании цен.
00:13:53 Маржа прибыли, риски запасов, сложности прогнозирования.
00:14:32 Точное фиксирование дат заказов, доставок, влияние контроля качества.
00:16:01 Контроль качества при поставках клубники, влияние заказа.
00:16:55 Понимание значимости текущих запасов.
00:17:36 Теоретические уровни запасов могут приводить к неточностям.
00:18:39 ‘Нехватка запасов’ и значение исторических уровней запасов.
00:20:59 Вторичные наборы данных: рекламная активность.
00:22:00 Влияние рекламных активностей на тенденции продаж.
00:23:13 Распространенная ошибка: выбор сложной ERP-системы.
00:24:39 Ошибка номер два: пропуски в регистрации данных заказов.
00:25:35 Ошибка номер три: игнорирование снимков уровней запасов.
00:26:30 Важность точной регистрации данных.

Резюме

В интервью с ведущим Кираном Чендлером основатель Lokad, Жуанн Верморель, излагает сложности оптимизации цепочки поставок. Он подчеркивает важность глубины и детализации исторических данных, с которыми сталкиваются многие компании. Верморель утверждает, что для точного прогнозирования необходимо иметь исторические данные, охватывающие в десять раз больше, чем периоды выполнения заказов. Он акцентирует необходимость следующих четырех ключевых наборов данных: каталог, история заказов на покупку, история продаж и текущие запасы. По его мнению, эти данные помогают выявлять закономерности, оптимизировать прогнозы и эффективно управлять запасами. Наконец, Верморель отмечает распространенные ошибки клиентов, такие как выбор сложных ERP систем и недокументирование заказов или исторических данных о запасах.

Расширенное резюме

В интервью ведущий Киран Чендлер ведет беседу с основателем Lokad, Жуанном Верморелем, компанией, специализирующейся на оптимизации цепочек поставок. Они обсуждают сложный характер требований к данным для технологий Lokad и трудности, с которыми сталкиваются клиенты при попытке адаптироваться к этим требованиям.

Верморель объясняет, что основная проблема заключается в глубине и детализации исторических данных, необходимых для количественной оптимизации цепочки поставок. В то время как текущее состояние компании достаточно просто понять, для анализа её истории требуется изучение гораздо более объемного набора данных. Многие компании сталкиваются с трудностями при попытке собрать соответствующие данные, особенно если ранее они не уделяли внимания таким деталям.

Верморель считает, что необходимая глубина истории зависит от типа бизнеса. Если исторических данных меньше года, Lokad с трудом обнаружит какую-либо сезонность, и это справедливо для любого статистического метода. Эффективная работа начинается с трех лет данных. Тем не менее, объем исторических данных также зависит от сроков поставки. Компания с короткими сроками может работать с меньшим объемом данных, тогда как для длинных сроков требуется более глубокая история. В качестве общего правила рекомендуется иметь исторические данные, охватывающие в десять раз больше, чем применимые сроки поставки, для точного прогнозирования.

Верморель подчеркивает, что в прогнозировании нет никакой магии: без надлежащих данных ни статистические, ни ручные прогнозы не будут точными.

Затем разговор переходит к четырем основным наборам данных, которые использует Lokad: каталог, история заказов на покупку, история продаж и снимок текущих запасов. Верморель подробно рассказывает о значении каталога, который позволяет их технологии прогнозирования использовать взаимосвязи между продуктами для уточнения прогноза каждого из них. Это особенно полезно при прогнозировании новых продуктов, для которых отсутствует история продаж. Атрибуты, описывающие продукт, такие как категории товаров, размеры и цвета, могут быть использованы для определения сезонных закономерностей на основе схожих продуктов.

История продаж, по словам Вермореля, крайне важна, но необходимо проверять её полноту. Неполная история продаж может возникнуть из-за отсутствия данных о продажах товаров, которые больше не продаются. На этом момент беседы прерывается, и Верморель обещает предоставить дополнительную информацию о значении истории продаж.

Верморель начинает с того, что подчеркивает необходимость полной истории продаж, включающей данные о товарах, которые больше не продаются. Это связано с тем, что в некоторых случаях эти товары исключаются из каталога, что приводит к искажению данных истории продаж. Он также отмечает разницу между продажами и реальным спросом, утверждая, что продажи не всегда отражают действительный спрос из-за различных факторов. Например, скорость продаж сразу после запуска продукта может дать оценку будущего спроса.

Затем Верморель говорит о важности точной фиксации дат начала и окончания продаж продукта. Эти данные могут выявить закономерности в поведении потребителей, такие как резкие переходы на новые продукты или внезапное прекращение продаж из-за удаления из онлайн-каталога. Также важно отслеживать историю продаж по различным каналам, таким как физические магазины и различные онлайн-платформы.

Разговор переходит к истории заказов на покупку. Верморель объясняет, что полезно отслеживать, сколько было заплачено за различные товары на складе с течением времени. Однако он отмечает, что прогнозирование будущих цен усложняется из-за таких факторов, как колебания валютных курсов. Хотя эти колебания могут влиять на маржу и решения по управлению запасами, Верморель утверждает, что прогнозирование этих изменений не является основной задачей Lokad.

Верморель также подчеркивает важность понимания дат, связанных с заказами на покупку и доставками. Эти даты дают представление о сроках поставки, которые имеют решающее значение для оптимизации цепочки поставок. Сроки поставки могут варьироваться в зависимости от сезона или событий, таких как Китайский Новый год. Он добавляет, что необходимо документировать любые расхождения

между заказанным и доставленным количеством, так как это может повлиять на будущие заказы, особенно если часть товаров не проходит контроль качества.

Верморель подчеркивает необходимость иметь актуальный снимок запасов. Он признает, что, теоретически, эти данные можно восстановить из истории продаж и заказов на покупку, но часто возникают неточности в учете запасов. Эти неточности могут накапливаться со временем, приводя к значительным расхождениям. Поэтому регулярное ведение снимков и контроль запасов имеет решающее значение для эффективного управления цепочками поставок.

Верморель обсуждает значение понимания текущих и исторических уровней запасов. Уровень запасов информирует о необходимости пополнения, а также дает представление о истории продаж. Например, нехватка запасов — случаи, когда спрос не может быть удовлетворен из-за недостатка товара — не должна трактоваться как отсутствие спроса. Фактически, неудовлетворенный спрос из-за нехватки запасов по-прежнему является спросом, пусть и не зафиксированным. Таким образом, исторические уровни запасов помогают определить частоту и влияние нехватки запасов. Верморель также считает, что понимание нехватки запасов должно быть более тонким и не всегда означает полное отсутствие единиц товара на складе. В некоторых случаях, если клиенты требуют определенное количество товара, недостаток товара, который не позволяет удовлетворить этот спрос, также можно считать нехваткой запасов.

Далее разговор переходит к важности вторичных наборов данных. Верморель указывает на то, что рекламные акции являются ключевым набором данных, который следует учитывать не только с точки зрения ценообразования, но и в отношении того, какие товары продвигаются через различные каналы. Эти данные могут объяснить резкие скачки в истории продаж. Например, резкий рост может быть вызван акцией или реальным увеличением спроса. Понимание этого различия помогает в прогнозировании будущего спроса.

Верморель также затрагивает распространенные ошибки, допускаемые клиентами. Первая ошибка — выбор ERP-системы, из которой сложно извлечь данные. Такой выбор может привести к значительным трудностям в извлечении данных, даже если система является локальной. Вторая ошибка — отсутствие регистрации заказов на покупку. Хотя небольшие компании могут управлять заказами с помощью таблиц, такой подход становится проблематичным при анализе сроков поставки. Третья ошибка — отсутствие регистрации исторических уровней запасов. Учитывая низкую стоимость хранения, Верморель утверждает, что нет оправдания для недопуска сохранения этих данных.

Полная расшифровка

Kieran Chandler: Сегодня на Lokad TV мы собираемся изучить точную глубину данных, необходимых для работы с нами, а также понять некоторые реальные недостатки, с которыми сталкивались наши клиенты. Итак, Жуанн, почему же клиенты не всегда могут работать с технологией Lokad?

Joannes Vermorel: Одной из самых больших проблем, с которыми сталкиваются клиенты, действительно являются данные. На практике такой проблемы не должно быть, но обычно она возникает. Главное понимание заключается в том, что данные, необходимые для управления компанией, не совпадают с данными, требуемыми для количественной оптимизации цепочки поставок. Для последнего необходимо иметь полную историю компании. Не обязательно уходить на два десятилетия назад, но, безусловно, нужна определенная глубина и уровень детализации истории. Многие компании, которые ранее не смогли настроить такую систему или никогда не пытались это сделать, не уделяли должного внимания всем деталям, чтобы собрать все соответствующие данные. Таким образом, они могут столкнуться с осложнениями при сборе всех релевантных данных для получения действительно актуальных результатов.

Kieran Chandler: Мы говорили о глубине истории. Какой минимальный временной промежуток истории должен быть у вас?

Joannes Vermorel: Глубина истории зависит от типа данных и характера вашего бизнеса. Как правило, если у вас меньше года данных, Lokad с трудом зафиксирует какую-либо сезонность. Это справедливо для любого статистического метода. Если у вас меньше года данных, сезонность компании еще не проявилась. Чтобы начать наблюдать сезонность с определенной точностью, требуется около 18 месяцев. При наличии двух лет данных система начнет работать корректно, а с тремя годами — очень хорошо. Но объем необходимой истории также зависит от ваших сроков поставки. Если ваш срок поставки составляет один день, можно обойтись всего двумя месяцами данных, так как сезонность в этом случае не играет существенной роли. Но если сроки поставки составляют четыре месяца, становится гораздо важнее зафиксировать эту сезонность. Таким образом, если вы хотите, чтобы система работала хорошо, вам, вероятно, потребуется иметь историю, охватывающую как минимум примерно 10-кратный период ваших применимых сроков поставки.

Kieran Chandler: Давайте теперь поговорим о самих данных. В Lokad мы работаем с четырьмя ключевыми наборами данных, не так ли? Это каталог, история заказов на покупку, история продаж и снимок текущих запасов. Давайте рассмотрим их более подробно. Если начать с самого каталога, почему он представляет интерес? Ведь, безусловно, наши клиенты хорошо понимают, что они продают, и знают все подробности. Что еще можно сказать о данном каталоге?

Joannes Vermorel: Каталог имеет первостепенное значение. Это очень важная часть данных.

Kieran Chandler: Мы обсуждаем технологию прогнозирования Lokad и то, как она использует взаимосвязь между продуктами для уточнения прогноза каждого из них. Не могли бы вы рассказать подробнее об этом?

Joannes Vermorel: Абсолютно верно, например, при прогнозировании новых продуктов у нас нет истории продаж, на которую можно было бы опереться. Поэтому мы полагаемся на атрибуты, описывающие продукты. Эти методы мы широко используем для товаров, которые уже запущены.

Kieran Chandler: Можете привести пример?

Joannes Vermorel: Конечно, давайте рассмотрим продукт, который продавался в течение трех месяцев. Можно ли применить сезонный паттерн к прогнозируемому спросу на этот продукт? Ответ таков: если смотреть только на историю этого продукта, то нет, поскольку данных всего три месяца. Однако если ваш бизнес существует уже много лет, можно изучить аналогичные товары и определить их сезонность. Таким образом, имея всего три месяца данных и атрибуты продукта, мы можем вывести соответствующую сезонность для данного товара.

Kieran Chandler: То есть, каталог, содержащий такие данные, как категории товаров, атрибуты продукта, например размер и цвет, имеет большое значение?

Joannes Vermorel: Да, абсолютно. Каталог является существенным. Мы также обрабатываем текстовую метку, если она присутствует, что может помочь в областях, где сам каталог плохо структурирован. Цель состоит в том, чтобы расширить эти атрибуты, чтобы можно было использовать все эти корреляции и уточнять прогноз для каждого продукта, даже если имеющейся информации о товаре недостаточно.

Kieran Chandler: Давайте поговорим об истории продаж. С точки зрения прогнозирования, я предполагаю, что история продаж является самым важным аспектом. Какая еще информация нас интересует помимо этого?

Joannes Vermorel: Первое, что нужно сделать, — это убедиться, что история ваших продаж полная. Она может быть неполной незаметными способами. Например, если у вас нет данных о продажах продуктов, которые вы больше не продаёте, или если отсутствует информация о продукте, связанная с этими данными продаж. Чтобы иметь полную историю продаж за последние три года, необходимо зафиксировать все продажи, которые произошли в то время, включая продукты, которые вы больше не продаёте.

Kieran Chandler: Значит, старые продукты, которые больше не продаются, могут исказить данные?

Joannes Vermorel: Именно, иногда мы наблюдаем случаи, когда продукты, которые больше не продаются, удаляются из каталога и истории продаж. Это приводит к предвзятой истории продаж, когда данные о продуктах, которые больше не продаются, недоступны. Ещё один тонкий аспект истории продаж — помнить, когда вы начали продавать продукт. Продажи — это не то же самое, что спрос. Есть предвзятости, например, если вы начинаете продавать продукт и в течение месяца спрос равен нулю, а затем, наконец, продаёте одну единицу, это отличается от ситуации, когда продукт продаётся в тот же день, когда появляется онлайн.

Kieran Chandler: Можете рассказать подробнее об этом?

Joannes Vermorel: Конечно, если вы размещаете продукт в интернете и продаёте одну единицу в тот же день, это предполагает, что вы, возможно, будете продавать по одной единице каждый день. Однако если вы разместили продукт онлайн, и вам пришлось ждать месяц, чтобы продать первую единицу, это указывает на то, что вы будете продавать примерно одну единицу в месяц. Поэтому важно понять, когда вы начали продавать продукт.

Kieran Chandler: Может ли статистический движок это различить? Прогнозирующий движок сможет различить две ситуации только если вы правильно зафиксировали дату, когда спрос фактически начался, и конечную дату, когда вы прекратили продавать продукт.

Joannes Vermorel: Безусловно. Но также важно знать, почему продукт перестал продаваться. Снизился ли его спрос внезапно из-за появления на рынке нового, более качественного продукта, что спровоцировало резкий сдвиг в потребительском поведении? Или это произошло потому, что вы убрали его из вашего онлайн-каталога или с полки магазина?

То же самое, необходимо правильно зафиксировать конечные даты. Могут быть и другие факторы, если продукт появляется и исчезает на рынке, или если продукт продаётся не через все ваши каналы. Например, если вы продаёте в физических магазинах, онлайн или, возможно, через B2B-канал, вам нужно записывать историю того, что влияло на спрос, например, какие каналы были доступны в определённый момент времени.

Kieran Chandler: Давайте теперь перейдём к истории заказов. Думаю, приятное в изучении истории заказов заключается в том, что можно увидеть, сколько вы заплатили за различные товарные позиции. То есть, я предполагаю, что мы используем это для прогнозирования вероятной цены, которую заплатим за товар в будущем. Так ли это?

Joannes Vermorel: Это зависит. Потому что вероятная цена определяется поставщиком. Для большинства отраслей цена, которую вы платите поставщикам, относительно стабильна. Однако могут быть сюрпризы, обычно из-за колебаний валюты. Например, вы можете получить предложение в юанях, хотя фактически продаёте товары за доллары. Если обменный курс изменится на 15%, это может привести к тому, что товары окажутся существенно дешевле или дороже.

Kieran Chandler: Можно ли включить в прогноз такие валютные колебания?

Joannes Vermorel: Это зависит от того, что вы хотите прогнозировать. Валютные колебания окажут влияние, но не напрямую на ваш прогноз спроса. Они скажутся больше на том, как вы оптимизируете свои решения поверх прогноза.

Например, если ваша наценка на продукт высока или низка, вы не возьмёте на себя столь высокий риск застоя запасов. Если у вас товар с огромной наценкой, его отсутствие на складе буквально является преступлением. В крайнем случае, если наценка составляет 95%, продажа одной единицы покрывает избыток в двадцать других единиц. Поэтому, если у вас товары, которые стабильно продаются с такой высокой наценкой, вы хотите иметь избыток запасов.

С другой стороны, если наценка составляет 5%, нужно очень внимательно следить за количеством товаров на складе. Если у вас есть небольшой избыток, вам понадобится огромное количество продаж, чтобы компенсировать деньги, «замороженные» в одной лишней единице товара. Если в итоге произойдёт списание запасов, это будет очень дорого.

В целом, мы обычно не прогнозируем будущие наценки, потому что они зависят от множества факторов. Мы можем это делать, но обычно это не является основным вопросом, поскольку никто не может предсказать колебания валюты. Единственные, кто может, — это те, кто непосредственно торгует на рынке, зарабатывая на предполагаемых колебаниях валюты. Это не наша специализация, поэтому мы не претендуем на то, чтобы быть лучше рынка в торговле валютой.

Kieran Chandler: Тогда давайте отвлечемся от торговли. Но с точки зрения заказов, что ещё представляет интерес?

Joannes Vermorel: Обычно даты, связанные с заказом и доставкой, имеют решающее значение, поскольку они определяют время выполнения заказа. Когда мы стремимся оптимизировать цепочки поставок, необходимо учитывать, что все решения зависят, как я бы сказал, от времени выполнения. Более того, это время может варьироваться сезонно. Например, могут быть периоды, когда ваши поставщики перегружены и менее доступны. Эти периоды могут соответствовать западному календарю, но также могут следовать восточному календарю, например, китайский Новый год, который может прибавить около двух недель к срокам поставки товаров из Китая или Азии в целом.

Безусловно, и есть ещё нюансы, которые следует учитывать. Например, если вы заказываете сто единиц, а поставщик доставляет восемьдесят, фиксируете ли вы эту информацию? Если у вас есть меры контроля качества, при которых поставщик доставляет сто единиц, но двадцать не проходят проверку, это существенный фактор. Это особенно актуально в бизнесе по продаже свежих продуктов, например, когда клубника легко повреждается. В итоге может оказаться, что 20% поставок не соответствуют стандартам контроля качества. Это можно предвидеть, поскольку каждый год определённая доля поставок клубники не проходит проверку. Поэтому, если вам нужно сто единиц, возможно, следует заказать сто двадцать, потому что статистически известно, что 20% не пройдут контроль качества.

Kieran Chandler: Верно, заказы и внимательное фиксирование дат и количеств, где поставщик может ошибаться, имеют решающее значение.

Joannes Vermorel: Да, и именно такой уровень детализации интересует нас по-настоящему. Это подводит меня к последней части пазла: сводке текущих уровней запасов. Мы уже знаем, какова была история заказов, и также знаем, какова была история продаж. У нас есть умные специалисты по цепям поставок здесь, в Lokad. Так что, действительно, нужна ли нам эта текущая сводка? Разве её нельзя получить на основе двух других историй?

Kieran Chandler: Теоретически, да, вы могли бы восстановить уровни запасов, зная точно, сколько единиц поступило и сколько ушло. Это дало бы вам теоретический уровень запасов в любой момент времени. Проблема в том, что иногда случаются неточности в учёте запасов. Если всё, что вы делаете, — это пересчитываете всю историю, чтобы определить уровни запасов, эти неточности накапливаются со временем до такой степени, что расчёт становится крайне неточным.

Joannes Vermorel: Это правильно. На практике нам нужны контрольные снимки запасов и механизмы контроля. Прежде всего, нам нужно знать текущие уровни запасов, потому что если мы не знаем, что у нас есть сейчас, мы не можем полагаться только на прогнозируемый будущий спрос для размещения заказов. Мы должны учитывать то, что уже имеем. Если у нас уже много товаров, даже если прогнозируем очень высокий спрос, мы можем не делать повторный заказ, просто потому что у нас достаточно. Таким образом, нам нужен текущий уровень запасов, а также исторические данные о запасах. Это возвращает нас к истории продаж. Продажи — это не спрос. Если произошёл дефицит запасов, то фактически вы не наблюдали спрос в течение нескольких дней, но это не из-за отсутствия спроса, а потому что вы не могли его удовлетворить. Поэтому учет исторических уровней запасов — способ узнать о прошлых дефицитах, и ситуация может оказаться довольно сложной.

Люди хотят купить, скажем, что-то вроде дверной ручки. У них есть квартира, и они хотят иметь пять дверных ручек, которые выглядят абсолютно одинаково. Если они заходят в ваш магазин и находят только три, выглядящие одинаково, они не купят три, надеясь, что найдут еще две идентичные в другом магазине. Они просто предпочтут найти пять, которые выглядят одинаково, или обратиться в другой магазин, способный продать им пять идентичных. Таким образом, дефицит запасов — это не бинарное понятие, когда у вас точно ноль единиц и вы испытываете дефицит, или всё в порядке. Иногда люди ищут определённое количество, поэтому существует более тонкое понимание дефицита запасов. Вот почему необходимо отслеживать уровни запасов, а исторические данные о запасах также могут помочь автоматически обнаруживать наиболее вероятные ошибки в учёте.

Kieran Chandler: Вы много говорили о основных наборах данных, которые требуются Lokad. А что насчёт второстепенных наборов данных? Есть ли что-то ещё, что может представлять интерес?

Joannes Vermorel: Да, основной набор транзакционных данных — это то, что мы используем в первую очередь. Второй круг, вероятно, включает всё, что связано с промо-активностями. Промоакции, в самом базовом смысле, направлены на привлечение внимания или продвижение. Это не только вопрос ценообразования. Это также то, что вы продвигаете через различные каналы. Например, компания электронной коммерции может проводить промоакции, включающие всего пять продуктов, которые навсегда остаются в рассылке для всей клиентской базы. Это своего рода промоакция, даже если она не сопровождается ценовой скидкой. Это продукт, который появляется на главной странице онлайн-магазина. Таким образом, второй круг охватывает всё, что связано с промоакциями, включая рекламу. Этот тип данных, вероятно, также включает все данные о трафике в электронной коммерции на их сайте.

Kieran Chandler: Давайте обсудим некоторых текущих клиентов Lokad. Есть ли какие-то распространённые ошибки, из которых будущие клиенты могли бы извлечь уроки?

Joannes Vermorel: Думаю, самая большая ошибка — это выбор ERP-системы, из которой чрезвычайно сложно извлечь данные. Это форма зависимости от поставщика. Многие компании выбирают систему, где, даже если она разрабатывается внутри компании, у них есть локальный сервер, который всё обрабатывает локально. Они думают, что контролируют ситуацию, потому что сервер находится в их офисах.

Kieran Chandler: На самом деле извлечение данных чрезвычайно сложно, потому что система не была должным образом спроектирована для удобства. Например, извлечение чего-либо из QuickBooks на рынке США — это огромная задача. Я не хочу неуважительно относиться к Intuit, это отличная компания, но извлечение данных действительно невероятно сложно.

Joannes Vermorel: Действительно, это, вероятно, первая ошибка. Вторая ошибка — это, скорее всего, не фиксация промежутков статистики, что обычно происходит с заказами. Для небольшой компании с оборотом в десять миллионов долларов ваши заказы могут уместиться на листе Excel. Однако, если у вас нет лучшей системы для их записи, в тот момент, когда вы захотите провести анализ времени выполнения заказа, у вас возникнут проблемы, поскольку данные распределены по десяткам таблиц.

Третья ошибка может заключаться в том, что не делаются снимки уровней запасов. Сегодня жесткие диски стоят очень дешево, но многие компании не сохраняют исторические данные о запасах. Поэтому когда мы говорим, что нам нужна информация о прошлом состоянии запасов или прошлых периодах дефицита, данные никогда не фиксировались. Это печально, потому что речь идёт о паре гигабайт данных, которые буквально должны стоить копейки. Нет никаких причин не записывать эти данные и хранить их неограниченно.

Kieran Chandler: В заключение, если наши слушатели должны вынести один ключевой момент из сегодняшнего обсуждения, что бы это было?

Joannes Vermorel: Я бы сказал: обращайте внимание на ваши данные. Они не стоят дорого, но лучшее время для того, чтобы начать правильно записывать все необходимые данные, — это сегодня. Через три года, когда вам понадобится история за несколько лет, если вы не начнёте сегодня, у вас её не будет. Сбор и поддержание правильно организованных данных — это то, что нельзя откладывать, это нужно делать сейчас.

В качестве менеджера по цепям поставок вы не сможете принимать правильные решения без данных. Вы не можете оптимизировать то, что не измеряете, независимо от того, используете ли вы что-то столь же сложное, как Lokad, для оптимизации ваших цепей поставок. Это относится не только к статистическим алгоритмам, которые использует Lokad, но и к людям. Без данных принятые решения будут неверными. Вы не можете просто угадывать, сколько единиц продадите для сотен тысяч продуктов.

Всё начинается с выбора правильного программного обеспечения для управления вашей компанией и обеспечения доступа к данным. В противном случае вы окажетесь заперты в решении поставщика, которое вы выбрали.

Kieran Chandler: Отлично. Это фундаментальное понимание для такого, как я, кто склонен откладывать дела на завтра. Это всё на этой неделе. Мы вернёмся на следующей неделе с новым эпизодом, а до тех пор, увидимся. Пока.