SaaS решение для планирования спроса, закупок, продаж и промо от BAI GEM
Мы разработали и запустили SaaS решение БАИ Прогноз, чтобы любой посетитель мог опробовать наше решение для планирования спроса
Разберем применение БАИ Прогноз на примере.
Иван - генеральный директор компании “Потребительские товары”. Компания производит и поставляет в магазины региона одежду и обувь.
Иван начинал с небольшой мастерской, но его продукция понравилась жителям региона. Поэтому компания непрерывно растет и в прошлом году вышла на оборот в миллиард рублей. Теперь Ивану необходимо планировать загрузку производства - закупать сырье, организовывать доставку товаров в магазины, нанимать людей.
Два года назад Иван для автоматизации внедрил CRM. Помимо организации рабочего процесса отдела продаж, CRM обеспечивает Ивана ретроспективными данными по продажам. Иван хотел бы на основе этих данных получить прогноз по продажам на следующие три месяца, чтобы оптимизировать производство.
Проблема в том, что линейка продуктов Компании уже достаточно велика и насчитывает десятки позиций, поэтому вручную обработать такой массив данных непросто.
Иван узнал о продукте BAI прогноз и решил применить его для планирования продаж компании.
BAI прогноз применяет модель на основе генеративных нейронных сетей в связке с вероятностными методами. Это позволяет получать
- устойчивое решение как в вероятностных методах
- скорость с высокой кастомизацией как в нейронных сетях.
Иван начинал с небольшой мастерской, но его продукция понравилась жителям региона. Поэтому компания непрерывно растет и в прошлом году вышла на оборот в миллиард рублей. Теперь Ивану необходимо планировать загрузку производства - закупать сырье, организовывать доставку товаров в магазины, нанимать людей.
Два года назад Иван для автоматизации внедрил CRM. Помимо организации рабочего процесса отдела продаж, CRM обеспечивает Ивана ретроспективными данными по продажам. Иван хотел бы на основе этих данных получить прогноз по продажам на следующие три месяца, чтобы оптимизировать производство.
Проблема в том, что линейка продуктов Компании уже достаточно велика и насчитывает десятки позиций, поэтому вручную обработать такой массив данных непросто.
Иван узнал о продукте BAI прогноз и решил применить его для планирования продаж компании.
BAI прогноз применяет модель на основе генеративных нейронных сетей в связке с вероятностными методами. Это позволяет получать
- устойчивое решение как в вероятностных методах
- скорость с высокой кастомизацией как в нейронных сетях.
ПОЛУЧИТЕ КОНСУЛЬТАЦИЮ ПО ПРИМЕНЕНИЮ ПРОГНОЗНОЙ МОДЕЛИ В ВАШЕЙ ОРГАНИЗАЦИИ
Для работы с продуктом БАИ Прогноз необходимо сделать следующие несложные шаги.
1
Во-первых
Из CRM выгрузить следующие данные:
Продажи: Продукт,Дата продажи,Количество продаж (в штуках или литрах, кг и т.д.)
Продажи: Продукт,Дата продажи,Количество продаж (в штуках или литрах, кг и т.д.)
Цены: Прайсовые цены
Скидки: В какой локации, какие скидки применялись
Продктовая иерархия: Как какждый товар объединяется вгруппы
Иерархия локаций: В каком городе находится точка продаж, к каком региону относится город
Общее правило по глубине ретроспективы - исторический период должен быть вдвое больше, чем прогнозный. Если Иван хочет спрогнозировать на 3 месяца вперед, то ему необходимо выгрузить данные минимум за последние 6 месяцев, но лучше за последние 3 года, так как получится извлечь годовую сезональность.
2
Во-вторых
Запросить доступ на БАИ Прогноз
3
В-третьих
Воспользоваться инструкцией по загрузке данных в продукт
Как загрузить данные в продукт
- На панели слева выбрать New dataset
В открывшемся окне:
- Введите название и описание
- Выберите "Basic data structure" в поле выбора модели
- И выберите подготовленный .xlsx файл
- Далее нажмите кнопку "Cохранить набор данных". Необходимо дождаться, пока данные загрузятся и страница обновится.
Теперь можно создать эксперимент. Для этого
- нажать на панели слева кнопку New case.
- Далее необходимо ввести название и описание эксперимента. Выбрать сохраненный ранее датасет.
- Также на данным этапе необходимо определить, на сколько вперед необходим прогноз. Поэтому необходимо в выпадающем списке выбрать тип периода - дни, недели или месяцы и указать их количество.
- Готово! Будет скачан файл в формате .xlsx. Его можно открыть с помощью Excel
- После нажатия Создать эксперимент появится статус Pending. Эксперимент требует обработки данных и поэтому занимает время. Когда эксперимент закончится статус изменится на Success. Однако автоматической смены статуса не происходит, поэтому необходимо обновить страницу и проверить, что все готово.
Ожидание может занять пару минут.
Когда статус изменится на Success, можно посмотреть результаты на графиках. Или нажать на кнопку Скачать результат.
- Готово! Будет скачан файл в формате .xlsx. Его можно открыть с помощью Excel