Skuteczna optymalizacja stanów magazynowych dla supermarketów / Przewodnik

Zaawansowana analityka danych i modele matematyczne pozwalają usprawnić proces przewidywania i zamawiania towarów do supermarketu w odpowiedniej ilości. Dzięki temu klienci chętniej wracają, bo zawsze znajdują to, czego potrzebują, a sklep z kolei zwiększa przychody. Odkryj, jak działają nowoczesne systemy optymalizacji stanów magazynowych.  

Optymalny stan magazynowy — wyzwania 

Wyobraźmy sobie zabieganego rodzica, który regularnie kupuje jedzenie dla niemowląt w pobliskim supermarkecie. Jeśli pewnego dnia produktu zabraknie, lekko poirytowany rodzic pojedzie do innego sklepu. Jeśli sytuacja będzie się powtarzać, klient po prostu zmieni supermarket na taki, w którym kupi wszystko, czego potrzebuje za jednym razem.  

Inną sytuacją jest nadmiar produktów w sklepie. Nierzadko lądują one w sklepowych alejkach i utrudniają klientom swobodne poruszanie się z wózkiem sklepowym (lub dziecięcym 😉) 

W przypadku braków na półkach sklep traci klientów, a tym samym przychody. W sytuacji zbyt dużego zatowarowania problemy są większe niż tylko irytacja klientów  – to niepotrzebne angażowanie kapitału, duże odsetki przy kupowaniu towaru na kredyt, ryzyko przeterminowania i utylizacji niesprzedanych nadwyżek.  

Do tego wszystkiego dochodzą zmieniające się warunki rynkowe, sezonowość, różne wzorce zakupowe klientów i masa innych czynników, które należy uwzględnić w prognozowaniu sprzedaży.  

Na szczęście z pomocą przychodzi analiza predykcyjna, która sprawia, że automatyczne systemy zarządzania zamówieniami towarów pozwalają zamawiać produkty w odpowiedniej ilości.   

Różne modele prognozowania 

Supermarkety od lat korzystają z różnych systemów prognozowania i zarządzania zamówieniami towarów. Niestety, często te systemy są niedoskonałe – w praktyce zamawiają za dużo lub za mało produktów.  Część z nich nie potrafi się uczyć i uwzględniać szybko zmieniającego się otoczenia – rosnącej inflacji, zmieniających się upodobań klientów, sezonowości, pogody, dni tygodnia itd. Wymagają w związku z tym okresowych kalibracji przez dedykowanego specjalistę.  

Z drugiej strony istnieją nowoczesne rozwiązania, które pozwalają systemom uczyć się na bieżąco i nie wymagają tak częstego angażowania specjalistów od uczenia maszynowego.. Niektóre produkty mogą mieć popyt sezonowy. Na szczęście algorytmy są w stanie szybko analizować dziesiątki czynników, odkrywać skomplikowane zależności i tym samym efektywnie prognozować popyt i podaż.  

Jak działa system optymalizacji stanów magazynowych?  

System optymalizacji wielkości stanów magazynowych opiera się na wykorzystaniu trzech modeli matematycznych.  

1. Model prognozowania sprzedaży 

Najważniejszym modelem jest model prognostyczny oparty na regresji szeregów czasowych. Brzmi to bardzo skomplikowanie, a w rzeczywistości chodzi o analizę operacji sprzedażowych z poprzednich lat. 

W tym modelu ważne jest, aby łączyć konkretne dni lub krótkie terminy z analogicznymi terminami i dniami z lat ubiegłych. Niezwykle istotne w tym modelu są dane pogodowe, święta oraz wydarzenia, które wpływają na proces sprzedaży. W tego typu analizie szeregów czasowych kluczowe jest też uwzględnienie dni tygodni oraz godzin. Model prognostyczny na podstawie kalendarza, sprzedaży z lat poprzednich oraz prognozy pogody może bardzo precyzyjnie przewidzieć sprzedaż określonych grup produktów w krótkim horyzoncie czasowym.  

2. Model optymalizacji stanów magazynowych 

Model ten zbudowany jest w metodyce badań operacyjnych. Opiera się na dostępnej powierzchni handlowej i wytycznych dotyczących ekspozycji towarów na półkach. Moduł optymalizacji stanów magazynowych jest niezwykle ważny, ponieważ musi spowodować dostarczenie odpowiedniej ilości towarów w określonym punkcie w przyszłości tak, aby poziom stanów magazynowych był optymalny. W praktyce wygląda to tak, że pierwszy model prognozowania sprzedaży wysyła informację do modelu optymalizacji, który dynamicznie oblicza, jaki powinien być poziom towarów w sklepie. Następnie wysyła informację do trzeciego modułu – realizującego zamówienia.  

3. Model automatycznie realizujący zamówienia 

Sieci sprzedaży od lat korzystają z systemów automatycznie realizujących zamówienia. W tym przypadku różnica polega na tym, że system zamawia towar na podstawie informacji z modelu prognozowania i modelu optymalizacji. Jeżeli zamówienia nie mogą być zrealizowane w określonym przez wcześniejsze modele terminie, moduł zamówień wysyła informację do modułu drugiego, aby dokonał ponownej optymalizacji stanów magazynowych.  

Podsumowując, pierwszy model prognostyczny przewiduje przyszłą sprzedaż i wysyła informację do  drugiego modelu –  optymalizującego stany magazynowe. Trzeci model odpowiada za automatyczne zamówienia. W takim podejściu redukowane jest zagrożenie w postaci zbyt dużej lub zbyt małej ilości towarów. Jak wspominaliśmy, zbyt duże zatowarowanie prowadzi do strat z tytułu niepotrzebnie zaangażowanego kapitału oraz strat w postaci przeterminowanych produktów. Z kolei zbyt mało towarów w sklepie prowadzi do wzrostu prawdopodobieństwa utraty sprzedaży  

Jak wdrożyć kompletny system prognozowania, optymalizacji i zamówień? 

Wdrożenie kompletnego systemu zamówień wymaga odpowiednich przygotowań zarówno po stronie sklepu jak i po stronie zespołu wdrożeniowego.  

1. Zrozumienie realnej potrzeby klienta.  

Pogłębione rozmowy z analitykami po stronie zespołu deweloperskiego pozwalają odpowiednio nazwać problemy i zidentyfikować potrzeby. 

2. Wstępna analiza danych przez zespół wdrożeniowy.  

Specjaliści sprawdzają, jakimi danymi dysponuje sieć handlowa i czy są właściwe dla danego projektu.  

3. Stworzenie karty projektu, tzn. definicji projektu. 

Dokument ten określa zakres projektu oraz kamienie milowe, aby wszyscy dokładnie rozumieli, co konkretnie ma być wynikiem prac deweloperskich na każdym etapie.  

4. Analiza szczegółowa 

Dokładne sprawdzenie danych i możliwości każdego z trzech modeli. 

5. Warsztaty z klientem, na których wypracowywany jest ostateczny kształt projektu.  

6. Realizacja projektu, podczas którego każdy z etapów jest odbierany przez klienta.  

7. Maintenance, czyli utrzymanie infrastruktury zamówień.  

Podsumowanie 

Inwestycja w oparte na samouczących się algorytmach systemy prognozowania i zarządzania zamówieniami to przewaga konkurencyjna i coraz popularniejszy trend. Analiza predykcyjna to zadanie, w którym zdecydowanie lepiej sprawdza się automatyczny system, który potrafi sam dostosowywać się do szybko zmieniających się czynników. Optymalne zamówienia to wzrost zysku, lepsze zarządzanie przestrzenią sklepu oraz zadowoleni klienci, którzy zawsze znajdują to, czego potrzebują.    

Chcesz dowiedzieć się więcej o systemach optymalizacji? Napisz do nas, porozmawiamy!