Как технологии BigData в RS.SCM помогают ритейлерам повышать эффективность цепочки поставок

Любой ритейлер не застрахован от ситуации, когда реальная ассортиментная матрица не соответствует той, что есть в управляющей системе. Это случается, когда менеджеры несвоевременно вносят новинки в ассортиментную матрицу, или не удаляют из нее товары, снятые с продажи. Со временем такие ошибки накапливаются и снижают качество работы автоматического заказа товара. Кроме того ритейлер перестает видеть реальный уровень показателя Out-of-Stock и упущенных продаж по товарам вне системной матрицы.

Система автозаказа RS.SCM защищена от подобных ситуаций. Для снижения влияния человеческого фактора, разработан аналитический инструмент, в котором технологии Big Data помогают оптимизировать ассортиментную матрицу в управляющей системе, а также определить на какие товарные категории стоит масштабировать автоматический заказ для достижения наибольшей эффективности цепочки поставок.

Актуализация ассортиментной матрицы

Для оценки корректности матрицы из учетной системы проводится ее сравнение с реальной ассортиментной матрицей, которую аналитический модуль рассчитывает из движений товаров за последние 5 недель для каждого магазина или склада. Выявленные отличия — это позиции-кандидаты на рассмотрение ассортиментным комитетом, где по ним примут решение о добавлении, корректировке или удалении товара из системной ассортиментной матрицы. В результате система автозаказа начнет получать корректные входные данные, что повысит качество пополнения запасов магазинов и РЦ.

Обоснованное масштабирование автозаказа

Менеджер тратит время на ручное исправление заказа, когда не доверяет расчету системы. BigData аналитика помогает понять эффективность таких корректировок, и даже сравнить результаты полностью ручного заказа с работой системы на любом уровне иерархии — от товарной категории и торговой точки до куста магазинов. Если при автозаказе для конкретного сочетания товара и локации показатель Out-of-Stock лучше, значит автозаказ в связке с выстроенными процессами управления ассортиментом и полочным пространством дал результат, и есть смысл продолжать его масштабирование в разрезе товарных категорий и магазинов. Даже если уровень OOS при ручном и автозаказе одинаковый, то следует переходить на автоматическое управление, так как это избавит ритейлера от привязки к навыкам конкретного сотрудника, который умеет делать качественные заказы.

Другие публикации об управлении цепочками поставок:

Эффекты внедрения системы автозаказа на основе искусственного интеллекта

Как правильно прогнозировать спрос на новые товары

Кейс компании Spar по внедрению автозаказа

Управление запасами в сегменте Fresh

О продукте RS.SCM

Метки: