А вот идея оптимизации ценообразования по-прежнему вызывает интерес у розничного бизнеса. Напрямую связаны с нею такие перспективные направления в автоматизации розницы, как анализ мёрчендайзинга, а также планирование спроса и заказов. Для реализации этих подходов необходимо решить главную проблему – анализа и прогнозирования потребительского поведения. Наличие знаний о том, какой товар и в каких объемах будет востребован на рынке через заданный период времени, позволяет существенно скорректировать формирование ассортимента, размещение продукции и стимулирование покупок. А оптимизация этих процессов позволит точнее разработать стратегию ценообразования и заодно повысить лояльность клиентов.
Если же подобные мёрчендайзинговые системы интегрировать с ПО, управляющим дистрибьюторским центром и складами, то в довесок розничная сеть получает прозрачность всей цепочки движения товара к потребителю и сокращение складских запасов. Но все эти прелести пока остаются для подавляющего большинства ритейлеров лишь предметом фантазий. Мировая же доля внедрения соответствующего софта в розничных сетях составляла от 1 до 5%. Воплотить мечту в жизнь в новом году, похоже, решили в «Перекрестке», и есть основания полагать, что подобные мероприятия в ближайшем будущем проведут и конкуренты этой сети.
Такой «цивилизованный» подход к розничным продажам в России находится на начальной стадии развития: до последнего времени отечественные предприятия ритейла, даже крупные, обходились без автоматизированного прогнозирования спроса. Менеджеры составляли планы продаж, заключали договоры на поставку товаров, заполняли склады и ждали, пока потребители все раскупят. Главной задачей продавцы считали не сокращение издержек для уже существующих точек сбыта, а рост сетей – например, за счет регионов.
Но постепенно служители Меркурия поняли, что прикидывать спрос «на глазок» чревато избыточными запасами, внеплановыми распродажами, дефицитом. Ассортимент супер/гипермаркетов исчисляется десятками тысяч наименований, и осуществлять «ручное» планирование по каждому из них физически невозможно. Да и непрерывно обостряющаяся конкуренция (которая обусловлена в том числе и выходом на российский рынок зарубежных сетей, уже использующих в работе ИТ-решения для анализа и прогнозирования спроса) и, как следствие, трудности с «воспитанием» лояльности покупателей к отдельному розничному брэнду заставляют внимательнее присматриваться к инновациям.
Первые попытки автоматизировать управленческие процессы в бизнесе и на производстве имели место еще сорок лет назад. Тогда наибольшую популярность получила методология MRP (Material Requirement Planning), нацеленная на планирование потребностей предприятия в сырье. К 80-м годам сформировался рынок компьютерных информационных систем (КИС), базирующихся на более широкой концепции MRP-II (Manufacture Resource Planning). Новый подход брал за основу планирование ресурсов производства. К 90-м годам эта концепция была дополнена функциями финансового и кадрового управления и получила название ERP (Enterprise Resource Planning). А созданные согласно данной концепции КИС стали называться ERP-системами.
По сей день это ПО остается центральной частью ИТ-структуры практически любого предприятия. Главными задачами ERP-системы являются консолидация поступающей корпоративной информации в единой БД, обмен данными между подразделениями компании, сокращение времени выполнения рутинных операций, повышение прозрачности коммерческой деятельности и повышение качества контроля и управления предприятием.
Некоторые эксперты выделяют ряд современных ERP-продуктов в особый класс – ERP-II (Enterprise Resource and Relationship Processing), для которого характерно дополнение функциональности «стандартной» ERP-системы модулями по работе с потребителями (CRM, Customer Relationship Management) и управлению цепочками поставок (SCM).
Функциональность системы (а точнее, платформы) Goods4Cast, которую сейчас тестирует «Перекресток», реализуется за счет интегрированной работы семи программных модулей, отвечающих за прогнозирование объемов ежедневных продаж (это делает ядро системы), планирование и оптимизацию закупок, верификацию и обнаружение ошибок в данных, контроль доступности товаров на полках, анализ эффективности воздействий на спрос, оптимизацию объемов страховых запасов и контроль качества прогнозов. Непременной составляющей является первый модуль, а все остальные заказчикам предлагается покупать выборочно, в зависимости от конкретных потребностей.
Центральная часть Goods4Cast – модуль прогнозирования будущих продаж. Он поставляет львиную долю данных, используемых другими модулями системы (для расчета момента и объема закупки, объема обязательного запаса на складе), а потому точность прогноза является критическим фактором, определяющим эффективность системы в целом. Замечу, что алгоритмы прогнозирования центрального модуля минимизируют не ошибки прогноза, а суммарные потери, так как обычная «статистическая» погрешность в 3–5 процентов при миллиардном обороте выливается в весьма впечатляющие суммы.
Для каждого товара система автоматически выбирает подходящий алгоритм, вносит коррективы по взаимному влиянию товаров и рассчитывает доверительный интервал для оценки погрешности прогноза. По мере работы системы и накопления данных о продажах появляется возможность контролировать точность алгоритмов с возможной их перенастройкой.
В свою очередь, модуль планирования закупок позволит избежать таких малоприятных явлений, как замораживание средств, снижение оборачиваемости, затоваривание складских площадей, нехватка места для других товаров при чрезмерной закупке или отсутствие товара на полке (а это не только ведет к снижению продаж, но и негативно сказывается на отношении покупателей) при запоздалой или недостаточной закупке. От системы в этом случае требуется выбрать оптимальный момент и объем закупки.
Исходными данными для принятия этого решения служат такие показатели, как объем текущих товарных остатков, предполагаемый период, по истечении которого заказанный товар появится на прилавке, объем сделанных (но еще не доставленных) заказов, предполагаемый объем продаж и размер обязательного (страхового, неснижаемого) запаса. Данные о прогнозируемом объеме продаж импортируются из ядра системы. Страховой запас вычисляется с учетом возможных колебаний спроса и задержек доставки и тоже может быть определен отдельным модулем системы. Остальные показатели импортируются из системы учета розничной сети.
Оптимальный момент закупки определяется исходя из утверждения, что к поступлению новой товарной партии в магазин страховой запас оставался нетронутым.
Оптимальный объем партии определяется таким образом, чтобы суммарные издержки на единицу товара были минимальными. Издержки пропорциональны времени нахождения товара на складе и занимаемому партией объему. Кроме того, учитываются издержки, связанные со сроком годности товара. Они зависят от прогноза продаж, так как равны стоимости товара, который не удастся продать до истечения срока годности.