Руководитель проекта ST SmartMerch Максим Архипенков рассказывает, почему для прогнозирования сбыта стоит использовать нейронные сети и как применять новую технологию в ритейле.
Формулы vs нейросети
Нейросети используются для нахождения зависимости между слабосвязанными параметрами. Это как раз история про прогноз сбыта, где нужно учитывать огромный пул данных: поставки, сезонность, погоду, курс валют, стоимость жилья в районе торговой точки, возраст покупателей, их средний заработок, цены в похожих магазинах и так далее и так далее.
Чтобы решить такую задачу, требуется описать все возможные варианты в цифрах и указать, как изменение каждого параметра повлияет на все остальные. Человек не может построить такую сложную систему зависимостей с огромным количеством переменных. А нейросети это под силу: она самостоятельно анализирует влияние показателей друг друга, улавливает связи между ними и оценивает их степень зависимости. Экономическую целесообразность такого подхода подтверждают аналитики «Магнита»: анализ спроса на базе искусственного интеллекта позволит компании увеличивать выручку на 4 млрд рублей в год*.
От «оптимизировать поставки» до «просчитать последствия»
Инструмент форекастинга (forecasting — прогнозирование, англ.) на базе нейронных сетей и машинного обучения сверхприменим в ритейле.
-
Данные по анализу спроса помогают оптимизировать цепочки поставок, определить оптимальное количество сетевых торговых точек на город, найти место для нового магазина.
-
Прогнозирование позволяет увидеть, когда ты растешь недостаточно или вообще не растешь. Получив прогноз, что продажи вырастут на 3% при инфляции 4%, начинаешь думать, как повысить спрос и сократить издержки.
-
Перед тем, как внедрять изменения, можно с большой достоверность просчитать его последствия. Например, ритейлеру, который практикует именные программы лояльности, нейросеть может дать прогноз продаж определенного товара для каждого конкретного покупателя.
Для анализа ситуации внутри магазина в систему прогнозирования спроса можно встроить сервис цифрового мерчандайзинга ST SmartMerch. Если с большой частотой анализировать выкладку, можно увидеть скорость вымывания товара с каждой полки и спрогнозировать, например, эффективность установки нового холодильника или промо-палета с детализацией до уровня места продаж.
Любое прогнозирование, — какая бы методика ни использовалась, будь то корреляционный прогноз или нейросети, — не дает стопроцентной точности. Но нейросеть однозначно полезна, особенно когда достигает определенного уровня: она очень помогает в стратегии и оперативной работе.
«Везде, где есть числа»
Когда разработчик выстраивает модель нейронной сети, он заранее затачивает ее под определенный набор параметров и обучает. Клиент работает с готовым продуктом: чтобы получить форекастинг, ты просто загружаешь данные. Это коробочное решение, адаптация под бизнес тут не нужна. Однако точность прогноза, сделанного разными нейросетями, будет отличаться — даже при одинаковом наборе параметров. Вся соль в деталях, а детали зависят от исполнения: от архитектуры системы, степени обученности и обучаемости конкретной нейросети и так далее. Я верю, что в скором будущем сети будут прогнозировать с точностью
Нейросети ультраприменимы в бизнесе и будут внедряться везде, где есть числа, где есть какая-то логика. Но они не заменят человека, поскольку не способны принимать решения на основе полученных прогнозов. Возможно, когда-нибудь искусственный интеллект возьмет на себя и управление бизнесом. Но это совсем далекая перспектива.
_______
* ТАСС: "Магнит" планирует внедрить анализ спроса на товары с помощью нейросетей
