Авторизация
Забыли пароль?
Сброс пароля
Вернуться к авторизации

Как мы заменили ручное планирование производства на ML-модель, которая точно предсказывает спрос по 3500+ SKU на 6 месяцев вперёд.

Агентство-исполнитель кейса

Insight AI

Insight AI - студия разработки кастомных AI-решений для крупного бизнеса.

1. Вводная задача от заказчика, проблематика, цели

Группа «Черкизово» производит охлаждённое мясо, колбасные изделия и полуфабрикаты — продукцию со сроком годности от 5 до 25 суток. При такой скоропортимости цена ошибки в планировании очень высока: перепроизводство ведёт к списаниям, недопроизводство — к дефициту на полках федеральных сетей и упущенной выручке.

До внедрения системы планирование строилось на среднем значении отгрузок за последние недели с ручными корректировками менеджеров. Такой подход не улавливал сезонные волны, не реагировал на промо-активности сетей и давал разные результаты в зависимости от того, кто именно считал. По оценке бизнеса, совокупные потери от списаний и упущенных продаж достигали 430 млн рублей в год.

2. Описание реализации кейса и творческого пути по поиску оптимального решения

Чтобы решить задачу мы разработали систему предиктивной аналитики на базе алгоритмов машинного обучения. Она позволила прогнозировать спрос на 26 недель вперед с детализацией по неделям и товарным позициям.

Проект включал несколько этапов:

1. Сбор и консолидация данных.

Данные о отгрузках из разных систем и дивизионов свели в единый датасет, очистили и подготовили для обучения модели.

2. Обогащение внешними факторами.

К истории отгрузок добавили промо-календари сетей, погоду, динамику цен на сырьё и эпизоотическую обстановку.

3. Разработка и отбор модели.

Протестировали несколько алгоритмов — финальная модель прогнозирует спрос на уровне каждого SKU с учётом сезонности, эластичности и конкуренции внутри портфеля.

4. Интеграция в бизнес-процессы.

Систему встроили в BI-среду компании: прогноз на 26 недель доступен в привычном интерфейсе без перехода в новые инструменты.

3. Результаты сотрудничества

В результате внедрения решения были достигнуты следующие показатели:

1. +19% к точности прогноза — показатель вырос до 91% против прежнего метода на основе скользящего среднего.

2. −28% списаний по истечении срока годности за счёт точного планирования объёмов производства и логистики.

3. Сотни миллионов рублей экономического эффекта в год по оценке заказчика — за счёт снижения потерь и сокращения дефицита на полках.

4. Заключение

Insight AI разработали систему предиктивной аналитики на базе машинного обучения, которая прогнозирует спрос по каждой товарной позиции с детализацией по неделям на горизонте до 6 месяцев. Модель анализирует многолетнюю историю отгрузок в совокупности с десятками внешних факторов — от промо-акций торговых сетей до погодных условий и православного календаря, влияющего на структуру потребления. Для каждого SKU система выявляет свои ключевые драйверы: одни позиции чувствительны к сезону, другие — к глубине скидки, третьи — к конкуренции внутри портфеля. Решение прошло валидацию на исторических периодах и было интегрировано в BI-среду заказчика, что позволило отделам планирования и продаж работать с прогнозом без смены инструментов. Проект реализован за 5 месяцев — от сбора данных до запуска в промышленную эксплуатацию.

Агентство-исполнитель кейса

Insight AI

Insight AI - студия разработки кастомных AI-решений для крупного бизнеса.