Часто задаваемые вопросы

Во-первых, мы фокусируемся на прогнозировании спроса для продуктового ритейла. Мы учитываем особенности ассортимента и специфические задачи отрасли, такие как прогнозирование спроса на скоропортящиеся продукты, оптимизация страховых запасов, прогнозирование спроса на товары по промоакциям и оптимизация параметров промо, а также динамическое ценообразование и оптимизация цены.

Во-вторых, мы используем технологии машинного обучения. Наша команда обладает более чем 10-летним опытом использования машинного обучения для решения бизнес-задач, и мы гордимся тем, что наши решения демонстрируют более высокое качество прогноза, чем решения конкурентов.

В-третьих, наши решения приносят измеримый результат и подтвержденную ценность для бизнеса. Мы помогаем вам извлекать выгоду из имеющихся у вас данных, повышая оборачиваемость, доступность товара на полке и эффективность бизнеса.

Мы предлагаем сервисы по прогнозированию спроса на основе машинного обучения, которые позволяют вам автоматизировать процесс принятия решений, повысить операционную эффективность и сократить издержки. Наши сервисы решают разные типы прогнозных задач: прогноз спроса на скоропортящиеся продукты, оптимизация страховых запасов, прогноз спроса на товары по промоакциям, оптимизация параметров промо, динамическое ценообразование и оптимизация цены.

Мы предоставляем услуги "под ключ", которые интегрируются в существующие бизнес-процессы. Свяжитесь с нами, чтобы узнать больше

Наш алгоритм прогнозирует спрос, рассчитывает необходимый объем страховых запасов и оптимальное количество товара, которое надо заказать. Результаты прогнозирования передаются в систему пополнения запасов, и заказ размещается автоматически.

Чтобы этого не происходило, мы добавили автоматический модуль контроля в архитектуру нашего решения. Модуль сопоставляет прогноз с верхней и нижней границами потенциально возможного спроса по каждой категории товара и, таким образом, обеспечивает релевантность прогноза. В основе модуля — экспертиза профессионалов розничной торговли.

Нет. Компании не нужно обладать опытом и экспертизой в области машинного обучения или иметь свою команду дата-аналитиков, чтобы начать работать с нами. От подготовки данных к анализу до разработки и улучшения качества прогнозной модели — мы позаботимся обо всем.

Мы используем данные клиента. Например, история продаж, изменения цены, проводимые промо, доступные запасы, даты поставки, минимальный квант поставки и размер партии, характеристики магазина и многие другие параметры. При необходимости мы используем данные из внешних источников, например, прогноз погоды или проходимость торговой точки.

Чем больше, тем лучше. Как правило, технологии машинного обучения применяют, если количество записей (например,продаж) измеряется десятками тысяч. Однако для некоторых задач наш подход позволяет использовать и меньшие объемы — месяцы, а не годы — данных.

Мы предлагаем несколько вариантов работы сервиса: по модели SaaS («программное обеспечение как услуга») или на инфраструктуре заказчика. В случае с SaaS передача данных необходима, и ресурсоемкие обработка данных и обучение модели происходят в частном облаке или на инфраструктуре DSLab. Мы рекомендуем использовать модель SaaS, поскольку в большинстве случаев она демонстрирует наилучшее соотношение цена/эффективность.

Однако если передача данных невозможна (например, в силу требований конфиденциальности или вопросов производительности), мы можем развернуть сервис на инфраструктуре заказчика.

Мы обеспечиваем безопасность данных с помощью сквозного шифрования. Чувствительная для бизнеса заказчика информация (например, данные о продажах в конкретных магазинах или отдельных товарах) может быть анонимизирована случайными идентификаторами, хэшами. Передача данных осуществляется по защищенным VNP каналам.

Интеграции с внутренними системами заказчика происходит через API. Наше решение легко интегрируется с хранилищами данных на основе Hadoop и SQL, а также c системами пополнения запасов. В среднем, интеграция занимает около одного месяца.

Наши решения не имеют собственного интерфейса. Они интегрируются через программный интерфейс (API) и встраиваются в бизнес-процессы заказчика. Вам не надо привыкать работать в еще одном новом интерфейсе, все уже знакомо!

Мы оказываем поддержку нашим клиентам 24/7. Также мы ежедневно переобучаем прогнозную модель на основе новых данных, что позволяет постоянно улучшать качество ее работы.

Мы используем модель подписки, основанную на количестве магазинов в розничной сети заказчика. Чем больше у вас магазинов, тем ниже стоимость подписки за каждый магазин. Вне зависимости от того, сколько магазинов в вашей сети, наши сервисы кратно дешевле продуктов больших корпораций.

Для определения результатов работы сервиса мы используем A/B-тестирование. A/B-тестирование позволяет определить эффективность работы нашего сервиса путем сравнения с результатами существующего ранее решения. Мы используем бизнес-метрики, такие как доступность товара на полке или списания, чтобы оценить качество прогноза. С такими метриками вы сможете легко рассчитать отдачу от использования сервисов DSLab. Запросить демо