Андрей Лисица и Сергей Котик, сооснователи компании GoodsForecast, рассказывают, как российские математики создали компанию, которая предсказывает будущее

Можно ли предсказать будущее бизнеса? Отчасти да, ведь будет ли компания успешна, в большой степени зависит от спроса на ее продукт. А спрос предсказать можно. Этим и занимается компания GoodsForecast — команда российских математиков, которая создает прогнозирующие системы, позволяющие предвидеть спрос на товары и оценивать возможный эффект от планируемых промоакций. Подобные системы смогли появиться  благодаря оригинальным разработкам российской математической школы.

Золотое начало

Теоретический фундамент для тех прогностических инструментов, которые предлагает компания GoodsForecast, возник еще в советское время и был разработан известным советским математиком, академиком Юрием Ивановичем Журавлевым.

Как известно, добыча полезных ископаемых была основой советской экономики, но их поиск на огромных и зачастую малонаселенных пространствах был очень затратным делом, в частности, потому что для обнаружения месторождения требовалось контрольное бурение в большом числе точек. Юрием Журавлевым была разработана математическая модель, позволяющая гораздо точнее отыскивать месторождения золота на основе неполных данных и без дополнительных буровых работ.

В начале XXI века ученики академика Журавлева решили заняться коммерциализацией его идей. Математический аппарат, который когда-то помогал искать золото, в новой экономической реальности смог помочь в оптимизации любых бизнес-процессов, планировании деятельности как коммерческих, так и государственных структур. По инициативе одного из выпускников Физтеха в 2000 году появилась компания «Форексис», среди ее учредителей были и сам Юрий Журавлев, и его ученик, математик Константин Рудаков, впоследствии тоже академик и заместитель директора Федерального исследовательского центра «Информатика и управление» РАН. Другие ученики Журавлева, студенты и аспиранты, стали первыми сотрудниками новой компании.

На примере «Форексиса» мы видим, чем такая абстрактная наука, как математика, может быть полезна бизнесу.

Для московской биржи ММВБ (одного из первых клиентов) была создана система мониторинга торгов. Аэропорту Домодедово компания «Форексис» помогла оптимизировать наземный трафик. Для РЖД был составлен прогноз спроса на грузовые железнодорожные перевозки. Для студентов и научных сотрудников был создан сервис «Антиплагиат» — его функции понятны из названия.

Займемся прогнозированием

Сама компания GoodsForecast зародилась как одно из направлений внутри «Форексиса». Все началось в 2004 году, когда среди клиентов последнего появилась торговая сеть «Перекресток». «Форексис» смог выиграть тендер на создание системы прогнозирования спроса и управления запасами для этого крупного ритейлера. В результате был создан департамент систем прогнозирования, который и стал основой будущей компании GoodsForecast.

Правда, вопрос о том, чтобы выделить это направление в отдельное юридическое лицо, встал перед акционерами «Форексиса» и тогдашним генеральным директором Юрием Чеховичем (ныне главой компании «Антиплагиат») гораздо позже — уже в 2012–2013 гг. Причин для этого было несколько: прогнозный бизнес вырос и достиг зрелости, мог встать вопрос о привлечении в него сторонних инвесторов, к тому же появилась идея получения для прогнозной структуры статуса резидента «Сколково», что впоследствии и удалось осуществить.

Возглавили новую компанию три человека: Андрей Лисица (генеральный директор), Сергей Котик (директор по развитию) и Даниил Каневский (директор по аналитике). Все трое — специалисты в области прикладной математики, закончили факультет вычислительной математики и кибернетики (ВМК) МГУ, а Каневский и Котик к тому же были выпускниками кафедры математических методов прогнозирования, где и преподавал академик Журавлев. Костяк команды GoodsForecast первоначально составили сотрудники «Форексиса», а впоследствии команда пополнилась специалистами со стороны, имеющими соответствующий опыт.

Сегодня GoodsForecast занимается широким спектром исследований и услуг, но в первую очередь помогает крупным торговым предприятиям планировать их деятельность и составлять прогноз спроса. Через 5 лет работы оборот компании достиг 100 млн рублей в год, в штате GoodsForecast работают более полусотни сотрудников, в ее структуре есть отдел аналитики, где сосредоточены математические исследования, а также четыре продуктовых направления, разрабатывающие и дорабатывающие прикладные программные продукты на основе имеющихся математических решений. По сути, компания является одновременно и консультантом, и поставщиком программных продуктов.

Что может прогнозирование

Специалисты по прогнозированию могут помочь, к примеру,торговым сетям, которым нужны системы автоматического управления товарными запасами на складе, а также специальные системы прогнозирования и планирования продаж. Впрочем, в процессе своего развития GoodsForecast удалось расшириться и охватить не только торговлю, но и производство: для производственных компаний были разработаны  системы, распределяющие нагрузки между промышленными площадками, корректирующие планы в соответствии с заказами клиентов, а также оптимизирующие расписание производственных линий.

GoodsForecast берется также за такой сравнительно экзотический для России вид прогнозов, как предсказание эффекта планируемых промоакций на основе опыта проведения подобных мероприятий как в данной торговой сети, так и у аналогичных предприятий в регионе. В этом случае промоакция моделируется как объект, чье конечное состояние зависит от большого числа исходных факторов: вида товара, типа акции, величины скидок, продолжительности во времени и распространения в пространстве, географической локации, конкретных магазинов, дней недели и т.д.

Заняться этим видом прогнозирования в GoodsForecast решили потому, что спрос на него постоянно растет: не менее 60% товаров продается именно через промоакции, однако прогнозировать их эффект без привлечения серьезной математики и больших объемов данных очень непросто.

Каков эффект от внедрения подобных инструментов? Здесь можно привести некоторые примеры.:

  • Используя инструменты GoodsForecast, ГК «Черкизово» удалось более чем на 20 млн руб. в год сократить издержки на производство курятины.
  • Один из крупнейших дистрибьюторов товаров народного потребления «САНГ» улучшил оборачиваемость товаров более чем на 21% при одновременном повышении уровня сервиса с 95 до 97%.
  • Агрохолдинг «Комос Групп» за счет использования системы управления запасами улучшил показатель оборачиваемости товара на 9%.
  • Корпорация «Технониколь» сократила издержки на производство с помощью системы оперативного планирования более чем на 20%.

Размер имеет значение

Как можно понять из сказанного, клиентами GoodsForecast в первую очередь являются крупные компании. Таково свойство предлагаемых продуктов: проект внедрения решения по планированию может стоить минимум несколько миллионов рублей, и нужно, чтобы сокращение издержек и увеличение прибыли, предположим на 10–12%, могло окупить эту сумму. Среди тех, кто пользуется продуктами компании, представлены такие крупные игроки, как Балтика, Philip Morris, Knauf, SPLAT, «О’КЕЙ», «Иль де Ботэ», «Верный», «САНГ», «Технониколь».

Из этого обстоятельства вытекает и главная трудность, имеющаяся в работе компании. Сама компания GoodsForecast, скорее, все-таки относится к малому бизнесу, а ее клиенты — к бизнесу крупному.

Темпы жизни у структур, находящихся в разных весовых категориях, разные, цикл переговоров с крупными клиентами всегда длинный и сложный. Пожалуй, это главная проблема прогнозного бизнеса.

Пути развития

В наших планах — развитие систем аналитики на основе фискальных данных (мы уже делаем несколько проектов в сотрудничестве с ведущими операторами подобных данных). Опираясь на новое «информационное сырье», мы сможем предоставлять коммерсантам подробный анализ чеков, пробитых в магазинах, что позволит еще точнее прогнозировать закономерности потребления. В частности, этот анализ позволит увидеть имеющиеся корреляции. Мы можем, например, заметить, что в определенном регионе товар А часто покупают вместе с товаром Б. Поняв это, мы можем поставить их рядом в торговом зале и тем самым увеличить суммарные продажи.

Еще данный анализ может иметь значение для выработки рекомендаций по ценообразованию: например, можно будет прийти к выводу, что для данного города цена на товар А слишком высока или, наоборот, слишком низка. И, конечно, можно решать очень востребованные сейчас задачи анализа ассортимента и рекомендаций по промоакциям.

Искусственный интеллект не волшебная палочка!

Хайп, возникший сегодня вокруг искусственного интеллекта и нейросетей, привел к тому, что у бизнесменов имеются в отношении них несколько завышенные ожидания. Иногда возникает иллюзия, что искусственный интеллект — это «волшебная красная кнопка», которую достаточно один раз установить, чтобы она начала зарабатывать деньги и делать бизнес более эффективным.

В реальности все гораздо сложнее. Да, с помощью искусственного интеллекта можно получить дополнительную прибыль, но только при готовности потратить на это деньги, время и силы. Стоимость проектов внедрения систем ИИ, в том числе тех, что предлагает GoodsForecast, связана не только с услугами математиков-прогнозистов и программистов.

Теоретически любой клиент может купить на рынке готовое IT-решение, однако с его внедрением, а главное, с его эффективностью могут возникнуть проблемы.

И самая частая причина этого заключается в низком качестве и недостаточной структурированности бизнес-процессов и исходных данных, генерируемых компанией-клиентом.

О качестве данных говорится достаточно часто применительно к задачам использования аналитических систем или машинного обучения, однако интеграция с информационными системами заказчиков и по сей день остается одной из самых проблемных частей проектов.

При этом подготовка данных не может быть единовременным актом, речь идет, скорее, о культуре работы с информационными потоками в компании. Зачастую она отсутствует даже в российских подразделениях мировых концернов-гигантов. Поэтому внедрению систем прогнозирования и планирования (впрочем, как и любых других инструментов, работающих с большими объемами информации) должна предшествовать реализация проектов по ведению и управлению исходными данными.

Для того чтобы искусственный интеллект мог приносить пользу, часто требуется изменить или формализовать многие бизнес-процессы в компании.

Искусственный интеллект — хороший инструмент повышения эффективности, но надо быть готовым с ним работать.

Рынок растет

Впрочем, все эти трудности не мешают востребованности прогнозно-аналитических услуг на рынке. Мы видим, что рынок прогнозирования и оптимизации демонстрирует уверенный рост, и предполагаем, что в этом году он увеличится на 30% и более. В условиях слабого экономического роста и крушения традиционных бизнес-моделей многие предприниматели понимают, что резервы бизнеса лежат в сфере оптимизации — и тут без специалистов в данной области не обойтись. При этом наибольшее увеличение спроса, скорее всего, придется именно на системы прогнозирования и управления запасами, а также оптимизации производственного планирования.