Запуск маркировки на молочном производстве — дело затратное. А если при этом использовать «1С:Управление нашей фирмой» и искусственный интеллект для предсказания спроса, можно отбить затраты и получить прибыль.
Участники проекта
Заказчик — ООО «МОЛОЧНЫЕ РЕКИ АЛТАЯ».
Выпускает 12 видов молочной продукции. Реализует продукцию через партнеров — около 100 торговых точек.
Компания содержит свое поголовье породистых коров. Поэтому круглый год получает свежее сырье для производства.
Исполнитель: ИП Сапрыкин Вячеслав Викторович — партнер фирмы 1С — Сертифицированный индивидуальный предприниматель.
Как мы запускали маркировку на молочном производстве
С чего начинали
На рынке молочных продуктов очень высокая конкуренция. Вести бизнес на таком рынке сложно. Тем более если компания небольшая.
Ещё сложнее, если основной принцип компании — продавать натуральные продукты без добавления химии. Срок годности таких продуктов ограничен. Торговым точкам выгоднее закупать товары с бОльшим сроком годности в ущерб их полезности.
А тут ещё маркировка и система «Честный знак».
Кто знаком с маркировкой, знает насколько трудоемкий процесс запуска маркировки.
Только представьте, чтобы отгрузить продукцию, нужно её не только произвести, но и:
- Отразить выпуск в системе электронной сертификации Меркурий.
- Получить коды маркировки Честный знак на каждую единицу продукции.
- Нанести на каждую упаковку уникальный код.
- Отправить каждому покупателю уведомление об отгрузке через систему Меркурий.
- И ещё отправить каждому покупателю электронную накладную через систему Электронного документооборота.
Во всех системах информация должна быть согласована и внесена прежде, чем покинет территорию завода.
Иначе — БОЛЬШОЙ ШТРАФ!
Добавим к этому, что ООО «МОЛОЧНЫЕ РЕКИ АЛТАЯ» — предприятие небольшое. Лишних денег на крупный проект автоматизации нет.
Для многих собственников малых предприятий такая ситуация почти безвыходная. Но это не про Евгения Фентисова — директора ООО «МОЛОЧНЫЕ РЕКИ АЛТАЯ».
Евгений развивает компанию более десяти лет. Основной принцип ведения бизнеса — это забота о здоровье потребителей. Основной девиз компании — «НАТУРАЛЬНОЕ, ВКУСНОЕ, ПОЛЕЗНОЕ».
Если говорить про автоматизацию учета, то до 2022 года в ООО «МОЛОЧНЫЕ РЕКИ АЛТАЯ» работали на старой версии «1С:Комплексная автоматизация».
Программа уже снята с поддержки, но к ней привыкли, настроили под себя. Всё удобно и под рукой.
Но началась маркировка молочной продукции через «Честный знак».
Пришлось срочно искать замену старой, но родной 1С-ки. Подбирать оборудование для нанесения маркировки на продукцию.
Выбор программы и принтера для нанесения кодов на упаковку
Евгений обратился ко мне, Сапрыкину Вячеславу, сертифицированному индивидуальному предпринимателю. Вместе мы проработали переход на современное программное обеспечение фирмы «1С». Выбор был сделан в пользу программы — «1С:Управление нашей фирмой» (далее 1С:УНФ).
В ней реализован производственный учет и выписка накладных клиентам. Есть удобная подсистема CRM. Можно даже запустить своего телефонного робота-менеджера для сбора заявок от клиентов.
Но самое главное — программа работает со всеми тремя государственными информационными системами: «Меркурий», «Честный знак», ЭДО. Собирает и увязывает данные из каждой системы в одном месте.
По требованиям системы «Честный знак» на упаковке каждой единицы продукции должен быть нанесен уникальный код. Для печати кодов выбрали промышленный термотрансферный принтер VideoJet DataFlex 6330.
Подключение принтера к 1С усложнялось:
- отсутствием встроенного модуля управления печатью;
- удаленностью на 10 километров производственной площадки от офиса.
Программа 1С:УНФ развернута в офисе. Там регистрируются коды для каждой единицы продукции. Каждый день необходимо запрашивать у «Честного знака» 8000 кодов.
Было разработано дополнение к программе 1С:УНФ, которое формирует файл задания для печати. Файл с заданием передается на производство и выполняется на компьютере с принтером.
Сканирование и передача кодов в систему «Честный знак»
После нанесения кодов, следующий шаг — собрать данные о нанесенных кодах. Не все коды отгружаются в торговые точки. Есть потери на производстве. Например, пакет молока не прошёл проверку по весу или герметичности.
Для сбора нанесенных кодов потребовалась программа считывания кодов сканером QR-кодов.
Программа отправляет коды по email в офис. Менеджер в офисе завершает в «1С:УНФ» регистрацию выпуска продукции в системах «Меркурий» и «Честный знак».
И окончательный этап — автоматическая отправка накладных через систему Электронного документооборота.
Маркировка должна работать без сбоев. Любая остановка приводит к задержкам в отгрузке продукции. А ведь продукция имеет ограниченный срок годности (5 суток). И вчерашнюю продукцию торговые точки не примут!
Именно надежность является основным требованием к каждому элементу системы.
Нужных параметров работы добились только через два месяца. Два месяца кропотливого тестирования и отладки!
Искусственный интеллект для предсказания спроса
Анализ продаж
Пока автоматизировали маркировку, выявили ещё одну проблему: необходимость предсказания спроса на молочную продукцию.
Для производства кефира, например, необходимо 48 часов. Поэтому полезно заранее знать, какое количество будет заказано через 2-е суток.
На спрос влияет много факторов:
- Сезонные колебания
- Погода
- Праздники
- Отгрузки конкурентов
- и т.д.
И на каждой торговой точке поведение спроса имеет свою уникальную закономерность.
Задачу предсказания спроса невозможно решить классическим программированием из-за большого количества данных.
Я предложил Евгению попробовать применить искусственный интеллект и машинное обучение.
Как это выглядит на практике
12 видов продукции и 100 торговых точек. Итого 1200 графиков спроса.
Вот так выглядит один из этих 1200 графиков.
График заказа продукции по одной торговой точке по одному виду продукции за 2022 год. Количество заказов день ото дня меняется от 0 до 200 единиц.
Каждый график представляется в виде суммы трех графиков.
Плавно меняющаяся трендовая составляющая — верхний график.
Периодические колебания в течение нескольких дней или недель — второй график.
И остаток — плохо предсказуемые колебания. Остаток — результат влияния на спрос случайных событий.
Что было сделано:
Алгоритмов искусственного интеллекта много. Найти оптимальную модель — задача трудоемкая. Вот что получилось:
На графике видны 3 линии:
- Синяя — реальные заказы.
- Зеленая линия — предсказание, которое выдала модель.
- Оранжевая — скользящее среднее.
Оранжевую линию можно воспринимать, как предсказания спроса на основе интуитивных ощущений менеджеров. Так называемый человеческий фактор.
Зеленая линия не идеально ложится на синюю. Но это и понятно.
К сожалению, или, к счастью, сегодня у человечества нет инструмента 100%-ного предсказания будущего.
Здесь у вас должен возникнуть резонный вопрос: А какая ценность для бизнеса от неточных предсказаний?
Так вот, модель, предсказывая спрос на 80%, помогает менеджеру отдела продаж найти отклонения и аномалии в спросе.
Вот какие аномалии удалось выявить на графике спроса:
- Слева на графике большой пик в предсказаниях (помеченный красной стрелочкой).
Выяснилось, что причина такой аномалии в следующем: 11 августа торговый представитель не дозвонился до клиента и не оформил заказ. А это, почти 10% месячного оборота по этому клиенту и по этому товару. То есть упущенная выгода.
- Следующее отклонение — 17 августа — торговый представитель дозвонился, но в магазине безответственный сотрудник заказал меньше, чем могло было быть продано. Мы специально уточняли — вечером продукции в магазине не оказалось. Опять упущенная выгода.
- 23 числа (обведено красным овалом) — подвёл прогноз погоды. Ожидался дождливый день, но было солнечно. А когда летом солнечно — люди почему-то не покупают молочную продукцию. Может быть, выезжают на природу.
На следующем графике показана разница заказов и предсказаний.
Оранжевая линия — разница реальных заказов и предсказаний.
Всё, что ниже нуля — точки роста продаж. Эти области на графике заштрихованы. С большой вероятностью в эти дни спрос был, а продукции на полке не оказалось.
Хотя на графике спроса (помечен синей линией) этих аномалий не заметно.
Вот так модель помогает находить области роста продаж.
Как мы научились анализировать 1200 графиков предсказания продаж
С одним графиком разобрались. Но помните: таких графиков 1200 штук?
Возникает вопрос — как нам одним взглядом окинуть сразу 1200 графиков.
Мы применили тепловую карту. Была разработана таблица, в строках которой торговые точки, а в столбцах продукция. Ячейки таблицы пометили разными цветами.
Цвет ячейки определяется величиной отклонения заказа от предсказания. Выделяется цветом именно разница факта и предсказания.
Как оказалось, причин для аномалий в спросе не так много. Чаще всего каждой причине соответствует свой диапазон отклонения и конкретный цвет ячейки:
- Оранжевый цвет — небольшие отклонения в пределах нормы. Всё хорошо.
- Во второй колонке по продукции «кефир», преобладает сиреневый цвет. Такое количество сиреневых ячеек говорит о массовом уменьшении спроса на продукцию. Продукция перестала нравиться покупателям. Возможно, изменилось качество товара, либо требуется дополнительное рекламное продвижение.
- Красный цвет — большие, существенные аномалии спроса. Сигнал для тщательного расследования причин отклонений.
Таким образом, мы автоматизировали генерацию задач для торговых представителей. Знаем цвет — значит знаем категорию аномалии.
Теперь у руководителя отдела продаж есть инструмент ежедневного контроля, а торговые представители ежедневно получают конкретные задачи по продвижению продукции. Инструмент ежедневного, оперативного влияния на процесс продаж.
Раньше эффективность работы отдела продаж можно было оценить только в конце месяца по усредненным показателям. Усреднение скрывает детали и точки роста продаж.
Каких результатов удалось достичь с помощью 1С:УНФ и предсказания спроса
При реализации проекта на ООО «МОЛОЧНЫЕ РЕКИ АЛТАЯ» мы запустили маркировку и разработали новый инструмент анализа продаж.
Предсказания и детальный анализ спроса позволили компании увеличить продажи на 7%.
Интересный факт — что при этом производственные затраты изменились НЕзначительно.
Более эффективное распределение сырья и готовой продукции между торговыми точками увеличило прибыль компании на 30%.
Именно применение инструментов цифровизации дает такой эффект!
Цифровизация начинается в компании тогда, когда компания не только собирает данные, но и анализирует их. Моделирует бизнес-процессы.
Сегодня, важно понимать: проекты по цифровизации компании — серьезное преимущество в конкурентной борьбе. Это потенциал роста рентабельности бизнеса на 30−40%.
Не откладывайте цифровизацию на завтра!
Приглашайте специалистов, анализируйте ваши данные, ищите точки роста бизнеса с помощью цифровых моделей и программ 1С.
