ИИ-аналитик для стратегического планирования в ритейле

Ускорение аналитики в условиях растущей динамики рынка ритейла — это важная задача, с которой к нам пришел клиент. Классический подход, реализованный в компании, не позволял быстро реагировать на изменения рынка и действия конкурентов.

• Стратегическое развитие компании выстраивалось на базе неполных или устаревших данных.
• Цифры и отчеты не всегда давали возможность оценить реальную отдачу бизнес-юнитов и конкретных менеджеров по продажам, а статистику по SKU было сложно транслировать в конкретные рекомендации и действия.
• Часто конкретные решения принимались не столько на базе собранной аналитиками информации, сколько коллективным брейнштормом и давлением авторитетных сотрудников.

Мы погрузились в процессы заказчика, проанализировали логику выбора стратегии развития и предложили внедрить ИИ-инструмент, совмещающий функции отдела аналитиков.

Для этого мы разработали аналитическую систему на базе большой языковой модели, в которую загружаются актуальные отчеты, документы план-факт, прайс-листы и финансовые показатели предприятия.

Затем NLP-enabled диалоговая система позволяет сотруднику задать вопрос в произвольной форме и в течение 30 секунд получить структурированный ответ. В основе ответов лежит глубокий анализ взаимосвязей между загруженными документами со ссылками на конкретные цифры и показатели.

Подробная аналитика с помощью ИИ позволяет:

• оценить источники упущенной прибыли по план-факту;
• выявить наиболее и наименее эффективные юниты и менеджеров;
• понять географию и зависимость продаж от SKU;
• выявить проблемные SKU и каналы продаж;
• подсчитать рентабельность и ROI в целом и отдельно по каналам.

ИИ-аналитик также предложит варианты стратегического развития, укажет на слабые места и обоснует необходимость тех или иных мер.

Тестовые запуски на исторических данных показали высокую эффективность разработанного решения. В тех ситуациях, когда историческое решение оказывалось выгодным для компании, ИИ-ассистент принимал такое же или очень схожее решение, а его прогнозы совпадали с реальными результатами. Напротив, в случае решений, которые в реальности оказались неудачными, ИИ на тех же данных советовал стратегию, которая могла бы привести к иному, более выгодному для компании исходу.

На сегодняшний день обкатка Proof of Concept продолжается.