Прогнозирование выручки

Время чтения: 5 минут

Мы используем файлы cookie
Чтобы улучшить работу сайта и предоставить вам больше возможностей. Продолжая использовать сайт вы соглашаетесь с условиями использования файлов cookie.
Согласен
Настройки
Мы используем файлы cookie
Настройки
Файлы cookie, необходимые для корректной работы сайта, всегда включены.
Другие файлы cookie можно настроить.
Основные файлы cookie
Всегда включен. Эти файлы cookie необходимы для того, чтобы вы могли пользоваться веб-сайтом и его функциями. Их нельзя отключить. Они устанавливаются в ответ на ваши запросы, такие как настройка параметров конфиденциальности, вход в систему или заполнение форм.
Аналитические файлы cookie.
Disabled
Эти файлы cookie собирают информацию, чтобы помочь нам понять, как используются наши веб-сайты или насколько эффективны наши маркетинговые кампании, или чтобы помочь нам настроить наши веб-сайты под вас.
Рекламные файлы cookie
Disabled
Эти файлы cookie предоставляют рекламным компаниям информацию о вашей онлайн-активности, чтобы помочь им предоставлять вам более релевантную онлайн-рекламу или ограничить количество просмотров рекламы. Эта информация может быть передана другим рекламным компаниям.
Крупный онлайн-ритейлер обратился к нам за помощью в автоматизации процессов прогнозирования выручки.
Что было: собственная система прогнозирования выручки и заказов на базе машинного обучения, в которой расчёт осуществляется в зависимости от большого набора факторов: средний чек, сезонность, город, район города, город-аналог (для новых точек) и пр. При этом система имела ряд ограничений, не устраивающих финансового контролера, отвечающего за прогноз выручки: например, система не учитывала даты закрытия и открытия ЦФО, данные в ней формировались в разрезе недель, а для прогноза на год требовалась детализация по месяцам, существовал ряд ошибок, когда по ЦФО формировалась выручка, но не было данных по заказам (и наоборот).
Что нужно было сделать: полученные из системы прогнозирования результаты обогатить недостающими данными, устранить имеющиеся ограничения и переложить в термины системы бюджетирования.
Как решали задачу:

• Загрузили данные по действующим ЦФО в систему бюджетирования.
Данные в системе прогнозирования формировались в разрезе недель, а в системе бюджетирования – в разрезе месяцев. Поэтому данные из системы прогнозирования поделили на дни, а из дней сформировали месяцы. Осуществили проверку загруженных данных: если по ЦФО отсутствовали данные по выручке, но были данные по заказам (и наоборот), то данное ЦФО не принималось в расчёт.

• Актуализировали данные системы прогнозирования по ЦФО, планирующимся к закрытию. Актуальный план открытий/закрытий находился в системе бюджетирования, поэтому мы осуществляли проверку на наличие даты закрытия по действующим ЦФО, и после даты закрытия выручку по ним не брали в расчет.

• Рассчитали выручку по новым ЦФО в системе бюджетирования.
В системе прогнозирования формировалась база по выручке и заказам для новых городов в разрезе относительных месяцев раскрутки ЦФО (1й, 2й и т.д. месяца работы), но не учитывалось конкретное количество открывающихся ЦФО и даты их открытий. Нам нужно было применить эту базу к актуальному плану открытий: учесть даты открытия и применить базы по месяцам раскрутки к конкретным месяцам работы каждого нового ЦФО, что мы и сделали)

• Реализовали верхнеуровневую корректировку полученных итоговых данных: то есть осуществили возможность ручного ввода выручки (или заказов) по городу в целом и в дальнейшем аллоцировали введенную вручную корректировку вниз на ЦФО пропорционально базе, полученной в системе прогнозирования.

• Реализовали расчёт среднего чека в системе бюджетирования и его корректировку при необходимости, и дальнейшую аллокацию этой корректировки на полученные итоговые результаты по ЦФО.

• К полученному итоговому результату по выручке мы применили сплит по статьям PL (статистический процент по разным статьям доходов) и таким образом получили выручку в PL.
Клиент получил интегрированное комплексное решение для прогнозирования выручки, которое включало в себя возможности собственной системы прогнозирования и системы бюджетирования. Теперь у клиента есть более точный прогноз выручки и заказов с учетом ключевых факторов, которые до этого не учитывались в собственной системе прогнозирования.
Понравилась статья?
Больше актуальных новостей и интересных кейсов
Не забудьте подписаться на наш Telegram!
Будьте в курсе событий!
Читайте также: