Statistisk analys/prediktion

Situation och utmaning

Hos en ledande aktör i svenska dagligvarubranschen är det inte ovanligt att administrera tiotals miljoner tidsserier som representerar företagets utbud av artiklar, fördelade över hundratals butiker och tiotals lager. Aktören har över tid förvärvat expertis inom varuförsörjning, logistik och hantering av produkter i en central organisation. Den centrala organisationen förser den ofta privatägda butiken med varor enligt ett lagerbehov definierat av butiksägaren.

För att säkerställa lönsamhet är rätt lagerhållning en hörnsten, speciellt i en kraftigt konkurrenssatt miljö som dagligvarubranschen.

Butiker och lager som har en felaktig lagerhållning kommer i förlängningen att kosta aktören pengar genom utebliven försäljning (underprognostisering) eller genom låst kapital (överprognostisering).

Vilka förmågor önskas – problem med realisering?

Kunden har sedan tidigare uppvisat intresse för att driva en central applikation, med ansvar och funktionalitet, för att förse hela företaget med lagerhållningsprognostisering. Syftet och målet med applikationen är att utföra datadrivna, objektiva prognoser med kort ledtid för att återspegla lagerhållningen baserat på faktisk efterfrågan på artikelnivå. Man vill även minska belastningen på den enskilda butiksägaren eller centrala lagervaruplaneraren. Målet är att effektivisera och optimera mängden artiklar som når ut till lager och slutligen butik.

Vad är det strukturellt riktiga angreppsättet?

För att uppnå en automatiserad och datadriven prognosapplikation som levererar rimliga prognoser på tiotals miljoner unika tidsserier krävs en god interaktion och infrastruktur mellan stödjande system som datalager, prognosmotor, inköpssystem och centrallagersystem. Ett väl koordinerat samspel mellan dessa system, tillsammans med tydliga och välförankrade krav utformade av verksamhetskunnig personal i samråd med statistiker, utvecklare och test är fundamentalt för framgång.

Uppgiften att automatiserat och datadrivet utföra prognoser på tiotals miljoner unika tidsserier är komplex i sin natur. Komplexiteten kan i vårt uppdrag härledas till den mångfald av tidsserier och artiklar som applikationen hanterar. Att utveckla en fulländad applikation från start kan vara övermäktigt. Det är vår uppfattning att en applikation som är robust uppbyggd, med genomtänkt arkitektur kan utvecklas över tid efter behov.[C.B1]

Vi har gjort detta förut

Vi har hjälpt kunden genom att bidra med stark mjukvarukunskap främst inom analytiska och tekniska områden m.h.a. SAS och en mängd stödjande moduler, anpassad för en storskalig applikation med data på terabytenivå.

Det analytiska området:

Inom det analytiska området har vi bistått med kunskap inom SAS/ETS, SAS/STAT och SAS/HPF tillsammans med motsvarande teoretiska kunskaper som resulterat i lyckade återkommande releaser där vi förbättrar applikationens prognoskvalitet.

Det analytiska området berör trendtidsserier, nivåtidsserier, säsongstidsserier, tidsserier med mycket kort historik, tidsserier med försäljningsuppehåll, lågvolymstidsserier, som sedan kombineras med högtidsprognoser, historiska kampanjer och historiska hål-i-hyllan.

Vi har bistått med grundliga koncepttestanalyser där idéer och hypoteser implementerats och testats fullskaligt i utvecklingsmiljöer för att bevisa fördelaktiga effekter, innan en slutgiltig lösning tagits till produktion.

Det tekniska området:

Inom det tekniska området har vi bistått med kunskap inom SAS/ACCESS for Oracle, SAS/CONNECT och SPDS för att hantera dataförsörjning, flertrådade miljöer samt snabb datahantering lokalt i SAS.

Genom detta arbete har vi starkt bidragit till en liten utvecklingsgrupps framgångar med en applikation som nu försörjer samtliga av kedjans butiker med artikelprognoser, och ett inköpsstöd för varuplanerare som jobbar centralt i organisationen.