Математики прогнозируют будущее
Московская компания «Гудфокаст» (GoodsForecast) была основана в 2013 году, но фактически она гораздо старше. Началось все с того, что в 2000 году при Вычислительном центре Российской академии наук была создана компания «Форексис». Ее учредили преподаватели и выпускники МФТИ и факультета ВМК МГУ, которые поставили цель коммерциализировать свои знания в области анализа данных и машинного обучения (machine learning). Все учредители компании хорошо знали друг друга, поскольку принадлежали к школе выдающегося советского и российского прикладного математика, академика Юрия Ивановича Журавлева.
Выходцы из ВЦ
Многие удивятся, но интеллект может быть востребован, и математика тоже может быть не только академической наукой. Среди старых клиентов «Форексис», например, находим Московскую биржу (первоначально - ММВБ), которая заказывала математической фирме систему аналитики и мониторинга торгов. Аэропорт Домодедово заказывал «Форексис» имитационную модель движения воздушных судов по наземной транспортной сети аэропорта, а РЖД - прогнозирование объемов спроса на грузовые железнодорожные перевозки.
Создатели GoodsForecast начинали сотрудничать с «Форексис» еще будучи студентами ВМК, в частности генеральный директор GoodsForecast Андрей Лисица первоначально работал в «Форексис» руководителем проектов и департаментов. За 18 лет существования от «Форексис» отпочковались несколько самостоятельных компаний такого же «интеллектуального» профиля. В частности, это известная всей стране компания «Антиплагиат» - лидер в области анализа текстовых заимствований, компания «Антирутина», специализирующаяся на анализе государственных закупок, и стартап SOLUT, предлагающий носимые гаджеты, анализирующие движения работников предприятий. GoodsForecast вышел из этого же сообщества: первоначально он был департаментом «Форексис», с 2013 года - дочерней компанией. Сегодня учредителями GoodsForecast являются 6 физических лиц; «Форексис» уже, строго говоря, нельзя назвать холдингом, однако за формально независимыми компаниями стоит вполне работоспособное сообщество ученых и бизнесменов, многие из которых являются учредителями общих проектов.
Математика + консалтинг
У GoodsForecast вполне определенная специализация: он использует технологию machine learning для прогнозирования спроса и оптимизации производственных процессов. Клиентами компании является средний и крупный бизнес, поскольку только достаточно крупные предприятия, обычно имеющие большое количество производственных площадок или торговых точек, испытывают потребность в оптимизации производственных процессов математическими методами.
Кроме того, как объяснил «Инвест-Форсайту» директор по развитию GoodsForecast Сергей Котик, только крупные компании генерируют достаточные объемы данных, чтобы их алгоритмическая обработка имела смысл. Зато можно быть почти уверенным: у компании с оборотом более 5 млрд рублей данных, скорее всего, достаточно, хотя они могут оказаться разрозненными и неструктурированными, поэтому при реализации проектов, связанных с анализом данных, предприятию приходится начать перестраивать собственные бизнес-процессы. Но именно в этом, утверждает Сергей Котик, секрет конкурентоспособности GoodsForecast. Дело не в одной математике: математиков сейчас много, и нельзя сказать, что GoodsForecast владеет какими-то уникальными ноу-хау в сфере алгоритмов.
Компания предлагает не только анализ данных, но и консалтинг, основанный на понимании бизнес-процессов. К примеру, директор по консалтингу компании Игорь Гусаков до прихода в GoodsForecast возглавлял аналитические подразделения в компаниях «Исток», «Лебедянский», «Вимм-Билль-Данн», Pepsico и написал книгу «Анализ и планирование продаж в компаниях рынка FMСG».
Что любопытно, чтобы прогнозировать продажи, аналитики не пользуются данными официальной статистики, данными о доходах населения, платежеспособном спросе и т.д. Хватает данных, что генерируют сами компании - с добавлением мнения экспертов от компании-заказчика. Разумеется, воспользоваться такой прогностической аналитикой могут лишь компании, работающие на рынке с достаточно массовым спросом. По словам Сергея Котика, государственным подрядчикам нужно фактически не прогнозирование спроса, но прогнозирование вероятности победы на тендере, а в этом вопросе слишком большое количество данных не поддается формализации.
Оценить спрос на пиво
Итак, оценить вероятность победы на гостендере математика не может. На что же тогда она способна? Она может улучшить прогнозирование спроса на продукцию предприятия, дать рекомендации по оптимальному уровню складских запасов, высчитать оптимальное распределение нагрузки между разными производственными площадками. Еще математики могут спрогнозировать эффект от промоакции, при этом за основу берутся данные об аналогичных промоакциях в прошлом. Среди удачных решений, о которых рассказывают в GoodsForecast, числится и проект для известной российской пивоваренной компании, которой удалось увеличить точность прогноза спроса на месяц вперед более чем на 20 процентных пунктов. В одном из крупнейших российских дистрибуторов Procter & Gamble удалось снизить складские запасы на 35%. В «Черкизово» решение GoodsForecast помогло улучшить производственное расписание.
Максимальный горизонт прогнозирования, который могут обеспечить алгоритмы GoodsForecast, составляет 24 месяца - это важно для крупных компаний с точки зрения бюджетирования и планирования складских запасов. К настоящему времени в компании работает около 50 человек (в том числе 7 математиков), ее оборот достиг величины порядка 100 млн рублей в год при полуторакратном ежегодном росте в течение последних нескольких лет.
Трудности роста
Что сегодня не удается компании? Не удается войти в сегмент малого бизнеса, поскольку, как считает Сергей Котик, у малых предприятий просто другие проблемы: их волнует не оптимизация, а успешная автоматизация бизнес-процессов. Конечно, теоретически выход в этот сегмент был бы возможен, если продукты GoodsForecast были бы интегрированы в ERP-системы, которыми пользуется малый бизнес. Такую попытку GoodsForecast предпринял в США, но она не удалась, поскольку требовалось создание американского подразделения. Вообще, к этапу зарубежной экспансии компания еще не пришла, поскольку эта задача требует иностранных партнеров, хорошо знающих местный бизнес.
Кадрового дефицита «Гудфокаст» не испытывает - специалистов по анализу данных вузы готовят все больше. И хотя талантливых людей, как всегда, найти трудно, проблема скорее в нестыковке романтических ожиданий молодых специалистов с реальностью. Существенную часть задач составляет рутинная возня с данными, упорядочение того информационного «сырья», которое имеется в компаниях-клиентах. Без такой подготовительной работы невозможно успешное применение сложных алгоритмов, однако к этому готовы далеко не все.
Что касается спроса, очень многие предприятия начали осознавать: увеличить эффективность без применения к бизнес-процессам научного подхода невозможно, так что спрос на услуги компаний типа GoodsForecast растет, хотя растет и конкуренция. Задачами машинного обучения и анализа данных сейчас занимаются как крупные корпорации, так и небольшие «бутиковые» компании. Можно сказать, что в России на наших глазах формируется достаточно интересный рынок услуг по анализу данных и прогнозированию.
Автор: Константин Фрумкин