Новости

Если покупатель отказывается от заказа после этапа подбора товаров или во время доставки, то онлайн-ретейлер недополучает прибыль – ведь на сборку, обработку и процессинг каждой покупки компания тратит ресурсы. Поэтому важной аналитической задачей является построение поведенческой модели покупателей для прогнозирования вероятности и ожидаемого времени отмены заказа. И современные средства аналитики позволяют это делать. Соответственно, появляется возможность оптимизировать бизнес-процесс и минимизировать убытки в зависимости от стадии обработки заказа. Промышленными инструментами и полномасштабно на российском рынке онлайн-ретейла эту бизнес-задачу пока никто не решает.

«Утконос» и SAS организовали двухэтапный конкурс, в ходе которого участникам предстоит построить математическую модель для прогнозирования как самой отмены от покупки, так и вероятного времени отмены. Первый этап – это онлайн-соревнование на платформе sascompetitions, он стартовал сегодня и продлится до 18 ноября. На первом этапе участникам предлагается решить задачу прогнозирования вероятности отказа клиента от заказа без учета времени и стадии формирования заказа.

Второй этап – двухдневный хакатон в Культурном центре Высшей школы экономики, который пройдет 22-23 ноября. На него попадут 20 лучших участников первого этапа и отдельная команда от ВШЭ. Задачей будет построить модель, способную спрогнозировать за сколько часов до периода запланированной доставки клиент откажется от заказа.

Как подчеркивает Мария Артамонова, директор по ИТ «Утконоса», машинное обучение, работа с большими данными, построение предиктивных моделей играют одну из важнейших ролей в развитии бизнеса компании, и на это выделяются большие ресурсы. Совместный хакатон даст возможность посмотреть под разными углами на практическое использование накопленных цифр и паттернов поведения покупателей. И, конечно же, возможность получить интересные наработки и познакомиться с талантливыми исследователями данных, которые потенциально могут присоединиться к команде «Утконоса».

В основе системы «ЕОС-качество» — модель 8D, включающая восемь этапов от выявления несоответствия и определения причины его возникновения до выполнения корректирующих и предупреждающих мероприятий, а также оценки их эффективности. Функционал системы позволяет собирать информацию о несоответствиях на всех этапах жизненного цикла изделия (ЖЦИ), хранить сведения в единой базе данных по несоответствиям с автоматизированным формированием отчетов и единовременным доступом к информации для всех участников системы в зависимости от роли и уровня управления.

Новое решение позволит не только выполнять мониторинг и анализ процессов управления несоответствиями на протяжении всего ЖЦИ, но и планировать контрольные операции на различных этапах жизненного цикла.

Как отмечает директор департамента по качеству АО «ТВЭЛ» Игорь Петрунин, внедрение системы «ЕОС-качество» поможет повысить качество продукции, выявляя и устраняя коренные причины возникновения несоответствий. Если ранее различные предприятия имели свои локальные информационные системы или применяли бумажный документооборот, то теперь в этой области будет обеспечен полный переход на электронный документооборот и сформирована единая база данных. Эта информация будет использоваться не только при проектировании и производстве, но и в закупочной деятельности.

Компания «Перспектива» занимается производством электро- и тепловой энергии в Челябинской области. Уровень регламентации бюджетного управления в компании достаточно высок. В бюджетном процессе участвует большое количество сотрудников – порядка 50. Это не только руководители компании и сотрудники финансово-экономических служб, но и специалисты отдела сбыта и других подразделений.

До проекта заявки формировались в бумажном виде. Из-за большого объема документов некоторые из них могли дублироваться, долго согласовываться руководителями по установленному регламенту. На обработку заявок и внесение данных в Excel требовались большие трудозатраты. Из-за сбоя в настройках системы информацию по платежам приходилось восстанавливать вручную.

Кроме того, возникали проблемы с несвязностью платежей и утвержденного бюджета. Платежи осуществлялись не системно, из-за большого объема документации контролировать их было сложно. Отмечалась высокая трудоемкость сбора фактического бюджета движения денежных средств. Он собирался вручную путем выборки информации из бухгалтерского, управленческого и оперативного учета.

Чтобы решить эти проблемы, эксперты компании «Первый Бит» внедрили в «Перспективе» систему «БИТ.Финанс». Это позволило улучшить процедуры планирования оперативного управления денежными средствами, обеспечить более высокий уровень визирования документов и их согласования.

Одно из главных достоинств внедренной системы – электронный финансовый документооборот, когда в программе одновременно работает большое количество пользователей. Сотруднику приходит уведомление о том, что для него поступила задача и ему необходимо завизировать заявку или реестр платежей. Такой подход позволяет повысить эффективность взаимодействия между подразделениями.

Как отметила начальник финансово-экономического отдела компании «Перспектива» Екатерина Кузнецова, руководство и исполнители теперь могут отслеживать статусы заявок на расходование денежных средств, реестров платежей на каждом этапе: с момента создания заявки до оплаты. Это очень удобно. А с помощью мобильного приложения в любом месте и в любое время можно управлять процессом согласования документов и ускорять принятие финансовых решений.

Gloria Jeans – одна из крупнейших отечественных торговых сетей в сегменте fast fashion, в управлении которой находится более 550 магазинов в России и СНГ. Управление такой распределенной структурой и обширным товарным ассортиментом, который обновляется и дополняется каждую неделю, требует максимально точного анализа финансовых данных и постоянного планирования с определенным временным горизонтом. Именно это стало причиной внедрения системы для автоматизации процессов сбора и обработки финансовых данных, моделирования и формирования P&L-отчетности. Обновление методологии прогнозирования P&L и автоматизация подходов на платформе Anaplan повысило прозрачность и целостность формирования отчетов по всей торговой сети. Проект выполнила команда «Корус Консалтинг».

Благодаря интеграции с Excel и «1C» система выстраивает прогнозную модель отчета о прибылях и убытках на основе бюджетных данных, информации о себестоимости реализованной продукции и текущих расходах по всей сети магазинов. При этом пользователи могут создавать прогнозы любой детализации и разрезов: по выручке и марже, аренде, другим расходам. Кроме того, прогнозы можно формировать с учетом и без учета будущих открытий и закрытий магазинов. Это помогает оценить, как то или иное событие повлияет на бизнес, и выработать правильную тактику действий для достижения целевых значений продаж, расходов на аренду и, в итоге, прибыли сети.

До внедрения комплексной платформы у компании не было единого окна для приема заявок сотрудников и клиентов, учет и обработка поступающих запросов велась в разрозненных системах, не хватало инструментов для контроля качества поддержки клубов «Лиги Ставок».

За счет создания единой точки контакта (службы Service Desk) сотрудникам стала доступна возможность формировать заявки, связанные не только с ИТ, но и с АХО, сервисами секретариата и рядом других внутренних служб компании. Помимо почты, сотрудники могут отправить заявку через личный кабинет или специальное мобильное приложение. Согласно данным статистики, на настоящий момент через личный кабинет регистрируется более половины обращений, остальные заявки поступают через электронную почту и по телефону.

В рамках проекта были автоматизировали не только основные процессы, такие как управление инцидентами и запросами на обслуживание, но и более продвинутые процессы: управления уровнем услуг и конфигурациями (CMDB), задачами и проблемами.

Автоматизация на основе решения Naumen Service Desk значительно повысила эффективность работы службы поддержки букмекерской компании. Например, для ускорения обработки и исполнения запросов они стали доступны в одном интерфейсе в виде интерактивной доски для упрощения отслеживания состояния, очередности и приоритетов выполнения заявок. Для решения заявок, которые влекут за собой доработку программных продуктов компании, был разработан специальный интеграционный модуль с системой Jira, который позволяет обмениваться данными по заявкам и актуальным статусам их исполнения. Чтобы облегчить сбор данных об ИТ-оборудовании, была реализована интеграция с системой управления конечными устройствами Ivanti Endpoint Manager в части синхронизации данных по конфигурационным единицам.

Решение основано на комплексе предиктивных моделей UpLift и моделей, прогнозирующих средний чек в рамках акции для каждой кампании. Они учитывают более 200 атрибутов по клиенту и рассчитывают будущую доходность, поэтому прогнозный результат позволяет подобрать лучшее предложение на текущий момент и увеличить эффективность коммуникации с клиентом.

Внедрение, реализованное при поддержке GlowByte Consulting, проходило в два этапа: автоматизация запуска кампаний и реализация решения, которое отправляет клиенту наиболее ценное для него предложение. Модели, ранее запускаемые по отдельности, теперь загружены в единую систему, на выходе из которой формируется оптимальный список «один клиент – одно предложение». Основным критерием для сравнения двух сценариев была метрика прироста среднего оборота в период акции на участника.

Как комментирует Екатерина Михайлова, руководитель управления монетизации клиентской базы торговой сети «Перекресток», в этом году была поставлена амбициозная цель – автоматизировать до 80% целевых маркетинговых кампаний, а также запустить более пятидесяти регулярных кампаний, отбор которых осуществляется на основе предиктивных моделей. Ожидается, что SAS Marketing Optimization поможет автоматизировать процесс запуска и увеличить выручку от маркетинговых кампаний.

Цель «Перекрестка» - внедрение системы автоматического выбора предложений для каждого клиента к концу 2019 года и запуск SAS MO на большем объеме клиентов. Также торговая сеть планирует расширять список маркетинговых предложений для выбора в системе. Дальнейшими шагами станет добавление в систему новых типов коммуникаций.

Разработанная система представляет собой голографический макет на основе cтола NettleBox. Благодаря использованию технологии 3D-моделирования, анимации и инфографики с его помощью можно ознакомиться с проектом в деталях, узнать о ключевых преимуществах предлагаемого решения. Цифровая голограмма позволяет получить представление о технологических и клинических возможностях высокотехнологичного медицинского оборудования GE Healthcare.

На его примере наглядно продемонстрированы результаты внедрения подобных подходов в практику на уровне регионов: повышение точности диагностики и экономия времени пациента при прохождении исследований.  С помощью голографического макета можно увидеть, как диагностическое оборудование интегрируется в процесс обследований на уровне разных медицинских учреждений в регионах России.

Инструмент используется на специализированных мероприятиях (выставках, конференциях, выездных встречах) в рамках проведения презентаций для представителей сферы здравоохранения. Голографический макет демонстрирует два варианта пациентопотока в медицинских учреждениях: существующий на сегодняшний день и оптимизированный за счет применения цифровых решений.

Созданный макет был использован на нескольких деловых форумах в рамках презентации комплексных решений GE Healthcare для ранней диагностики онкологических заболеваний в регионах РФ. Он стал эффективным инструментом продаж и продвижения, который отличает компанию от конкурентов, а также демонстрирует конечную пользу продукта для пациентов.

Исследование Accenture Next Generation Customer Services говорит о том, что 73% потребителей предпочтут решить свой вопрос, зайдя на сайт компании. Около 70% респондентов во время общения с клиентской поддержкой готовы отправлять аудиосообщения, а 66% опрошенных постараются найти ответ на свой вопрос в Google.

При этом покупатели хотят, чтобы предоставляемая онлайн-поддержка была максимально оперативной и персонифицированной, с учетом их конкретных потребностей. Важность этого для клиентов подтверждают цифры исследования: 47% потребителей перестали взаимодействовать с компаниями из-за некачественного клиентского сервиса или службы поддержки.

Эра «цифровых потребителей» выявила организационные проблемы у многих брендов, работающих в секторах финансов, FMCG, ретейла, телекоммуникаций, медиа и развлечений. Ключевыми факторами успеха в этих отраслях стали автоматизация и готовность компании всесторонне подходить к решению проблем покупателей.

По итогам исследования эксперты Accenture выделили шесть компонентов, которые помогут построить современную и эффективную службу клиентской поддержки:

1. Умные системы самообслуживания

Сегодня компании устраняют проблему или поломку в тот момент, когда она случилась. Следующий уровень клиентского обслуживания – предотвращение проблемы: интернет вещей, искусственный интеллект и применения сторонних данных помогают построить проактивный сервис. Кроме того, важно предоставить клиентам возможность самостоятельно решить проблему, разработав для них необходимые системы самообслуживания.

2. Персонализированный опыт для клиентов

Ведущие компании будут собирать данные, чтобы создать цельный клиентский профиль. Это поможет представителям бизнеса общаться с покупателями, более глубоко понимая их потребности.

3. Применение цифровых агентов

Часто для решения проблемы информацию приходится собирать «по крупицам» из разных каналов. С этим помогут цифровые помощники с элементами искусственного интеллекта, которые соберут массив данных и позволят удаленно решать проблемы клиента.

4. Клиентский сервис, основанный на ценностях

Обращение в службу поддержки будет расцениваться как возможность лучше понять клиента и более эффективно выстраивать с ним коммуникацию — в том числе, откроет возможность для дополнительных продаж и кросс-продаж в будущем.

5. Оптимизация полевых сотрудников

Крупные компании организуют в контакт-центрах возможность ситуативной поддержки в тех случаях, когда клиенту особенно важно быстрое решение вопроса. Планирование работы полевых сотрудников (например, мастеров по ремонту и обслуживанию) на базе алгоритмов позволит повысить прозрачность и эффективность сервиса.

6. Искусственный интеллект в управлении

Использование искусственного интеллекта может помочь с более качественным распределением задач и ресурсов и «подсказывать» необходимость дополнительных рабочих навыков для каждого сотрудника.

Ключевой целью внедрения решения стало обеспечение учета выручки по договорам с покупателями и расходов по дилерской комиссии в соответствии с положениями МСФО 15. Это позволило Tele2 исключить риски претензий со стороны внешних и внутренних контролирующих подразделений. Также планировалось обеспечить оперативную настройку расчетов выручки по новым стандартам.

В рамках проекта был выполнен ряд сложных методологических задач по согласованию подходов учета выручки компании в различных разрезах. Также была решена задача по сбору и приведению к единому формату большого количества данных по всей абонентской базе из различных систем.

Благодаря внедрению SAP RAR информация о выручке с учетом всех корректировок доступна на четвертый день быстрого закрытия отчетного периода. В системе реализуется расчёт всей информации: от филиала до портфеля продуктов. Помимо этого, доступен широкий пул отчетов для анализа, а процедура отражения операций от загрузки данных из источника в хранилище до формирования проводок полностью автоматизирована.

В настоящее время внедренная система контролирует работу 37 единиц оборудования на заводе в Калуге и еще 30 — в Обнинске. Это дает объективную оценку эффективности использования рабочего времени и производственных потерь, позволяет своевременно корректировать график работы оборудования и персонала, оптимизировать технологические процессы и устранять «заторы» в технологической цепочке.

За месяц работы «Диспетчер» (разработка компании «Цифра») помог выявить нерегламентированные простои, нарушения временных норм проведения технологических операций и их причины. Это послужило отправной точкой для целой серии управленческих решений по улучшению производственных показателей. Обеспечено заблаговременное снабжение расходными материалами и запасными частями, изменены регламенты работы смен и система мотивации работников, разработаны новые правила проведения ежедневного технического обслуживания. В результате этих действий коэффициент загрузки оборудования увеличился с 57% до 74%, что обеспечило заводу дополнительный доход.

Как отмечает Вахид Ходжаев, технический директор Grand Line, использование системы на производственных площадках позволяет значительно повышать фондоотдачу и уменьшать расходы. Теперь руководство компании видит всю картину производства в реальном времени и может оперативно реагировать на любые изменения или даже предугадывать их.