Rozglądają się Państwo za systemem automatycznego prognozowania sprzedaży - warto zadać dostawcom te pytania.
Czy system pozwala na budowanie prognoz promocyjnych i symulowanie różnych scenariuszy? Czy uwzględnia wzajemne oddziaływanie czynników związanych z produktem, ceną, sezonowością i promocją?
Czy system uwzględnia wpływ sezonowości i pogody dla każdej kombinacji sklepu i SKU indywidualnie
Czy system uwzględnia wpływ zmian cen na prognozę?
Kontekst: Szczególnie ważne dla towarów świeżych, aby nie zwiększać odpisów po podwyżkach cen.Czy system potrafi uwzględnić w prognozie kanibalizację?
Kontekst: Sięgnijmy po przykład z jaj, gdzie pojawienie się nowej topowej pozycji w grupie prowadzi do znacznego spadku sprzedaży innych pozycji.Czy system zapewnia codzienną rekalkulację prognozy, uwzględniającą ostatnią dzienną sprzedaż, zmianę cen, sezonowość i dane pogodowe? Czy jest ona wykonywana oddzielnie dla sprzedaży promocyjnej i regularnej?
Czy prognoza jest obliczana według podejścia od góry do dołu czy dołu go góry?
Kontekst: Podejście góra-dół polega na generowaniu globalnej prognozy dla sieci i jej dekompozycji do poziomu sklepu. Dół-góra to oddzielny model dla każdej kombinacji sklepu i SKU. Podejście od dołu do góry sprawdza się lepiej w uchwyceniu specyfiki sklepu. Pogoda, lokalizacja w mieście, lokalna siła nabywcza i inne czynniki brane są oddzielnie dla każdej placówki.Czy moduł prognozy promocyjnej pozwala na uwzględnienie takich czynników jak działania marketingowe? Jak bardzo jest on konfigurowalny?
Czy system zapewnia wgląd w to, dlaczego dane predyktory zostały wybrane w konkretnym modelu?
Czy system buduje osobny model sprzedaży dla każdej kombinacji sklepu i SKU? Czy obsługuje codzienne lub nawet częstsze przeliczenia?
Ile konkurencyjnych modeli buduje system przed wybraniem najlepszego?
Czy system pozwala na budowanie niestandardowych raportów?
Czy prognoza promocyjna jest automatycznie wliczana do ogólnej prognozy?
Czy można wykluczyć okresy anomalii popytu na potrzeby przyszłych prognoz? Czy można to zrobić masowo lub automatycznie?
Kontekst: Kwarantanna Covid, wojna na Ukrainie doprowadziły do zwiększonych zakupów niektórych kategorii.Czy system pozwala na wybór dowolnego okresu na ile tygodni/miesięcy do przodu i do tyłu kalkulowana jest prognoza?
Czy możliwe jest sprawdzenie na jakich promocjach z przeszłości bazował system przy modelowaniu konkretnej promocji?
Czy system pozwala na wprowadzenie różnych konfiguracji promocji, np. wielosztuki, drugi produkt z X% zniżki?
Czy system pozwala na uwzględnienie ceny tego samego produktu u konkurentów jako czynnika w modelu prognozy sprzedaży?
Looking for automating sales forecasts for retail chain? Use these questions as part of your vendor research
Does the system allow for building promo forecasts and simulating various scenarios? Is it taking into account the interplay between product, price, seasonality and promo factors?
Does the system take into account the effects of seasonality and weather for each combination of store and SKU individually?
Does the system take into account the impact of price changes on the forecast?
Context: Particularly important for fresh goods so that write-offs do not increase after price increases.Can the system account for cannibalization in the forecast?
Context: Let’s draw an example from eggs where the appearance of a new top position in the group leads to a significant drop in sales of other positions.Is the system providing daily forecast recalculation, taking into account the latest daily sales, price change, seasonality and weather data? Is it made separately for promo sales and regular sales?
Is the forecast calculated according to a top-down or bottom-up approach?
Context: Top-down approach means global forecast decomposed to store level. Bottom-up is a separate model for each combination of store and SKU. Bottom-up approach performs better in capturing store specifics. Weather, location in the city, local purchasing power, among other factors.Is the promo forecast module allowing for taking into account factors such as marketing activities? How customizable is it?
Does the system provide insights on why given predictors were chosen in a particular model?
Is the system building a separate ML model for each combination of store and SKU? Does it support daily or even more frequent recalculations?
How many competing models is the system building before choosing the best one?
Is the system allowing for building custom reports?
Is promo forecast automatically calculated into overall forecast?
Is it possible to exclude periods of demand anomalies for the sake of future forecasts? Can this be done in bulk or automatically?
Context: Covid quarantine, war in Ukraine led to increased purchases of certain categories.Is the system allowing for using competitor’s prices as one of the predictors?
Is the system allowing for customizing for how long into the future and to the past should the forecast be done?
In the case of a sale (price cut, e.g. due to the upcoming expiry date), is the system able to categorize the record as a sale, so that the increased sales volume does not result in a disproportionate increase in the forecasted sales for subsequent periods?
Is the system allowing for using competitor prices as a factor in a sales forecast?
Rozglądają się Państwo za systemem automacznych zamówień dla sieci handlowych? Warto zadać dostawcom pytania z poniższej listy
Czy system obsługuje metodologię zamówień pick-to-zero?
Kontekst: Zgodnie z tym schematem zamówienia z centrum dystrybucyjnego (DC) do sklepów są przeliczane po dotarciu towaru do DC i wysyłane tego samego dnia do sklepów. Jest to kluczowa różnica tego schematu w stosunku do schematu cross-dock, kiedy to nie przelicza się zamówień po dotarciu towaru do DC. Brak obsługi pick-to-zero dla produktów świeżych oznacza zwiększone ryzyko odpisów. Dla pozostałych towarów zwiększa ryzyko mniej dokładnego rozłożenia zapasów, a także OOS i overstock.Czy zamawianie składników według receptur jest wspierane dla SKU produkowanych w sklepie, np. kawy, kuchnie, piekarnie?
Czy można kontrolować termin ważności towarów w magazynie zgodnie z metodą FIFO?
Kontekst: Pomaga to zapobiegać utraconej sprzedaży. Po zdjęciu przeterminowanego produktu z półki sklepy mogą nie nadążać z odpisami, co opóźnia zamówienia.
Dodatkowo w momencie składania zamówienia towar na półce może być w terminie ważności. Nadal konieczne jest kontrolowanie terminów ważności, ponieważ mogą one stać się przeterminowane przed kolejnym terminem dostawy.Czy ograniczanie wielkości zamówień dla towarów zbliżających się do daty ważności jest obsługiwane?
Kontekst: Minimalizuje odpisy dla sklepów, w których zapas prezentacyjny jest zbyt duży w stosunku do prognozowanej sprzedaży i liczby zamówionych towarów zbliżających się do terminu ważności.Czy można zarządzać datami ważności w systemie tak, aby produkt był zamawiany na podstawie prognozy, że dana część zostanie sprzedana przed upłynięciem daty ważności?
Czy można w systemie zarządzać maksymalnymi dopuszczalnymi odpisami w celu zapewnienia wystarczającego zapasu do prezentacji towaru?
Kontekst: Pewne rodzaje produktów która sprzedają się powoli i mają bardzo krótki termin przydatności do spożycia (np. do końca dnia). Czasami sieci handlowe nadal chcą utrzymywać pewną ilość na magazynie pomimo bardzo wysokiego prawdopodobieństwa odpisów. Celem jest utrzymanie zapasu prezentacyjnego. Może to być również istotne w przypadku towarów o dłuższym okresie przydatności do spożycia, które sprzedają się powoli.Czy system automatycznie analizuje przyczyny braku towaru na półce (niedostarczenie, odpisy, zwroty, brak harmonogramu zamówień, brak powiązania z umowami/specyfikacjami, ograniczenie ze względu na daty ważności, niewystarczające zamówienie itp.) Czy istnieje możliwość rozbicia braków na stanach magazynowych według tych przyczyn?
Czy system umożliwia sprawdzenie, czy możliwe jest zamówienie na dowolny towar z asortymentu? Czy wskazuje przyczynę dla dobra, w którym nie ma takiej możliwości oraz czynności, które należy wykonać, aby towar został zamówiony (np. uruchomienie harmonogramu, uruchomienie receptury)?
Czy system wspiera możliwość zarządzania docelowym zapasem bezpieczeństwa oraz poziomem dostępności produktu w celu zapewnienia zwiększonego poziomu zapasu dostępności produktu dla pozycji KVI? Czy automatycznie uwzględniana jest data przydatności produktu do spożycia w celu uniknięcia odpisów?
Czy system wspiera możliwość automatycznego zwiększania zamówień do sklepów na produkty o skokach popytu wynikających z promocji i sezonowości, bez konieczności ręcznego wyliczania zwiększonej ilości towaru do zamówienia na takie okresy lub ręcznego wprowadzania współczynnika wzrostu?
Czy przy kalkulacji zamówień od dostawców do DC system uwzględnia osobno dla każdego sklepu takie czynniki jak: zapas prezentacyjny; zapas bezpieczeństwa; prognoza sprzedaży; harmonogram dostaw z DC do sklepu; minimalna ilość zamówienia z DC do sklepu? Czy system prognozuje przyszłe stany magazynowe, aby zamówienie od dostawcy do DC było bardziej precyzyjne?
Czy system ma możliwość dynamicznego doboru wielkości opakowania (małe, średnie, duże) dla dostaw z DC do sklepu, aby automatycznie znaleźć najlepszą równowagę w kosztach kompletacji w magazynie przy jednoczesnym uwzględnieniu ryzyka odpisów i optymalizacji czasu pobytu towaru w DC?
Kontekst: Dla SKU oczekującego na sezonowy wzrost sprzedaży, sensowne jest wysyłanie większych paczek przed okresami promocyjnymi i sezonowymi, aby zmniejszyć obciążenie magazynu i koszty kompletacji.Czy system zapewnia jakiekolwiek sposoby optymalizacji kosztów przygotowania towarów do wysyłki w centrum dystrybucyjnym bez konieczności ręcznych korekt ilości minimalnych i maksymalnych? Czy rozwiązanie to uwzględnia okresy sezonowe i promocyjne?
Czy system wspiera zamawianie towarów z wykorzystaniem formuły reorder point (import własny, inne towary z długim czasem dostawy do DC) przy jednoczesnym:
- prognozowaniu przyszłego poziomu zapasów,
- uwzględnieniu optymalizacji kosztów logistycznych (waga, liczba palet, objętość), przy jednoczesnym dążeniu do tego, aby liczba dni towaru w DC była jak najkrótszaCzy w wypadkach OOS w DC jest brany pod uwagę efekt byczego bicza?
Kontekst: W przypadku niezrealizowania zamówień z DC do magazynu na jeden towar, może to zwiększyć sprzedaż substytutów, prowadząc do stanu zapasów poniżej prognozowanych poziomów najpierw do zapasów bezpieczeństwa, a następnie do zapasów prezentacyjnych. Jeśli sprzedaż substytutów wzrośnie o 100% z powodu braku zapasów towaru, może to zwiększyć wielkość kolejnych zamówień z DC do sklepów nawet o 200-300%, ponieważ sklepy będą dokonywać większych zamówień nie tylko dlatego, że wzrośnie sprzedaż , ale także do uzupełnienia wypranych zapasów bezpieczeństwa i prezentacji. Może to prowadzić do cykli od OOS do nadmiaru zapasów w DC, jeśli przeszłe wysyłki DC są wykorzystywane do przewidywania przyszłych dostaw DC w zamówieniach od DC do dostawców. Można temu zapobiec, prognozując stany magazynowe DC i stany magazynowe każdego sklepu, uwzględniając przyszłe potrzeby zamówień sklepów.Czy system wspiera strategię dystrybucji push (dystrybucja stałej ilości towaru z DC do sklepów)? Czy uwzględnia prognozę i stan zapasów każdego sklepu w trybie dystrybucji push?
Czy istnieje możliwość prognozowania sprzedaży i zamawiania nowych SKU automatycznie (z wyznaczeniem i bez wyznaczenia analogicznego SKU)?
Czy możliwe jest wykonanie automatycznych prognoz sprzedaży i zamówień dla towarów, które wcześniej były obecne tylko w części sklepów, a teraz rozpoczynają sprzedaż w kolejnych sklepach bez historii sprzedaży w tych sklepach?
Czy można już dziś sprawdzić, jakie zamówienia sklepów do DC lub do dostawców będą generowane w przyszłości?
Jeśli system potrafi obliczyć przyszłe prognozowane zapotrzebowanie na zamówienia, to czy można zmierzyć dokładność tych prognozowanych zamówień?
Czy można sprawdzić pozycje, których sklepy NIE zamówią w ciągu najbliższych 20-30-40 dni ze względu na nadmiar zapasów?
Kontekst: Pomaga to w nieklasyfikowaniu jako overstock, pozycji dla których sieć handlowa ma umowę z dostawcą o określonym poziomie zapasu prezentacyjnego.Czy można oszacować obrót zapasów z wyłączeniem zapasów prezentacyjnych?
Czy można śledzić historię zmian wielkości zapasów prezentacyjnych?
Jeśli dzisiejsze zamówienie ze sklepu do DC przekracza stan magazynowy DC, to czy system może rozdzielić wielkość zamówienia pomiędzy sklepy w oparciu o stan magazynowy i sprzedaż każdego sklepu, optymalizując dystrybucję zapasów w sklepach?
Czy system wspiera funkcjonalność urlopów DC/dostawców i automatycznie zamawia więcej poza harmonogramem przed rozpoczęciem urlopu?
Czy system pozwala na radzenie sobie z sytuacjami, w których nie całe zamówienie z DC do magazynu zmieściło się do ciężarówki i część towarów pozostała w DC w oczekiwaniu na kolejną dostawę?
Kontekst: Szczególnie istotne po okresie, gdy w DC doszło do OOS i sklepy zamawiały więcej niż zwykle.Czy w przypadku wyprzedaży (obniżce np. z powodu upływającej daty ważności) system jest w stanie zakategoryzować rekord jako wyprzedaż, tak aby zwiększony wolumen sprzedaży nie zaskutkował nieproporcjonalnym wzrostem prognozowanej sprzedaży na kolejne okresy?
Comparing vendors of automated replenishment system? Make sure to ask them these questions.
Is the system supporting pick-to-zero order methodology?
Context: According to this scheme orders from Distribution Center (DC) to stores are recalculated after the goods arrive at DC and sent on the same day to stores. This is the key difference of this scheme to cross-dock scheme, when you don’t recalculate the orders after the goods arrive at DC. The lack of pick-to-zero support for fresh products means an increased risk of write-offs. For other goods it increases the risk of less accurate stock distribution, OOS and overstock.Is ordering of ingredients according to recipes supported for SKUs manufactured in-store, for example coffee, cookeries, bakeries?
Is it possible to control the expiration date for goods in stock according to the FIFO method?
Context: This helps prevent lost sales. After removing the overdue product from the shelf, stores may not be able to keep up with write-offs which delays orders. Additionally, at the time of making an order the goods on the shelf can be within its expiration dates. It is still necessary to control for the expiration dates since they may become overdue before the next delivery date.Is limiting order volumes for goods approaching expiration date supported?
Context: This minimizes write-offs for stores where presentation stock is too large relative to forecasted sales and number of goods ordered approaching expiry date.Is it possible to manage expiration dates in the system so that the product is ordered based on the forecast that a certain share is sold before the expiration date?
Is it possible to manage the maximum allowable write-offs in the system in order to ensure the stock presence for example for food preparing?
Context: Let’s take some kinds of salad as an example. They sell slowly and have a very short shelf-life (i.e. expire by the end of the day). Sometimes retail chains still want to keep certain quantities on stock despite a very high probability of write-offs. The aim is keeping a presentation stock. It can also be relevant for goods with longer shelf-life that sell slowly.Does the system automatically analyze the reasons for the lack of goods on the shelf (underdelivery, write-offs, returns, no order schedule, no binding to contracts/specifications, limited packaging by expiration date, insufficient order, etc.)? Can you break down your out-of-stocks by these reasons?
Does the system allow for checking if ordering for any good in the assortment is possible? Does it indicate the reason for good where it is not the case and the actions needed to be performed for the product to be ordered (i.e. start a binding, start a schedule, start a recipe)?
Does the system support the ability to manage the target of safety stock, in order to provide an increased level of product availability for KVI positions? Is the product shelf-life automatically taken into account in order to avoid the write-offs?
Does the system support the ability to automatically increase orders to stores for products with demand spikes due to upcoming promos and seasonality, without the need to manually calculate the increased amount of goods to be ordered for such periods or manually entering any numbers for uplift factors?
While calculating orders from suppliers to DC, is the system taking into account separately for each store factors such as: presentation stock; safety stock; sales forecast; DC to store delivery schedule; DC to store minimum order quantity?Does the system forecast the future stock levels in order to make the supplier to DC order more accurate?
Does the system have the ability to dynamically choose the size of the package (small package, medium package, big box) for DC to store deliveries in order to automatically find the best balance in the warehouse picking costs versus costs of money in a time, while taking the risk of write-offs into consideration?
Context: When the sales of an item are about to increase before promo or seasonal spike, it makes sense to ship bigger packages before the promotional and seasonal periods to reduce the warehouse workload and picking costsDoes the system provide any means to optimize the cost of assembling goods at the distribution center without manual adjustments of minimum and maximum quantities. Are the seasonal and promotional spikes taken into account?
Does the system support ordering goods using the reorder point formula (own import, other goods with long delivery to DC time) while:
- forecasting future stock levels,
- taking into account logistics costs optimization (weight, number of pallets, volume),
- minimizing stock days.Is the bull-whip effect taken into account in the accidents of OOS at the DC?
Context: In case of not fulfilling orders from DC to store for one item, this can increase the sales of its substitutes. This may bring the substitute SKY stock to the safety stock and then to presentation stock. If the substitute SKU sales grow by over 100%, that can lead to increase the size of next orders from DC to stores 200-300%. Stores will make larger orders not just because the sales increase, but also to replenish the washed-out safety and presentation stock. That can lead to cycles of moving from OOS to overstock at DC, if the past DC shipments are used to forecast orders from DC to suppliers. It may be prevented by forecasting the stock balance of DC and the stock balance of every store 30-40 days ahead.Does the system support the push distribution strategy (distributing a fixed amount of goods from DC to stores)? Is it taking into account the forecast and the inventory balance of each store in push distribution mode?
Is it possible to forecast the sales and order new SKUs automatically (whether the user has entered the analogue SKU or not)?
Is it possible to perform automated sales forecasts and ordering for goods that were previously present only in part of stores and now start sales in more stores without the sales history at these stores?
Is it possible today to check the orders of stores to DC or to suppliers that will be generated in the future?
If the system can calculate the future forecasted order needs, is it possible to measure the accuracy of these forecasted orders?
Is it possible to see items that stores will NOT order in the next 20-30-40 days due to overstock?
Context: This helps with not classifying as an overstock, positions for which a retail chain has an agreement with a supplier about a certain level of presentation stock.Is it possible to estimate the stock turnover excluding the presentation stock?
Is it possible to track the presentation stock change history?
If today’s order from store to DC exceeds DC stock on-hand, can the system redistribute the order size between the stores based on stock and sales of every store, targeting to optimize the store stock distribution?
Does the system support the functionality of DC/suppliers personnel holidays and automatically orders more outside the schedule before the holiday starts?
Does the system allow for dealing with situations where not the entire order of the DC to store fit into the truck and some goods remained at the DC waiting for the next shipment?Context: Especially relevant after the period of DC being OOS and the stores ordered more than usual.
Wdrożenie MySales w sieci spożywczej Chudo Market zaowocowało znacznym wzrostem efektywności biznesowej. Dokładność prognoz sprzedaży przekracza 80%, pracownicy poświęcają znacznie mniej czasu na składanie zamówień. Dzięki osiągnięciu wartości 97% dla wskaźnika OSA (dostępność produktów na półce), prawie całkowicie wyeliminowano problem utraconej sprzedaży. Wzrost obrotów o 15-20% uwolnił środki na nowe inicjatywy, odpisy znacząco spadły. Jak do tego doszło?
O Chudo Market
Chudo Market działa w formie supermarketów proximity z 30 lokalizacjami w regionach Charkowa i Doniecka. Asortyment składa się z szerokiej gamy produktów codziennego użytku, artykułów spożywczych, w tym marek własnych.
Chudo Market całkowicie przeniósł swoje operacje prognozowania i automatycznego zamawiania do MySales w kwietniu 2020 r
Ciągła poprawa wydajności procesów wewnętrznych w połączeniu z zapewnieniem wysokiej jakości produktów i obsługi klienta jest tym, co Chudo Market uważa za kluczowe do odniesienia sukcesu.
Wysoki wskaźnik OSA to jeden z najważniejszych wyznaczników satysfakcji klienta według przedstawicieli sieci, który udało się poprawić w wyniku wzrostu trafności prognoz sprzedaży. Nieprawidłowe prognozy i zamówienia prowadziły wcześniej do straconych sprzedaży, odpisów i zamrożenia kapitału obrotowego.
Automatyzacja prognoz
Każda sieć handlowa stoi przed wyzwaniem zaspokojenia potrzeb klientów. Kluczową rolę odgrywa dostępność towaru we właściwym czasie i we właściwym miejscu – mówi współzałożyciel Chudo Market Ołeksandr Udovenko. Nadmiar zapasów generuje koszty i przysparza niedogodności pracownikom magazynu. Przy zbyt małej ilości towaru na półkach klient wychodzi rozczarowany. Kolejna sprawa to przewidywalność zamówień i możliwość planowania zakupów z wyprzedzeniem. Jest to szczególnie ważne w przypadku towarów importowanych, których dostarczenie zajmuje relatywnie sporo czasu.
Na sprzedaż detaliczną mają wpływ takie czynniki jak cena, promocje, sezonowość, pogoda, kwarantanna COVID. Niemal niemożliwe jest ręczne wykonanie dokładnej prognozy dla setek tysięcy wariantów kombinacji produkt-sklep w sieci handlowej. MySales wykonuje te złożone obliczenia dla Chudo Market automatycznie.
Prognozy są budowane nawet dla nowych sklepów i nowych produktów (z analogiem lub bez). „Pomagamy firmom zamawiać tyle towarów, ile potrzebują. Wystarczająco dla klientów, ale nie za dużo ze względu na ryzyko odpisów” – dodaje założyciel MySales Alexey Ivasyuk.
Granularność prognoz
Dzięki automatycznym generowaniu oddzielnego modelu sprzedaży dla każdej kombinacji produktu i sklepu w sieci handlowej, prognozy MySales biorą pod uwagę specyfikę każdego marketu. Dla każdej takiej kombinacji brane są pod uwagę takie czynniki jak elastyczność cenowa, zmiany cen w grupie produktów, historia sprzedaży w przeszłości oraz warunki pogodowe (temperatura, śnieg, deszcz). System analizuje również kanibalizację produktów w przypadku obniżek lub podwyżek cen. Osobny moduł dedykowany tylko promocjom pozwala na sprawdzenie sprzedaży przy określonych warunkach promocyjnych. Po zatwierdzeniu promocja jest połączona z prognozą globalną.
Rekalkulacja prognozy następuje codziennie, z uwzględnieniem nowych danych o produktach, zmianach cen i uruchomionych promocjach. Automatycznie tworzone są setki tysięcy pozycji pod prognozy i zamówienia. Prognoza jest budowana 52 tygodnie naprzód i korygowana na kolejne 2 tygodnie z uwzględnieniem sprzedaży z ostatnich dni. Pozwala to reagować na czynniki, które nie były widoczne wcześniej.
Po integracji MySales trafność prognoz sprzedaży w Chudo Market przekracza 80%. Wskaźnik ten zależy od wielkości sprzedaży - im większy wolumen, tym dokładniejsza prognoza. W przypadku popularnych produktów, takich jak banany i cukier, trafność prognozy przekracza nawet 95%.
Moduł prognozowania promocji
Promocje mają duży wpływ na sprzedaż, a większość sieci handlowych prowadzi promocje przez cały rok. Według badań firmy Nielsen 70-80% konsumentów to łowcy promocji. Sieci handlowe często generują z promocji od 30% do nawet 80% całkowitego obrotu.
Podczas promocji sprzedaż niektórych produktów może wzrosnąć dziesięciokrotnie. Jeśli sieć handlowa nie zamówi wystarczającej ilości towarów, klienci będą rozczarowani. Wielu z nich zdecydowało się na odwiedzenie supermarketu właśnie ze względu na produkt promocyjny. Ponowne zamawianie produktu może prowadzić do przepełnienia magazynów, odpisów i zalegającego towaru, który będzie schodził jeszcze długo po zakończeniu promocji.
„Jeśli chodzi o zamawianie produktów z kategorii spożywczej w nadmiarze, matematyka jest prosta: jeśli odpisujesz 10%, to w zależności od marży najprawdopodobniej działasz ze stratą”. mówi Aleksey Ivasyuk.
Oprócz promocji, w handlu detalicznym obserwuje się zwiększony sezonowy popyt związany między innymi z takimi wydarzeniami jak Boże Narodzenie, Walentynki czy okres letnich wakacji. Dla każdego z tych szczytów konieczne jest wcześniejsze zamówienie towarów od dostawców w wymaganej ilości.
Moduł automatycznych zamówień
MySales zapewnia Chudo Market możliwość automatycznego zamawiania całego asortymentu, w tym składników do własnej produkcji. System obsługuje zarówno zamówienia bezpośrednie do sklepów od dostawców, jak i zamówienia za pośrednictwem centrum dystrybucyjnego. W oparciu o moduł zamówień MySales, Chudo Market zwiększa stany magazynowe dla najpopularniejszych produktów przed rozpoczęciem okresu wzmożonego popytu i robi to zgodnie z prognozą. System ustala terminy dostaw, co pozwala na zmniejszenie odpisów. Pod uwagę brany jest również efekt byczego bicza (ang. bull whip effect).
Po wprowadzeniu automatycznego zamawiania z MySales w Chudo Market czas poświęcany przez pracowników na składanie zamówień znacznie się obniżył. Planowanie urlopów i świąt dla dostawców i pracowników pracujących przy zamówieniach stało się znowu możliwe.
Wskaźniki obrotów poprawiły się średnio o 15-20%. Dostępność na półce osiągnęła 97%, tylko 1% braku dostępności przypisuje się nieprawidłowym zamówieniom. Dzięki MySales mierzenie tych wskaźników stało się bardziej wygodne, łatwo można przeanalizować również przyczyny braku towarów na półkach.
„Dążymy do maksymalnej automatyzacji procesu łańcucha dostaw: od zamówień i przetwarzania po dostawę do sklepów” – mówi Oleksandr Udovenko z Chudo Market. Pozwala nam to na obniżenie kosztów i oferowanie klientom najbardziej konkurencyjnych cen.”
Historia wdrożenia automatyzacji prognoz i zamówień MySales w ukraińskim dyskoncie niespożywczym Chervonyi Market
Chervonyi Market (http://chervonyi.com.ua) to wiodący dyskont niespożywczy na Ukrainie z ponad 170 punktami sprzedaży detalicznej.
Dzięki technologii MySales Labs firma zwiększyła trafność prognoz regularnych i promocyjnych, zoptymalizowała poziom zapasów i zminimalizowała negatywny wpływ czynnika ludzkiego w kilku procesach.
W tym wywiadzie Olha Danilochka (Wiceprezes ds. Sprzedaży i Marketingu) i Yuriy Tatsokha (Kierownik ds. Zarządzania Zapasami) opowiedzieli, w jaki sposób korzystają z MySales.
Czy moglibyście opisać krótko Wasz biznes, aby dać czytelnikom więcej kontekstu?
Oczywiście. Nasz pierwszy sklep został otwarty w 2013 roku i oferował w zasadzie wszystko, czego potrzebuje gospodarstwo domowe w zakresie produktów niespożywczych. Po udanej premierze zdecydowaliśmy się zmienić nazwę marki na „Best Price” i zwiększyć skalę. W ciągu pierwszych 2 lat otworzyliśmy 20 sklepów w Kijowie i miastach w regionie. Przez te dwa lata bardzo dużo analizowaliśmy nie tylko co się dobrze sprzedaje, ale także zagłębiliśmy się w to, kim jest nasz klient, jakie są jego preferencje, przyzwyczajenia i potrzeby. Jednym z wniosków było odejście od trudnej do zapamiętania marki „Best Price” na rzecz prostej, wygodnej, kojarzonej z naszym firmowym kolorem – Chervonyi Market.
Nasz biznes wciąż się rozwijał i nadal nie zwalnia. Przez ekspansję biznesową rozumiemy nie tylko wzrost ilościowy (liczba sklepów), ale także wzrost jakościowy. Skalowanie dowolnego biznesu nie jest przecież możliwe bez przeglądu istniejących procesów biznesowych i dostosowania się do nowych wymagań – w tym otwarcia własnego centrum dystrybucyjnego i wprowadzenia zautomatyzowanego systemu uzupełniania zapasów.
Wyraźnym znakiem, że wszystkie te wysiłki były tego warte, było zdobycie nagrody dla najlepszej sieci formatu 1 Dollar Store na Ukrainie w 2021 roku.
Jak rozpoczęliście współpracę z MySales? Który moduł wdrożono jako pierwszy?
W związku z dynamicznym rozwojem nieustannie poszukiwaliśmy innowacyjnych i nowoczesnych rozwiązań biznesowych. Pierwszym zadaniem było znalezienie narzędzia do zarządzania promocjami. MySales był najbardziej elastyczny i najbardziej odpowiadał naszym kryteriom spośród wszystkich sprawdzanych przez nas rozwiązań. Początkowo planowaliśmy wprowadzić tylko moduł promocyjny. Po dogłębnej analizie innych modułów zdecydowaliśmy się na ich natychmiastowe wdrożenie i całkowite przejście na jedno rozwiązanie do automatyzacji zarządzania zapasami.
Jak organizujecie proces zamawiania?
Zaopatrywanie sklepów jest skoncentrowane wokół centrum dystrybucyjnego i może odbywać się według kilku schematów. W tej chwili używamy dwóch.
Scenariusz pierwszy:
Zamawianie z centrum dystrybucyjnego odbywa się zgodnie z harmonogramem uzupełniania sklepów.
Harmonogramy są ułożone w taki sposób, aby w momencie kolejnej dostawy saldo towaru wystarczało na pokrycie minimalnego zapasu na półce.
Drugi scenariusz:
Dostawa z centrum dystrybucyjnego do sklepów odbywa się w dniu przybycia towaru do centrum dystrybucyjnego (Pick-to-Zero).
To narzędzie zostało opracowane wspólnie z MySales Labs. Znacząco zwiększa dokładność zaspokajania potrzeb sklepów.
W przypadku dostarczenia przez dostawcę innej ilości towaru niż uzgodniono, eliminuje to prawdopodobieństwo nieoptymalnej alokacji zapasów w sklepach.
Zamawianie u dostawców jest zorganizowane w taki sposób, aby w centrum dystrybucyjnym była wystarczająca ilość towaru do zaspokojenia potrzeb wszystkich sklepów zgodnie z dowolnym scenariuszem uzupełniania. Do następnej dostawy od dostawcy do centrum dystrybucyjnego.
Zamówienia są wysyłane do dostawców automatycznie za pośrednictwem poczty elektronicznej.
Jak organizujecie proces ustalania cen? Jakie są najważniejsze czynniki wpływające na wielkość sprzedaży i jak je uwzględniacie podczas prognozowania sprzedaży? Jak dokładne są prognozy w porównaniu z rzeczywistymi danymi?
Bardzo uważnie monitorujemy rynek i staramy się być jak najbardziej konkurencyjni cenowo w każdym segmencie produktów. Dzięki modułowi MySales Labs Monitoring mamy solidny wgląd w ceny konkurencji i dobre zrozumienie dynamiki cen na rynku.
Kluczowym warunkiem wysokich obrotów jest zapewnienie wystarczającej ilości produktów w korzystnych cenach zgodnych z popytem w danym sezonie.
System prognozowania sprzedaży uwzględnia wiele czynników, takich jak elastyczność cenowa, sezonowość, udział promocji, trendy, wahania kursów walut i inne. Dokładność prognozowania systemu jest dość wysoka.
Jak często prowadzicie działania promocyjne? Jaki jest udział sprzedaży promocyjnej w całości? Jak oceniacie ich skuteczność?
Do każdego działania promocyjnego należy podchodzić z uwagą. Wszystkie nasze działania promocyjne prowadzone są zgodnie z kalendarzem promocyjnym. Uwzględnia on czynniki sezonowe oraz popularne święta. Budowa kalendarza z rocznym wyprzedzeniem pozwala nam lepiej przygotować się do realizacji promocji. Obejmuje opracowanie strategii komunikacji, wybór towarów wysokiej jakości, przygotowanie prognoz sprzedaży i stworzenie solidnego planu zamówień. Dla każdej akcji promocyjnej modelujemy, które produkty powinny pełnić wiodącą rolę. Ustalamy jasne KPI, na podstawie których można stwierdzić, czy osiągnęliśmy to, co zaplanowaliśmy i jak zadowoleni byli klienci z danej akcji.
Konstruując nasz plan promocji, upewniamy się, że mamy aktywne promocje każdego dnia roku.
Udział promocji w całości sprzedaży zależy od pory roku. W szczycie sezonu udział sprzedaży promocyjnej może sięgać nawet 80-90% całości obrotu.
Jak długo trwał proces integracji MySales? Które z Waszych systemów wymagały integracji? Czy możecie podzielić się wynikami wdrożenia?
Pełny proces integracji zajął nam trzy miesiące. Kolejne 3 miesiące zajęło dostosowanie systemu do naszej specyfiki i potrzeb we wszystkich modułach MySales. Systemy podłączone do MySales to 1C UPP, 1C WMS Logistics.
Ogólnie rzecz biorąc, technologia MySales pomogła nam zwiększyć dokładność prognozowania sprzedaży regularnej i promocyjnej, optymalizować stany magazynowe i minimalizować wpływ czynnika ludzkiego poprzez maksymalną automatyzację procesów.
Oryginalne źródło: https://retailers.ua/news/tehnologii/13154-yak-mereja-chervoniy-market-atomatizuvala-protsesi-popovnennya-zapasiv-prognozuvannya-ta-tsinoutvorennya
Wdrożenie MySales w Drogas na Łotwie i Litwie
MySales pomaga siecom handlowym w tworzeniu dokładniejszych i zautomatyzowanych prognoz sprzedaży, wykorzystując technologię uczenia maszynowego.
Drogas, wiodąca na Łotwie sieć sklepów z artykułami domowymi i kosmetycznymi, wdrożyła MySales dwa i pół roku temu.
W tym roku (2022) MySales zostało uruchomione w firmie Drogas na Litwie.
W wywiadzie Artyom Usakov (Dyrektor Łańcucha Dostaw) i Igor Scebrin (Dyrektor Handlowy) z firmy Drogas opowiadają o celach, jakie pomogła osiągnąć automatyzacja prognozowania sprzedaży, kryteriach wyboru dostawcy technologii oraz dlaczego zdecydowali się na MySales.
— Opowiedzcie nam krótko o Drogas.
— Drogas działa na Łotwie i Litwie, jest częścią A.S. Watson Group, która posiada ponad 16 tys. sklepów w Europie i Azji. A.S. Watson Group działa na 35 rynkach i na każdym z nich jest liderem lub jednym z liderów w segmencie produktów zdrowotnych, kosmetycznych i domowych. Firma Drogas działa w segmencie higieny, kosmetyków i artykułów gospodarstwa domowego. Posiadamy 95 sklepów na rynku łotewskim i 55 na Litwie. Drogas to wiodąca sieć detaliczna w segmencie zdrowia i urody w Krajach Bałtyckich.
— Kim są Wasi klienci?
— Nasz produkt jest skierowany do wszystkich grup wiekowych i cenowych na rynku masowym. Zazwyczaj naszym klientem jest kobieta w wieku od 18 do 65 lat.
— Jak ustalany jest asortyment sklepu?
— Asortyment zależy od wielkości sklepu. Mamy lokalizacje o powierzchni 100 m2 i 400 m2, ale to raczej wyjątki. Standardowa powierzchnia naszego sklepu to 250-300 mkw.
— Opowiedzcie nam o sklepie internetowym, jak ważny jest on dla Waszego biznesu?
— Nie traktujemy strony internetowej tylko jako sklepu internetowego. Agregujemy w nim wszystkie informacje o produktach, naszych projektach, firmie, wskazówkach. Klienci mogą sprawdzić recenzje napisane przez innych klientów. Widzimy wielu klientów, którzy zapoznają się z produktami online i udają się do sklepu, aby dokonać zakupu. Nie ma dla nas większego znaczenia, czy kupują online, czy offline. Uważamy się za sprzedawcę O+O (offline plus online). Jak na stosunkowo niewielką Łotwę mamy dość duży zasięg sklepów fizycznych. Jeśli przejedziesz 15 minut przez centrum Rygi, natkniesz się na 13-15 sklepów Drogas. Na Łotwie połowa ludności mieszka i/lub pracuje w stolicy i połowa naszych sklepów znajduje się właśnie tutaj. W przypadku sklepów znajdujących się w zasięgu spaceru łatwiej jest samodzielnie wybrać produkt niż zamawiać przez Internet. Korki w Rydze nie są na tyle dużym problemem, aby zniechęcić do odwiedzania sklepów. Nie mamy wielkich centrów handlowych, w których przejście z parkingu do sklepu zajmuje 30 minut. Ograniczenia koronawirusa w sklepach offline zrobiły najlepszy marketing dla zakupów online. Gdy tylko zostały usunięte, sprzedaż w sklepach stacjonarnych natychmiast wzrosła.
— Wasza publika jest dość liczna i zróżnicowana. Istnieje szereg motywów, czynników, preferencji dla poszczególnych jej segmentów. Jakie czynniki najbardziej wpływają na sprzedaż?
— Czynników jest wiele i są one istotne nie tylko dla naszej działalności, ale dla całej branży retail. Są to sezonowość, lokalne święta, pogoda, turystyka, preferencje konsumentów, trendy, ceny i promocje. Na przykład ostatnimi czasy koreańskie kosmetyki są bardzo popularne w całej Europie Wschodniej. Przeanalizowanie wszystkiego przez człowieka jest prawie niemożliwe, dlatego potrzebna jest pomoc algorytmów. W przeszłości kierownicy sklepów zamawiali towary w naszej firmie. To było nieskuteczne. Jakość zamawiania zależała od ludzi, których wiedza nie odpowiadała potrzebom do poprawnego wykonania tego zadania. Widzieli sprzedaż swojego sklepu, ale nie ogólne trendy. Byliśmy zależni od osoby w przypadku zmian personalnych. Czy nowy menedżer będzie umiał sprawnie zamawiać towary? A jakość, powiedzmy sobie, była „przeciętna”. Koledzy z innych krajów powiedzieli nam, że zrobili testy i najlepszy kierownik sklepu zamówił towar na poziomie automatycznego zamówienia. Zamiast zajmować się zamówieniem, kierownicy sklepów mogą skupić się na usprawnieniu pracy sklepu poprzez obsługę klientów, przygotowanie sklepu do pracy, przygotowanie towaru do prezentacji itp. Dlatego zaczęliśmy szukać rozwiązania automatyzującego proces składania zamówień. Były już działające narzędzia w innych sieciach grupy A.S. Watson. Na naszą krótką listę trafiło dwóch dostawców: MySales używany już przez sieć z innego kraju oraz inny znany system działający w innej sieci w grupie. Rozmawialiśmy z naszymi kolegami z różnych działów firmy, które korzystały z MySales. W końcu doszliśmy do wniosku, że rozpoczniemy korzystanie z modułu prognozowania sprzedaży MySales i pozostaniemy przy dotychczasowym narzędziu do automatycznego zamawiania. Do tej pory nie zdecydowaliśmy się na przejście na moduł automatycznego zamawiania MySales ze względu na duży wysiłek potrzebny do przeprowadzenia takiej migracji. Prognozy MySales ładujemy do rozwiązania, z którego korzystaliśmy wcześniej.
— Dlaczego wybraliście MySales?
— Zależało nam na tym, aby liczba osób zaangażowanych w pracę z systemem była jak najmniejsza i żeby działał on jak najbardziej autonomicznie.
Alternatywne rozwiązanie wymagało znacznie większego nakładu pracy ludzkiej.
Warto zauważyć, że nasza łotewska i litewska firma korzysta z dwóch różnych instancji systemu, ponieważ mają oddzielne bazy danych. Ten sam produkt od tego samego dostawcy na różnych rynkach ma różne numery artykułów i SKU. Rynki łotewski i litewski pod względem sprzedaży są radykalnie różne. Na Litwie nasze sklepy są bardziej nastawione na segment beauty. Oprócz produktów kosmetycznych na Łotwie ważne są również środki czystości . Przy różnych wzorcach sprzedaży, odmiennej specyfice sklepu i innych topowych produktach, dwa systemy automatycznego zamawiania są koniecznością. Zobaczyliśmy, że trzyosobowy zespół jest w stanie wygodnie kontrolować zamówienia w około 90 sklepach na Łotwie. Obecnie zespół czterech osób zajmuje się prognozowaniem i zamawianiem w obu krajach. Według naszych szacunków do obsługi alternatywnego systemu musielibyśmy zaangażować 15-20 osób. Ciężko mi powiedzieć, czy MySales jest dokładniejszy niż inne rozwiązanie, które analizowaliśmy. Na pewno było tam mniej automatyzacji. Dla nas kluczowe było to, że MySales pozwala na znaczną automatyzację procesów i utrzymuje zasoby potrzebne do jego utrzymania na rozsądnym poziomie.
— Które działy w firmie są zaangażowane w pracę z modułem prognozowania sprzedaży MySales?
— Przede wszystkim dział handlowy obejmujący logistykę, sklep internetowy, planogramy, analityków, managerów kategorii, a nawet specjalistów od marketingu. Tylko HR i Finanse nie są zaangażowane.
— Jakie trudności napotkaliście na etapie wdrażania?
— Nieoczekiwaną trudnością okazało się to, że dyrektorom sklepów trudno było odejść od procesu zamawiania. Pojawiła się kwestia zaufania. Wcześniej sprawowali nad procesem kontrolę, a teraz jest to odbierane. Był to dla nich trudny psychologicznie moment.
Musieliśmy też przebudować wiele procesów. Dział zamówień został stworzony od podstaw z nowymi procedurami. System wymaga uzupełnienia nowych parametrów. We wszystkich planogramach musieliśmy ustawić wskaźniki x, y, z dla produktu i poprawić jakość harmonogramów zamówień od dostawców. Wiele procesów zostało zmodernizowanych, aby pasowały do nowego systemu i działały. Podczas procesu wdrożenia widzieliśmy anomalie, czyli rozbieżność między tym, czego oczekiwaliśmy, a tym, co faktycznie się wydarzyło. Skontaktowaliśmy się z zespołem MySales, który zbadał problem i szybko wdrożył wymagane zmiany. System sam się uczy i z każdym miesiącem jest coraz lepszy. Mamy coraz mniej anomalii. W pewnym momencie, 2,5 roku temu, coś się zepsuło, ale MySales szybko wszystko rozwiązało. Po tym nie było większych awarii.
— MySales podkreśla znaczenie istnienia historii sprzedaży i wszystkich działań dla prawidłowego działania systemu.
— Rzeczywiście, przed startem dużo czasu spędziliśmy na przygotowywaniu danych historycznych dotyczących sprzedaży, promocji i działań marketingowych, więc system miał podstawę do prognozowania. Przed rozpoczęciem szczegółowo omówiliśmy z zespołem MySales wszystkie niuanse, w tym sposób, w jaki będą brane pod uwagę pewne czynniki.
— Ile czynników uwzględnia się w prognozie?
— Zdecydowanie więcej niż 10 czynników. Wśród nich są pogoda, sezonowość i aktywność konkurencji. Pamiętajmy, że MySales jest inny dla każdego rynku. Po ponownym uruchomieniu dokonaliśmy pewnych optymalizacji w konfiguracji systemu. Metodą prób i błędów, z udziałem zarówno naszym, jak i MySales, osiągnęliśmy dobry wynik. Kolejny ważny punkt, istnieją znaczne różnice między firmą Drogas a innymi sieciami handlowymi A.S. Watson, gdzie wdrożony był już MySales. Oni mają własny magazyn, a my nie. To znacząco wpływa na proces i zamówienia. Posiadamy partnera 3PL, który świadczy usługi logistyczne. Mają własny system, który nie jest zintegrowany z naszym. Dlatego MySales skupia się wyłącznie na prognozowaniu na poziomie sklepu. Działa z dostawami do sklepów, ale nie do centralnego magazynu.
— Na jak długo budujecie prognozę i jak często jest ona rekalkulowana?
— Prognoza jest aktualizowana codziennie. Prognozowany zakres dat w przyszłości obejmuje wszystkie aktywne promocje i działania marketingowe. Gdy tylko otrzymamy informację o kolejnych promocjach, zostaje ona dodana do systemu i następuje przeliczenie prognozy. W przypadku zmiany parametrów wejściowych możemy w dowolnym momencie ręcznie rozpocząć przeliczanie. Na przykład zmieniono zasady promocji i zażądano ponownego obliczenia prognozy. W przypadku świeżych danych system może inaczej interpretować dane w oparciu o najnowszą sprzedaż. Na przykład minęło 6 miesięcy od ostatniej podobnej promocji. Ta sama jednostka SKU, która została sprzedana z 50% zniżką, może teraz działać inaczej. Na sprzedaż produktów w danym momencie wpływają różne czynniki.
Wyniki współpracy firmy Drogas i MySales
— Czy osiągnęliście rezultaty, które wyznaczyliście sobie przed rozpoczęciem projektu?
— Bez wątpienia tak. System działa już dobrze i zapewnia optymalne stany magazynowe w naszych sklepach. Stosujemy kilka wskaźników KPI: wskaźniki jakościowe zapasów i dostępność zapasów (tj. Slow Moving Inventory, Weeks of Cover). Istnieją pewne ramy budżetowe, które musimy spełnić i widzimy, że wszystko jest w porządku.
Osobno monitorujemy najlepsze sklepy i topowe produkty, aby zapewnić ich dostępność w najbliższym terminie. Ważnym KPI jest dostępność na półce (OSA). Wskaźnik ten utrzymuje się na dobrym poziomie. A jeśli gdzieś się zmniejszy, to w wyniku analizy możemy zidentyfikować przyczyny. Ostatnio taki wpływ miał Covid, kryzys logistyczny i energetyczny. W większości przypadków nie jest to związane z MySales.
— W jakim stopniu prognozy i rzeczywista sprzedaż są zgodne?
— Nie sprawdzaliśmy tego konkretnie, ale koledzy z MySales przekazali nam raport, z którego wynika, iż trafność prognoz promocyjnych jest na poziomie 80%+, a regularna 90%+. Jeśli prognoza jest niższa niż rzeczywista sprzedaż, to bardzo szybko otrzymamy informację zwrotną ze sklepu, że produktu jest za mało lub odwrotnie, jest go za dużo. Możemy to śledzić za pomocą takich zapytań. Od pewnego czasu nie otrzymujemy takiej informacji zwrotnej, co oznacza, że system dobrze wykonuje swoją pracę.
— Jak MySales radzi sobie ze sprzedażą promocyjną? Jest to ważny obszar dla sieci handlowej działającej na rynku masowym.
— Czasami mieliśmy pytania dotyczące wyników prognozy promocyjnej. Po ich przekazaniu zespołowi MySales otrzymywaliśmy wyjaśnienia. Pracowaliśmy również nad naszymi błędami.
Mamy pewne procesy zarządzania zapasem bezpieczeństwa, które pozwalają nam nieznacznie zniwelować efekt w przypadku, gdy MySales się myli. W przypadku najlepszych produktów i najlepszych sklepów stosujemy podwyższony współczynnik. To jest pewne ubezpieczenie. Opracowaliśmy i niezależnie dodaliśmy te współczynniki do ustawień MySales. System pozwala na dodanie niestandardowych parametrów dla każdego sklepu i produktu.
— Czy moglibyście podzielić się innymi wynikami biznesowymi po wdrożeniu MySales?
— Zdecydowanie oszczędności jeżeli chodzi o zasoby sklepu. W każdym sklepie mamy teraz jedną osobę więcej do pracy bezpośrednio w sklepie, zamiast pracy przy zamawianiu. Mamy optymalne stany magazynowe sklepu i utrzymujemy nad nim kontrolę - jeśli pracuje z nim 90 osób i każda z nich robi to po swojemu, nie można tego nazwać dobrym poziomem kontroli. Chciałbym również podkreślić prostotę systemu. To było dla nas kluczowe. Obecnie prognozy sprzedaży dla naszych dwóch biznesów w dwóch krajach są wykonywane przez MySales z udziałem zaledwie 4 osób.
— Ile czasu zajęło wdrożenie?
— Na Łotwie zajęło nam to więcej czasu, bo pracowaliśmy nad tym od podstaw. Trzeba było przeprojektować procedury, usprawnić wymianę informacji i współpracę między działami. Przeprowadziliśmy wiele testów: jak przesyłane są dane, jak odbierają je dostawcy. A kiedy wykonaliśmy wszystkie prace przygotowawcze, nadal były pewne obawy. System jest nowy, ale co się stanie? Zaczęliśmy od migracji małych dostawców, potem średnich. Łączyliśmy dużych dostawców jeden po drugim, sprawdzając wyniki w każdym przypadku. Z technicznego punktu widzenia proces ten zajął nam do 6 miesięcy, a sama integracja MySales 2-3 miesiące. Na Litwie proces już przebiegał szybciej. Od strony MySales wszystko potoczyło się dość prosto i szybko.
— Co poleciłbyś menedżerom, którzy są obecnie na drodze do wdrożenia w swoich sklepach automatycznego systemu prognozowania sprzedaży?
— Polecam nie bać się i próbować nowych rzeczy. Jeśli mówimy o MySales, to w 10-punktowej skali dałbym 8-9 punktów. Nauczywszy się, jak z nim pracować przy niewielkim zaangażowaniu człowieka, można osiągnąć naprawdę dobre wyniki.