За даними ООН, приблизно третина харчових продуктів, які щорічно виробляються у світі для споживання людиною, втрачається або викидається. А це близько 1,3 мільярда тонн. Найвищі показники втрат становлять фрукти та овочі.Це породжує масштабну проблему харчових відходів, що має негативні гуманітарні, екологічні та фінансові наслідки.
Важливу роль у цьому процесі відіграють і торговельні мережі, щорічно списуючи тонни продуктів, які доводиться утилізувати, витрачати на них ресурси, гроші та час.
Існують різні прийоми, щоб уникнути цього: продаж продукції за зниженою ціною, співпраця з благодійними організаціями, притулками для тварин чи зоопарками тощо. Однак є й інші способи ефективного управління товарами категорії fresh, які допомагають мінімізувати списання продукції, що швидко псується. Розберімося докладніше.
Попередити проблему чи боротися з її наслідками?
Точність та якість прогнозу були й залишаються найважливішими елементами в попередженні втрат. Особливо, якщо йдеться про управління товарами категорії fresh.
Сьогоднішнє прогнозування попиту на швидкопсувні товари вимагає обробки величезних потоків інформації та врахування факторів, що впливають на прогноз, таких як погода, промоакції, щоденні коливання цін на продукти тощо. Це практично неможливо зробити вручну. До того ж не кожне програмне забезпечення (ПЗ) здатне зробити точний прогноз.
А якщо при цьому ще необхідно контролювати умови зберігання продукції та управляти строками придатності товарів fresh – завдання стає ще складнішим.
Списання товарів категорії fresh та власного виробництва (кулінарії) становить основну масу харчових відходів у роздробі. Крім традиційного списання, викликаного псуванням продукції, виникає додаткове списання, до якого призводить відсутність тісного взаємозв’язку між системами прогнозування та управління виробництвом.
Тісна інтеграція процесів та програмних рішень для управління fresh-категоріями та власним виробництвом – це вже не тільки про цілісність даних та зручність користувачів, але й про точність прогнозу, скорочення стоків та зменшення списання.
Крім того, важливим елементом комплексу заходів, спрямованих на зниження втрат у категоріях, що швидко псуються, є партнерство з постачальниками та забезпечення прозорості на всьому шляху ланцюга поставок.
Від проблеми до вирішення
Щоб перетворити потоки даних на точні прогнози, вже недостатньо традиційних підходів та окремих самостійних рішень. Необхідний рівень точності може бути досягнутий лише за допомогою штучного інтелекту (ШІ, AI).
Тому провідні ритейлери все частіше використовують сучасне програмне забезпечення на базі ШІ, яке дозволяє прогнозувати попит на основі щотижневих, щоденних, внутрішньоденних і навіть погодинних моделей, аж до деталізації на рівні магазину для деяких проду
Рішення для управління товарами категорії fresh повинні:
- Бути комплексними та тісно інтегрованими в частині даних про SKU, їх характеристик та атрибутів. Також тісна інтеграція в частині даних про продажі дозволить зменшити час на їх синхронізацію та знизить кількість помилок, викликаних необхідністю обміну даними між розрізненими системами, такими як автозамовлення або рішення для категорійного менеджменту.
- Обробляти великі потоки контекстних даних у зв’язку з історичними, щоб виявити та зрозуміти невиявлені раніше моделі поведінки. При цьому під історичними даними маються на увазі не лише дані про продажі категорії fresh, а й інформація про споживання кулінарії. Це дає можливість прогнозувати попит для кожного магазину, в кожному кластері, аж до погодинного попиту, дозволяючи ритейлерам швидко та ефективно реагувати на коливання.
- Враховувати не тільки свіжі продукти, але й супутній попит на упаковку та додаткові SKU, такі як соуси та заправки, щоб звести до мінімуму відсутність запасів та скоротити втрати.
- Прогнозувати щоденне виробництво, зважаючи на час, необхідний для виконання замовлення, розморожування та приготування продукту, а також пропонувати оптимальну кількість продукції для забезпечення її доступності для клієнта.
- Відстежувати окремі SKU у будь-якій точці ланцюга поставок.
З усіх питань про рішення для прогнозування попиту або систем автозамовлення звертайтесь до спеціалістів: пишіть на пошту info@c4r.eu або заповнюйте форму для замовлення зворотного дзвінка.
Крім того, сучасні рішення здатні підтримувати:
- інформація про інгредієнти та свіжі продукти: одиниці вимірювання, упаковка, походження, вміст алергенів;
- всі елементи інгредієнтів для рецептів з урахуванням можливих замін, а також необхідності доставки деяких інгредієнтів до магазину;
- строки придатності та пропонувати рекомендації щодо коригування ситуації, щоб користувачі могли оперативно реагувати та усувати можливі недоліки.
Як свідчить практика, використання сервісів на базі ШІ та машинного навчання дозволяє на 40% знизити кількість відходів завдяки можливості швидше обробляти великий обсяг даних та, відповідно, швидше приймати рішення щодо управління товарами категорії fresh.
Це допоможе ритейлерам не лише скоротити витрати та підвищити рентабельність власного бізнесу, а й зробити свій внесок у таку важливу та благородну справу, як захист та відновлення навколишнього середовища.
Бажаєте дізнатися більше про управління fresh-категоріями та зменшити втрати в них? Підвищити якість прогнозу, точність замовлення та покращити відстежуваність SKU на всіх етапах ланцюга поставок? Заповніть форму на сайті або напишіть на info@c4r.eu, і наші фахівці нададуть вам вичерпну інформацію щодо підбору та впровадження IT-рішень для вашого бізнесу.
