Заказчики: Фокстрот. Техника для дома Подрядчики: Blue Yonder (ранее JDA Software) Продукт: JDA DemandДата проекта: 2015/01
|
Технология: Cloud Computing
|
Компания JDA Software Group, Inc., поставщик решений для управления цепочками поставок, объявила в феврале 2015 года, что компания «Фокстрот», ритейлер бытовой техники и электроники на Украине, внедряет решения JDA Demand и JDA Demand Classification для улучшения возможности прогнозирования спроса на уровне каждого магазина. Новые решения JDA заменят прежний процесс прогнозирования, который не позволял компании детально рассмотреть особый потребительский спрос в каждом из 224 магазинов сети по всей Украине.
Как и у большинства ритейлеров, потребительский спрос «Фокстрот» зависит от местоположения магазина. Средний размер сети составляет более 290,000 квадратных метров. Поскольку целью компании является рост объема продаж, «Фокстрот» стремится к прогнозированию спроса на локальном уровне, чтобы обеспечить наличие верного ассортимента продукции в каждом магазине.
Решения JDA позволят значительно улучшить эффективность, точность и скорость отклика текущего процесса прогнозирования «Фокстрот». В связи с тем, что компания стремится сделать прозрачными фактические требования покупателей, система поставок будет все больше и больше зависеть от существующего потребительского спроса, оставляя возможность для быстрого реагирования на любые изменения.
«До внедрения решений JDA Demand и JDA Demand Classification у нас не было инструмента, чтобы оценить уровни потребительских предпочтений по мере их изменений в каждом отдельном магазине, - говорит Иван Стефоглов, глава управления цепочками поставок компании «Фокстрот». – Поскольку процесс прогнозирования ранее основывался на полуавтоматизированных процессах и в значительной степени опирался на экспертное мнение, реакция на изменения занимала длительное время. Это ограничивало возможность для быстрого реагирования на изменения спроса покупателей. Благодаря новым решениям JDA мы сможем оперативно в автоматическом режиме оценивать локальные требования потребителей на основе фактических данных. Процесс прогнозирования станет более эффективным и точным. Кроме того, мы сможем оперативно отвечать на локальные запросы потребителей. Таким образом мы планируем увеличить наш доход, а также удовлетворенность наших покупателей».