Предиктивная аналитика и уведомления: раннее предупреждение о падении продаж

О падении продаж руководитель узнаёт из месячного отчёта. Это три-четыре недели после того, как всё началось. Один из главных клиентов остывал полгода: заказы сокращались, но никто не смотрел. Ходовая позиция кончилась на складе в разгар сезона, хотя динамика расхода предсказывала это ещё месяц назад.

Во всех трёх историях данные были. Не было системы, которая вовремя ткнула бы пальцем в отклонение. Предиктивная аналитика делает ровно это: сравнивает происходящее с ожидаемым и предупреждает, пока проблему чинить дёшево. Уведомление «продажи категории X вторую неделю на 30% ниже прогноза» стоит недорого, а спасает месяц выручки.

Начинаем с простого

Слово «предиктивная» звучит как data science с отделом аналитиков. Корпорациям так и надо. Малому и среднему бизнесу большая часть пользы достаётся заметно дешевле, поэтому мы идём по ступеням.

Ступень 1. Правила и алерты. Машинное обучение здесь не нужно. Работают пороги и сравнение с прошлыми периодами, где учтена сезонность. «Выручка дня ниже медианы за 4 недели на 25%». «Клиент из топ-20 не заказывал дольше обычного интервала». «Остаток товара А закончится раньше следующей поставки». Уведомления уходят в Telegram или на почту, поверх тех же данных, что кормят BI-дашборды.

Ступень 2. Готовые модели. Прогнозирование продаж, вероятность оттока, LTV. Это уже обучено внутри платформ, и мы работаем проводником. Скоринг сделок и вероятность отказа считают Битрикс24 и amoCRM. Отток, частоту покупок и LTV в рознице закрывают Mindbox и Retail Rocket. Прогноз выручки и спроса по неделям мы чаще собираем в Yandex DataLens поверх ClickHouse, а если модель придётся обучать своими руками, берём Yandex DataSphere. Подбираем платформу, готовим и подключаем ваши данные, проверяем качество прогнозов на истории.

Ступень 3. Свои ML-модели. Нужны редко и только на больших объёмах данных. Если случай ваш, зовём профильных data-science-партнёров. Изображать компетенцию, которой у небольшого интегратора быть не может, мы не станем.

Что входит в работу

• Проверяем данные: что накопилось в 1С, CRM и на сайте и на какие прогнозы этого хватит.
• Собираем каталог рисков: какие события вам важно ловить рано. Падение продаж, отток, дефицит, рост отказов.
• Настраиваем алерты, учитываем сезонность и тренды, доставляем уведомления в Telegram и на почту.
• Подключаем готовые прогнозные модели по спросу и оттоку там, где данных хватает.
• Пишем регламент реакции: кто и что делает по каждому типу уведомления. Без него алерты бесполезны.
• Калибруем систему на реальных срабатываниях в первый месяц: убираем ложные тревоги, докручиваем пороги.

Сколько это стоит и сколько занимает

Смету считаем после разговора, но порядок цифр называем сразу. Сравнивать ступени проще по одному списку.

• Алерты на готовых данных. Нужны рабочие 1С и CRM. Получите 8-12 правил, доставку в Telegram и регламент реакции. От 90 тысяч рублей, две-три недели.
• Алерты плюс наведение порядка в данных. Нужны те же системы, но с дырами в учёте. Сначала чиним справочники и выгрузки, потом ставим правила. От 180 тысяч рублей, месяц-полтора.
• Готовые модели спроса и оттока. Нужна история за год-полтора. Получите прогноз выручки по неделям, список остывающих клиентов и проверку модели на прошлых периодах. От 250 тысяч рублей, полтора-два месяца.
• Сопровождение. Держим пороги в тонусе, добавляем правила под новые риски, чиним обмен после смены формата выгрузки. От 20 тысяч рублей в месяц.

Отдельно считаются подписки на платформы, лицензии BI и облачные мощности под расчёты. На ступени правил это чаще всего ноль: хватает бесплатных тарифов и вашего сервера.

Считайте от обратного. Оптовик теряет клиента с оборотом 400 тысяч рублей в месяц и замечает это через квартал. Розница месяц торгует без ходовой позиции и недобирает выручку по всей категории. Одна такая история окупает настройку алертов, а ловят они по несколько штук в год.

Что нужно от вас

Старт идёт быстро, когда на руках есть четыре вещи.

• Доступы. Учётные записи к 1С, CRM, сайту и телефонии. Обычно это полдня работы вашего системного администратора.
• Человек, который знает учёт. Он подтверждает, что сигнал совпал с реальностью, и отсекает ложные тревоги. Нужен два-три часа в неделю в первый месяц, дальше почти не нужен.
• Канал для уведомлений. Рабочий чат в Telegram или почтовая группа. Личку руководителя мы не советуем: там сигнал тонет.
• Решение по реакции. Одна встреча на час, где договариваемся, кто идёт звонить остывшему клиенту и кто правит закупку. Без этого алерты станут фоном за две недели.

Какие сигналы ловят в разных отраслях

Каталог рисков всегда свой. Вот с чего обычно начинают.

• Опт. Клиент из топ-20 пропустил свой интервал заказа, а маржа по товарной группе просела ниже плана. Дебиторка перешла критический срок, и ходовая позиция кончится раньше поставки.
• Розница. Выручка точки вторую неделю ниже медианы, а средний чек упал при прежнем трафике. Списания по категории растут, остаток на точке разойдётся до подвоза.
• Услуги. Заявок за неделю меньше нормы по каналу, загрузка мастеров провалилась. Повторных обращений стало меньше, а стоимость заявки выросла без прироста продаж.
• Онлайн-школа. До второго урока доходит меньше учеников, чем на прошлом потоке, и растут возвраты. Канал, который кормил набор, перестал давать заявки.

Чем это отличается от дашбордов и сквозной аналитики

Три услуги живут на одних данных, но отвечают на разные вопросы. BI-дашборд показывает, как идут дела, когда вы сами открыли экран. Сквозная аналитика объясняет, какой канал привёл деньги. Предиктивные алерты будят вас сами, когда цифры повели себя не так.

Порядок обычно такой: сначала порядок в данных и дашборд, потом алерты поверх него. Если дашборда ещё нет, а данные в 1С и CRM живые, ступень правил можно запустить и без него.

Что вы получите

Систему раннего предупреждения, которая работает без вашего внимания. Отклонения продаж видны через дни, а не через недели. Остывающие клиенты попадают к менеджеру до того, как ушли совсем. Закупки опираются на прогноз расхода, а не на ощущения снабженца.

Насколько это сократит отток, заранее не скажет никто. По нашему опыту первые пойманные риски видно уже в первый месяц, а дальше вы судите по своим цифрам, а не по чужим кейсам.

Где обычно спотыкаются

Короткая история. Модели спроса просят хотя бы один-два годовых цикла чистых данных. Истории мало или учёт вёлся с дырами: тогда начинаем со ступени правил, она работает и на скромных данных.

Ложные тревоги. Перечувствительные алерты за две недели приучают команду себя игнорировать, и система умирает. Поэтому калибровку порогов после запуска мы делаем обязательно.

Прогноз без регламента. Предупреждение, на которое никто не обязан реагировать, превращается в шум. Половина дела: договориться, кто и что делает по каждому сигналу.

Качество данных. Прогноз не бывает точнее учёта, на котором построен. Иногда честный итог аудита звучит так: сначала наведём порядок в 1С и CRM, прогнозы через полгода. Лучше узнать это до бюджета, а не после.

Что происходит после запуска

Первый месяц идёт калибровка. Мы смотрим на каждое срабатывание вместе с вами: сигнал попал в цель или шумит. Пороги двигаются, лишние правила выключаются. К концу месяца остаётся набор, которому команда верит.

Дальше два пути. Есть свой аналитик: он правит пороги и добавляет правила сам, мы передаём документацию и остаёмся на связи. Аналитика нет: берём сопровождение на себя. Бизнес меняет ассортимент, открывает точку, запускает канал, и каталог рисков меняется вместе с ним.

Опишите задачу в форме ниже. Расскажите, какие неприятности вы замечаете слишком поздно. Посмотрим ваши данные и предложим план по ступеням: с чего начать уже в этом месяце и что станет возможным, когда история накопится.