«Иннодата» разработала Систему интеллектуального ценообразования для крупного бизнеса

Компания «Иннодата» представляет Систему интеллектуального ценообразования, предназначенную для автоматизированного точного прогноза и балансировки цен и тарифов. Решение будет востребовано среди девелоперов в строительстве, в ритейле, у транспортно-логистических компаний и крупных сервисных организаций с постоянной линейкой услуг.

Высокая вероятность ошибки вследствие «человеческого фактора» при ручном прогнозировании спроса и предложения делают процесс ценообразования все более сложным, подразумевающим долговременные, трудоемкие и дорогостоящие исследования. Для того, чтобы обеспечить эффективность продаж, при формировании оптимальной цены необходимо принять во внимание множество факторов. Сделать это сравнительно быстро и эффективно поможет инновационная Система интеллектуального ценообразования от компании «Иннодата».

Принцип работы системы

Используя в своей основе технологии, построенные на BigDatа и нейронных сетях, специалисты компании разработали качественно новый подход к пост-обработке получаемых данных, который позволяет добиться максимальной эффективности от построенных математических моделей, снизить погрешность и повысить интерпретируемость результата. Такая система:

  1. формирует базовую модель для прогнозирования динамики ценообразования, выявляя основные видимые и скрытые факторы, влияющие на динамику развития;
  2. осуществляет построение, оптимизацию и мониторинг бизнес-модели;
  3. проводит высокоточную настройку параметров и переменных, влияющих на ее работу;
  4. обогащает модель дополнительными данными.

При этом автоматизирован процесс формирования рекомендаций и замечаний по ведению ценообразования.

Система работает следующим образом: формируются три блока информации на ежедневной основе для пользователей системы. Блок статистики предусматривает интерактивный отчет, включающий показатели, связанные с динамикой продаж, уровнем цен, активностью клиентов и пр. Предусмотрено получение отчетов разной степени агрегации, начиная от суммарных показателей компании и до уровня конкретного объекта недвижимости. Блок прогноза предусматривает ежедневно обновляемую вероятность продажи объекта недвижимости в следующем месяце. Результаты прогнозирования могут быть агрегированы вплоть до уровня типа квартир и даже до уровня стояков конкретной секции в проекте.

Блок рекомендаций включает ежедневно обновляемые значения для величины изменений цен на объекты недвижимости, типы квартир, стояки. При этом рекомендации могут настраиваться пользователем, меняться динамически в зависимости от возможностей для изменения цен, складывающихся для конкретного объекта недвижимости по результатам анализа входных составляющих системы.

Бизнес-показатели

Основные бизнес-задачи, которое решает Система интеллектуального ценообразования:

  1. максимизация выручки
  2. увеличение объема продаж без увеличения расходов
  3. оперативное реагирование на события, влияющие на ценообразование на высоко-конкурентном рынке
  4. прогнозирование динамики ценообразования
  5. учет количества факторов влияния,
  6. минимизация влияния «человеческого фактора».

Система позволяет спрогнозировать продажи и лучший период для изменения цены, снижение человеческих трудозатрат на процесс формирования стоимости за счет оптимизации бизнес-процесса, осуществляет поддержку в режиме реального времени. Уникальные возможности решения: оценка вероятности совершения сделки; расчет ежедневного прогноза по каждой сделке, группировка результатов, а также управление ценой на основе фактического спроса на объект: если прогноз по фактическому спросу превышает запланированный, то есть возможность для более частых повышений стоимости.

Модель решения сбалансирована и предусматривает около 200 переменных, при этом учитываются факторы сезонности, эффективно использует как внутренние, так и внешние определяющие факторы, такие, например, как колебание котировок валют.

Эффект от внедрения

Получаемые системой результаты достигнуты с помощью современных алгоритмов самообучения математической модели (например, с помощью XGBoost). Построение аналитической модели осуществляется на основе нескольких разработанных методов. Модель учитывает исторические данные и эффективно использует их. Для окончательного завершения обучения проводится обучение модели в режиме реального времени. 90% точности совершения сделки приходится именно на тот период, который отражен в модели. При условии предоставления от 85% и более полноты данных модель корректно предсказывает статистику ожидаемых сделок.

«Основной эффект от использования Системы интеллектуального ценообразования в бизнес-архитектуре компании заключается в достижении главной цели – максимизации выручки без увеличения расходов, – комментирует Максим Сытников, Product Owner решения, компания «Иннодата». – Эффект для бизнеса от использования системы сложно переоценить: в первую очередь это максимизация выручки без увеличения расходов, повышение уровня конкурентоспособности, стимулирование спроса, увеличение объема выручки, точная настройка колебаний стоимости за счет прогнозирования будущей сделки, проверка целесообразности рекомендаций и эластичности спроса в режиме реального времени, увеличение дополнительной прибыли за счет гибкого подхода к данным. А в качестве приятного бонуса – оптимизация трудозатрат, например, аналитического отдела, поддерживающего ценообразование в ручном режиме, а также увеличение скорости принятия решения с суток до нескольких минут.»

Автор: Игорь Плотников.

Тематики: Интеграция, ПО, Финансы

Ключевые слова: программное обеспечение, интеграция, автоматизация торговли, финансы