• 331

    Опубликовано проектов

  • 171

    Оставлено комментариев

Рейтинг рассчитывает взвешенные оценки. Система динамически пересчитывает показатели при каждом новом голосе, учитывая весовые коэффициенты и мультикритериальную оценку. В ближайшие две недели еще будут публиковаться новые проекты, которые сейчас заканчивают верификацию. Текущее значение рейтинга может демонстрировать нелинейную динамику.

← Вернуться к списку

Цифровая B2B-экосистема с ML-прогнозированием рынка на базе BPMSoft

  • Руководитель проекта со стороны заказчика

    Микаэл Гамбарян

    ООО "Коммерциал-Центр"

    Бизнес-Аналитик, Директор по цифровой трансформации

  • Категория

  • Номинация

  • Цели

    Проект направлен на ликвидацию функционального разрыва в данных коммерческого цикла продаж (B2B) через комплексный реинжиниринг. В основу новой экосистемы заложен переход от рутинной фиксации операций к предиктивному менеджменту.

    Ключевые задачи проекта:

    • Фокус на продажи: формализация требований на этапах коммерческого цикла, избавление сотрудников от рутины для концентрации на основной деятельности.

    • Сквозной документооборот: автоматизация всей цепочки оптовых продаж от лида и логистики до оплаты, контроля долгов и закрытия сделки.

    • Сквозная аналитика: внедрение интерактивных дашбордов для всех уровней (от менеджера до акционера) для обеспечения прозрачности управления и глубокого анализа деятельности компании.

    • Оперативный контроль: предоставление руководству инструментов для своевременного выявления отклонений и мгновенного воздействия при нарушениях.

    • Интеграция прогнозов рынка: интеграция в CRM методологии еженедельного прогноза биржевых цен с горизонтами 7, 14 и 28 дней

  • Сроки выполнения

    июль, 2025 — апрель, 2026
  • Год завершения проекта

    2026

  • Масштаб проекта

    2010 человеко-часов
  • Результаты

    Внедрение CRM обеспечило прозрачную лидогенерацию и аналитическую экосистему из 50+ дашбордов. Интеграция с 1С дает ежедневную актуализацию данных, создано 30+ бизнес-процессов автозаполнения и новые разделы для управления остатками, закупками, ЖД-тарифами, а также план/факт анализа. Маржа рассчитывается с учетом логистики.

    Для сотрудников количество рабочих окон сокращено до 3, на которых в реальном времени отображаются 22 KPI и оповещения о нарушениях. Для руководства время формирования отчетов уменьшилось с 90 до 1–2 минут, создание нового занимает 1 час. Скорость принятия решений выросла в десятки раз. Руководители контролируют дебиторку, клиентов без касаний и исполнительскую дисциплину.

    Бизнес получил надежный инструмент для решений о покупке или продаже биржевых товаров -  предиктивный модуль на базе биржевых данных показал 100% точность определения тренда: на горизонте 7 дней 80% моделей вошли в ценовой коридор с погрешностью менее 5%, на 28 дней точность составила 97,5%.

  • Уникальность проекта

    1. Архитектурный контур сквозного коммерческого контроля. ИТ-архитектура на платформе BPMSoft создает единый пульт управления B2B-продажами. Система в онлайн режиме осуществляет сквозной контроль ценообразования, объемов отгрузок, закупок и оперативного расчета фактической маржинальности сделок. CRM бесшовно синхронизирована с учетными контурами (1С), что  исключает ручные разрывы данных и превращает систему в инструмент ежедневного операционного контроля.

    2. Внедрение гибридной модели для прогнозирования. Прогнозный модуль совмещает методы прикладной статистики и Data Science. Алгоритмы осуществляют глубокий анализ рыночных колебаний, просчитывая тысячи вероятностных сценариев на основе массива различных исторических данных, а ML-инструменты адаптируют результат под текущие реалии. Архитектура ядра универсальна для различных B2B биржевых товаров, а результаты выводятся в CRM в виде еженедельного бюллетеня с горизонтом прогноза 7, 14, 28 дней и показателем уровня надежности данных.

  • Использованное ПО

    • Платформа: BPMSoft (Low-code/CRM контур), версия 1.7 с последующим обновлением до 1.9 (текущая)

    • Предиктивный стек, прогнозирование: Python 3.13.18, библиотеки машинного обучения (sklearn , XGBoost), ансамблевые алгоритмы (XGBRegressor)

    • Интеграционный стек: коннектор к 1С, интеграция с корпоративной почтой Яндекс 360, коннектор к Яндекс Диску для выгрузки файлов в облачное хранилище.

    • Инструменты платформы BPMSoft: коннектор к 1С, почтовая интеграция, генерация документов по шаблонам MS Office, аналитика «Итоги» и дашборды.

    • Учётная система заказчика: 1С:KA 8.3

    Весь комплекс развернут на отечественной (или суверенной) инфраструктуре.

  • Решение из каталога Global CIO

    В проекте не используются решения из каталога Global CIO

  • Сложность реализации

    Наиболее сложными по продолжительности и трудоемкости стали 3 этапа:

    1. Очистка данных и сквозная синхронизация. Каждый сотрудник работает на своем участке в привычной системе. Сложность заключалась в настройке автоматической фильтрации на входе в CRM. Требовалось исключить дублирование в интерфейсах и «спрятать» от пользователей мусорный массив, накопленный за 20 лет, обеспечив чистоту данных для формирования дашбордов.

    2. Интеграция инструментов и адаптация персонала. Было необходимо бесшовно упаковать в контур CRM все каналы из различных учетных систем. Главная сложность — вовлечение людей в новую экосистему и их адаптация к дисциплине работы без потери операционной скорости.

    3. Подбор методов и прогнозирование цен. Для поиска алгоритма пришлось перебрать около десятка математических методов. Самым трудоемким процессом стало создание модели тестирования цен и проведение сотен итераций на исторических данных для выхода на коридор погрешности менее 5%.

  • Описание

    Исходная ситуация

    До старта проекта коммерческий цикл компании страдал от «лоскутной» автоматизации. Сотрудники работали в изолированных системах, а массив данных, накопленных за 20 лет, содержал дубли, ошибки и «мусор». Бизнес работает в условиях низкомаржинального рынка с высокой волатильностью, где любая ошибка в закупках ведет к операционным потерям. Руководство не имело инструментов оперативного контроля: аналитика собиралась вручную с задержками, а решения принимались постфактум.

    Реализованное решение

    Проект начался с глубокой аналитики и проектирования перехода процессов от состояния «as is» к «to be». На базе BPMSoft развернут единый архитектурный контур по принципу «одного окна» с невидимой фильтрацией данных: сотрудники работают в чистом интерфейсе, а 20-летний информационный «мусор» скрыт. В CRM интегрированы коммуникации, почта, договоры и документы. Переработана объектная модель, созданы разделы: остатки, закупки, резервы, динамика цен, тарифы, план/факт-анализ. Разработано более 30 бизнес-процессов постобработки данных и автозаполнения полей. Реализован учет логистических и банковских затрат при расчете маржи.

    Ключевым прорывом стало внедрение в CRM собственной программы предиктивного анализа на Python. Модуль машинного обучения просчитывает на основе исторических данных тысячи вероятностных сценариев, еженедельно формируя прогнозный бюллетень с горизонтами 7, 15 и 28 дней. Создан дашборд прогнозирования продаж и маржинальности, строящий предиктивные кривые колебания цен в реальном времени.

    Изменения после внедрения

    Внедрение перевело компанию на предиктивный менеджмент.

    В интерфейсах сотрудников количество рабочих окон сокращено до минимума. На «Домашних страницах» отображаются 22 KPI и оповещения о нарушениях, что фокусирует людей на продажах. Менеджер видит в одном окне договоры, заказы, реализации, плановые и фактические платежи, взаиморасчеты.

    Топ-менеджмент получил сквозную онлайн-отчетность и экосистему из 50+ интерактивных дашбордов (продажи, логистика, маржа) с автоматическими оповещениями. Скорость принятия решений выросла в десятки раз. Время формирования отчетов сократилось с 90 до 1–2 минут, разработка нового отчета — до 1 часа. Руководители видят просроченную дебиторскую задолженность, клиентов без касаний, план/факт по менеджерам, ставят групповые задачи и контролируют дисциплину.

    Опытная эксплуатация модуля машинного обучения показала 100% точность определения направления рыночного тренда. На горизонте 7 дней 80% моделей вошли в ценовой коридор с погрешностью менее 5%. Коммерческий департамент получил надежный инструмент для принятия решений о покупке или продаже.

    Экономический эффект

    Автоматический учет затрат и исключение ручных ошибок повысили точность расчета прибыли. Сокращение рутины позволило увеличить эффективность департамента без расширения штата. Снижение критической дебиторской задолженности и контроль касаний высвободили оборотный капитал, увеличив его оборачиваемость.

  • География проекта

    Москва, Липецк

  • Дополнительные презентации

Комментировать

Комментировать могут только авторизованные пользователи.
Предлагаем Вам в систему или зарегистрироваться.

  • Заказчик

    ООО «Коммерциал-Центр»

  • ИТ-поставщик

    A4F

Мы используем файлы cookie в аналитических целях и для того, чтобы обеспечить вам наилучшие впечатления от работы с нашим сайтом. Заходя на сайт, вы соглашаетесь с Политикой использования файлов cookie.