BST Organica

Заказчик:
ООО "Бургер Кинг (Рус)"
Руководитель проекта со стороны заказчика
Поставщик
ООО “БСТ Диджитал”
Год завершения проекта
2024
Сроки выполнения проекта
ноябрь, 2023 — май, 2024
Масштаб проекта
7680 человеко-часов
Цели

Целью является оптимизация процесса выбора локаций для открытия, автоматизация процессов и увеличение сети до 1000 точек с ростом выручки каждой. Проект включает следующие задачи:

  1. Прогнозирование выручки и оценка рисков: Разработка алгоритма для прогнозирования выручки с точностью 80-90%, оценка рисков и анализ вклада факторов в итоговый прогноз.

  2. Визуализация привлекательных зон: Создание тепловых карт, визуализирующих наиболее перспективные зоны для открытия точек, для облегчения выбора локаций.

  3. Поиск и ранжирование аналогов: Создание алгоритма для поиска и ранжирования точек с похожими характеристиками для точного сравнения.

  4. Моделирование выручки службы доставки: Разработка модели прогнозирования выручки доставки с учетом пешеходной и транспортной доступности.

Результаты
  1. Прогнозирование выручки: Байесовский алгоритм обеспечивает точность до 80%, что позволяет новым ресторанам рассчитывать на прирост выручки на 20-30% по сравнению с открытиями без платформы.

  2. Снижение рисков: Анализ каннибализации снизил потенциальные убытки на 15% за счет точных данных о расположении объектов, исключая человеческий фактор.

  3. Визуализация привлекательных зон: Интегральная тепловая карта сократила время выбора локаций на 30-40%, что позволяет сети быстрее реагировать на изменения рынка.

  4. Оптимизация процессов: Автоматизация анализа и отчетов уменьшила рутинные задачи на 30%, что позволило команде сфокусироваться на стратегии.

  5. Улучшение клиентского опыта: Анализ отзывов повысил удовлетворенность клиентов на 25%, улучшая репутацию и расширяя базу.

  6. Масштабируемость: Платформа охватывает 500 ресторанов и планируется расширение до 1000 новых точек, создавая устойчивую базу для роста.

Уникальность проекта

Наш проект представляет собой уникальную гео-аналитическую платформу для Burger King, отличающуюся объемом и широтой используемых данных, индивидуальным подходом и интеграцией ИИ. Платформа анализирует до 15 ключевых факторов (трафик, плотность населения, конкуренция и покупательская активность), что позволяет создавать точные прогнозы для новых локаций.

Особое место занимает интегральная тепловая карта, которая разбивает город на тысячи зон и визуально отображает привлекательность каждой из них. Используя ИИ, карта присваивает оценку каждой зоне на основе комплексного анализа данных, выделяя области с высоким потенциалом для открытия. Это помогает менеджерам быстро определять оптимальные локации и сокращает время принятия решений.

Индивидуальные настройки и продвинутая модель прогнозирования выручки, достигающая 85% точности, обеспечивают гибкость и минимизацию рисков. Платформа помогает компании адаптироваться к изменениям рынка, делая процесс выбора локаций быстрым и надежным.

Проект решает задачи импортозамещения
Да
Использованное ПО

Базовыми техническими характеристиками серверной части являются: 

• Операция система: дистрибутив Linux Ubuntu;  

• Процессор уровня Intel Xeon: c количеством ядер не менее 8 и тактовой частотой не ниже 2 ГГц; 

• Объем ОЗУ 16 ГБ; 

• Объем SSD 320 ГБ;  

• Объем HDD от 14 ТБ;  

• Наличие широкополосного канала доступа к сети интернет от 100 МБИТ/сек.

Сложность реализации

Реализация гео-аналитической платформы для Burger King была сложной задачей из-за масштабного охвата, разных форматов ресторанов и учета доставки.

Масштаб: Охват всей РФ требует обработки огромного объема данных и адаптации алгоритмов к региональным особенностям.

Форматы ресторанов: Разные типы точек (кафе, с доставкой и др.) требуют учета их уникальных факторов, что увеличивает сложность системы.

Учет доставки: Модели включают разные каналы доставки, что добавляет требований к интеграции данных о доступности и поведении клиентов.

Измерение трафика: Проведение замеров пешеходного и автомобильного трафика потребовало значительных ресурсов.

Эти сложности усложняли проект, но обеспечили эффективную поддержку расширения сети Burger King.

Описание проекта

Проект представляет собой гео-аналитическую платформу, разработанную специально для Burger King, с целью поддержки масштабирования сети и оптимизации выбора новых локаций. Платформа позволяет оценивать привлекательность различных точек на основе анализа большого количества геоданных и параметров клиентской активности, что значительно улучшает точность и обоснованность решений о расширении сети.

Платформа построена вокруг архитектуры, где все элементы взаимодействуют для достижения высокой производительности и удобства. Серверная часть системы обрабатывает запросы, обеспечивая безопасность и бесперебойный доступ к геоданным. Через удобный web-портал менеджеры и администраторы сети Burger King могут получать доступ к инструментам гео-анализа, фильтровать и сортировать локации по ключевым показателям, а также настраивать параметры для конкретных задач.

Платформа позволяет Burger King не только оценивать места по их потенциалу, но и строить стратегические планы, ориентированные на долгосрочный рост. Это обеспечивается за счет встроенных алгоритмов, которые анализируют гео-факторы, связанные с поведением клиентов, характеристиками местности и плотностью конкурентов. Специальные аналитические отчеты и прогнозы, создаваемые автоматически, помогают эффективно использовать платформу для стратегического анализа.

Интерактивные тепловые карты, представленные в платформе, наглядно демонстрируют, какие зоны обладают наибольшим потенциалом для новых открытий. С их помощью Burger King может сократить затраты на анализ рынка и существенно ускорить процесс выбора подходящих локаций, что снижает время подготовки к открытию и улучшает рентабельность инвестиций. Платформа также включает инструменты для учета факторов территориальной каннибализации — система оценивает влияние новых точек на уже существующие и предотвращает внутреннюю конкуренцию, обеспечивая сбалансированное развитие сети.

Кроме того, платформа предоставляет пользователям возможность анализа отзывов и репутации существующих точек. Оценка отзывов клиентов помогает понять потребности целевой аудитории и наглядно демонстрирует, какие аспекты сети требуют улучшения. Подобный анализ поддерживает инициативы компании по улучшению сервиса и клиентского опыта.

Платформа спроектирована так, чтобы Burger King мог гибко адаптировать её под собственные нужды, легко интегрировать её с другими бизнес-процессами и системами управления. Удобный веб-интерфейс позволяет менеджерам работать с данными в режиме реального времени, проводить глубокий анализ местности, отслеживать динамику и быстро принимать решения, основываясь на актуальной информации. Внедрение цифровых бизнес-процессов позволяет компании интегрировать данные о местности, прогнозах выручки и клиентских предпочтениях в единую систему, что облегчает управление сетью и ускоряет процессы расширения.

География проекта

Вся Российская Федерация

Дополнительные презентации:
BST_Organica_Гео_аналитика_ИИ_ритейл_и_госсектор.pdf
Коментарии: 6

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

  • Максим Часовиков
    Рейтинг: 6272
    МГУ имени М.В.Ломоносова
    Руководитель цифровизации образовательных процессов
    01.01.2025 21:13

    Спасибо большое за подробное описание представленного на конкурс проекта, вы пишите:

    • очность до 80%, что позволяет новым ресторанам рассчитывать на прирост выручки на 20-30% по сравнению с открытиями без платформы.
    Как высчитаете, насколько именно это необходимо для бизнеса сейчас?

    • Илья Двирник Максим
      Рейтинг: 180
      ООО БУРГЕР РУС
      Менеджер проектов
      08.01.2025 22:04

      Максим, добрый день! Позвольте отвечу развернуто и напишу о некоторых особенностях работы алгоритма. Датасетом для модели, как правило, в нашем случае выступают:

      • данные о товарообороте всех наших ресторанов, то есть наш опыт;
      • внутренние факторы (формат ресторана, количество посадочных мест, количество парковочных мест, время работы и др.);
      • внешние факторы (пешеходный и автомобильный трафик, интенсивность ритейла по категориям, количество домохозяйств и новостроек, доходы населения и др.).
      Таких факторов более 5 тыс. Система, основываясь на нашем опыте, комбинирует и подбирает совокупности факторов, которые:
      • объясняют разницу в товарообороте работающих ресторанов;
      • помогают составить прогноз для новых потенциальных ресторанов.
      Вручную собрать и обработать такой объем информации - непосильная задача. Система позволяет быстро оценить потенциал точки и главное:
      • подобрать наиболее перспективные локации для открытия, сравнить их потенциал;
      • избежать ошибки, то есть не открыть ресторан там, где это невыгодно.
      Соответственно, мы более эффективно распределяем ресурсы, направленные на открытие и развитие ресторанов.

  • Ростислав Гордиенко
    Рейтинг: 472
    КФ Победа
    Директор по ИТ
    08.01.2025 17:08

    Илья, добрый день!Спасибо за интересный проект и развернутое описание!Вопрос: на сколько Ваша "тепловая карта" точна в реальности? Спрашиваю т.к. сталкивался, что подобными системами франшиза предлагает вроде бы выгодные места, а потом оказыватеся, что это не так и точки закрывают (я не про бургер)Что "под капотом" Вашей системы?Кто то "дообучает" данную систему?Спасибо!

    • Илья Двирник Ростислав
      Рейтинг: 180
      ООО БУРГЕР РУС
      Менеджер проектов
      08.01.2025 22:50

      Ростислав, добрый день! Что касается такого инструмента, как тепловая карта, то он используется на первом этапе и позволяет ответить на вопрос: где на территории города открывать ресторан хорошо, а где плохо? В ответе на вопрос выше кратко описал, как считается прогноз показателей по товарообороту (другой инструмент, который используем на следующем шаге): используются внутренние и внешние факторы. В тепловой же карте используются данные о нашем товарообороте и только внешние факторы. Какие внешние факторы находятся "под капотом":

      • объекты (Банки, Аптеки, Детские магазины, Кафе, Кино, Косметика, Общепит, Одежда и обувь, Продукты, Хозтовары и дом, Салоны связи, Электроника и бытовая техника, ТЦ, Медучреждения, Сетевая косметика и дрогери, Сетевые продукты, Высшие учебные заведения и др.) и их рейтинги;
      • социально-демографический портрет трафика (возраст, доход населения, работающие/проживающие/транзит);
      • GPS-трафик (количество уникальных и неуникальных пешеходов и автомобилистов);
      • количество жилых квартир и новостроек;
      • местоположение ресторанов других сетей и несколько сотен других факторов.
      На выходе мы получаем карту, разбитую на гексагоны (фигуры 60х70 м) и подсвеченную цветами в зависимости от того, где "хорошо", а где "плохо". При наведении на гексагон мы видим потенциал в количестве чеков. Далее можно уже прорабатывать эти локации, искать конкретные помещения, заполнять в системе анкету с внутренними факторами (формат, кол-во посадочных и парковочных мест, киосков, вывески, реклама, удобство заезда и др) - и уже с помощью другого инструмента рассчитывать прогнозы. Что касается обучения системы, данные о внешних факторах обновляются регулярно (одни ежедневно, другие еженедельно и ежемесячно, третьи ежеквартально и ежегодно). Раз в период мы также "кормим" систему новыми данными о товарообороте. Соответственно, тепловая карта обновляется, основываясь на изменениях окружающей среды (отвечаем на вопрос "хорошо здесь

      • Илья Двирник Илья
        Рейтинг: 180
        ООО БУРГЕР РУС
        Менеджер проектов
        08.01.2025 22:55

        или плохо?") и на данных о нашем товарообороте ("сколько может быть чеков?"). Иными словами, тепловая карта нам показывает территорию, где стоит открывать новые точки, дает характеристику окружения. А другие инструменты позволяют рассчитать точный прогноз, основываясь не только на внешнем окружении, но и на конкретных характеристиках отдельного помещения.

  • Илья Двирник
    Рейтинг: 180
    ООО БУРГЕР РУС
    Менеджер проектов
    08.01.2025 23:10

    К комментариям выше хотелось бы добавить, что сервис является довольно гибким в использовании. Помимо стандартных инструментов, которые предлагает продукт BST Organica, возможны и кастомные настройки, и создание новых кастомных инструментов "под ключ".

Год
Предметная область
Отрасль
Управление
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.