Наработками своего шестилетнего опыта в программной аналитике в сфере логистики эксперт SCM Академии Азамат Аслаханов делится на курсе «Анализ данных в python». Мы обсудили, какие возможности для развития бизнеса открывают новые знания и навыки в этом поле.
— Чем вас привлекла работа с аналитическими системами?
— Возможно, тем, что у меня были проблемы с математикой в школе и меня почти исключили из-за этого предмета. А если серьезно, методы аналитики — это инструменты, которые позволяют решить широкий спектр проблем во многих отраслях. О какой бы сфере ни шла речь, применение этих инструментов позволяет всё свести к точной цифре и уйти как можно дальше от субъективности.
Кроме того, в данной области до сих пор есть что сказать, так как такое широкое распространения возможностей для применения аналитических моделей и методов началось сравнительно недавно. Получается, что привлекла возможность найти точное решение какой-то большой проблемы и возможностью “сказать новое слово”.
— Какие задачи позволяет решать анализ и прогнозирование временных рядов? Зачем менеджеру необходимы эти знания?
— Всё зависит от ответа на вопрос: для чего нужен прогноз? Самой распространенной задачей, на мой взгляд, является прогнозирование для целей пополнения, т.е. определение потребности в запасе.
Точность прогноза продаж напрямую влияет на финансовые показатели, прежде всего через выручку (чем точнее прогноз, тем больше выручка, так как вовремя будут заказаны нужные товары в нужном объеме) и через величину товарных запасов (чем ниже точность прогноза, тем больше неликвидного запаса, так как пополняются товарные позиции, которые не нужны конечному клиенту, а востребованные позиции либо вообще не пополняются, либо пополняются в недостаточной мере).
Помимо этого, повышение точности прогноза позволяет рационализировать уровни запасов не только в фокусной компании, но и во всей цепи поставок, так как поставщики поставщиков (вплоть до производственного сырья) будут заказывать позиции, которые действительно требуются. Важность этого факта не нуждается в обосновании, так как в современном мире конкурируют не отдельные компании, а цепи поставок компаний, усилия и ресурсы которых направлены на удовлетворение потребности конечного клиента.
— Как можно на практике применить знания, полученные на курсе «Анализ данных в python»?
— Курс позволит слушателям сформировать навыки первичного исследования и подготовки данных, а также решения реальных задач средствами языка программирования python.
В частности, мы разберем решение задачи прогнозирования как методами временных рядов, так и методами машинного обучения, также обсудим задачи имитационного моделирования для планирования сроков доставки и кластеризации магазинов.
Может возникнуть вопрос “зачем python, если есть excel?”, ответ прост: excel, конечно, достойный инструмент, который предлагает широкий спектр возможностей именно для аналитики, но он безнадёжно устаревает. Количество данных возрастает, появляются новые модели и методы аналитики. Excel безнадёжно отстал как с точки зрения возможности эффективной работы с большими данными, так и с точки зрения спектра возможностей, моделей и методов, которые может применить пользователь.
Может возникнуть опасение, что тема курса слишком сложна и требует аналитического склада ума. Но так как я сам в своё время изучал эту большую тему с нуля, курс был составлен специально для людей, которые либо не имеют опыта в аналитике и программировании, либо только начали знакомиться с этой темой. Я постарался включить в программу только необходимые практические знания.
Следите за анонсами и не пропустите релиз нового курса «Анализ данных в python».
Совершенствуйте компетенции вместе с нами в SCM Академии!