Niels Bohr, priekopnícky dánsky fyzik a nositeľ Nobelovej ceny z roku 1922, raz poznamenal: “Predpovedať je veľmi ťažké, najmä ak ide o budúcnosť. “1 Za takmer sto rokov sa hranice predpovedania budúcnosti exponenciálne zrýchlili vďaka komoditizácii výpočtovej techniky, pokroku v možnostiach využívania údajov a algoritmov a väčšej vyspelosti prediktívnych modelov.
Jednou z oblastí, kde sa predikcia v súčasnosti široko využíva, je cenotvorba, najmä v zákazníckych segmentoch B2C (business-to-consumer), kde sa uplatňuje na zlepšenie marží a rozšírenie trhového podielu.
Spoločnosti, ktoré spočiatku experimentovali s prediktívnou cenotvorbou, ju často využívali v rámci úsilia o orientáciu na zákazníka, pričom osobnosti zákazníkov sa stali kľúčovým faktorom pre stanovenie cien. To vystupňovalo nasadenie prediktívnej analýzy a modelov strojového učenia za komoditnú cenu s cieľom zachytiť trendy ponuky a dopytu z pohľadu zákazníka a podporiť predaj.
V súčasnosti spoločnosti B2C zachytávajú veľké objemy údajov o zákazníkoch, trhu a produktoch a s nimi súvisiacich faktorov a využívajú tieto informácie na stanovenie cien, plánovanie stratégie dodávok a formovanie prognóz dopytu. Ako jeden z príkladov možno uviesť spoločnosť Amazon, ktorá vytvorila a nasadila dynamické (prediktívne) modely tvorby cien, vďaka ktorým je tvorba cien a plánovanie ponuky a dopytu bezproblémové a prebieha v reálnom čase.
Našťastie, chemické spoločnosti môžu zrkadliť spoločnosti B2C, ktoré využívajú počítačové a aplikačné služby na požiadanie v cloude a on-premise na správu dát, strojové učenie, umelá inteligencia , prediktívna analýza a vizualizácia. Okrem toho dodávatelia integrujú tieto služby do podnikových ekosystémov, čo chemickým spoločnostiam ešte viac uľahčuje spustenie, testovanie a rozširovanie programov prediktívneho oceňovania pre konkrétne prípady použitia v podnikaní – od pieskoviska až po priemyselné meradlo..
Chemické spoločnosti sa pridávajú k trendu prediktívnej tvorby cien
V poslednom čase sa potreba prediktívneho stanovovania cien v chemickom priemysle, ktorý je stále prevažne odvetvím B2B (business-to-business), objavila v dôsledku štyroch súbežných faktorov. Prvým je silná konkurencia na trhoch so základnými a výkonnými chemikáliami vrátane nových zákaznício, globálnych konkurentov, nákladovo efektívne suroviny a dynamický dodávateľský reťazec . Druhým je posun k orientácii na zákazníka, ktorý formuje vývoj chemických výrobkov a aplikácií na konečné použitie. Tretím je nárast kanálov elektronického obchodu, ktoré sú určené na poskytovanie služieb zákazníkom s možnosťou objednávky až do domu. A posledným je rastúce stanovenie obchodných priorít s cieľom riadiť a maximalizovať maržu.
Vzhľadom na tieto požiadavky, ako aj na rastúce využívanie predpovedí v reálnom čase na prijímanie rozhodnutí v odvetviach, ako je finančníctvo, letectvo a logistika, môže prediktívne oceňovanie zohrávať ústrednú úlohu pri podnikaní v chemickom priemysle..
Kroky na napredovanie
Predajné, marketingové a plánovacie tímy dodávateľov chemických výrobkov všetkých typov sa môžu vydať na cestu digitálnej transformácie pomocou prediktívneho oceňovania. Príklad: Accenture pomohla jednému globálnemu dodávateľovi zachytiť a transformovať údaje o trhových cenách a hnacích motoroch od predajcov v teréne do zlepšenia marže. Cieľom bolo tiež zlepšiť existujúcu prevádzkovú štruktúru spoločnosti, ako sú procesy predaja, zásobovania a plánovania v rámci globálnych regiónov.
Spoločnosť Accenture vyvinula model strojového učenia/umelej inteligencie na predpovedanie cien základnej chemikálie s vysokou maržou v dynamickom a vysoko konkurenčnom regióne. Kľúčové kroky zahŕňali:
- zachytenie cenových faktorov (napr. globálnych, makro, strategických, ponuky a dopytu, surovín)
- Identifikácia dynamiky vodičov
- Kvantifikácia a overenie relevantnosti vodiča
- Výber ovládačov na zostavenie modelu
- Vytváranie, školenie, predpovedanie a spätné testovanie cien v časovom horizonte do šiestich mesiacov
Spoločne sme spoločnosti pomohli vytvoriť prediktívny cenový model s presnosťou viac ako 80 % v porovnaní s referenčnými cenami v odvetví a overili sme ho na základe cien na regionálnom trhu. Model bol prijatý s cieľom dosiahnuť v konečnom dôsledku nasledujúce kľúčové výhody:
