Какие задачи мы решаем

[01]

Высокая доступность товара на полке ежедневно

Позволяет избежать потерь в продажах и низкой лояльность покупателей.

[02]

Минимизация замороженного капитала

Гибкий подход к настройке системы и встроенные функции позволяют соблюсти баланс между запасами и доступностью.

[03]

Снижение риска списания товаров

Встроенный учет сроков годности, а также алгоритмы, направленные на минимизацию излишков в запасах, позволяют сэкономить на списаниях просроченного товара.

[04]

Дополнительное время на принятие важных решений

Высокая автоматизация уменьшает трудозатраты на рутинные процессы 
по проверке каждой строки заказа, позволяя управлять товаропотоком 
в интересах компании.

[05]

Высокое качество и предсказуемость плана

Система стремится минимизировать волатильность плана и позволяет правильно планировать нагрузку на физические ресурсы.

[06]

Управление «сверху вниз»

Управление настройками и правилами идет от большего к меньшему, что позволяет задавать общие стандарты и правила для всех торговых объектов и складов.

[07]

Исключение человеческого фактора

Вы решаете, какую часть работы системы нужно контролировать, система может обеспечивать высокий уровень автономности в своей работе при наличии качественных данных.

Кейсы и Награды

[
все кейсы
]
ЛАМА. Ценообразование для лидеров пищевой промышленности
[Наши клиенты]
Лента, Бристоль, Самолет,  Кари, Hoff, Рольф, Пятерочка, Gloria Jeans, Красное & Белое, Перекресток, Татнефть, Рив Гош и многие другие доверяют нашей компании.
[Команда]
Руководитель проекта
Бизнес-аналитик
Системный аналитик
IT-архитектор
[Специалисты]
Data Scientist
NumPy
Pandas
PyTorch
PostgreSQL
MongoDB
Software Architect
Java
C++
Python
JavaScript
Hibernate
AngularJS
Frontend
JavaScript
React.js
Vue.js
Angular
Backend
Java
.NET
Python
PHP
Node
Golang
Laravel
DevOps
PostgreSQL
MongoDB
Redis
GitLAB
QA
Selenium
JMeter
Postman
SQL
TestCaseLab
iOS/Android
Kotlin
Swift
Objective-C
Java
Flutter/React Native
Dart
Material Design
JavaScript
React
Redux
UX/UI Designer
Figma
Miro
Branding
3D Motion
Project Manager
Team Lead
ML -инженер
Системный‑аналитик
REST
BPMN
Swagger
Jira
SQL

Стек технологий

Frontend
[01]
Фреймворк для разработки:
Vue 2.x & Web Components
Язык разметки:
Markdown
Язык шаблонов:
Handlebars
Язык конфигурации:
YAML
Backend
[02]
Язык аналитического сервера:
Rust
Языки микросервисов:
Без ограничений
Протоколы микросервисов:
НТТР и производные
Frontend
[01]
Фреймворк для разработки:
Vue 2.x & Web Components
Принцип разработки приложений:
Wiki
WYSIWYG
Язык разметки:
Markdown
Язык шаблонов:
Handlebars
Язык конфигурации:
YAML
Язык программирования:
JavaScript
Протоколы взаимодействия с backend:
GraphQL
REST
Web Socket
Backend
[02]
Язык аналитического сервера:
Rust
Языки микросервисов:
Без ограничений
Протоколы микросервисов:
НТТР и производные
Frontend
[01]
Фреймворк для разработки:
Vue 2.x & Web Components
Принцип разработки приложений:
Wiki
WYSIWYG
Язык разметки:
Markdown
Язык шаблонов:
Handlebars
Язык конфигурации:
YAML
Язык программирования:
JavaScript
Протоколы взаимодействия с backend:
GraphQL
REST
Web Socket
Backend
[02]
Язык аналитического сервера:
Rust
Языки микросервисов:
Без ограничений
Протоколы микросервисов:
НТТР и производные
Frontend
[01]
Фреймворки, Инструменты:
React
Vue
Языки разработки:
JavaScript
TypeScript
Технологии:
HTML5
CSS3
Sass
Less
Stylus
Webpack
Vite
Microfronten
Backend
[02]
Базы данных:
PostgreSQL
Redis
MongoDB
Clickhouse
Фреймворки, Языки:
Python
GO
C#
Очереди:
RabbitMQ
Kafka
DevOps
[03]
Cluster Management:
Kubernetes
K3s
helm
helmfile
OS:
Linux (Ubuntu)
Observability:
Prometheus
Grafana
Loki
Automations:
Ansible
Providers:
YandexCloud
AWS
CI/CD:
Gitlab
Container:
Docker
Containerd
Manage Infrastructure:
Terraform
Terragrunt
iOS
[01]
Фреймворки, Инструменты:
FCM
Foundation
Multithreading
MapKit
Auto Layout
Vision
Socket.IO
WebKit
AVFoundation
Unit-Testing
UIKit
SwiftLint
CoreData
Core Animation
StoreKit
Core Location
Языки разработки:
Swift
Objective-C
Android
[02]
Фреймворки, Инструменты:
Junit
Ktor
Coroutines
Jetpack Navigator
Room
Dagger
Jetpack Compose SQLite
Retrofit
RxJava
Kodein
Koin
Языки разработки:
Kotlin
Java

Эффекты от внедрения

1-3%

рост продаж

5-15%

сокращение дефицита

5-25%

сокращение завышенных запасов

50-70%

рост продуктивости и эффективности пользователей

Эффекты от внедрения

1-3%

рост маржи

2-5%

увеличение продаж

Планирование 
на базе Goal Profit

[01]

Система построена на настроечных таблицах, в которых удобно управлять параметрами

[02]

Применяется бизнес-логика, которая удовлетворяет всем процессам, происходящим в компании

[03]

Применяются статистические методы для обработки факта и прогнозирования

[04]

Возможно применять машинное обучение для прогнозирования или для поиска оптимальных параметров

Автоматизируем управление остатками и удовлетворенностью спроса в ритейл и FMCG
Основной функционал системы
Прогнозирование потребностей конечных покупателей

Встроенные модели прогнозирования от простой скользящей средней с возможностью ручной настройки до сложных ML-моделей, предоставляющих современные и быстрые средства прогнозирования (prophet, XGBoost). Они позволяют строить прогноз регулярного и промоспроса с высокой точностью и небольшими усилиями.

[01]
Ежедневный расчет заказов и распределений

Система поддерживает пополнение в рамках любой цепочки поставок на заданный горизонт планирования и учитывает время действия параметров пополнения. Есть возможность выбора политик пополнения или распределения от простой «точки заказа» до сложной формулы динамического моделирования целевого остатка.

[02]
Алгоритмическая оптимизация запасов по всей цепочке поставок

Система предлагает гибкое управление всеми необходимыми параметрами: настройками цепочек поставок, календарей событий, окна приемки заказов, отгрузки и т. д., особенностями контракта с партнерами, включая определение ограничений
в рамках цепочки, кратности, тарифа, минимальные значения заказа и суммы. Встроенный конструктор политик позволяет без погружения в ядро системы отдавать ей нужные команды.

[03]
Прозрачность и управляемость процесса

Для визуализации система использует платформу, спроектированную как универсальный пользовательский инструмент. В системе уже есть предустановленные пользовательские формы для разных видов контроля, от мониторинга общих метрик до работы с отдельными заказами на уровне позиций. Функционал платформы существенно расширяет возможности уже готовых инструментов, благодаря low-code можно дополнить и без того гибкую систему управления товарными запасами.

[04]
прогнозирование

Прогнозирование потребностей конечных покупателей

Встроенные модели прогнозирования от простой скользящей средней с возможностью ручной настройки до сложных ML-моделей, предоставляющих современные и быстрые средства прогнозирования (prophet, XGBoost). Они позволяют строить прогноз регулярного и промоспроса с высокой точностью 
и небольшими усилиями.

расчет

Ежедневный расчет заказов 
и распределений

Система поддерживает пополнение в рамках любой цепочки поставок на заданный горизонт планирования и учитывает время действия параметров пополнения. Есть возможность выбора политик пополнения или распределения от простой «точки заказа» до сложной формулы динамического моделирования целевого остатка.

оптимизация

Алгоритмическая оптимизация запасов по всей цепочке поставок

Система предлагает гибкое управление всеми необходимыми параметрами: настройками цепочек поставок, календарей событий, окна приемки заказов, отгрузки и т. д., особенностями контракта с партнерами, включая определение ограничений
в рамках цепочки, кратности, тарифа, минимальные значения заказа и суммы. Встроенный конструктор политик позволяет без погружения в ядро системы отдавать ей нужные команды.

управляемость

Прозрачность и управляемость процесса

Для визуализации система использует платформу, спроектированную как универсальный пользовательский инструмент. В системе уже есть предустановленные пользовательские формы для разных видов контроля, от мониторинга общих метрик до работы с отдельными заказами на уровне позиций. Функционал платформы существенно расширяет возможности уже готовых инструментов, благодаря low-code можно дополнить и без того гибкую систему управления товарными запасами.

[
]

[О компании]
В Napoleon IT есть все специалисты для реализации проектов любой сложности. Мы — AI‑компания, специализирующаяся на разработке и внедрении систем оптимизации и автоматизации бизнес-процессов.
Компания создана
в 2012 году в г. Челябинск
12
лет на рынке
230
сотрудников
Москва
Санкт-Петербург
Челябинск
3
офиса в России
10K
бесплатно обученных студентов

Почему обращаются 

к нам?

[01]

Low-code платформа

Благодаря low-code платформе систему автозаказа можно адаптировать под бизнес заказчика в течение 4-6 месяцев. Также у платформы быстрый показатель Time to market, оперативная проверка гипотез и быстрый возврат инвестиций, а также низкая стоимость разработки.

[02]

Экспертная команда

Сильная экспертная команда, которая занимается внедрением системы автозаказа более 20 лет и управляла запасами на триллионы рублей в год.

[03]

Применяем самые актуальные 
AI‑технологии

Благодаря применению современных технологий искусственного интеллекта 
и машинного обучения, можно учитывать множество различных факторов, включая имеющих нелинейный характер.

[04]

Успешные референсы

В числе наших довольных клиентов — крупнейшие сети магазинов и производители FMCG.

[05]

Оптимизация ручного труда

Специалисту можно акцентировать внимание только на заказы с отклонениями от нормальных показателей, а не пересматривать ежедневно тысячи заказов.

Оставьте
заявку

Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
Мы используем cookies. Продолжая просматривать сайт, вы соглашаетесь с этим. Узнать больше
OK