Адаптация цепи поставки и определение оптимальной модели сотрудничества с деструктивным ритейлом

Материал из Wiki - Факультет компьютерных наук
Перейти к: навигация, поиск
Компания Unilever
Учебный семестр Осень 2018
Учебный курс 3-й курс
Максимальное количество студентов, выбравших проект: 5



Описание содержания проектной работы работы

Проект состоит из трех направлений.


1-ое Обзор Digital проектов и применения цифровых технологий в цепи поставок в FMCG Реализованные Проекты в цепи поставок FMCG, Digital организационные структуры в FMCG, релевантный опыт смежных-индустрий релевантный для FMCG


2-ое изучение лучших практик FMCG-компаний по адаптации внутренних процессов и структур цепи поставок к работе с современными hard discounters (например, Светафор, Красное&Белое). Поиск оптимальной модели работы с hard discounters. Какие методы используют другие FMCG? Какой продукт будет пользоваться спросом и какой продукт должен предлагать производитель (упаковка, состав, свойства продукта) в hard discounters? Как цепь поставки может быть более гибкой?


3-е Data mining по данным о заказах и продажах прошлых периодов по клиентам. Поиск закономерностей, создание прогноза на их основе, внутренних данных, по косвенным признакам, а также применяя внешние открытые данные для hard discounters, поведение которых на текущий момент невозможно предугадать, предложение графика заказов для клиентов без графика. Кластеризация клиентов по их поведению, частоте, размеру заказа, оптимальной корзине.

Цели и задачи проекта

  1. Изучить проблему и предложить рекомендации по внедрению лучших практик применения цифровых технологий в цепи поставок в FMCG
  2. Предложить Unilever релевантные практики других компаний для создания более оптимальной и гибкой цепи поставок
  3. Предложить выводы по результату Data mining, создание предсказательной самообучающейся модели поведения клиентов на основе machine learning

Интенсивность (часы в неделю)

10 часов

Контакты

Морозова Юлия Iuliia.Morozova@unilever.com