Сопоставление номенклатурза минуты вместо двух дней
Крупная металлургическая компания — производитель ферросплавов — еженедельно сверяла характеристики своей продукции с аналогами конкурентов, чтобы держать корректные цены. Разрозненные форматы и названия превращали аналитику в ручной труд на несколько дней. Мы построили ML-сопоставление, которое сводит партии автоматически, — подготовка отчёта сократилась до 30 минут.
Задача: дни ручной аналитики на один прайс-лист
Отдел ценообразования вручную сопоставлял свою продукцию с продукцией конкурентов по химическому составу, фракции и показателям качества. Одна и та же позиция у каждого поставщика записана по-своему — разные наименования, сокращения, единицы. Сверка занимала несколько дней, поэтому цены обновлялись реже, чем менялся рынок, и компания теряла маржу там, где конкуренты уже подвинулись.
Решение
- ML-модель pattern matching сопоставляет партии по химическому составу, фракции и показателям качества.
- Нормализация наименований и единый справочник продукции — одна позиция перестала существовать в десятках написаний.
- Интерактивный дашборд с динамикой цен конкурентов и рекомендациями для коммерческого отдела.
Что оказалось сложным
Сложнее всего давались позиции, различающиеся только одним параметром при совпадении остального. Модель дообучили на признаках из паспортов качества и добавили штрафы за расхождение критичных атрибутов — доля таких ошибок заметно снизилась.
Контроль качества
Спорные сопоставления не уходят в цену автоматически — их подтверждает аналитик; точность модели измеряется на размеченной выборке.
Результат
подготовка отчёта вместо нескольких дней
рост маржи по ключевым контрактам
обновление цен вместо «реже рынка»
Посчитаем то же самое на ваших данных
Узнали свой процесс? Разберём его на ваших данных и покажем, какой результат реалистичен именно у вас — до того, как вы вложитесь во внедрение.