Неточное прогнозирование спроса по районам/часам без ML - перекосы в распределении ресурсов
Definition
До внедрения ML-моделей Почта России не имела инструмента для почасового прогнозирования спроса по отдельным районам города. Это привело к неправильному распределению курьеров (избыток в одних районах, дефицит в других) и неоптимальной укомплектованности сортировочных центров. Результат: либо переукомплектация (избыточные ФОТ), либо недоукомплектация (потери заказов). На фоне замедления рынка с 40% до 6% в 2025 году компании, не имеющие visibility в спрос, теряют долю рынка быстрорастущим конкурентам.
Key Findings
- Financial Impact: Потери заказов из-за недостатка курьеров в пиковые часы; переплата за избыточный персонал в моменты затишья; недопоставки в новые районы/маркетплейсы; упущенный доход от отказов в обработке заказов
- Frequency: Ежедневно (структурная ошибка планирования)
- Root Cause: Отсутствие ML-моделей; ручное прогнозирование на основе исторических данных без учета микролокальных факторов (погода, событие, праздник, кампания); отсутствие интеграции данных из маркетплейсов и аналитики трафика в реал-тайм
Why This Matters
This pain point represents a significant opportunity for B2B solutions targeting Postal Services.
Affected Stakeholders
Руководитель логистики, Аналитик данных, Менеджер маршрутов, Ценовой аналитик
Action Plan
Run AI-powered research on this problem. Each action generates a detailed report with sources.
Methodology & Sources
Data collected via OSINT from regulatory filings, industry audits, and verified case studies.