Кейс: аналитика и рейтингование поставщиков для торговой компании

Торговля / ЗакупкиML / Аналитика

Задача. Торговая компания выбирала поставщиков «по памяти» закупщиков: критерии оценки не были формализованы, данные о срывах поставок и браке хранились в разрозненных файлах, сравнить 5 источников данных по юрлицам и физлицам было невозможно.

Решение

Собрали данные о поставщиках из 5 источников, формализовали критерии (сроки, качество, цена, документы) и построили ML-модели рейтингования. Закупщик получает объективный рейтинг поставщика и прогноз риска срыва поставки до заключения договора.

Результат

Технологии: Python, CatBoost, PostgreSQL, DataLens.

Аналитика для закупок — часть услуги «Управление данными и аналитика» для торговли и дистрибуции.

Этапы проекта

1. Определение критериев (1–2 недели) — совместно с закупками формируем модель рейтинга: цена, сроки, качество, надёжность.
2. Сбор данных (2–4 недели) — подключение ERP, истории закупок, внешних источников и реестров.
3. Построение модели (4–6 недель) — ML-скоринг поставщиков, дашборды и алерты по рискам срыва поставок.
4. Внедрение в процесс — обучение закупщиков, интеграция рейтинга в процедуры тендеров.

Где это применимо

Аналитика поставщиков востребована торгово-распределительными компаниями Казахстана и Узбекистана, строительными холдингами Бишкека и Алматы, производственными предприятиями Таджикистана. Решение снижает риски срыва поставок и помогает экономить на закупках. Подробнее — управление данными и аналитика.

Обсудить проект