Система использует данные клиентов для обогащения нейросети, но при этом соблюдается конфиденциальность. Например, если какой‑то один клиент выгружает свои закупки на проверку через нейросеть, эта информация используется в будущем для обучения нейросети, но конкретные детали сделок не разглашаются другим клиентам.
Система работает по всей России и учитывает региональную специфику ценообразования. Есть успешные внедрения как в Москве и Санкт-Петербурге, так и в регионах. Система анализирует данные с учетом логистики и особенностей местных рынков.
Результаты видны с первых проверок. Наш опыт показывает, что в промышленном сегменте строительства в среднем около 30–35% закупок получают отрицательные заключения с потенциалом экономии. В гражданском строительстве 15–20% всех закупок получают отрицательные заключения с потенциалом экономии.
По стандартизированным номенклатурным группам мы работаем с поставщиками через нашу платформу. Сейчас к системе подключено более 300 контрагентов, но цель за ближайшие два года — подключить к системе более 6000 поставщиков. Платформа позволяет видеть в онлайн-режиме цены и наличие на складах, что даёт клиентам возможность получать альтернативные счета с экономией 5–10%.
Система позволяет выгружать отчеты, которые показывают, сколько закупок прошло проверку, какой процент получил отрицательное заключение, какая экономия была достигнута. Это позволяет одной цифрой контролировать эффективность работы снабжения и принимать управленческие решения.
В рамках месячного лимита неиспользованные проверки сгорают. Однако при годовом тарифе, если в какой‑то месяц Вы не выбрали необходимое количество проверок, сможете использовать их в другие месяцы. Это даёт гибкость при неравномерной нагрузке по закупкам.
Данные берутся из множества источников:
1) Единая информационная система закупок;
2) B2B маркетплейсы с онлайн ценами;
3) Собственная биг-дата клиентских закупок;
4) Реестр производителей с рейтингами, географией и т.д.;
5) Данные о благонадежности поставщиков из >10 источников данных о контрагентах.
Нейросеть анализирует различные названия, которые поставщики дают одной и той же продукции, и сопоставляет их с эталоном в собственном номенклатурном справочнике. К этому эталону привязывается ретроспектива закупок, что позволяет точно сравнивать цены, даже если названия товаров отличаются.
Понимаем, продукт новый и необычный.
У Вас наверняка много вопросов — на всё ответим