Прогнозирование спроса — это оценка того, какой объем товаров будет реализован за будущий период, что позволяет определить, сколько продукции необходимо закупить и хранить.
Этим занимается любой бизнес. Большинство делает это интуитивно: кто-то смотрит на полку, вспоминает показатели прошлого месяца и оформляет заказ. Формализованное прогнозирование заменяет такой подход методом, который можно изучать, измерять и совершенствовать.
Это важно не потому, что можно получить идеально точные прогнозы. Это невозможно, и любой процесс, основанный на обратном, приведет к разочарованию. Прогнозирование важно потому, что размер ошибки определяет необходимый объем страхового запаса, а страховой запас — это дорого. Улучшение качества прогнозирования — единственный способ сократить товарные запасы, не снижая уровень доступности продукции.
Что такое прогнозирование спроса
Прогноз состоит из трех частей, и в ошибочных прогнозах обычно отсутствуют две из них.
Число. Ожидаемое количество единиц товара за определенный период.
Период. Следующая неделя, месяц, квартал. Точность падает по мере увеличения горизонта планирования, поэтому горизонт должен соответствовать вашим целям: для целей заказа прогноз должен охватывать лишь время выполнения заказа плюс период пересмотра остатков.
Диапазон доверия. Насколько сильно число может отличаться от реальности. Прогноз в 500 единиц, который может варьироваться от 400 до 600, — это совсем не то же самое, что прогноз от 200 до 800, даже если центральное значение одинаково. Именно диапазон определяет размер вашего буфера, и прогноз без него не дает основы для принятия решения о том, какой объем защиты необходимо держать.
Прогнозы также различаются по уровню детализации. Прогноз общего спроса по категории гораздо надежнее, чем прогноз для отдельного SKU в конкретном цвете, поскольку при агрегировании вариативность нивелируется. Это стоит знать, так как это объясняет, почему ваши общие показатели могут выглядеть точными, в то время как прогнозы по отдельным товарам постоянно ошибочны.
Основные методы прогнозирования
Наивное прогнозирование. Следующий период равен предыдущему. По-настоящему полезно в качестве базовой линии: если ваш сложный метод не может превзойти этот показатель, значит, сложность не оправдывает себя.
Скользящее среднее. Среднее арифметическое за несколько последних периодов, которое сглаживает случайные колебания. Просто и эффективно для стабильных товаров, но медленно реагирует на реальные изменения, так как старые периоды имеют такой же вес, как и недавние.
Взвешенное скользящее среднее. Аналогично предыдущему, но недавние периоды имеют больший вес. Реагирует на изменения быстрее, сохраняя при этом определенную степень сглаживания.
Экспоненциальное сглаживание. Веса геометрически убывают по мере ухода в прошлое, что регулируется коэффициентом сглаживания. Более высокий коэффициент быстрее реагирует на изменения, но дает больше «шума»; низкий — более стабилен, но инертен. Это основной инструмент практического прогнозирования, а его вариации позволяют учитывать тренды и сезонность.
Декомпозиция тренда и сезонности. Разделение истории на базовый уровень, тренд и повторяющийся сезонный паттерн, проецирование каждого из них и последующее объединение. Необходимо для всего, что имеет выраженную сезонность, а это большинство потребительских товаров.
Регрессия. Определение зависимости спроса от факторов влияния: цены, затрат на маркетинг, погоды, экономических индикаторов. Эффективно там, где существует реальная причинно-следственная связь, и вводит в заблуждение, если случайную корреляцию принимают за таковую.
Качественные методы. Вводные данные от отдела продаж, намерения клиентов, экспертные оценки. Незаменимы там, где нет истории: новые товары, новые рынки, только что открытый канал продаж. Также наиболее подвержены оптимизму, поэтому стоит фиксировать прогнозы и оценивать их точность постфактум.
Методы машинного обучения. Все чаще встречаются в ПО для планирования и действительно эффективны там, где много товаров, длинные истории продаж и множество влияющих переменных. Им требуется значительно больше данных, чем есть у большинства компаний, и они не исправляют ошибки в исходных данных.
Типы прогнозирования спроса
Прогнозы классифицируются по-разному, и эти категории стоит знать, так как их используют как профессиональный жаргон при планировании.
По временному горизонту.
- Краткосрочный — от нескольких дней до пары месяцев. Управляет пополнением запасов, точками заказа и графиками персонала. Здесь достижима высокая точность, а результат виден сразу.
- Среднесрочный — от квартала до года. Управляет обязательствами по закупкам, соглашениями с поставщиками и сезонными закупками.
- Долгосрочный — год и более. Управляет решениями о мощностях: складские площади, оборудование, численность персонала. Точность здесь не ожидается и не требуется; важны направление и масштаб.
По охвату.
- Макроуровень: прогнозирование внешних условий, в которых существует ваш спрос — экономика, категория, рынок. Полезно для контекста, но редко применимо для операционных действий в одиночку.
- Микроуровень: прогнозирование по конкретному товару, каналу или клиенту. Именно здесь принимаются реальные операционные решения.
По подходу.
- Пассивное прогнозирование предполагает преемственность: то, что происходило, будет происходить и дальше, с поправкой на тренд и сезонность. Подходит для стабильного бизнеса и является оптимальным вариантом по умолчанию для большинства задач по планированию запасов, так как не опирается на рискованные предположения.
- Активное прогнозирование учитывает планируемые изменения: промоакции, новый канал, повышение цен, запуск продукта. Необходимо везде, где прошлое — плохой советчик. Это также область, где оптимизм наносит наибольший вред, так как план ошибочно принимают за прогноз.
По методу.
- Качественные: суждения, данные продаж, экспертное мнение. Необходимы для новых товаров без истории и наименее надежны там, где есть данные.
- Количественные: скользящие средние, экспоненциальное сглаживание, регрессия, сезонная декомпозиция. Надежны при наличии истории и относительно стабильном спросе.
- На основе ИИ и машинного обучения: модели, которые учитывают множество переменных одновременно и находят закономерности, недоступные простым временным рядам: погода, ценообразование, поведение конкурентов, веб-трафик, пересечение промоакций. Они окупаются в масштабе, при большом количестве SKU и наличии истории, но не заменяют собой качественные данные. Модель, обученная на истории продаж, которая включает периоды дефицита без соответствующих пометок, усвоит неверные выводы быстрее и увереннее, чем электронная таблица.
Практический вывод: большинству компаний для основной части ассортимента требуется краткосрочное, микроуровневое, пассивное количественное прогнозирование, дополненное активным прогнозированием для тех немногих позиций, где что-то намеренно меняется. Попытка внедрить сложные методы до того, как заработали базовые — самая распространенная и дорогостоящая ошибка в этой области.
Как прогнозировать спрос на практике
1. Сначала очистите историю. Этот шаг определяет, стоит ли делать все последующее.
Критически важная корректировка — дефицит (stockouts). История продаж фиксирует то, что вы продали, а не то, что хотели купить клиенты. Период, когда товара не было в наличии, показывает низкие продажи, и если внести это в прогноз, модель решит, что спрос ниже, чем есть на самом деле — именно для того товара, который вас подвел. Помечайте периоды дефицита и либо исключайте их, либо оценивайте упущенный спрос.
Также удаляйте разовые события: крупный оптовый заказ, который не повторится, распродажи, ошибки в данных. Оставляйте реальные повторяющиеся паттерны, такие как промоакции, но помечайте их, чтобы они воспринимались как акции, а не как базовая линия.
2. Выберите уровень. Прогнозируйте на том уровне, на котором будете принимать решения. Если вы заказываете по SKU, вам нужны прогнозы по SKU, но вы можете строить их, прогнозируя категорию и распределяя объем по доле продаж, что часто стабильнее, чем прогнозирование каждого SKU по отдельности.
3. Выберите метод для каждой группы товаров. Стабильные товары с высоким оборотом подходят для экспоненциального сглаживания. Сезонные товары требуют сезонной декомпозиции. Для товаров с нестабильным спросом и низкой оборачиваемостью часто лучше всего подходит простое среднее и большой буфер, так как сложные методы лишь «подгоняются» под шум.
4. Применяйте суждения и фиксируйте их. Вносите корректировки на факторы, которые история не может знать: успешный листинг, уход конкурента, изменение цены, промоакция. Записывайте корректировку отдельно от статистического прогноза, чтобы позже можно было проверить, помогло ли ваше вмешательство. Многие этого не делают.
5. Измеряйте ошибку. Без этого это не процесс, а привычка.
6. Регулярно пересматривайте и корректируйте. Ежемесячно для большинства операций. Цель — выявить товары, чей паттерн изменился, а не уточнять цифры, которые и так были верны.
Измерение точности прогнозирования
Три показателя покрывают большинство потребностей.
MAPE — средняя абсолютная процентная ошибка. Средняя ошибка в процентах от фактического спроса. Интуитивно понятный и широко используемый показатель. Его недостаток заключается в сильном искажении при малых объемах: ошибка в две единицы при прогнозе в три единицы дает 67%, что не имеет практического смысла.
MAD — среднее абсолютное отклонение. Средняя ошибка в единицах без учета направления. Полезен, так как напрямую используется при расчете страхового запаса.
Смещение (Bias). Средняя ошибка с учетом направления. Этот показатель чаще всего игнорируют, хотя он является наиболее информативным. Если ваши ошибки в среднем близки к нулю, значит, вы ошибаетесь в обе стороны одинаково — это «шум», который компенсируется буфером. Если же ошибки систематически положительные или отрицательные, у вас системная проблема, и никакой страховой запас не исправит прогноз, который всегда занижен.
Проводите измерения по группам товаров, а не в совокупности, поскольку хороший общий показатель часто скрывает несколько плохо спрогнозированных позиций, которые наносят реальный ущерб.
Сравнивайте результаты с наивным базовым прогнозом. Если ваш метод не превосходит вариант «как в прошлом месяце», упрощайте его.
Почему прогноз никогда не бывает идеальным (и это нормально)
Прогнозы ошибочны. Важные вопросы: насколько они ошибочны, в каком направлении и является ли ошибка достаточно стабильной, чтобы на ее основе планировать работу.
Вот почему прогнозирование и страховой запас — это части одного диалога. Прогноз дает ожидаемый спрос, а ошибка прогноза — вариативность, для поглощения которой и существует страховой запас. Улучшите прогноз, и необходимый размер буфера снизится при том же уровне сервиса. Это и есть главный коммерческий аргумент в пользу инвестиций в прогнозирование, и его можно измерить.
Примите тот факт, что некоторые товары в принципе невозможно спрогнозировать. Очень медленно оборачиваемые товары, разовые проектные позиции, все, что зависит от внешних событий, которые никто не может предвидеть. Для них честным ответом будет выбор другой стратегии — работа под заказ, хранение запасов поставщиком, принятие более длительных сроков поставки — вместо попыток создать «лучшую» модель.
Прогнозирование сезонного и акционного спроса
Два паттерна вызывают больше всего трудностей, и оба требуют явной обработки, а не надежды на то, что общий метод их «поглотит».
Сезонность — это повторяющийся паттерн, привязанный к календарю. Ошибка заключается в том, чтобы принимать сезонный пик за рост. Скользящее среднее, примененное к товару, который в декабре продается в четыре раза лучше, будет «гнать» пик вверх в январе, приведет к чрезмерному заказу, а затем — к резкому спаду весной.
Правильный подход — отделение сезонного фактора от базового уровня. Рассчитайте отношение спроса каждого периода к среднегодовому значению за несколько лет, и вы получите набор сезонных индексов — декабрь 2.4, январь 0.6 и так далее. Прогнозируйте базовый уровень, а затем применяйте индекс для периода, который вы прогнозируете.
Два предостережения. Вам нужно как минимум два полных цикла истории, прежде чем сезонные индексы станут значимыми, а три — еще лучше. Кроме того, сезонность смещается: Пасха меняет даты, пиковые торговые недели мигрируют по мере изменения покупательских привычек, и индекс, рассчитанный на данных пятилетней давности, может описывать паттерн, которого больше не существует.
Акции — более серьезная проблема для большинства компаний, поскольку они являются значительными и рукотворными. Акция может увеличить спрос в несколько раз на неделю, и этот всплеск останется в вашей истории, искажая каждый последующий прогноз.
Дисциплины, которые помогают:
- Помечайте акционные периоды в данных, чтобы статистический прогноз мог исключить их или скорректировать.
- Прогнозируйте акционный прирост отдельно от базового спроса, используя результаты сопоставимых прошлых акций, а не процент, который «кажется правильным».
- Учитывайте последующий спад. Акции часто перетягивают спрос из будущего, а не создают его, поэтому в последующие недели продажи падают ниже базового уровня. Прогнозирование пика при игнорировании спада приведет к двойному затовариванию.
- Получайте акционный календарь заранее. Самая частая причина дефицита акционного товара — когда склад узнает об акции одновременно с покупателями.
Кто отвечает за прогноз
Прогнозирование терпит неудачу на организационном уровне чаще, чем на техническом, и паттерн здесь всегда одинаков.
Продажи прогнозируют оптимистично, потому что цели и прогнозы смешиваются, и никто не хочет давать прогноз ниже плана. Операционный отдел прогнозирует консервативно, потому что они несут расходы на излишки запасов и отвечают за дефицит. Финансы хотят цифру, соответствующую плану. Каждый отдел выдает свой результат, и бизнес в итоге работает по цифрам того, кто оказался самым убедительным.
Что работает лучше:
Одна цифра, за которую отвечает одна функция. Обычно это планирование или операционный отдел, со структурированной обратной связью от отдела продаж, а не отдельный прогноз продаж, существующий параллельно.
Отделите прогноз от цели. Цель — это то, чего вы намерены достичь. Прогноз — это то, что, как вы ожидаете, произойдет. Их смешивание гарантирует, что прогноз будет смещен вверх, а за ним последуют и излишки запасов.
Оценивайте корректировки. Когда кто-то вносит изменения в статистический прогноз, фиксируйте это и проверяйте, улучшила ли эта корректировка точность. Это неприятный процесс, но это самый быстрый способ выяснить, чье суждение стоит учитывать, а чье — нет.
Сделайте стоимость видимой. Ошибка прогноза имеет цену — излишки запасов, списания, срочная доставка, упущенные продажи. Привязка этой цифры к процессу — это то, что обычно превращает прогнозирование из административной рутины в то, к чему люди относятся серьезно.
Как прогнозирование связано с остальными процессами
- Точки заказа используют прогноз спроса на период выполнения заказа.
- Страховой запас рассчитывается исходя из ошибки прогноза.
- Закупки инвестируют капитал на основе прогноза, где ошибки становятся дорогостоящими.
- Планирование складских мощностей зависит от ожидаемого объема, и ошибки здесь проявляются в виде нехватки места в ноябре.
- Планирование трудовых ресурсов следует за ожидаемым объемом заказов, а не за количеством единиц товара.
- Отношения с поставщиками улучшаются, когда вы делитесь прогнозами, так как они могут планировать производство и поддерживать соответствующие запасы.
Последний пункт используется недостаточно часто. Поставщик, имеющий доступ к вашим ожидаемым потребностям, обычно может сократить и стабилизировать сроки поставки, что снижает вашу потребность в страховом запасе эффективнее, чем любая улучшенная модель.
Пример из практики
Возьмем товар с историей продаж за двенадцать месяцев и разберем, что на самом деле включает в себя прогноз.
Ежемесячные продажи примерно таковы: 210, 195, 230, 240, 215, 225, 260, 250, 245, 280, 520, 310.
Первое наблюдение: ноябрь с показателем 520 не является частью базового паттерна — это сезонный пик. Прогнозирование декабря на основе трехмесячного скользящего среднего (сентябрь, октябрь, ноябрь) дает (245 + 280 + 520) ÷ 3 = 348, что приводит к значительному излишку заказа, так как пик принимается за новую норму.
Правильный подход:
Отделите сезонный месяц. Исключая ноябрь, среднее значение за оставшиеся одиннадцать месяцев составляет около 241 единицы с умеренным восходящим трендом. Эти 241 — ваш базовый уровень.
Рассчитайте сезонный индекс. Ноябрь (520) по отношению к базе (241) дает индекс около 2.2. Если предыдущий год показал схожее соотношение, вы можете ему доверять; при наличии истории только за один год считайте его предварительным.
Прогнозируйте уровень на будущее. Тренд в течение года плавно восходящий — примерно 200 в начале, 260 к осени (без учета пика), поэтому разумный прогноз уровня на следующий месяц — около 265.
Примените индекс, если это уместно. Декабрь здесь не является пиковым месяцем, поэтому прогноз остается около 265.
Оцените ошибку. Месячное отклонение от базового тренда составляет около 20 единиц, поэтому стандартное отклонение около 20 — разумная рабочая цифра. При уровне сервиса 95% страховой запас составляет примерно 1.65 × 20 × квадратный корень из срока выполнения заказа в месяцах.
Смысл этого разбора в том, что большая часть работы — это суждение о том, что означает история, а не арифметика. Решение о том, что ноябрь — это сезонность, а не рост, определяет, будет ли следующий заказ верным, и ни один метод не примет это решение за вас на основе данных за один год.
Где узнать больше
- Что такое страховой запас — рассчитывается непосредственно на основе ошибки прогнозирования.
- Что такое точка заказа — то, где применяется прогноз.
- Методы управления запасами — более широкий инструментарий.
- Что такое дефицит запасов — сбой, который помогает уменьшить прогнозирование.
- Что такое оборачиваемость запасов — то, что улучшается благодаря более точному прогнозированию.
- Как управлять запасами — процесс, в который встроено прогнозирование.
Главное в одной фразе
Прогнозирование спроса позволяет оценить будущие продажи, чтобы вы могли принять решение о закупках. Поскольку прогноз неизбежно будет неточным, наиболее важным показателем является величина и направление ошибки, так как именно они определяют необходимый объем страхового запаса.
Часто задаваемые вопросы
Что такое прогнозирование спроса? Это оценка будущего спроса на товар за определенный период, необходимая для принятия решений о том, сколько запасов нужно закупить и хранить.
Каковы основные методы прогнозирования спроса? Скользящие средние, взвешенные скользящие средние, экспоненциальное сглаживание, декомпозиция тренда и сезонности, регрессионный анализ по причинно-следственным переменным и качественная экспертная оценка. В большинстве операций для стабильных товарных линеек используется экспоненциальное сглаживание, а для товаров с повторяющимися паттернами — декомпозиция сезонности.
Насколько точным должен быть прогноз спроса? Универсальной цифры не существует, так как точность зависит от волатильности вашего спроса. Полезный тест — проверяет ли ваш метод «наивный» прогноз («столько же, сколько в прошлом периоде») и является ли ваша ошибка несмещенной, а не систематически завышенной или заниженной.
В чем разница между MAPE и смещением (bias)? MAPE измеряет средний размер ошибки независимо от ее направления. Смещение показывает, имеют ли ошибки тенденцию к систематическому отклонению в одну сторону. Прогноз может иметь приемлемый показатель MAPE, но серьезное смещение, что является более опасной проблемой, так как страховой запас не исправляет систематическую ошибку.
Как прогнозировать спрос на новый продукт? Поскольку исторических данных нет, вы полагаетесь на аналоги — похожие продукты на этапе запуска — в сочетании с качественной информацией от отдела продаж и данными о предварительных заказах или запросах. Будьте готовы к большим ошибкам на начальном этапе и проводите пересмотр еженедельно, а не ежемесячно, пока не проявится закономерность.
Почему следует исключать периоды дефицита из исторических данных? Потому что продажи во время дефицита отражают наличие товара, а не реальный спрос. Включение этих данных «учит» прогноз тому, что спрос ниже, чем он есть на самом деле, причем именно по тем товарам, которые уже закончились.
На какой срок вперед нужно прогнозировать? Достаточно далеко, чтобы покрыть время выполнения заказа (lead time) плюс период пересмотра, и не более того для целей заказа. Более длительные горизонты необходимы для планирования мощностей, бюджета и работы с поставщиками, но их следует рассматривать как отдельные задачи с более широкими допусками, а не как цифры, на основе которых формируется заказ.
Помогает ли улучшение прогнозирования сократить запасы? Да, косвенно и измеримо. Страховой запас рассчитывается исходя из ошибки прогноза, поэтому уменьшение ошибки сокращает объем буфера, необходимого для поддержания того же уровня сервиса. Это самый очевидный финансовый аргумент в пользу инвестиций в процесс прогнозирования.
Warehouse Wise — это бесплатная независимая библиотека руководств по управлению запасами, складскому учету и фулфилменту, созданная для тех, кто непосредственно занят в этой сфере: новых сотрудников складов, представителей малого и растущего бизнеса в сфере ритейла и электронной коммерции, а также всех, кто работает с товарными остатками и хочет разобраться в процессах досконально. Каждое руководство содержит понятное определение термина, наглядный пример с расчетами и ничего лишнего. Мы сохраняем полную независимость: не продаем программное обеспечение или оборудование, не получаем комиссионных за рекомендации, а наши материалы не зависят от чьих-либо спонсорских выплат.