Прогнозування попиту — це оцінка того, скільки одиниць товару ви продасте протягом майбутнього періоду, щоб ви могли вирішити, скільки закупити та зберігати на складі.
Це робить кожен бізнес. Більшість робить це інтуїтивно: хтось дивиться на полицю, згадує минулий місяць і робить замовлення. Формальне прогнозування замінює це методом, який можна перевірити, виміряти та вдосконалити.
Це важливо не тому, що можна досягти абсолютно точних прогнозів. Це неможливо, і будь-який процес, що передбачає протилежне, призведе до розчарування. Це важливо тому, що розмір помилки визначає, скільки страхового запасу вам потрібно, а страховий запас — це дорого. Краще прогнозування — єдиний спосіб тримати менше запасів, не знижуючи рівень доступності товарів.
Що таке прогнозування попиту
Прогноз складається з трьох частин, і прогнози, які виявляються помилковими, зазвичай ігнорують дві з них.
Число. Очікувана кількість одиниць за визначений період.
Період. Наступний тиждень, наступний місяць, наступний квартал. Точність падає зі збільшенням горизонту планування, тому період має відповідати вашим цілям — прогноз для замовлень має охоплювати лише час виконання замовлення плюс період перегляду залишків.
Діапазон впевненості. Наскільки помилковим може бути число. Прогноз у 500 одиниць, який може коливатися від 400 до 600, — це зовсім інший вхідний параметр для планування, ніж той, що може бути від 200 до 800, навіть якщо центральне значення однакове. Діапазон визначає розмір вашого буфера, і прогноз без нього не дає підстав для прийняття рішення про те, скільки захисного запасу потрібно тримати.
Прогнози також відрізняються за рівнем деталізації. Прогноз загального попиту на категорію набагато надійніший, ніж прогноз для окремого SKU певного кольору, оскільки при агрегуванні відхилення нівелюються. Це варто знати, оскільки це пояснює, чому ваші загальні показники можуть виглядати точними, тоді як прогнози для окремих товарів постійно помилкові.
Основні методи прогнозування
Наївне прогнозування. Наступний період дорівнює попередньому. Дійсно корисне як базовий рівень — якщо ваш складний метод не може перевершити цей показник, то складність не виправдовує себе.
Ковзне середнє. Середнє значення за останні кілька періодів, що згладжує випадкові коливання. Простий і ефективний метод для стабільних товарів, але повільно реагує на реальні зміни, оскільки старі періоди мають таку ж вагу, як і нещодавні.
Зважене ковзне середнє. Як і вище, але нещодавні періоди мають більшу вагу. Швидше реагує на зміни, зберігаючи певне згладжування.
Експоненціальне згладжування. Ваги геометрично зменшуються в минуле, що контролюється єдиним коефіцієнтом згладжування. Вищий коефіцієнт швидше реагує на зміни, але дає більше «шуму»; нижчий — стабільніший, але повільніший. Це основний інструмент практичного прогнозування, а його варіанти дозволяють явно враховувати тренди та сезонність.
Декомпозиція трендів та сезонності. Розподіл історії на базовий рівень, тренд і повторюваний сезонний патерн, прогнозування кожного з них та їх подальше об’єднання. Необхідно для будь-яких товарів із вираженою сезонністю, що стосується більшості споживчих товарів.
Регресія. Зв’язок попиту зі змінними, що на нього впливають — ціна, витрати на маркетинг, погода, провідні економічні індикатори. Ефективно там, де існує реальний причинно-наслідковий зв’язок, і вводить в оману, якщо випадкову кореляцію помилково сприймають за такий зв’язок.
Якісні методи. Вхідні дані від відділу продажів, наміри клієнтів, експертна оцінка. Незамінні там, де немає історії — нові товари, нові ринки, щойно відкритий канал збуту. Також найбільш схильні до оптимізму, тому варто записувати прогнози та оцінювати їх згодом.
Підходи машинного навчання. Дедалі частіше з’являються у програмному забезпеченні для планування і дійсно кращі там, де у вас багато товарів, тривала історія та багато впливових змінних. Вони потребують значно більше даних, ніж є у більшості компаній, і вони не виправляють помилкові вхідні дані.
Типи прогнозування попиту
Прогнози класифікуються кількома способами, і ці терміни варто знати, оскільки їх використовують як скорочення під час планування.
За часовим горизонтом.
- Короткостроковий — від днів до кількох місяців. Визначає поповнення запасів, точки перезамовлення та графіки персоналу. Тут можна досягти точності, а результат відчутний одразу.
- Середньостроковий — від кварталу до року. Визначає зобов’язання щодо закупівель, угоди з постачальниками та сезонні закупівлі.
- Довгостроковий — рік і більше. Визначає рішення щодо потужностей: складські площі, обладнання, чисельність персоналу. На цьому горизонті точність не очікується і не є корисною; важливі лише напрямок і масштаб.
За масштабом.
- Макро-рівень прогнозування спрямований на зовнішні умови, в яких існує ваш попит — економіка, категорія, ринок. Корисно для контексту, але рідко застосовне самостійно.
- Мікро-рівень прогнозування розглядає конкретний товар, канал або клієнта. Саме тут приймаються реальні операційні рішення.
За підходом.
- Пасивне прогнозування передбачає безперервність: те, що відбувалося, продовжуватиме відбуватися з поправкою на тренд і сезонність. Підходить для стабільних бізнесів і є правильним вибором за замовчуванням для більшості видів планування запасів, оскільки не базується на ризикованих припущеннях.
- Активне прогнозування враховує те, що ви плануєте змінити — акція, новий канал, підвищення ціни, запуск продукту. Це необхідно, коли минуле є поганим орієнтиром. Це також сфера, де оптимізм завдає найбільшої шкоди, оскільки план помилково сприймається як прогноз.
За методом.
- Якісні — судження, дані відділу продажів, експертна думка. Необхідні для нових товарів без історії, але найменш надійні там, де є дані.
- Кількісні — ковзні середні, експоненціальне згладжування, регресія, сезонна декомпозиція. Надійні, коли є історія, а попит відносно стабільний.
- На основі ШІ та машинного навчання — моделі, що враховують багато змінних одночасно і знаходять патерни, які прості часові ряди пропустять: погода, ціноутворення, поведінка конкурентів, вебтрафік, перетин акцій. Вони виправдовують себе у великих масштабах, при великій кількості SKU та наявності значної історії, але вони не замінюють якісні дані. Модель, навчена на історії продажів, що включає періоди дефіциту без відповідних позначок, вивчить неправильні висновки швидше і впевненіше, ніж електронна таблиця.
Практичний висновок: більшості бізнесів для основної частини асортименту потрібне короткострокове, мікрорівневе, пасивне кількісне прогнозування, з додаванням активного прогнозування для тих небагатьох позицій, де щось свідомо змінюється. Спроба використовувати складні методи до того, як запрацюють базові, — це найпоширеніша і найдорожча помилка в послідовності дій у цій сфері.
Як прогнозувати попит на практиці
1. Спочатку очистіть історію. Цей крок визначає, чи варто робити все наступне.
Критично важливою корекцією є дефіцит товарів. Історія продажів фіксує те, що ви продали, а не те, що хотіли клієнти. Період, коли товару не було в наявності, показує низькі продажі, і внесення цих даних у прогноз підкаже моделі, що попит нижчий, ніж є насправді — саме для того товару, який вас підвів. Позначайте періоди дефіциту і або виключайте їх, або оцінюйте втрачений попит.
Також видаляйте разові події: одне велике оптове замовлення, яке не повториться, розпродаж, помилка в даних. Залишайте реальні повторювані патерни, як-от акції, але позначайте їх, щоб вони сприймалися як акції, а не як базовий рівень.
2. Оберіть рівень. Прогнозуйте на тому рівні, на якому будете приймати рішення. Якщо ви замовляєте за SKU, вам потрібні прогнози на рівні SKU, але ви можете будувати їх, прогнозуючи категорію і розподіляючи за часткою, що часто стабільніше, ніж прогнозування кожного SKU окремо.
3. Оберіть метод для кожної групи товарів. Для стабільних товарів з високим обігом підходить експоненціальне згладжування. Сезонні товари потребують сезонної декомпозиції. Для товарів з нестабільним попитом і низьким обігом часто найкраще підходить просте середнє і великий буфер, оскільки складні методи лише підлаштовуються під «шум».
4. Застосовуйте судження і записуйте їх. Коригуйте дані на те, чого історія не може знати — успішний лістинг, вихід конкурента, зміна ціни, акція. Записуйте коригування окремо від статистичного прогнозу, щоб згодом перевірити, чи допомогли ваші втручання. Багато хто цього не робить.
5. Вимірюйте помилку. Без цього це не процес, це звичка.
6. Регулярно переглядайте та коригуйте. Для більшості операцій — щомісяця. Мета полягає в тому, щоб виявити товари, чий патерн змінився, а не в тому, щоб уточнювати цифри, які й так були в нормі.
Вимірювання точності прогнозування
Три показники покривають більшість потреб.
MAPE — середній абсолютний відсоток помилки. Середня помилка у відсотках від фактичного попиту. Інтуїтивно зрозумілий і широко використовуваний показник. Його слабкість полягає в тому, що він сильно викривляється при малих обсягах: помилка на дві одиниці при прогнозі в три одиниці становить 67%, що не має жодного сенсу.
MAD — середнє абсолютне відхилення. Середня помилка в одиницях без урахування напрямку. Корисний показник, оскільки він безпосередньо використовується для розрахунку страхового запасу.
Зміщення (Bias). Середня помилка з урахуванням напрямку. Це показник, який найчастіше ігнорують, хоча він є найбільш інформативним. Якщо ваші помилки в середньому близькі до нуля, ви помиляєтеся в обидва боки однаково — це «шум», який нівелюється буферами. Якщо вони постійно додатні або від’ємні, у вас системна проблема, і жоден страховий запас не виправить прогноз, який завжди занижений.
Вимірюйте показники за групами товарів, а не в цілому, оскільки хороший загальний показник часто приховує кілька товарних позицій з поганим прогнозом, які завдають реальної шкоди.
Порівнюйте результати з наївним базовим прогнозом. Якщо ваш метод не кращий за «такий самий, як минулого місяця», спрощуйте його.
Чому прогноз ніколи не буває ідеальним (і це нормально)
Прогнози помилкові. Корисні запитання: наскільки вони помилкові, у якому напрямку і чи є помилка достатньо стабільною, щоб на її основі планувати роботу.
Ось чому прогнозування та страховий запас — це частини однієї розмови. Прогноз дає очікуваний попит; помилка прогнозу дає мінливість, яку має покрити страховий запас. Покращуйте прогноз, і необхідний буфер для того самого рівня обслуговування зменшиться. Це і є головний комерційний аргумент для інвестицій у прогнозування, і його можна виміряти.
Також прийміть той факт, що деякі товари принципово не піддаються прогнозуванню. Товари з дуже низькою оборотністю, разові проєктні позиції, будь-що, що залежить від зовнішніх подій, які ніхто не може передбачити. Для них чесною відповіддю буде інша стратегія — робота під замовлення, утримання запасів постачальника, прийняття довших термінів виконання замовлення — замість спроб створити кращу модель.
Прогнозування сезонного та акційного попиту
Дві моделі поведінки створюють найбільше труднощів, і обидві потребують окремого опрацювання, а не сподівань, що загальний метод їх врахує.
Сезонність — це повторюваний шаблон, прив’язаний до календаря. Помилка полягає в тому, щоб сприймати сезонний пік як зростання. Ковзне середнє, застосоване до товару, який у грудні продається вчетверо краще, «пожене» пік вгору в січні, призведе до надмірного замовлення, а потім «пожене» його назад вниз навесні.
Правильний підхід полягає у відокремленні сезонного фактора від базового рівня. Розрахуйте співвідношення попиту кожного періоду до середньорічного показника за кілька років, і ви отримаєте набір сезонних індексів — грудень 2.4, січень 0.6 тощо. Прогнозуйте базовий рівень, а потім застосовуйте індекс для періоду, який ви прогнозуєте.
Два застереження. Вам потрібно принаймні два повні цикли історії, перш ніж сезонні індекси стануть значущими, а три — ще краще. Крім того, сезонність змінюється: Великдень зміщується, пікові тижні торгівлі мігрують через зміну купівельних звичок, і індекс, розрахований на основі п’ятирічних даних, може описувати шаблон, якого вже не існує.
Акції є більшою проблемою для більшості бізнесів, оскільки вони є суттєвими та штучно створеними. Акція може збільшити попит у кілька разів на тиждень, і цей сплеск потім залишається у вашій історії, викривляючи кожен наступний прогноз.
Дисципліни, які допомагають:
- Позначайте акційні періоди в даних, щоб статистичний прогноз міг виключити їх або скоригувати.
- Прогнозуйте акційний приріст окремо від базового попиту, використовуючи результати порівнянних минулих акцій, а не відсоток, який «здається правильним».
- Враховуйте спад після акції. Акції часто перетягують попит наперед, замість того щоб створювати новий, тому наступні тижні показують продажі нижче базового рівня. Прогнозування піку при ігноруванні спаду залишає вас із надлишками запасів двічі.
- Отримуйте акційний календар заздалегідь. Найчастіша причина дефіциту акційних товарів — це те, що склад дізнається про акцію одночасно з покупцями.
Хто відповідає за прогноз
Прогнозування частіше зазнає невдачі на організаційному рівні, ніж на технічному, і цей шаблон є стабільним.
Відділ продажів прогнозує оптимістично, тому що цілі та прогнози змішуються, і ніхто не хоче прогнозувати нижче цілі. Операційний відділ прогнозує консервативно, оскільки вони несуть витрати на надлишкові запаси та відповідальність за дефіцит. Фінансовий відділ хоче цифру, що відповідає плану. Кожен створює свій показник, і бізнес зрештою працює за тим, який належить людині, що найпереконливіше сперечалася.
Що працює краще:
Одна цифра, за яку відповідає один підрозділ. Зазвичай це планування або операційний відділ, зі структурованим внеском від відділу продажів, а не окремий прогноз продажів, що працює паралельно.
Відокремте прогноз від цілі. Ціль — це те, чого ви хочете досягти. Прогноз — це те, що, як ви очікуєте, станеться. Їх змішування гарантує, що прогноз буде зміщений вгору, а запаси — слідом за ним.
Оцінюйте коригування. Коли хтось вносить зміни до статистичного прогнозу, записуйте це і згодом перевіряйте, чи покращило це коригування точність. Це незручно, але це найшвидший спосіб дізнатися, чиє судження варто враховувати, а чиє — ні.
Зробіть витрати видимими. Помилка прогнозу має ціну — надлишкові запаси, списання, термінова доставка, втрачені продажі. Прив’язка цієї цифри до процесу зазвичай перетворює прогнозування з адміністративної рутини на те, до чого люди ставляться серйозно.
Як прогнозування пов’язане з іншими процесами
- Точки перезамовлення використовують прогнозований попит протягом терміну виконання замовлення.
- Страховий запас розраховується на основі помилки прогнозу.
- Закупівлі інвестують капітал на основі прогнозу, де помилки стають дорогими.
- Планування місткості складу залежить від очікуваного обсягу, і помилки в цьому призводять до відсутності місця в листопаді.
- Планування трудових ресурсів базується на очікуваному обсязі замовлень, а не на кількості одиниць товару.
- Відносини з постачальниками покращуються, коли ви ділитеся прогнозами, оскільки вони можуть планувати виробництво та тримати відповідні запаси.
Останній пункт використовується недостатньо. Постачальник, який має видимість ваших очікуваних потреб, зазвичай може скоротити та стабілізувати свій термін виконання замовлення, що зменшує вашу потребу в страховому запасі більше, ніж це зробила б краща модель.
Приклад розрахунку
Візьмемо товар з історією продажів за дванадцять місяців і розберемо, що насправді передбачає прогнозування.
Щомісячні продажі приблизно такі: 210, 195, 230, 240, 215, 225, 260, 250, 245, 280, 520, 310.
Очевидно, що листопад із показником 520 не є частиною базового шаблону — це сезонний пік. Прогнозування грудня на основі тримісячного ковзного середнього за вересень, жовтень і листопад дає (245 + 280 + 520) ÷ 3 = 348, що призводить до значного перевищення замовлення, оскільки пік сприймається як нова норма.
Правильний підхід:
Відокремте сезонний місяць. За винятком листопада, середній показник за одинадцять місяців становить близько 241 одиниці з помірним висхідним трендом. Ці 241 — ваш базовий рівень.
Розрахуйте сезонний індекс. Листопад (520) відносно базового рівня (241) дає індекс приблизно 2.2. Якщо попередній рік показував подібне співвідношення, ви можете йому довіряти; маючи лише один рік історії, сприймайте це як попередні дані.
Прогнозуйте рівень на майбутнє. Тренд протягом року є помірно висхідним — приблизно 200 на початку, 260 восени (без урахування піку) — тому розумний прогноз рівня на наступний місяць становить близько 265.
Застосуйте індекс, якщо це доречно. Грудень тут не є піковим місяцем, тому прогноз залишається на рівні близько 265.
Оцініть помилку. Місячне відхилення від базового тренду становить близько 20 одиниць, тому стандартне відхилення близько 20 є розумним робочим показником. При рівні обслуговування 95% страховий запас становить приблизно 1.65 × 20 × квадратний корінь із терміну виконання замовлення в місяцях.
Суть цього розбору в тому, що більша частина роботи — це судження про те, що означає історія, а не арифметика. Рішення про те, що листопад є сезонним, а не свідчить про зростання, визначає, чи буде наступне замовлення правильним, і жоден метод не зробить цей вибір за вас на основі даних лише за один рік.
Де дізнатися більше
- Що таке страховий запас — розраховується безпосередньо на основі похибки прогнозу.
- Що таке точка замовлення — де застосовується прогноз.
- Методи управління запасами — ширший інструментарій.
- Що таке дефіцит товарів — збій, який мінімізує прогнозування.
- Що таке оборотність запасів — показник, який покращується завдяки якісному прогнозуванню.
- Як управляти запасами — процес, частиною якого є прогнозування.
Головне одним рядком
Прогнозування попиту оцінює майбутні продажі, щоб ви могли вирішити, що закуповувати. Оскільки прогноз неминуче буде неточним, найважливішим показником є розмір і напрямок похибки, адже саме вони визначають необхідний обсяг страхового запасу.
Часті запитання
Що таке прогнозування попиту? Це оцінка майбутнього попиту на товар протягом визначеного періоду з метою прийняття рішень про обсяги закупівлі та зберігання запасів.
Які основні методи прогнозування попиту? Ковзне середнє, зважене ковзне середнє, експоненціальне згладжування, декомпозиція трендів та сезонності, регресійний аналіз за причинно-наслідковими змінними та якісна експертна оцінка. Більшість операційних систем використовують експоненціальне згладжування для стабільних товарних ліній та декомпозицію сезонності для всього, що має циклічний характер.
Наскільки точним має бути прогноз попиту? Універсального показника не існує, оскільки точність залежить від мінливості вашого попиту. Корисним тестом є перевірка, чи перевершує ваш метод наївний прогноз «як у минулому періоді» і чи є ваша похибка незміщеною, а не постійно завищеною чи заниженою.
У чому різниця між MAPE та зміщенням (bias)? MAPE вимірює середній розмір похибки незалежно від її напрямку. Зміщення показує, чи мають похибки постійну тенденцію в один бік. Прогноз може мати прийнятний показник MAPE, але серйозне зміщення, що є більш небезпечною проблемою, оскільки страховий запас не виправляє систематичне відхилення.
Як прогнозувати попит на новий товар? Оскільки історичних даних немає, ви покладаєтеся на аналоги — схожі товари на момент їх запуску — у поєднанні з якісними даними від відділу продажів та будь-якими даними про попередні замовлення чи запити. Очікуйте великих похибок на початковому етапі та переглядайте прогноз щотижня, а не щомісяця, доки не з’явиться певна закономірність.
Чому варто виключати періоди дефіциту з історичних даних? Тому що продажі під час дефіциту відображають наявність товару, а не реальний попит. Включення цих даних «навчає» прогноз тому, що попит нижчий, ніж є насправді, саме для тих товарів, які вже закінчилися.
На який термін варто прогнозувати? Достатньо далеко, щоб покрити ваш час виконання замовлення (lead time) плюс період перегляду, і не далі — для цілей замовлення. Довгострокові горизонти необхідні для планування потужностей, бюджету та роботи з постачальниками, але їх слід розглядати як окремі завдання з ширшими допусками, а не як цифри, на основі яких ви робите замовлення.
Чи зменшує краще прогнозування рівень запасів? Так, опосередковано і вимірювано. Страховий запас розраховується на основі похибки прогнозу, тому зменшення похибки скорочує обсяг буфера, необхідного для підтримки того самого рівня обслуговування. Це найбільш очевидне фінансове обґрунтування інвестицій у процес прогнозування.
Warehouse Wise — це безкоштовна незалежна бібліотека посібників з управління запасами, складської логістики та фулфілменту, створена для тих, хто безпосередньо виконує цю роботу: нових працівників складів та відділів обліку, представників малого та зростаючого бізнесу у сфері роздрібної торгівлі та електронної комерції, а також усіх, хто працює з товарними запасами та хоче краще в них розбиратися. Кожен посібник пояснює термін, демонструє практичний приклад із реальними цифрами там, де це доречно, і не містить зайвої інформації. Ми незалежні: ми не продаємо програмне забезпечення чи обладнання, не отримуємо комісійних за рекомендації, а наші матеріали не мають рейтингу залежно від того, хто нам платить.