Узнайте, как оценивать точность прогнозирования спроса по MAPE и WAPE. Разберитесь, как находить смещение в планах, чтобы сократить неликвиды и избежать дефицита на полках.
Точность прогнозирования спроса - это ключевой индикатор здоровья ритейла, показывающий, насколько ваши планы закупок соответствуют реальному поведению покупателей. Мы в БрайтБорд убеждены, что работа с этим показателем важнее, чем погоня за сложными математическими моделями: лучше иметь простой, но понятный процесс оценки, чем "черный ящик", которому никто не доверяет.
Если не контролировать качество планирования, бизнес попадает в одну из двух ловушек: либо склад забит неликвидом, замораживающим оборотные средства, либо ходовые позиции отсутствуют, и клиенты уходят к конкурентам. Понимание механики расчета ошибок позволяет найти баланс и снизить потери.
Настройте автоматический расчет точности и забудьте о рутине в Excel. Попробуйте БрайтБорд для автоматизации управления запасами.
Прежде чем говорить об ошибках, нужно разобраться с самим объектом изучения. Понятие прогнозирования спроса часто путают с планом продаж, но это разные вещи.
Спрос - это то, сколько товара покупатели хотели купить. Продажи - это то, сколько они смогли купить по факту.
Если у вас на полке закончился товар, продажи будут равны нулю, но потребность никуда не делась. Поэтому изучение и прогнозирование спроса обязательно должно учитывать дни, когда товара не было в наличии. Если строить аналитику только на "голых" продажах без восстановления истории, точность будущих периодов неизбежно упадет.
Планирование происходит на разных "высотах", и для каждого уровня нужна своя детализация:
В профессиональной среде используют две основные аббревиатуры. Давайте разберем их без сложных формул.
Представьте, что вы прогнозировали продажу 100 единиц, а продали 90. Ваша ошибка - 10%. MAPE берет все такие ошибки по всем товарам, переводит их в абсолютные значения (без минусов) и считает среднее арифметическое.
Эта метрика "умнее". Она учитывает вес каждого товара в общем объеме. Ошибка в прогнозе ходового товара будет влиять на итоговый процент сильнее, чем ошибка по редкому товару.
Одной точности (насколько мы ошиблись по модулю) мало. Важно понимать направление ошибки. Это называется смещением прогноза.
Задача прогнозирования спроса - стремиться к нулю в этом показателе.
Анализ прогнозирования спроса через призму смещения помогает "откалибровать" систему. Часто бывает, что компания гордится высокой точностью по WAPE, но при этом постоянно перезакупает товар, не замечая систематического завышения планов.
Избавьтесь от перекосов в закупках и снизьте уровень неликвидов. Внедрите БрайтБорд для умного автозаказа.
Прогнозирование спроса на товары - это не разовое действие, а циклический процесс. Чтобы цифры были точными, необходимо учитывать множество внешних и внутренних условий.
Качественный процесс прогнозирования спроса строится по следующей схеме:
Оценка точности прогнозирования должна проводиться регулярно. Это позволяет вовремя заметить, что старые методы перестали работать, и оперативно внести изменения в настройки системы управления запасами.
Основные методы делятся на субъективные (экспертные оценки) и объективные (статистический анализ, экстраполяция, моделирование). Для товаров чаще всего используют анализ временных рядов (скользящее среднее, экспоненциальное сглаживание).
Для новинок нет истории продаж, поэтому используют метод аналогов. Ищут похожий товар с историей и применяют его профиль продаж к новинке. Также помогает экспертная оценка и прогнозирование спроса на основе предзаказов или тестовых продаж.
Это позволяет поддерживать оптимальный уровень запасов. Прогнозирование потребностей и спроса помогает закупать ровно столько, сколько нужно для обеспечения сервиса, не создавая излишков.
Услуги нельзя хранить на складе. Поэтому прогнозирование спроса на услуги требует более высокой точности в привязке ко времени (часы, дни недели), чтобы правильно планировать расписание персонала и ресурсы.
Специализированная система прогнозирования спроса (SaaS) исключает человеческий фактор, автоматически учитывает сезонность и акции, а также обрабатывает массивы данных быстрее, чем Excel. Это значительно повышает точность и освобождает время закупщика.
Как сравнить системы прогнозирования спроса по точности, стоимости и удобству. Разбираем ключевые критерии выбора ПО для автоматизации закупок и управления товарными запасами.
Рассказываем, чем полезно машинное обучение для прогнозирования спроса и какие данные нужны для старта. Узнайте, когда стоит уходить из Excel и где алгоритмы бессильны.
Как рассчитать объем заказа поставщику, зная скорость продаж и текущие остатки. Разбираем прогнозирование закупки товаров с учетом страхового запаса и продукции в пути.
