Prognozowanie popytu to szacowanie, ile produktów kupią klienci lub ile materiału zużyje produkcja w określonym czasie i miejscu. Prognoza jest punktem wyjścia dla planu zakupów, poziomu zapasów bezpieczeństwa, planu produkcji i obsady zmian w magazynie. Nie chodzi o bezbłędne przewidywanie przyszłości, lecz o zmierzenie i ograniczenie niepewności.
Jak to działa
- Metody statystyczne – średnie ruchome, wygładzanie wykładnicze, modele uwzględniające trend i sezonowość. Dobrze działają dla produktów o stabilnej historii sprzedaży.
- Uczenie maszynowe – modele uwzględniające jednocześnie wiele czynników: promocje, ceny, dni tygodnia, święta, pogodę. Przydatne przy dużej liczbie SKU i silnym wpływie działań marketingowych.
- Korekta ekspercka – informacje, których nie ma w danych, np. pozyskanie nowego klienta czy wycofanie produktu. Powinna być zapisywana i oceniana tak samo jak prognoza systemowa.
Trafność mierzy się na danych historycznych, np. wskaźnikiem MAPE = średnia(|rzeczywistość − prognoza| / rzeczywistość) × 100%, oraz obciążeniem (bias), które pokazuje, czy prognoza systematycznie zawyża lub zaniża wynik. Przy niskiej i nieregularnej sprzedaży lepiej sprawdza się błąd ważony wolumenem (WAPE), bo MAPE dla małych wartości daje mylące wyniki. Segmentacja ABC/XYZ pomaga dobrać metodę do charakteru popytu.
Przykład
Sklep internetowy z artykułami ogrodowymi prognozował sprzedaż jako średnią z tego samego miesiąca poprzedniego roku. Przy 3 800 aktywnych SKU dawało to WAPE na poziomie 41% w ujęciu tygodniowym, braki w szczycie sezonu i nadwyżki po jego zakończeniu. Model uwzględniający trend, sezonowość tygodniową, kalendarz promocji i prognozę temperatury obniżył WAPE do 27%. Pozwoliło to zmniejszyć zapas bezpieczeństwa dla 600 najważniejszych pozycji średnio o 18% przy utrzymaniu poziomu dostępności. Magazyn zaczął też otrzymywać prognozę liczby zamówień na kolejne dwa tygodnie, wykorzystywaną do planowania obsady.
Najczęstsze błędy
- Prognozowanie na podstawie historii sprzedaży zamiast popytu – w okresach braku towaru sprzedaż była zerowa, choć klienci chcieli kupować.
- Brak pomiaru trafności, przez co nie wiadomo, czy korekty handlowców poprawiają prognozę, czy ją pogarszają.
- Jedna metoda dla całego asortymentu bez względu na charakter popytu, co przy przekazywaniu zamówień w górę łańcucha wzmacnia efekt byczego bicza.
Od czego zacząć
- Zbierz co najmniej dwa lata historii sprzedaży na poziomie tygodnia wraz z informacją o brakach i promocjach.
- Zmierz trafność obecnej metody – to punkt odniesienia dla każdej zmiany.
- Podziel asortyment na segmenty i dobierz metodę do każdego z nich.