Прогнозирование спроса
Прогноз спроса или прогноз продаж
Прогноз спроса — это то что хотели купить люди.
Прогноз продаж — это то, сколько и чего мы сможем продать — это не всем одно и тоже (когда считаем прогноз по данным о продажах мы знаем только то что купили из того что было).
Какие данные нужны для прогнозирования продаж
Прогноз основан на выявлении факторов, которые влияют на продажи: остатки, цены, реклама, погода, праздники, сезоны года, потребительские предпочтения.
Для выделения влияния факторов в сервис выгружаются данные о товарах и продажах.
Данные о товаре:
- наименование номенклатуры
- список штрихкодов номенклатуры
- уникальный идентификатор в базе (GUID)
Данные за каждый день выгружаемого периода:
- дата дня, за который отправляются данные
- количество проданного товара
- цена, по которой товар поступил
- сумма, потраченная на закупку товара в этот день
- сумма, на которую был продан товар
- остаток товара на складе на конец дня
Данные на день, в который производилась выгрузка:
- розничная цена продажи на дату дня выгрузки
- данные об остатках на момент выгрузки
Подготовка данных к расчету прогноза продаж
Восстановление дней без остатков. Сервис не пропускает и не «схлопывает» дни, когда товара не было в магазине, он заменяет такие дни усредненными продажами.
Проводится корректировка всплесков. Сервис заменит продажи на усредненное значение если:
- были не типичные продажи, значительно превышающие обычные;
- проходила акция, уменьшали продажную цена товара и наблюдался рост продаж.
Для выбора оптимального метода прогнозирования, каждому товару определяется типа спроса:
- снят с продаж
- кандидат на снятие с продаж
- мало данных
- новинки
- редкие продажи
- кандидат на сезонность
- сезонность
- недельный компонент
- тренд
- регулярные продажи
Прогноз не рассчитывается для товаров с типом спроса: снят с продаж, кандидат на снятие с продаж и мало данных.
Методы прогнозирования спроса
Для каждого товара выбирается метод наиболее подходящий для его типа спроса:
Снят с продаж — нет продаж больше 365 дней. Прогноз рассчитываться не будет. Товары с таким типом спроса не попадают в заказ. Что бы вернуть такой товар в систему автозаказа, ему необходимо вручную изменить тип спроса.
Кандидат на снятие с продаж — нет продаж больше 100 дней, и общее количество дней с продажами меньше 6. Недостаточно данных для прогноза. Сервис будет продолжать за ним наблюдать, либо появятся продажи и выберется другой тип спроса, либо со временем товар снимется с продаж.
Мало данных — если у товара меньше чем 6 дней с продажами, то прогноз рассчитываться не будет. Недостаточно данных для моделирования продаж, сервис будет продолжать наблюдать за товаром.
Новинки — товар наблюдается в сервисе меньше последних 30 дней.
Товары с редким спросом — доля дней с нулевыми продажами больше 80%. Метод Кростона.
Кандидат на сезонность — больше 100 дней нет продаж, общее количество дней наблюдений меньше чем 2 года.
Товары с сезонным спросом. Метод Холта-Винтерса.
Недельный компонент — количество дней наблюдений больше 95, выявлена недельная цикличность продаж. Арима.
Товары с сильным растущим или падающим трендом. Экспоненциальное сглаживание с учетом тренда и сезонности, метод Холта-Винтерса.
Товары с регулярным спросом. Скользящая средняя с геометрическим прогрессом.
Как сервис 1С-Товары использует результаты прогнозирования спроса
В блоке «Автозаказ», прогноз используется для расчета: максимального товарного запаса (Партия заказа), минимального товарного запаса (Минимальный остаток), количества товара в заказе. Больше прогноз — больше товара нужно магазину, прогноз спроса уменьшается — сервис закажет меньше товара.
В отчетах сервиса при расчете упущенной выручки и избыточных запасов. Зная как товар мог бы продаваться и дни, когда товар не продавался и его не было на остатках, сервис рассчитывает упущенную выручку. Товар имеет избыточные запасы, если его текущих остатков товаров с рассчитанными ежедневными продажами хватит больше чем на 100 дней.
Период прогноза — количество дней, на которое моделируются продажи. Для каждого товара период индивидуальный, берется из параметра ассортиментной матрицы «Период поставки». Если график поставки у товара один раз в неделю, то период поставки равен семи дням и при расчете прогноза продажи будут моделироваться на семь дней вперед.