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.