Прогнозирование спроса (Demand forecasting)

Что такое прогнозирование спроса

Прогнозирование спроса – это процесс расчёта ожидаемого объёма продаж или заказов на будущие периоды. В логистике и управлении цепями поставок это отправная точка планирования: от точности прогноза зависит, сколько товара закупить, какие складские мощности зарезервировать, сколько транспорта заказать и как распределить запасы по регионам.

Ключевая идея проста: спрос почти никогда не бывает абсолютно случайным. В нём есть повторяющиеся закономерности – тренд, сезонность, реакция на цену и промо, влияние погоды или праздников. Прогнозирование выявляет эти закономерности в прошлых данных и продлевает их в будущее, добавляя поправки на известные события.

Зачем это нужно в логистике

Ошибка прогноза дорого стоит в обе стороны. Если спрос недооценён – возникает дефицит: пустые полки, сорванные заказы, срочные дорогие поставки. Если переоценён – склад забивается неликвидом, растут затраты на хранение, товар списывается по сроку годности.

• Управление запасами. Прогноз задаёт уровень страхового запаса и точку перезаказа.
• Закупки и производство. Определяет объёмы заказов поставщикам и загрузку линий.
• Транспорт и склад. Помогает заранее забронировать мощности под пиковые периоды.
• Финансы. Формирует основу бюджета продаж и планов по выручке.

Какие методы применяют

Качественные (экспертные)

Используются, когда истории мало или её нет: запуск нового товара, выход на новый рынок. Опираются на мнения экспертов, оценки менеджеров по продажам, опросы клиентов, метод Дельфи. Субъективны, но незаменимы там, где нет цифр.

Количественные (статистические)

Работают на массиве исторических данных. Основные группы:

• Модели временных рядов – скользящее среднее, экспоненциальное сглаживание, метод Хольта-Уинтерса, ARIMA. Раскладывают ряд на тренд, сезонность и остаток.
• Причинно-следственные модели – регрессия, где спрос объясняется внешними факторами: ценой, доходами, рекламой, погодой.
• Машинное обучение – градиентный бустинг, нейросети. Улавливают сложные нелинейные связи и работают сразу с тысячами товарных позиций.

Как оценивают качество прогноза

Прогноз всегда сравнивают с фактом и измеряют ошибку. Распространённые метрики:

Отдельно важно смещение: если прогноз постоянно занижен, запасов хронически не хватает, даже когда средняя ошибка выглядит небольшой.

Горизонт и детализация

Прогноз строят на разную глубину: краткосрочный (дни-недели) нужен для оперативного пополнения складов, среднесрочный (месяцы) – для закупок и бюджета, долгосрочный (годы) – для инвестиций в мощности. Чем детальнее уровень (конкретный товар в конкретной точке), тем выше случайный шум и ниже точность, поэтому часто прогнозируют по группам, а затем распределяют вниз.

Типичные сложности

Реальный спрос искажают акции, дефициты (когда фактические продажи ограничены наличием, а не спросом), разовые крупные заказы и внешние шоки. Поэтому в качественном прогнозировании историю продаж очищают до «истинного спроса» и отделяют регулярный спрос от единичных всплесков.

Практический пример

Ритейлер продаёт вентиляторы. По данным прошлых лет модель Хольта-Уинтерса показывает сезонный пик в июне-июле. Прогноз на июнь – 12 000 штук, поэтому отдел закупок заказывает партию с поставкой в мае и заранее бронирует место на региональном складе, чтобы не платить за срочную доставку в разгар жары.

Частые ошибки

• Прогнозируют по данным отгрузок, а не спроса: если в прошлом были дефициты, история занижена, и прогноз наследует эту ошибку.
• Гонятся за точностью на уровне отдельного SKU в конкретной точке, где спрос слишком зашумлён, вместо агрегированного прогноза.
• Смотрят только на среднюю ошибку (MAPE) и игнорируют смещение (bias) – систематический перекос вверх или вниз.
• Считают разовый крупный заказ частью регулярного спроса и раздувают прогноз на будущие периоды.
• Путают прогноз (что рынок закажет) с планом продаж (сколько компания хочет продать) и подставляют желаемое вместо расчётного.