Прогнозирование спроса и управление запасами в ритейле

Дефицит и излишки — две стороны одной ошибки прогноза. Пустая полка по ходовой позиции теряет продажи и лояльность, а излишек замораживает оборотные средства и заканчивается списаниями, особенно в свежих категориях. Закупщики прогнозируют «по прошлому году с поправкой», и на тысячах SKU в сотнях магазинов эта система не выдерживает.

Акции ломают статистику: продажи в промо в разы выше базовых, а после акции проваливаются. Календарные эффекты, погода, каннибализация между товарами и локальные события учитываются по наитию.

Модули прогнозирования в ERP работают с простыми средними и не позволяют быстро проверить гипотезу или добавить новый источник данных.

Решение — прогнозная платформа на данных сети, которая ежедневно пересчитывает спрос на уровне «товар — магазин — день» и передаёт результат в систему автозаказа.

• Иерархические модели: градиентный бустинг и нейросети для временных рядов с признаками акций, цен, погоды, календаря, остатков конкурентов.
• Отдельные модели для новинок и редкопродаваемых позиций на основе аналогов.
• Прогноз с интервалами неопределённости, чтобы страховой запас считался по риску, а не по фиксированному проценту.
• Оптимизация заказа с учётом кратности упаковки, сроков годности и ёмкости полки.

Модели проверяются на исторических данных против текущего метода, затем запускаются на пилотных категориях.

Какие данные нужны

• Продажи и остатки по магазинам за 2–3 года
• Календарь акций и ценовая история
• Поставки, сроки годности, погода