Блог Reshape Analytics
Управление запасами Консалтинг

Главный секрет успешного прогноза (про который часто забывают)

Главный секрет успешного прогноза (про который часто забывают)

На прошедшей 19−21 сентября 2023 года выставке CeMAT мы предлагали посетителям нашего стенда попробовать свои силы в прогнозировании. Нужно было на основании предложенных данных о факте спроса за двенадцать месяцев, дать его оценку на следующие шесть. Участник с наименьшей ошибкой прогноза получал лавры победителя, призы, а также восхищенное удивление от всех остальных, с главным посылом: как же ему (а точнее, ей — все три наши победительницы оказались девушками) это удалось?

Смеем предположить, что победа нашим победительницам досталась потому, что они помнили про главный секрет успешного прогноза, и применили его на практике!

Если открыть любой учебник по прогнозированию, то основное внимание в нем будет уделено математическим методам, с помощью которых можно преобразовать знание о прошлом в более или менее верные оценки будущего. Чем углубленнее учебник, тем сложнее математика, и тем более высокую точность предсказания дают модели, а также тем больше вычислительных мощностей требуется для их обработки. Однако у наших участников не было возможности загрузить статистику, например, в Loginom Demand Planning или Loginom Planiqum Suite, они могли полагаться только на свой мозг и, иногда, калькулятор. И этого действительно может оказаться достаточно для построения хорошего прогноза.

Дело в том, что мы строим картину будущего, отталкиваясь от того, как вёл себя спрос в прошлом. Вся история вселенной убеждает нас, что в большинстве случаев явления и события развиваются последовательно и эволюционно. Если не брать в расчет ситуации «чёрных лебедей», то скорее всего, при прочих равных факторах, ваши покупатели вряд ли внезапно захотят купить на порядок больше или на порядок меньше вашего продукта, чем в прошлом месяце или прошлом году. И даже если сейчас вы продаёте в 5 раз больше, чем два года назад, вряд ли этот рост произошел скачкообразно. Вы видели зачатки этого роста и в прошлогодних, и в позапрошлогодних продажах.

На этом простом предположении строятся все модели прогноза, начиная с самых простых.


  • Наивное прогнозирование предполагает, что будущее вообще будет полностью повторять прошлое. Берем статистику за год, копируем её в следующий год — и прогноз готов! При всей его наивности не стоит совсем сбрасывать этот метод со счетов. Если однажды вам повезет работать на очень стабильных рынках с мало изменчивым спросом, он может сэкономить вам кучу времени и ресурсов на планирование. Где вот только взять эти стабильные рынки в наше время…

  • Прогнозирование с помощью метода скользящей средней пытается учесть сгладить в прогнозе случайные выбросы статистики и привести их к среднему значению за какое-то количество периодов.

  • Взвешенная скользящая средняя при этом учитывает, что вес периода далеко в прошлом должен иметь меньше влияния на средний спрос, чем вчерашний день, например.

  • Коэффициенты сезонности разбивают наше представление о будущих продажах как о чём-то стабильном, и вводят в него понятие цикличности спадов и подъемов вокруг среднего значения спроса.

  • Многофакторные модели прогнозирования опираются на учет влияния нескольких факторов одновременно, причем каждый из факторов имеет свой вес, и динамика изменения каждого фактора может быть, в свою очередь спрогнозирована отдельно. И это мы перечислили только самые простые и доступные для вычисления на бумаге или в уме способы, которые известны всем, кто хотя бы однажды интересовался предсказанием будущего.

Так почему, если методы прогнозирования и формулы расчета прогнозов известны всем, результаты их применения могут существенно различаться? Почему вообще этих методов и формул так много? Может быть, есть какой-то секретный САМЫЙ ТОЧНЫЙ метод, который был известен нашим победительницам?

В целом, и да, и нет. Нет, одного единственного САМОГО ТОЧНОГО метода прогнозирования не существует. И да, для каждого временного ряда существует своя собственная САМАЯ ТОЧНАЯ формула прогноза.

Дело в том, что мало знать про методы, и про то, что будущее берёт своё начало в прошлом. Необходимо видеть общее направление развития спроса, а также схожие повторяющиеся части в его статистике. Или, другими словами, видеть его тренд — восходящий, нисходящий или постоянный, и паттерн или сезонность.

Если верно понять две этих характеристики, вычисление более или менее точного прогноза становится делом техники — и, немного — случайности. Впрочем, даже случайные колебания не повлияют существенно на точность прогноза при правильно определенном тренде. И наоборот, самые сложные модели, приложенные к данным, тренд которых выявлен неверно, дадут очень тщательный рассчитанный, сложно вычисляемый и абсолютно неверный результат.

Примеры ниже наглядно это демонстрируют.

Посмотрите на динамику спроса на товары на Рис.1. Какой из них имеет более сложный для предсказания спрос?
Reshape Analytics. Статистика спроса по двум товарам. Что сложнее: хаос или порядок?

Рис. 1. Статистика спроса по двум товарам. Что сложнее: хаос или порядок?


Возможно, это BBQ-2, ведь спрос на него более волатилен, имеет более частые пики и спады, в которых не видно какой-то системы. В отличие от него, у PPX-1 явно наблюдается цикличность спроса на растущем тренде. Вероятно, модель прогноза, которая точно предскажет спрос на BBQ-2, будет более сложной и продвинутой, чем модель прогноза для PPX-1. Возможно, более сложная и продвинутая модель должна дать нам более точный результат прогноза во всех случаях?

Давайте проверим и посмотрим на Рис. 2 несколько вариантов прогноза, рассчитанных для BBQ-2.
Reshape Analytics. Для BBQ-2 наиболее точной моделью оказывается простая средняя

Рис. 2. Для BBQ-2 наиболее точной моделью оказывается простая средняя


На удивление оказывается, что прогноз по простой средней даёт самые лучшие результаты. Самая простая модель оказалась самой надежной! Может быть, вот она, волшебная таблетка прогнозирования? Давайте применим её к PPX-1, ведь если простая средняя смогла предсказать бессистемные колебания BBQ-2, то она точно не повредит прогнозу более упорядоченного спроса.
Reshape Analytics. А вот для PPX-1 простая средняя уже не работает…

Рис. 3. А вот для PPX-1 простая средняя уже не работает…


Но увы… Как демонстрирует Рис.3, простая средняя совсем не подходит для PPX-1. Даже наивный прогноз оказывается точнее. А самый лучший результат дает модель, учитывающая восходящий тренд и сезонность каждые 4 месяца. Получается, что эта модель лучше? Может быть, если мы применим ее к BBQ-2, она даст нам ещё более точный прогноз, чем простая средняя?

К сожалению, и это предположение не сработало… Простая средняя по-прежнему вне конкуренции для BBQ-2, а расчёты восходящего тренда с сезонностью, которые так хорошо себя зарекомендовали для PPX-1, оказываются в самом конце списка.
Reshape Analytics. Восходящий тренд с сезонностью совсем не подходит для BBQ-2

Рис. 4. Восходящий тренд с сезонностью совсем не подходит для BBQ-2


Что же, получается, что наши победительницы не держат в памяти какую-то секретную формулу лучшего прогноза. И при желании, их результат могут повторить все. Потому что для успеха в прогнозировании требуется совсем чуть-чуть: всего лишь различать сходства и различия в динамике продаж, а затем подбирать тот самый, идеально подходящий ключик. Который может оказаться очень простым, но от этого не менее ценным.


P. S. Если не хотите заниматься выявлением трендов и подбором формул самостоятельно, системы Loginom Planiqum Suite и Reshape Planning Cloud могут автоматически подобрать для вас одну из более чем 100 моделей прогнозирования под каждый продукт. Освободите свой мозг для еще более интересных и творческих задач! Подробности про наши аналитические решения ищите на нашем сайте.