Как правильно прогнозировать

В предыдущей статье мы рассмотрели сложный вопрос — методы оценки качества прогнозирования, однако для большинства руководителей насущной является и другая тема — на каком вообще языке говорить с бизнесом? Какие шаги предпринять, чтобы правильно составить прогноз? В статье ответим, как бизнесу грамотно выстраивать процесс прогнозирования.

Прогнозирование пошагово

Рассмотрим прогнозирование поэтапно — остановимся на каждом пункте и постараемся доступно объяснить, что это за этап и зачем он нужен.

Данный процесс начинается с необходимости в целом оценить прогнозируемость и определить, насколько возможно спрогнозировать вообще — насколько сложна задача, стоящая перед делом прогнозирования и планирования спроса.

1. Оценка ассортимента

Для этого, во-первых, обязательно оцените весь ваш ассортимент или другие единицы прогнозирования по двум признакам:

1. насколько продажи вариативны — определить разрывы между столбикам;
2. насколько продажи стабильны — определить интервалы между продажами.

Хотим сразу предостеречь вас от ложных предпосылок и ранних выводов. Так, может создаться впечатление, что гладкий спрос наиболее стабилен и, скорее всего, его проще всего прогнозировать. Это не всегда так, однако мы понимаем, что прерывистый спрос сложнее — там вариативность низкая. Самый сложный для прогнозирования — случайный спрос, чуть менее сложный — переменчивый спрос. Тем не менее, переменчивый спрос, в силу большого количества продаж, является сильно значимым для достижения результата.

2. Обобщение ошибок

Следующий важнейший аспект — обобщение ошибок разных товарных групп. Обратите внимание — это категорически неверный путь!

Товар товару — рознь:

• Новинка — товар с малообъемной историей продаж.
• Сезонный товар — может находиться перед сезоном, в середине сезона, в конце сезона или вообще вне сезон.
• Бестселлеры — имеют самое большое количество данных и обладают ярко выраженным видом спроса.
• Промо-товары и распродажи — товары, у которых значимость от других факторов довольно велика (например, от рекламной кампании).
• Ликвидационные товары — в основном, прошлогодние или сезонные товары.

Нельзя обобщать, надо учиться иллюстрировать ошибку по разным группам.

Один из инструментов, который позволяет более быстро и системно выполнить эту работу — это ABC-XYZ-анализ.

Данный анализ может выполняться как по выручке или штукам, так и по валовой прибыли. ABC-XYZ-анализ — эффективный инструмент приоритезации и взвешивания ошибок.

Очевидно, что на пересечении букв A и X или B и Z можно расставлять разные приоритеты и для ряда прогнозирования давать разные веса. В зависимости от критичности для бизнеса можно штрафовать систему под прогнозирование на разное число. Проще говоря, A-X должен прогнозироваться идеально — здесь и достаточно данных, и спрос стабилен, поэтому мы можем поставить побольше штраф. Наоборот, C-X или C-Z можно оценить меньше, с меньшим штрафом. Нужно учиться управлять взвешиванием. Поэтому возьмите за правило — регулярно выполнять группировку и разбиение ассортимента на группы перед процессом прогнозирования.

3. Внимание к деталям

Третий аспект, который зачастую упускается в бизнесе — внимание к деталям.

Здесь одним из самых главных инструментов для прогнозистов являются гистограммы. Спускайтесь на детальные уровни — стройте гистограммы и визуализируйте динамику и смещение ошибок.

Гистограммы — это график распределения. При его построении ожидается, что график должен иметь форму нормального распределения. На самом деле, так не бывает. Обычно бывает очень длинный «хвост», и в нем можно заметить экстремальные ошибки — в разы больше, чем прогноз, или существенно больше абсолютного значения. И нужно выяснять и определять природу всех экстремальных ошибок — как перепрогнозирование, так и недопрогнозирование. Возьмите себе за правило — разбираться регулярно в топ-10 ошибок.

В нашей практике часто бывает такое, что нужно быстро проверить, насколько корректно сделан прогноз и выявить, что не работает в системе. Мы берем топ-10 ошибок в перепрогнозировании, топ-10 ошибок в недопрогнозировании, — и анализируем их. Таким образом можно быстро выявить и построить график потенциала для улучшения прогноза.

4. Визуализация динамики

Визуализация помогает понять, насколько прогноз на одни и те же группы товаров или на один конкретный товар из раза в раз получается точнее, есть ли какое-то улучшение или нет. Также можно визуализировать среднюю ошибку для модуля, то есть средний знак ошибки. Если мы наблюдаем, что знак ошибки стабильно плюсовой или стабильно минусовой, значит, мы можем что-то подправить в моделях, чтобы знак ошибки был переменчивый и конвертировался вокруг нуля. Определенно, таким образом можно выявить потенциал для улучшения.

5. Структура спроса

Пятый ключевой этап в прогнозировании — понимание структуры спроса, то есть разделение спроса и прогноза на базовый и факторный:

1. базовый спрос — это спрос, который формируется, как есть, который учитывает в себе: тренд, сезон, цикличность;
2. факторный спрос — спрос, который формируется на основании множества других активностей (но не ограничивается только ими): промо-акции, рекламные кампании, активность конкурентов.

И в базовом спросе, и в факторном, начиная от подготовки исторических данных для прогнозирования и заканчивая построением прогнозных моделей, обязательно проводить анализ ошибок. Мы должны стремиться оценить ошибку на уровне базового спроса и на уровне факторного спроса — так мы составим более целостную картину.

6. Оценка улучшения прогноза

Следующее полезное упражнение, которое обязательно надо выполнять — на самом деле, наверное, самое эффективное и правильное — это Forecast Value Added (FVA) — оценка улучшения прогноза, то есть насколько наши усилия направлены на улучшение прогноза, какой от этого эффект и как это можно оценить.

Это возможно осуществить двумя способами:

1. улучшение прогноза по сравнению с «наивным» модельным прогнозом:

• факт прошлого периода (скользящее среднее) — обычно скользящая средняя бывает только для определенных групп ассортимента, давая эффект лучшего качества прогнозирования;
• факт предыдущего года (сезонность) — когда история продаж больше года, мы используем сезонность;
• факт равный нулю — для редких продаж можно, вместо прогноза, просто ставить ноль. Точнее ли наша модель спрогнозирует, чем прогноз, равный нулю? Это интересный вопрос, на который предстоит ответить.

2. улучшение прогноза по сравнению с другим модельным прогнозом:

• прогноз, сделанный в предыдущем периоде — осуществляют с помощью ретро-данных, исторических данных, которые мы периодически делаем;
• прогноз, сделанный человеком — выполняя этот анализ, надо ответить на следующие вопросы: где сводная ошибка ниже? в каком проценте случаев актуальный прогноз лучше? где разброс ошибок меньше?

Есть еще довольно сложная и редкая схема, с которой мало кто сталкивался — оценка качества прогноза при авто-прогнозировании. Здесь происходит выбор лучшей модели из тысяч по анализу качества прогнозов тестового периода. Мы рекомендуем следующий алгоритм:

• нахождение в допустимых границах — мы анализируем, не выходим ли мы за допустимые границы, потому такое бывает часто при упрощении;
• соответствие направлению тренда — в исторических данных мы видим, что есть восходящий тренд, а прогнозный тренд может быть нисходящим, главное — лучше понять угол наклона тренда;
• ранжирование по минимальной ошибке — происходит после отсеивания ненужных методов прогнозирования.

Таким образом, мы рассмотрели упрощенную схему — пошаговый алгоритм прогнозирования. Зачастую, бизнесу бывает сложно самостоятельно выполнить эту довольно-таки непростую задачу — нет необходимых компетенций и опыта, процесс занимает много времени или требует достаточно много вложений. Решением в таком случае является грамотный аутсорсинг с внедрением автоматизированных «умных» систем прогнозирования.

Выстраивание процесса прогнозирования

Математика — это, конечно, хорошо, там можно упражняться бесконечно, но кроме нее очень важным является сам процесс прогнозирования, то есть, как он выстроен. Не секрет, что во всех проектов по улучшению цепи поставок, очень важны три компонента: математика/процессы, люди/их компетенции и технологии.

Построение бизнес-процессов

Мы видим в качестве прогнозирования спроса некую регулярную активность, которая содержит в себе следующие задачи:

• в первую очередь, нужно формирование понимания спроса, его структуры и источники финансирования — почему у нас такие продажи и что на эти продажи повлияло;
• дальше мы проводим оценку достоверности и полноты информации, используемой для прогнозирования и еще раз проверяем все те допущения, которые мы использовали перед прогнозированием — совершились они или нет, была ли у нас вся информация или нет. Кроме того, на этом этапе можно и нужно прогнозировать влияние, подготовить данные и восстановить исходный спрос;
• затем необходимо рассчитать точность прогноза для различных сегментов и условий — по видам спроса, по товарным группам (новинкам, бестселлерам, промо-акциям и т. д.) — то есть ошибки нужно посчитать отдельно по всем ним.
• далее надо оценить, как повлияла наша ошибка прогноза на бизнес-результат. Бизнес-результатом называется то, что мы получили — хватило ли у нас запасов или мы столкнулись с тем, что наш запас был не востребован. То есть мы должны именно обосновать — сделать причинно-следственный анализ, почему мы получили такой запас, и какой вклад в запас или его дефицит внесло качество прогнозирования;
• затем мы можем сделать сравнительный анализ качества прогноза с прогнозами предыдущих периодов. Не секрет, что мы прогнозируем обычно на 3, 5,18 месяцев вперед, и мы можем сравнить — прогноз, сделанный на предыдущую итерацию хуже или лучше. Также мы можем оценить его по сравнению с «наивными» прогнозами;
• и последний этап — принятие решения по направлениям улучшения качества прогнозов. То есть, когда мы составили полную картину, мы принимаем решения.

Основной принцип всей этой работы направлен на то, чтобы не было такого, что «мусор» на входе — «мусор» на выходе. То есть, перед тем, как приступать к математике, считать сложными формулами ошибку, пытаться ее объяснить — нужно договориться о качественных входных данных.

Вклад людей

Вклад людей — важнейший аспект. Понятно, что довольно сложно оценить вклад каждого человека в отделе прогнозирования и планирования, точность каждого отдельного прогноза, так как прогнозов создается невероятное количество. Другое наблюдение, исходя из опыта, — если вы достигли определенного уровня качества, вам существенно проще его поддерживать, чем улучшать его дальше.

Поэтому мы рекомендуем следующее:

• хвалить значимость при улучшении качества — то есть, если мы видим, что качество в эти периоды улучшается — это повод похвалить ваших коллег;
• ругать надо не за низкую ошибку, которая может осуществляться, а за отсутствие понимания — по какой причине она случилась, потому что, если это понимание не наступит сейчас, то, скорее всего, следующий прогноз будет такой же некачественный;
• премировать надо не по итогам периода (года, квартала), как принято в большинстве компаний, а за бизнес-результат. Ожидание от специалистов, которые занимаются прогнозированием и прогнозированием спроса, должно заключаться в том, что они могут оцифровать и объяснить план. Собственно, за этот вклад их и надо премировать.

Технологии

Теперь самый популярный вопрос, который задают всем прогнозистам — какая у вас ошибка? Попробуем разобраться.

1. Определить, на каком уровне у вас ошибка?

• на уровне SKU либо товарной группы — определить иерархию, связанную не только с остатками, но и с продажами;
• на уровне точки продаж (конкретная касса или магазин) либо региона.

2. Определить тип спроса:

• анализируя ошибки, мы включаем туда новинки или нет?
• учитываем промо или нет? Бывает такое, что активно ведется промо-кампания, но данные по промо для прогнозирования не предоставляются либо их в компании вообще нет;
• также надо договориться, а что, если аут-оф-сток (OOS)? Считаем мы это ошибкой или нет? Об это нужно знать до прогнозирования.

3. Определить период:

• прогноз по-дневный, по-недельный, по-месячный? Это необходимо, чтобы посмотреть на следующий период — насколько эта ошибка актуальна;
• горизонт прогноза — для некоторых компаний срок производства — полгода, значит, надо смотреть эффект через полгода.

4. Определить время, прошедшее со старта эксплуатации:

• этот аспект больше касается не пилотных проектов, а проектов, которые уже отвечают, какого качества они добились. На самом деле, реальные результаты, на которые можно ссылаться, с которыми можно идти на конференцию и хвастаться, достигаются в течение года. Необходимо поработать на варианте — те методы, которые вы вкладываете в прогнозирование спроса, дадут накопительный эффект. В очередной раз, делая разбор факторов, которые повлияли на спрос, вы увидите, что они вам знакомы. что вы их же закладывали в прогноз. Таким образом, происходит некое итерационное улучшение. Поэтому, чем детальнее, сложнее и дальше — тем ниже точность. Чем больше опыта — тем эта точность выше.

Почему эта тематика важна для нас и при чем тут технологии?

Команда Reshape Analytics обладает широким спектром компетенций:

• Мы проводим стратегический data-driven аудит эффективности текущей системы управления цепочкой поставок и выработка рекомендаций по ее улучшению.
• Производим анализ качества управления запасами и прогнозирование целевой эффективности внедрения аналитических решений.
• Помогаем разработать и согласовать техническое задание на внедрение систем прогнозирования и планирования.
• Разрабатываем технологические решения для упрощения интеграции с системами прогнозирования и планирования.
• Внедряем системы прогнозирования и планирования цепей поставок.

Мы можем помочь Вам разобраться во всех этих хитросплетениях и добиться максимально качественных данных для прогнозирования с помощью аналитических платформ и решений: Loginom, NOVO BI, Optimacros, Alteryx, AnyLogistix и другие.

Оставьте заявку на бесплатную консультацию, и наши специалисты помогут Вам подобрать оптимальное решение для ваших задач.