Закупщик планирует декабрь и делает то же, что каждый месяц: берёт средние продажи за три последних месяца и добавляет 10 % на всякий случай. В сентябре это работало. В декабре обогреватели закончатся к десятому числу, а кофеварок на складе окажется на два месяца вперёд. Какой метод выбрать вместо привычного, когда хватит формулы в Excel и за что вы платите, когда заказываете модель?
Как прогнозировать спрос на товары
По истории продаж, в три шага. Сначала считают самый простой прогноз, он станет планкой для сравнения. Потом прогноз с учётом сезона. И только если оба ошибаются слишком сильно, строят модель, которая учитывает цены, акции и календарь. Каждый следующий способ оставляют, только если на прошлых продажах он ошибается меньше предыдущего.
До выбора метода стоит договориться, на какой срок и с какой детализацией нужен прогноз: на неделю по каждому магазину или на квартал по всему складу. Прогноз по дням и магазинам шумнее и требует других методов, чем месячный по складу.
Методы простыми словами
| Метод | Как считает | Когда подходит |
|---|---|---|
| Среднее | средние продажи за несколько последних месяцев | спрос ровный, без сезона и роста |
| «Как в прошлом месяце» | прогноз равен последнему известному значению | спрос медленно меняется, горизонт короткий |
| «Как год назад» | берёт тот же месяц прошлого года | у товара выраженный сезон |
| Сглаживание | среднее, где свежие месяцы весят больше старых, с поправкой на тренд и сезон | есть тренд или сезон, и нужен прогноз без ручных поправок |
| Модель машинного обучения | учится на продажах вместе с ценами, акциями, праздниками | позиций сотни и тысячи, спрос зависит от многих причин |
Первые три метода считаются в таблице за минуту и служат эталоном: всё, что сложнее, должно их обыгрывать. Сглаживание в Excel тоже есть, готовой функцией.
Пример: прогноз на декабрь четырьмя способами
Возьмём условный обогреватель. В прошлом году в ноябре его продали 240 штук, в декабре 400. В этом году в сентябре продали 120, в октябре 180, в ноябре 260. В декабре в итоге купят 440. Числа условные, подставьте свой товар.
| Способ | Прогноз на декабрь | Ошибка |
|---|---|---|
| Среднее за 3 последних месяца | 187 | −58 % |
| Как в прошлом месяце | 260 | −41 % |
| Как в прошлом декабре | 400 | −9 % |
| Прошлый декабрь с поправкой на рост ноября | 433 | −2 % |
Привычное среднее ошиблось сильнее всех и занизило декабрь больше чем вдвое, потому что смотрит назад, туда, где сезона ещё не было. В штуках это 253 обогревателя, которых не окажется на полке в самый сезон, и привычный запас в 10 % не спасает: с ним прогноз вырос бы до 206, меньше половины декабря. Самый большой шаг в точности дал учёт сезона, а он считается одной формулой. Модель понадобится для того, чего сезон не объясняет: акции, смены цены, сдвиги праздников.
На одном товаре и одном месяце это, конечно, ничего не доказывает. Поэтому способы сравнивают на всей истории: прячут последние месяцы, прогнозируют их каждым способом и смотрят, кто в среднем ошибся меньше.
Построим прогноз спроса на истории ваших продаж и покажем на прошлых месяцах, где он точнее нынешней таблицы, а где нет.
Когда модель правда помогает
Большую открытую проверку методов на продажах провели в 2020 году на соревновании M5. Участники прогнозировали продажи сети Walmart по 42 840 рядам. Из 5 507 команд меньше половины обошли прогноз «завтра продадим столько же, сколько сегодня», и лишь 7,5 % обошли лучший из простых методов, экспоненциальное сглаживание. Зато победитель оказался точнее этого метода на 22,4 %, и у большинства лидеров в основе был градиентный бустинг, модель, которая учится на продажах вместе с календарём и ценами.
Модель действительно даёт прибавку, когда позиций много, история длинная, а спрос зависит от цен, акций и праздников. Но обыграть простой метод удаётся немногим, и организаторы отдельно заметили, что многие участники отправили не лучший свой вариант, потому что проверяли его на неподходящих данных. Поэтому модель запускают, только если на прошлых периодах она обыгрывает простой прогноз по вашим товарам.
Если позиций два десятка и спрос у них ровный, сезонного прогноза в Excel обычно достаточно. Если позиций тысячи, складов несколько, а прогноз нужно обновлять каждую неделю, таблица перестаёт справляться раньше, чем метод.
Что делать с новыми и редкими товарами
У нового товара истории нет, и прогноз строят по похожим позициям: той же категории, цене и сезону. Первые недели продаж быстро уточняют эту оценку.
С товарами, которые продаются раз в две недели, другая беда. Среднее даёт прогноз вроде 0,4 штуки в день, и закупщику он ничего не говорит. Для такого спроса есть отдельные методы: они прогнозируют по отдельности размер покупки и промежуток между покупками.
Что ещё, кроме спроса, можно предсказывать на данных компании, мы разобрали в статье о предиктивной аналитике.
Вопросы о прогнозировании спроса
Прогноз продаж и прогноз спроса — одно и то же?
Почти, но с ловушкой. Продажи показывают спрос, только пока товар есть на полке. Если позиция кончилась в середине месяца, продажи упали до нуля, а спрос никуда не делся. Такие дни помечают или исключают, иначе модель решит, что товар перестал быть нужен.
Можно ли прогнозировать спрос в Excel?
Можно, если ассортимент небольшой. Функция ПРЕДСКАЗ.ETS строит прогноз с учётом сезона. Трудности начинаются, когда позиций сотни, складов несколько и прогноз нужно пересчитывать каждую неделю.
Как учесть акции?
Отметить в истории, когда и какая акция шла и по какой цене продавали товар. Без этих отметок модель примет всплеск от акции за обычный спрос и завысит прогноз на следующий месяц.
- Hyndman R. J., Athanasopoulos G. «Forecasting: Principles and Practice», 3-е изд., гл. 5, 8 и 13 — простые методы, экспоненциальное сглаживание, прогноз редкого спроса.
- Makridakis S., Spiliotis E., Assimakopoulos V. «M5 accuracy competition: Results, findings, and conclusions». International Journal of Forecasting, 2022, т. 38, № 4, с. 1346–1364.
- Microsoft. Функция ПРЕДСКАЗ.ETS — справка Excel.
Обновлено 28 сентября 2026 · Редакция Rule 90