Pelnas:
- Galimybė parengti paklausos prognozės projektą SKU pagrindu su dirbtinio intelekto palaikymu, derinant istorinius pardavimo duomenis, sezoninius efektus ir išorinius veiksnius.
- Gebėjimas interpretuoti prognozės tikslumą (MAPE, šališkumas) ir atskirti pervertinimo ir nepakankamo įvertinimo pasekmes verslui
- Galimybė teigti, kad dirbtinio intelekto sukurta prognozė yra prognozė ir galutinis užsakymo sprendimas priklauso vadovui kartu su atsargų kaina ir pinigų srautais.
Mažmeninėje prekyboje yra dvi brangiausios klaidos: laikyti per daug atsargų ir leisti pinigams gulėti lentynoje arba nelaikyti pakankamai atsargų ir palikti pirkėją tuščiomis rankomis. Abu turi tą patį šaltinį: blogos paklausos prognozavimą. Šiame skyriuje išmoksite naudoti dirbtinį intelektą kaip galingą asistentą, nuspėjantį ateitį iš ankstesnių pardavimų. Bet sakykime nuo pat pradžių: spėjimas yra ne pranašystė, o tikimybinė prognozė. AI suteikia jums skaičių; Jūsų darbas paversti šį skaičių užsakymo sprendimu.
Paklausos prognozavimas: tai užduotis numatyti, kiek produkto ar kategorijos bus parduota ateityje, atsižvelgiant į istorinius duomenis ir įtakos veiksnius.
SKU (atsargų saugojimo vienetas): tai unikalus kiekvieno skirtingo produkto varianto atsargų kodas. Pavyzdžiui, „raudoni, 42 dydžio sportbačiai“ yra SKU; to paties modelio numeris 43 yra atskiras SKU.
Trys informacijos šaltiniai, teikiantys prognozę
Gerą prognozę sudaro trys dalykai:
- Istoriniai pardavimai (bazinis): produkto pardavimas kas savaitę/mėnesį per pastaruosius 12–24 mėnesius. AI iš šios serijos išskiria „normalų“ lygį.
- Sezoniniai ir kalendoriniai efektai: atostogos, mokslo metai, vasara-žiema, savaitgalis, atlyginimo diena. Pavyzdžiui, vasarą padaugėja ledų, o žiemą – kojinių.
- Išoriniai veiksniai: kampanija, kainų pokytis, oras, konkurentų judėjimas, atidarymas/uždarymas. Tai padidina arba sumažina sąmatą.
Patarimas: nesakyk AI „praėjusį mėnesį pardavėme 100“. Pasakykite: „Praėjusį mėnesį pardavėme 100, bet buvo 20 % nuolaida ir tai buvo atostogų savaitė“. Be konteksto prognozės yra klaidinančios.
Žingsnis po žingsnio prognozių generavimas
- Paruoškite duomenis: Anoniminė, švari lentelė: data, SKU, parduotas kiekis, kaina, akcija / be akcijos, prieinamumas. Pažymėkite dienas, kai išparduota; Priešingu atveju dirbtinis intelektas manys, kad tą dieną „maža paklausa“.
- Pateikite kontekstą: užsirašykite sezoną, būsimus įvykius, planuojamas kampanijas.
- Pateikite užklausą dėl prognozės: pateikite prognozės ir pasikliautinojo intervalo (blogiausio / geriausio scenarijaus) užklausą konkrečiam laikotarpiui pagal SKU arba kategoriją.
- Išmatuokite tikslumą: palyginkite savo praeities prognozes su realybe (žemiau pateikta MAPE).
- Paverskite tai sprendimu: sujunkite sąmatą su saugos atsargomis ir biudžetu ir priimkite sprendimą dėl užsakymo.
Nuskaitymo prognozės tikslumas: MAPE ir šališkumas
MAPE (Mean Absolute Percent Error): rodo vidutinį procentinį prognozių nuokrypį nuo faktinių pardavimų. Formulė yra paprasta: |faktinis − prognozė| kiekvienam laikotarpiui / realus yra jų vidurkis.
- MAPE 10% → įvertinimai nukrypsta vidutiniškai 10%, gana gerai.
- MAPE 40% → prognozės nepatikimos, reikia daugiau buferio (saugos atsargų) priimant sprendimą dėl užsakymo.
Kryptis (šališkumas): ar jūsų prognozė yra nuosekliai didesnė (perteklinių atsargų rizika) ar mažesnė (prisikrauti atsargų rizika)? Taip pat žiūrėkite tai; MAPE nerodo krypties.
Būsena
Reikšmė
verslo rezultatas
Nuolatinis aukštas įvertinimas
Jūs perdedate paklausą
Perteklinės atsargos, žlugimas, maržos praradimas
Nuolatinis nuvertinimas
Jūs neįvertinate paklausos
Išparduota, nepasitenkinimas
Aukštas MAPE, subalansuota kryptis
Neapibrėžtumas didelis
Padidinkite saugos atsargas, dažnai peržiūrėkite
Žemas MAPE
tiksli prognozė
Mažesnės atsargos, geresni pinigai
mini dėklai
1 atvejis – trūksta sezoniškumo: bakalėjos parduotuvė mokyklinius sąsiuvinius užsako pagal praėjusių metų liepos mėnesio pardavimą (200 vienetų per mėnesį). Dirbtiniam intelektui pateikiant kontekstą „rugpjūčio-rugsėjo mokslo semestras, pardavimai pernai šiuo laikotarpiu išaugo keturis kartus“, prognozė išauga iki 780 vienetų vietoj 200. Teisingo užsakymo dėka per mokslo metus nepritrūkstate atsargų; Šiemet gaudoma numatoma 60 000 Lt apyvarta, kuri ištrūko praėjusiais metais.
2 atvejis. Neskaičiuojant dienos, kai išparduota: parduotuvėje 3 savaites nebuvo populiarios kavos. Žvelgiant į neapdorotus duomenis, dirbtinis intelektas šias savaites laiko „5 pardavimais per savaitę“ ir pateikia žemą įvertinimą. Kai analitikas pažymi dienas be atsargų ir sako „šios savaitės neatspindi paklausos“, prognozė padidėja iki 45 per savaitę. Atsiranda reali paklausa.
3 atvejis – kampanijos efekto apibendrinimas: tekstilės tinklas 50% nuolaidos savaitės išpardavimą (600 vnt.) laiko „normaliu“ ir nuolat užsako 600. Kai dirbtiniam intelektui sakoma „šis išpardavimas buvo atliktas su vienkartine akcija, įprasta savaitė yra 180“, prognozė koreguojama. Užkertamas kelias atsargų pertekliaus ir vėlesnio sumažinimo praradimo rizikai.
Numatymo horizontas: kiek toli matote į priekį?
Prognozės horizontas: kiek toli į ateitį daroma prognozė. Taisyklė paprasta: kuo ilgesnis horizontas, tuo didesnis neapibrėžtumas. Gana tiksliai prognozuojate kitos savaitės pardavimus; po šešių mėnesių su daug platesniu asortimentu. Taigi pasirinkite prognozės horizontą pagal užsakymo sprendimo poreikį: trumpas horizontas ir dažnas šviežių produktų, kurie greitai baigiasi, atnaujinimas; Ilgesnis horizontas ir platesnė saugos riba importuojamam produktui su ilgu pristatymo laiku.
Kitas svarbus skirtumas yra naujų produktų prognozavimas. Naujas SKU anksčiau nebuvo parduotas; šiuo atveju AI pateikiate panašių produktų istoriją (analoginį), kategorijos vidurkį ir paleidimo planą. Patarimas „Šis produktas neturi istorijos; pateikite pradinį įvertinimą, žiūrėdami į pirmąsias 8 panašių produktų X ir Y savaites“ yra pagrįstas būdas užpildyti tuščią lauką. Tačiau naujų produktų prognozavimas visada yra rizikingesnis; Greitai pataisykite prognozę, kai bus prieinami faktiniai pirmųjų savaičių duomenys.
Atsargiai: nevertinkite sąmatos kaip „padaryk tai vieną kartą ir pamiršk“. Paklausos prognozavimas yra gyvas procesas; Kiekviena nauja pardavimo savaitė yra galimybė atnaujinti prognozes. Geriausi prognozuotojai yra tie, kurie naudoja tą, kuris atnaujinamas dažniausiai, o ne patį protingiausią modelį.
Silpnas raginimas / Stiprus raginimas
Silpnas raginimas:
Pasakykite man, kiek šis produktas bus parduotas kitą mėnesį.
Nėra konteksto; AI sudaro atsitiktinį skaičių.
Galingas raginimas:
Jūsų vaidmuo: paklausos planavimo specialistas. Duomenys: toliau pateikiamas SKU 4471 mėnesio pardavimo kiekis ir kaina per pastaruosius 18 mėnesių ir ar tą mėnesį vykdoma kampanija. Kontekstas: Šis produktas yra vasariniai sandalai; Paklausos pikas gegužės-rugpjūčio mėn. Kitas mėnuo – birželis. Kampanija neplanuojama. Kaina fiksuota.Užduotis: (1) numatomas birželio mėnesio pardavimo kiekis, (2) blogiausias ir geriausias scenarijaus diapazonas, (3) 2 pagrindiniai veiksniai, turintys įtakos prognozei.Taisyklė: Neskaičiuokite mėnesių, pažymėtų kaip išparduota, kaip mažą paklausą.Remiantis tik pateiktais duomenimis.Duomenys: [įklijuoti lentelę]
Kopijuojami raginimo šablonai
1) SKU pagrįsta prognozė
Jūsų vaidmuo: paklausos planavimo specialistas. Sukurkite būsimą [period] prognozę [SKU] iš toliau pateiktų anoniminių mėnesinių pardavimo serijų. Rezultatas: numatomas kiekis + blogiausias/geriausias diapazonas + 2 prielaidos. Neįtraukti laikotarpių, pažymėtų, kad nėra sandėlyje. Duomenys: [įklijuoti]
2) Sezoninio modelio pašalinimas
Raskite pasikartojančius sezoninius modelius toliau pateiktoje 24 mėnesių pardavimo serijoje. Kurie mėnesiai yra aukščiausi, o kurie apatiniai? Nukrypimą nuo vidurkio nurodykite procentais. Pateikite jį lentelės forma. Duomenys: [įklijuoti]
3) Numatymo tikslumo įvertinimas
Žemiau pateikiami mano istoriniai įvertinimai ir faktiniai pardavimai. (1) Apskaičiuokite MAPE, (2) ar mano prognozė nuolat slenka aukštyn ar žemiau, (3) ką tai reiškia akcijoms? Rodyti žingsnis po žingsnio.Duomenys: [įvertinimas, faktiniai stulpeliai]
4) Išskleiskite kampanijos poveikį
Kampanijos savaitės pažymėtos žemiau esančioje pardavimo serijoje. Įvertinti normalią (ne kampanijos) paklausą; Nurodykite kampanijos efektą kaip atskirą populiarinimo procentą. Taigi noriu pamatyti įprastą užsakymo lygį. Duomenys: [įklijuoti]
Dažnos klaidos
- Konteksto nenurodymas: jei nenurodyta kampanija, sezonas, kainos pokytis, prognozė bus klaidinanti.
- Ar skaičiuoti dienas, kai nebeliko atsargų, kaip paklausą: Nebuvimo sandėlyje laikotarpis slepia realią paklausą; pažymėti.
- Reklaminių pardavimų priėmimas kaip įprasta: manydami, kad vienkartinis padidėjimas yra nuolatinis, atsiras atsargų perteklius.
- Pasikliauti vienu skaičiumi: nenorint diapazono (scenarijaus) ir pasikliauti vienu tašku, slepiama rizika.
- Visiškai nematuojamas tikslumas: jei MAPE ir kryptis nestebima, prognozė vis blogėja.
- Tiesioginių užsakymų su sąmatomis atlikimas: Užsakymas be grynųjų pinigų, sandėlio ir galiojimo laiko kontrolė.
Apibendrinant
Geras prognozavimas sujungia ankstesnius pardavimus, sezoniškumą ir išorinius veiksnius. Būtinai nurodykite AI kontekstą (kampanija, sezonas, dienos, kuriose nėra sandėlyje). Stebėti prognozės tikslumą su MAPE ir šališkumo kryptimi; Padidinkite saugos atsargas esant dideliam neapibrėžtumui. Numatymas yra numatymas; Galutinis užsakymo sprendimas kartu su biudžetu ir apribojimais priklauso jums.
Taikymo užduotis
Anoniminėje lentelėje sužinokite 5 geriausiai parduodamų SKU per pastaruosius 12–18 mėnesių pardavimus ir pažymėkite prekių išpirkimo ir kampanijos laikotarpius. Sugeneruokite ateities prognozę naudodami raginimą „1) SKU pagrįsta prognozė“, tada ištraukite ankstesnių prognozių MAPE naudodami „3) Prognozės tikslumo įvertinimas“. Palyginkite rezultatą su savo užsakymo sprendimu.
kontrolinis sąrašas
- [ ] Anonimizuojau ir išvaliau pardavimo duomenis.
- [ ] Pažymėjau prekių išpardavimo ir kampanijos laikotarpius.
- [ ] AI pateikiau sezoną ir išorinio faktoriaus kontekstą.
- [ ] Norėjau scenarijaus diapazono, o ne vieno skaičiaus.
- [ ] Patikrinau MAPE ir posūkio kryptį.
- [ ] Užsakymo sprendimą priėmiau atsižvelgdamas į biudžetą ir apribojimus.