zisky:
- Schopnosť vytvoriť návrh prognózy dopytu na základe SKU s podporou umelej inteligencie kombináciou historických údajov o predaji, sezónnych vplyvov a externých faktorov.
- Schopnosť interpretovať presnosť prognózy (MAPE, zaujatosť) a rozlišovať obchodné dôsledky nadhodnotenia a podhodnotenia
- Byť schopný udržať, že predpoveď vytvorená umelou inteligenciou je predpoveďou a konečné rozhodnutie o objednávke patrí manažérovi spolu s nákladmi na sklad a cash flow.
V maloobchode sú dve najdrahšie chyby: držať príliš veľa zásob a nechať peniaze miznúť na polici, alebo nedržať dostatok zásob a nechať zákazníka s prázdnymi rukami. Obe majú rovnaký zdroj: zlé predpovedanie dopytu. V tomto diele sa naučíte používať umelú inteligenciu ako výkonného pomocníka, ktorý predpovedá budúcnosť z minulých predajov. Ale povedzme si od začiatku: predpoveď nie je proroctvo, ale pravdepodobnostná predpoveď. AI vám dá číslo; Vašou úlohou je previesť toto číslo na rozhodnutie o objednávke.
Prognóza dopytu: Úlohou je predpovedať, koľko produktu alebo kategórie sa bude v budúcnosti predávať, a to na základe historických údajov a ovplyvňujúcich faktorov.
SKU (Stock Keeping Unit): Je to jedinečný skladový kód uchovávaný pre každý rozdielny produkt-variant. Napríklad „červené tenisky veľkosti 42“ je SKU; číslo 43 rovnakého modelu je samostatná SKU.
Tri zdroje informácií, ktoré napĺňajú predpoveď
Dobrá predpoveď spája tri veci:
- Historický predaj (základ): Týždenný/mesačný predaj produktu za posledných 12-24 mesiacov. AI z tejto série extrahuje „normálnu“ úroveň.
- Sezónne a kalendárne vplyvy: Prázdniny, školský semester, leto-zima, víkend, výplata. Napríklad v lete pribúda zmrzliny a v zime ponožiek.
- Vonkajšie faktory: Kampaň, zmena ceny, počasie, pohyb konkurenta, otvorenie/zatvorenie. Tie posúvajú odhad nahor alebo nadol.
Tip: Nehovorte len AI „minulý mesiac sme predali 100“. Povedzte: „Minulý mesiac sme predali 100 kusov, ale bola tam zľava 20 % a bol prázdninový týždeň.“ Bez kontextu je predpoveď zavádzajúca.
Generovanie predpovedí krok za krokom
- Pripravte si údaje: Anonymnú, čistú tabuľku: dátum, SKU, predané množstvo, cena, akcia/žiadna akcia, dostupnosť. Označte dni vypredania zásob; V opačnom prípade si umelá inteligencia bude myslieť, že deň je „nízky dopyt“.
- Uveďte kontext: Zapíšte si sezónu, nadchádzajúce udalosti, plánované kampane.
- Vyžiadanie prognózy: Vyžiadanie prognózy a intervalu spoľahlivosti (najhorší/najlepší scenár) pre konkrétne obdobie podľa SKU alebo kategórie.
- Meranie presnosti: Porovnajte svoje minulé predpovede so skutočnosťou (MAPE nižšie).
- Premeňte to na rozhodnutie: Skombinujte odhad s bezpečnostnými zásobami a rozpočtom a urobte rozhodnutie o objednávke.
Presnosť predpovede čítania: MAPE a zaujatosť
MAPE (priemerná absolútna percentuálna chyba): Zobrazuje priemernú percentuálnu odchýlku prognóz od skutočného predaja. Vzorec je jednoduchý: |skutočná − predpoveď| za každé obdobie / real je ich priemer.
- MAPE 10% → odhady sa v priemere líšia o 10%, celkom dobré.
- MAPE 40% → predpovede sú nespoľahlivé, pri rozhodovaní o objednávke je potrebná väčšia rezerva (bezpečnostná zásoba).
Smer (zaujatosť): Je vaša predpoveď neustále nad (riziko preplnenia zásob) alebo pod (riziko vypredania zásob) realitou? Sledujte aj toto; MAPE neukazuje smer.
Stav
Význam
obchodný výsledok
Trvalý vysoký odhad
Preháňate dopyt
Nadmerné zásoby, krach, strata marže
Trvalé podceňovanie
Podceňujete dopyt
Vypredané, zmeškané predaje, nespokojnosť
Vysoký MAPE, vyvážený smer
Neistota je vysoká
Zvýšte bezpečnostné zásoby, často kontrolujte
Nízka MAPE
presná predpoveď
Štíhlejšie akcie, lepšia hotovosť
mini prípady
Prípad 1 – Chýbajúca sezónnosť: Obchod s potravinami si objednáva školské zošity na základe minuloročného júlového predaja (200 kusov za mesiac). Keď sa umelá inteligencia dostane do kontextu „školský semester august – september, predaj sa v tomto období minulého roka zoštvornásobil“, predikcia sa zvýši na 780 jednotiek namiesto 200. Vďaka správnemu poradiu sa vám počas školského roka neminú zásoby; Odhadovaný obrat 60 000 TL, ktorý unikol minulý rok, sa tento rok chytá.
Prípad 2 — Nepočítajúc deň vypredania zásob: Obchod bol vypredaný na 3 týždne obľúbenej kávy. Pri pohľade na nespracované údaje umelá inteligencia vidí tieto týždne ako „5 predajov za týždeň“ a poskytuje nízky odhad. Keď analytik označí dni bez zásob a povie „tieto týždne neodrážajú dopyt“, prognóza sa zvýši na 45 za týždeň. Objaví sa skutočný dopyt.
Prípad 3 — Zovšeobecnenie efektu kampane: Textilný reťazec považuje týždenný výpredaj s 50 % zľavou (600 kusov) za „normálny“ a neustále si ich objednáva 600. Keď sa umelej inteligencii povie „tento predaj sa uskutočnil s jednorazovou kampaňou, bežný týždeň je 180“, predpoveď sa opraví. Zabráni sa riziku preplnenia zásob a následnej strate z ceny.
Horizont predpovede: ako ďaleko dopredu vidíte?
Horizont prognózy: Ako ďaleko do budúcnosti sa prognóza robí. Pravidlo je jednoduché: čím dlhší horizont, tým väčšia neistota. Predaje na budúci týždeň predpovedáte pomerne presne; o šesť mesiacov neskôr s oveľa širším rozsahom. Vyberte si teda horizont prognózy podľa potreby rozhodnutia o objednávke: krátky horizont a častá aktualizácia čerstvého produktu, ktorý sa rýchlo míňa; Dlhší horizont a väčšia miera bezpečnosti pre dovážaný produkt s dlhými dodacími lehotami.
Ďalším dôležitým rozdielom je prognóza nových produktov. Neexistuje žiadny predchádzajúci predaj nového SKU; v tomto prípade poskytnete AI históriu podobných produktov (analógové), priemer kategórie a plán spustenia. Povedať „Tento produkt nemá žiadnu históriu; uveďte počiatočný odhad na základe prvých 8 týždňov podobných produktov X a Y“ je rozumný spôsob, ako vyplniť prázdne miesto. Predpovedanie nových produktov je však vždy riskantnejšie; Rýchlo upravte prognózu, keď budú k dispozícii skutočné údaje za prvé týždne.
Pozor: Nepovažujte odhad za liečbu „urob to raz a zabudni na to“. Predpovedanie dopytu je živý proces; Každý nový týždeň predaja je príležitosťou na aktualizáciu prognózy. Najlepší prognostici sú tí, ktorí používajú ten, ktorý sa aktualizuje najčastejšie, nie najinteligentnejší model.
Slabá výzva / Silná výzva
Slabá výzva:
Povedzte mi, za koľko sa tento produkt predá budúci mesiac.
Neexistuje žiadny kontext; AI tvorí náhodné číslo.
Výkonná výzva:
Vaša úloha: špecialista na plánovanie dopytu. Údaje: Nižšie sú uvedené mesačné predajné množstvo a cena za posledných 18 mesiacov pre SKU 4471 a či v danom mesiaci prebieha kampaň. Kontext: Tento produkt sú letné sandále; Dopyt vrcholí v máji až auguste. Ďalší mesiac je jún. Nie je naplánovaná žiadna kampaň. Cena je pevná.Úloha: (1) očakávané predajné množstvo za jún, (2) rozsah najhoršieho a najlepšieho scenára, (3) 2 hlavné faktory ovplyvňujúce prognózu.Pravidlo: Nepočítajte mesiace označené ako vypredané ako nízky dopyt.Len na základe daných údajov.Údaje: [prilepte tabuľku]
Kopírovateľné šablóny výziev
1) Predikcia založená na SKU
Vaša úloha: špecialista na plánovanie dopytu. Generujte budúcu prognózu [period] pre [SKU] z nasledujúcich anonymných mesačných sérií predajov. Výstup: očakávané množstvo + najhorší/najlepší rozsah + 2 predpoklady. Vylúčiť obdobia označené vypredané. Údaje: [prilepiť]
2) Odstránenie sezónneho vzoru
Nájdite opakujúci sa sezónny model v 24-mesačnej sérii predajov nižšie. Ktoré mesiace sú najvyššie a ktoré sú najnižšie? Uveďte odchýlku od priemeru v percentách. Prezentujte ho vo forme tabuľky. Údaje: [prilepiť]
3) Hodnotenie presnosti predpovede
Nižšie sú moje historické odhady a skutočné tržby. (1) Vypočítajte MAPE, (2) je moja predpoveď neustále unášaná vyššie alebo nižšie, (3) čo to znamená pre populáciu? Zobraziť krok za krokom.Údaje: [odhad, skutočné stĺpce]
4) Extrahujte vplyv kampane
Týždne kampane sú označené v sérii predajov nižšie. Odhadnite normálny (mimo kampaň) dopyt; Uveďte účinok kampane ako samostatné percento nárastu. Chcem teda vidieť normálnu úroveň objednávky. Údaje: [prilepiť]
Časté chyby
- Neuvádzanie kontextu: Ak nie je špecifikovaná kampaň, sezóna, zmena ceny, predpoveď bude zavádzajúca.
- Či počítať dni vypredania zásob ako dopyt: Obdobie vypredania zásob skrýva skutočný dopyt; značka.
- Akceptovanie propagačných predajov ako normálne: Myslenie si, že jednorazové zvýšenie je trvalé, povedie k prebytku zásob.
- Spoliehanie sa na jedno číslo: Nechcenie rozsahu (scenár) a spoliehanie sa na jeden bod skrýva riziko.
- Vôbec nepresnosť merania: Ak MAPE a smer nie sú monitorované, predpoveď sa zhoršuje a zhoršuje.
- Vytváranie priamych objednávok s odhadmi: Objednávanie bez hotovosti, skladu a kontroly skladovateľnosti.
V súhrne
Dobrá prognóza kombinuje minulé tržby, sezónnosť a externé faktory. Nezabudnite uviesť kontext AI (kampaň, sezóna, dni vypredania zásob). Monitorujte presnosť predpovede pomocou MAPE a smeru odchýlky; Zvýšte bezpečnostnú zásobu pri vysokej neistote. Predpoveď je predpoveď; Konečné rozhodnutie o objednávke je na vás, spolu s rozpočtom a obmedzeniami.
Aplikačná úloha
Získajte predaj svojich 5 najpredávanejších SKU za posledných 12-18 mesiacov v anonymnej tabuľke a označte obdobia vypredania zásob a kampane. Vytvorte budúcu prognózu pomocou výzvy „1) Prognóza založená na SKU“ a potom extrahujte MAPE svojich minulých prognóz pomocou „3) Vyhodnotenie presnosti prognóz“. Porovnajte výsledok s vlastným rozhodnutím o objednávke.
kontrolný zoznam
- [ ] Anonymizoval som a vyčistil som údaje o predaji.
- [ ] Označil som obdobia vypredania zásob a kampane.
- [ ] Dal som AI kontext sezóny a vonkajšieho faktora.
- [ ] Chcel som rozsah scenára, nie jedno číslo.
- [ ] Skontroloval som MAPE a smer vybočenia.
- [ ] Rozhodol som sa o objednávke na základe rozpočtu a obmedzení.