Закупки на глаз → излишки и дефицит
Заказ считают по среднему за прошлый период. Итог — замороженный капитал в излишках по одним SKU и упущенные продажи из-за out-of-stock по другим.
StatGazer · прогнозирование спроса на заказ
DEMAND
Прогноз спроса под закупки и запасы — по SKU, категориям и регионам
Если закупки, запасы и производство планируются на глаз, бизнес платит дважды: за излишки на складе и за дефицит на полке. Собираем на заказ модель прогноза спроса под ваши решения о закупках — с учётом сезонности, цены и промо, с честными метриками качества и передачей команде.
- Ритейл · e-commerce · FMCG · дистрибуция · производство
- Прогноз по SKU, категориям, регионам и каналам
- Скользящее среднее → SARIMA/ETS → LightGBM/CatBoost
- Модель, код и метрики качества — в собственность
Работаем с клиентами из России: оплата в рублях, договор и закрывающие документы
1–2 раб. дня
на ответ с планом, составом данных и горизонтом прогноза после короткого описания
5–10 раб. дней
спринт до рабочей модели прогноза спроса с метриками и дашбордом
Модель · Код · Метрики
состав поставки: прогноз, признаки и оценка качества на отложенной выборке
Передача
код, признаки и правила пересчёта остаются у вашей команды
Ответ
1–2 раб. дня
на план работ, состав данных и горизонт прогноза после короткого описания ассортимента.
Спринт
5–10 раб. дней
от истории продаж до рабочей модели прогноза спроса с метриками и дашбордом.
Поставка
Модель · Код · Метрики
прогноз, признаки и оценка качества на отложенной выборке — с передачей команде.
Когда нужен прогноз спроса
Сигналы, что планировать спрос на глаз уже дорого
Прогноз спроса нужен не ради графика, а ради решения: сколько закупить, сколько произвести, что держать на складе и когда. Обычно за этим стоит одна из ситуаций ниже.
Сезонность ломает плоские планы
Спрос движется неделей, праздниками и погодой, а план остаётся ровным. Пики и провалы видят постфактум — когда товара уже либо не хватает, либо слишком много.
Новые SKU без истории продаж
Под запуск нет данных, и закупку считают интуитивно. Нужен прогноз по аналогам и категориям с честным интервалом неопределённости, а не одна цифра.
Промо без оценки лифта
Скидки и акции запускают, но не отделяют эффект промо от базового спроса. В итоге непонятно, сколько закупать под акцию и не каннибализирует ли она продажи рядом.
Что мы прогнозируем
Спрос как функция ассортимента, времени и факторов
Прогноз строится на том уровне детализации, на котором принимаются решения о закупках, — и с теми факторами, которые этот спрос реально двигают.
По SKU и категориям
Прогноз продаж на уровне отдельных SKU и агрегатов по категориям — под закупку, пополнение и планирование производства.
По регионам и каналам
Разрез по точкам, складам, регионам и каналам продаж, чтобы распределять запас туда, где спрос действительно есть.
Влияние цены
Учёт цены и ценовой эластичности: как изменение цены меняет ожидаемый спрос в рамках наблюдаемого диапазона.
Эффект промо
Отделение базового спроса от промо-лифта, учёт календаря акций и эффекта каннибализации соседних позиций.
Сезонность и календарь
Недельная и годовая сезонность, праздники и нерабочие дни как явные признаки модели, а не как шум.
Горизонт планирования
Прогноз на горизонт, привязанный к сроку поставки и циклу пополнения: день, неделя, месяц — под ваш процесс закупок.
Методы прогнозирования спроса
От простого базлайна к ML — без хайпа, по данным
Метод подбирается под длину ряда, наличие сезонности и доступные признаки. Сложная модель имеет смысл только тогда, когда она честно обыгрывает простой базлайн на отложенной выборке.
Наивные методы и скользящее среднее
Наивный прогноз, скользящее среднее и экспоненциальное сглаживание. Дёшево, прозрачно и часто достаточно для медленных и стабильных позиций — плюс это честная точка отсчёта для оценки более сложных моделей.
- короткая история, мало признаков
- стабильный, слабо сезонный спрос
- обязательный базлайн для сравнения
SARIMA и ETS
Классические статистические модели для рядов с выраженным трендом и сезонностью. Дают интерпретируемый прогноз и интервалы, хорошо работают на уровне категории или агрегата с достаточной историей.
- выраженная недельная и годовая сезонность
- достаточная длина ряда
- нужны интервалы и интерпретируемость
Градиентный бустинг: LightGBM, CatBoost
Когда нужно прогнозировать широкий ассортимент с признаками цены, промо, остатков, лагов и календаря. Бустинг на табличных признаках хорошо ловит нелинейные зависимости и взаимодействия факторов — без обещаний «магии».
- много SKU и богатый набор признаков
- цена, промо, остатки, лаги, календарь
- нелинейные эффекты и взаимодействия
Когда какой метод
Не «всегда ML» и не «всегда ARIMA». Сравниваем кандидатов на единой отложенной выборке, смотрим на ошибку по сегментам спроса и выбираем модель, которая стабильно работает на ваших данных и которую команда сможет поддерживать.
- сравнение на отложенной выборке
- ошибка по сегментам, а не «в среднем»
- поддерживаемость важнее сложности
Иллюстративный сценарий
Как выглядит прогноз спроса на синтетических данных
Сценарий построен на типовой задаче и синтетических данных. Он показывает не отдельную метрику ради цифры, а то, что заказчик получает: модель, оценку качества и передачу команде.
Demand
Похожий открытый проект
Розница · прогноз спроса по SKU и регионам
Иллюстративный сценарий · Синтетические данные · Не клиентский кейс
WAPE 11.8% → 6.4%
Метрика качества прогноза на отложенной выборке: бустинг с признаками против скользящего среднего — иллюстративный вывод модели на синтетических данных. MAPE и WAPE здесь метрики ошибки, а не обещание результата.
Проблема: прогноз строился вручную, промо и сезонность учитывались непоследовательно, из-за чего росли out-of-stock и излишки.
Решение: собрали модель прогноза спроса с признаками цены, промо, остатков и календаря, сравнили её со скользящим средним на отложенной выборке и передали команде правила пересчёта.
Эффект в сценарии: более устойчивый прогноз по сегментам спроса, меньше ручной работы и единая цифра для закупок и финансов.
9 дней
Что получает заказчик
Не один прогноз, а рабочая модель с честной оценкой качества
Закупки получают цифру для решения, команда — поддерживаемый инструмент, а руководство — прозрачную оценку того, насколько прогнозу можно доверять.
Прогноз, на который можно опереться при закупке
- Прогноз спроса по SKU, категориям, регионам и каналам
- Учёт сезонности, цены и промо в явном виде
- Дашборд с прогнозом, фактом и отклонением
- Интервалы неопределённости вместо одной «точной» цифры
- Привязка к сроку поставки и циклу пополнения
Модель, код и честные метрики качества
- Исходный код модели и признаков — в собственности
- Метрики качества на отложенной выборке: MAPE, WAPE
- Ошибка по сегментам спроса, а не только «в среднем»
- Документация по признакам и правилам пересчёта
- Передача без зависимости от подрядчика
MAPE и WAPE здесь — метрики качества прогноза, а не обещание бизнес-результата. Значения зависят от данных, ассортимента и горизонта; конкретные ориентиры фиксируем на ваших данных, а не на сайте.
Процесс
Как проект идёт от истории продаж до передачи модели
Короткий и прозрачный процесс: на каждом шаге понятно, какие данные нужны, что мы делаем и какой результат вы получаете.
Бриф
Вы присылаете описание ассортимента, историю продаж и то, под какое решение о закупках нужен прогноз.
Диагностика данных
За 1–2 рабочих дня оцениваем пригодность данных, выбираем горизонт, метрику качества и набор кандидатов-методов.
Признаки и модель
Собираем признаки цены, промо, остатков и календаря, обучаем модель и сравниваем с базлайном на отложенной выборке.
Дашборд и метрики
Упаковываем прогноз в дашборд с фактом и отклонением, фиксируем MAPE и WAPE по сегментам спроса.
Передача
Передаём код, признаки, метрики и правила пересчёта команде закупок и аналитики.
Если данные сырые или разрозненные, стартуем с диагностики и собираем минимальную рабочую модель прогноза, которую уже можно использовать.
Стоимость и сроки
Форматы работы под прогноз спроса
Можно начать с диагностики данных, а можно сразу собрать модель прогноза спроса с дашбордом и передачей. Цены и сроки фиксируются до старта.
Диагностика
Диагностика данных и постановка
от 50 000 ₽
- Проверка пригодности данных под прогноз спроса
- Выбор горизонта, метрики качества и методов
- План проекта и базлайн для сравнения
Основной формат
Модель прогноза спроса
Модель + метрики + дашборд
от 120 000 ₽
- Модель прогноза по SKU с признаками цены, промо и сезона
- Оценка качества на отложенной выборке (MAPE, WAPE)
- Дашборд, код и передача команде
Полный цикл
Прогноз + сценарии + внедрение
от 180 000 ₽
- Прогноз спроса, сценарии и связка с запасами
- Воспроизводимый процесс пересчёта и обновления
- Внедрение, документация и поддержка после передачи
Если часть аналитики спроса уже есть, считаем только недостающий слой — не продаём лишний объём.
Техническая проверка и консалтинг; не аудит в значении 307-ФЗ.
Смежные направления
Куда идти дальше
Прогноз спроса часто живёт рядом с финмоделью и проверкой моделей. Если задача шире чистого прогноза, есть смежные направления.
Бизнес-аналитика и юнит-экономика
Если кроме прогноза нужны юнит-экономика, денежный поток и сценарии «что если» на уровне всего бизнеса — это отдельное направление: финансовая модель и юнит-экономика.
Валидация готовой модели
Если у вас уже есть своя или вендорская модель прогноза и нужно независимое мнение перед запуском — это независимая валидация моделей: проверяем данные, спецификацию, код и границы применимости.
Методы прогнозирования спроса
Подробный разбор методов — от наивных моделей и SARIMA до градиентного бустинга, метрик качества и типичных ошибок — в статье «Методы прогнозирования спроса» в блоге.
Вопросы и ответы
Что чаще всего спрашивают про прогноз спроса
Для старта важны не только метрики, но и данные, новые SKU, формат передачи и стоимость работ.
Сколько стоит прогноз спроса на заказ?
Диагностика данных и постановка задачи прогнозирования спроса — от 50 000 ₽. Модель прогноза спроса с признаками, метриками качества и передачей команде — от 120 000 ₽. Точный объём оцениваем в течение 1–2 рабочих дней после короткого описания товаров, истории продаж и горизонта планирования.
Какими методами вы прогнозируете спрос?
Метод выбирается под данные и горизонт, а не наоборот. Для коротких рядов и быстрых базлайнов — наивные методы, скользящее среднее и экспоненциальное сглаживание. Для рядов с сезонностью — SARIMA и ETS. Для широких ассортиментов с признаками цены, промо, остатков и календаря — градиентный бустинг (LightGBM, CatBoost). Качество всех вариантов сравнивается на отложенной выборке по MAPE и WAPE.
Можно ли прогнозировать спрос на новые SKU без истории продаж?
Да, но честно: точечный прогноз для нового SKU всегда менее надёжен, чем для товара с историей. Мы используем признаки категории и аналогов, кривые жизненного цикла похожих товаров и экспертные ограничения, а неопределённость показываем интервалом, а не одной цифрой. По мере накопления продаж прогноз пересчитывается и стабилизируется.
Что получает заказчик после проекта?
Модель прогноза спроса, исходный код, метрики качества на отложенной выборке (MAPE, WAPE), дашборд с прогнозом и фактом, документацию по признакам и правилам пересчёта. Всё передаётся в собственность — модель работает в руках вашей команды без зависимости от подрядчика.
Какие данные нужны для прогноза спроса?
Минимум — история продаж по SKU с датами. Точность повышают цены, признаки промо, остатки и факты out-of-stock, календарь праздников и регион. Если данные сырые или разрозненные, обычно начинаем с диагностики: оцениваем пригодность данных под прогноз и строим минимальную рабочую модель.
Можно ли проверить уже готовую модель прогноза, а не строить новую?
Да. Если у вас есть своя или вендорская модель прогноза спроса и нужно независимое мнение перед запуском — это независимая валидация моделей: проверяем данные, спецификацию, код, устойчивость и границы применимости, отдаём отчёт о находках с уровнями критичности.
Не нашли ответ на свой вопрос?
Напишите нам →Начать проект
Опишите ассортимент и историю продаж.
Ответим в течение 1–2 рабочих дней.
Достаточно пары предложений: что продаёте, сколько SKU, какая история продаж есть и на какой горизонт нужен прогноз.
NDA до передачи данных · границы работ, KPI и сроки фиксируются до старта · hello@statgazer.ru