Yandex.Метрика

Прогнозирование, шаг 7: корректировка прогноза

Пункт седьмой — «Ручная корректировка прогноза»

В данной статье я расскажу, для чего нужна «ручная» корректировка прогнозных значений : какие значения надо корректировать и на что нужно обращать внимание при корректировке, и нужно ли вообще влезать в это, если все наше прогнозирование автоматизировано.

Для чего нужно вручную корректировать прогнозные показатели?

Если мы прогнозируем стабильные и равномерные продажи, без трейд-маркетинговой активности и резких взлетов и падений, то, я думаю, можно пренебречь ручной корректировкой получившихся прогнозов. Можно просто построить их, взять в работу, не просматривая и не перепроверяя, и целевая точность прогнозирования, скорее всего, будет достигнута. В противном случае, корректировка некоторых прогнозов просто необходима. Какие это прогнозы?

  • Прогнозы самых нестабильных контрагентов и номенклатур. Нестабильность продаж можно определить с помощью XYZ — анализа, о котором я подробно написал в соответствующей статье.
  • Прогнозы контрагентов и номенклатур, по которым очень маленькая история продаж (2-4 периода).
  • Крайне высокие прогнозы, которые не вписываются в общие продажи или нулевые прогнозы. «Планка» высоких прогнозов для каждого предприятия своя, поэтому определяется самостоятельно.
  • Прогнозы контрагентов и/или номенклатур, по которым не было продаж в последний/предпоследний период (напомню, что если продаж не было 3 и более периодов, то данные контрагенты и номенклатуры вообще не участвуют в построении прогноза, об этом я писал на первом шаге).
  • Прогнозы контрагентов и номенклатур, которые вышли за границы доверительных интервалов в прошлых периодах.
  • Прогнозы, на которые своевременно не наложили промо-объемы. Всякое бывает.
  • И так далее.

Разберем все по порядку.

Корректировка прогнозов нестабильных контрагентов и/или номенклатур.

Я думаю, это самый важный пункт. Чтобы определить, является ли числовой ряд стабильным или нет, необходимо провести XYZ-анализ. Напомню, XYZ-анализ разделяет весь ассортимент на 3 группы, в зависимости от потенциала к прогнозированию (коэффициента вариации). Чем выше коэффициент вариации, тем сложнее спрогнозировать объемы.

На гистограмме ниже изображена реальная история продаж по одной SKU одного из клиентов, который, кстати, не проводит никаких трейд-маркетинговых активностей:

Ручная корректировка: нестабильные продажи

Даже невооруженным глазом видно, что история продаж очень нестабильная, нет никаких зависимостей и сезонности. А если мы рассчитаем коэффициент вариации, то он будет равен 75%, что автоматически присвоит этой истории продаж категорию Z (>50%). Потенциала к прогнозированию почти нет, а какую-то реальную рабочую математическую модель для построения прогноза по «такой» истории продаж будет крайне проблематично.

Да, используя стандартные математические модели, о которых я писал ранее, мы можем получить прогноз: но, например, в одной модели он будет меньше 3000, а в другой больше 6000. И нельзя с уверенностью сказать, какой из них будет максимально корректным.

Именно поэтому, я считаю, что необходимо отслеживать такие «истории продаж» и проводить ручные корректировки. Да, нужно будет потратить немного времени. Да, возможно придется связаться с менеджером, который является ответственным за этого клиента и уточнить про возможное увеличение или снижение объемов продаж. Да, возможно мы вообще ничего не узнаем. Но в любом случае, ручная корректировка таких прогнозов будет давать результат лучше, чем автоматическое построение прогнозов без дальнейшего отслеживания.

Стоит также напомнить, что если история продаж будет менее 5 периодов, то использовать XYZ-анализ крайне не рекомендуется. И также важно, что прогноз по такой маленькой истории может оказаться некорректным. Именно поэтому переходим к следующему пункту.

Корректировка прогнозов контрагентов и/или номенклатур с маленькой историей продаж.

При небольшой истории продаж (менее 5 периодов), прогноз может оказаться не совсем корректным: математическая модель может увидеть стремительный рост там, где его нет, или наоборот, обнулить прогноз, так как «математически» будет казаться, что прогноз стремится к нулю. Такое бывает довольно часто, так как продажи в первый-второй период самые нестабильные из-за того, что клиент еще не знает свою истинную потребность, а модель будет подстраиваться под эти продажи этих периодов (потому что других больше и нет).

Именно поэтому необходимо корректировка таких прогнозов. Ничего сложного:

  • История контрагента/номенклатуры маленькая, объемы средние, а прогноз равен 0 — ручная корректировка.
  • История контрагента/номенклатуры маленькая, а прогноз выглядит неадекватным (слишком большим для вашего предприятия) — ручная корректировка.
Корректировка очень больших прогнозов.

Чем больше прогнозное значение, тем сильнее его будущее отклонение от фактического значения может повлиять на общую точность прогнозирования. Именно поэтому иногда стоит «пробежаться» по самым большим прогнозам и при необходимости их подкорректировать.

В одно время, когда я строил около 15 тысяч прогнозов на месяц, я отбирал около 80-100 наиболее крупных прогнозов и просто просматривал насколько они корректны. Благодаря хорошей автоматизации инструмента прогнозирования, это занимало у меня не более десяти минут. А столько времени потратить совсем не жалко, тем более если после этого ты будешь максимально спокоен за свои объемообразующие прогнозы.

Корректировка прогнозов без продаж в последний/предпоследний период.

Также стоит обратить внимание на прогнозы тех контрагентов и/или номенклатур, у которых не было продаж в последний и предпоследний период. Возможно, контрагент вывел продукцию из своего ассортимента, сказал об этом менеджеру, а тот, свою очередь, забыл Вас уведомить. Или контрагент попросту перестал быть вашим клиентом, нашел другого поставщика, а Вы тоже об этом не знали/не услышали/не прочли письмо и тому подобное.

Вариантов, при которых могут отсутствовать продажи в последний или предпоследний период, может быть достаточно много. Вам всего лишь необходимо знать, продолжатся ли продажи в следующих периодах или нет. Если продолжатся — оставляем прогноз (ну или корректируем, если от менеджера поступила информация об уменьшении или увеличении продаж), а если же продаж больше не будет — корректировка в ноль. Также, необходимо будет добавить информацию о выводе из ассортимента в модуль, который подготавливает корректную историю продаж, чтобы при последующем прогнозировании, история продаж по данным клиентам автоматически обнулялась.

Корректировка прогнозов, у которых факт за прошлые периоды выходил за границы доверительного интервала

Данный пункт касается тех, кто все-таки строит прогнозы с доверительными интервалами.

Если при прогнозировании прошлых периодов, будущие фактические значения выходили за границы доверительных интервалов, то при прогнозировании будущих периодов, необходимо обратить внимание на эти прогнозы. И при необходимости, естественно, скорректировать.

Хочу заметить, что если фактические значения контрагента/номенклатуры в прошлых периодах выходили за границы доверительных интервалов, то чаще всего (но не всегда), при XYZ-анализе истории продаж этих контрагентов/номенклатур, ей будет присвоена категория Y или, что более вероятно, категория Z. Это как раз одна из причин, по которой я не пользуюсь доверительными интервалами.

На гистограмме ниже изображена история продаж до августа 2019 года:

Корректировка прогноза: доверительный интервалПри прогнозировании прошлых периодов (в нашем случае августа), границы доверительного интервала находились в диапазоне от 4140 до 6125, но фактическое значение оказалось почти в два раза больше. Заметив такое значительное превышение, мы учтем это при построении прогнозов на последующие периоды и, скорее всего, будем корректировать прогноз вручную. Но стоит отметить, что при проведении XYZ-анализа данной истории продаж, мы получим коэффициент вариации 72%, что соответствует группе Z, а прогнозы этой группы мы и так будем корректировать вручную. Чтобы не делать двойную работу, следует опираться на один из индикаторов.

Подведение итогов.

В статье я перечислил разновидности прогнозов, которые нуждаются в ручных корректировках. Да, разумеется это не все разновидности, а только самые основные. И если Вы считаете, нужно корректировать что-то еще — корректируйте, хуже от этого не будет. Тем более, никто кроме Вас не знает об особенностях предприятия, на котором вы работаете, никто не знает, насколько нестабильны Ваши клиенты, ассортимент и вообще, положение на рынке.

В общем-то и все, прогноз построен, обработан и скорректирован и его можно принимать в работу.

Следующая и финальная статья — аналитика прошлых периодов. Она не является обязательной к прочтению и почти никак не повлияет на качество и точность прогноза. В ней будет рассказано о целевых показателях эффективности (KPI), визуализации данных и использовании для этого стороннего ПО.

2 комментария

  1. Сергей 04.09.2019
    • HeinzBr 04.09.2019

Оставить комментарий