> For the complete documentation index, see [llms.txt](https://docs.flowlity.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.flowlity.com/ru/upravlenie-sprosom/demand/diagnose-forecast-errors.md).
# Диагностика ошибок прогноза
Распознавайте типичные первопричины плохого прогноза и применяйте подходящее исправление.
Когда у продукта большая ошибка прогноза, первый вопрос не «каким должно быть число?», а «почему прогноз ошибается?». Большинство ошибок вызваны несколькими причинами, и многие из них связаны с данными, на которых учится модель, а не с самой моделью. Эта страница поможет назвать причину и выбрать исправление.
### Три самые частые причины
#### 1. Падение спроса, которое модель ещё не учла
**Что вы видите:** спрос уже несколько месяцев держится ниже, а прогноз по-прежнему следует прежнему уровню.
**Почему так происходит:** Flowlity быстро адаптируется к устойчивому изменению, кроме случаев с выраженной сезонностью. Модель также учится на тех же периодах прошлых лет, поэтому падение в месяце, который в прошлом году был высоким, учитывается дольше.
**Как проверить:** в карточке продукта модуля [Спрос](/ru/upravlenie-sprosom/demand.md) включите **Raw past demand (N-1)** и **Raw past demand (N-2)** в легенде графика. Если те же месяцы в прошлые годы были высокими, прогноз удерживает сезонность.
**Что делать:**
* Уточните причину у коммерческой команды. Она структурная (потерян клиент, ассортимент выведен из листинга, продукт снят с производства) или временная?
* Если причина структурная и связана со снятым с производства продуктом, см. раздел *Окончание жизненного цикла и замена продуктов* ниже.
* Если причина структурная, а продукт продолжает продаваться на новом уровне, примените экспертную модель, которая следует за недавним спросом, например **Average of recent periods model** или **Average + Trend model**, в **Product strategy** > **Forecast** > **Forecasting models**. Нажмите **Compute forecast**, чтобы увидеть результат до следующего еженедельного расчёта.
* Если причина временная, дайте модели работать дальше и на следующих обзорах следите, насколько быстро она адаптируется.
#### 2. Запуск с короткой историей или без неё
**Что вы видите:** новый продукт с историей в несколько недель или месяцев и низкой или нулевой [предсказуемостью спроса](/ru/koncepcii/concepts/metrics-glossary.md) (Low или No). Часто это новая версия или новый цвет, заменяющий старый продукт.
**Что делать:**
* Для совершенно нового продукта примените экспертную модель **Launch model**: она учится на профиле запуска похожих продуктов, выбранных Flowlity или вами.
* Для продукта, который заменяет старый, свяжите старый продукт как похожий, чтобы модель могла позаимствовать его историю. См. [Схожесть продуктов](/ru/koncepcii/concepts/product-similarities.md).
#### 3. Аномальная история
**Что вы видите:** недели, которые не отражают нормальный спрос, например падение из-за дефицита запаса, разовый всплеск или провал либо прошлая акция.
**Что делать:** проверьте исправления, которые Demand anomaly agent внёс для дефицитов, выбросов и прошлых акций: сохраните их, измените значение или удалите, а свои добавьте через **Add past demand adjustment**. См. [Анализ и исправление аномалий спроса](/ru/upravlenie-sprosom/demand/investigate-demand-anomalies.md). Прежде чем очищать историю, подтвердите причину: реальный разовый заказ является настоящим спросом, а не шумом.
### Другие закономерности, которые стоит распознавать
#### Окончание жизненного цикла и замена продуктов
**Что вы видите:** важный продукт, спрос на который после долгого стабильного периода падает почти до нуля, а в его семействе остаются только один-два продукта.
**Почему так происходит:** продукт сняли с производства или заменили, но это изменение не дошло до Flowlity. У старого продукта сохраняется прогноз, а новый начинает без истории.
**Что делать:**
* Задайте дату **End of life** старого продукта в **Product strategy** > **Forecast**, чтобы он перестал влиять на план. Для многих продуктов выберите их и используйте **⋮** > **Edit product strategy** > **Edit lifecycle**. [Автоматизация](/ru/ii-i-avtomatizacii/automations.md) также может менять жизненный цикл по расписанию.
* Свяжите продукт-замену с предшественником как похожий продукт или попросите своего контактного лица во Flowlity перенести историю.
* При подтверждении заказов на продукт-замену проверяйте оставшийся запас предшественника: в Планировании его показывает ряд **Similar products stock**.
* Если замены происходят часто, договоритесь со своим контактным лицом во Flowlity о регулярном процессе (например, о более частой перезагрузке истории), а не исправляйте продукты по одному.
#### Каннибализация новым вариантом
**Что вы видите:** новое издание или вариант растёт, а существующий падает. У каждого SKU большая ошибка, но итог по семейству близок к прогнозу.
**Что делать:** оценивайте точность по таким продуктам на уровне семейства или модели: в списке модуля Спрос нажмите **Group** > **Add group** и сгруппируйте по категории тегов семейства, чтобы увидеть промежуточный итог по семейству. Свяжите новый вариант с существующим. Если новые издания для вашей коммерческой модели обычное дело, сохраните эту группировку в представлении для обзора.
#### Падение во всей категории
**Что вы видите:** спрос падает одновременно во всей категории, без дефицита запаса.
**Что делать:** уточните у коммерческой команды, внешняя ли это причина (экономическая ситуация, крупное событие, изменение рынка) и разовая она или устойчивая. Если похожий сбой ожидается снова в известный период, создайте прогнозное событие на этот период. См. [Создание и применение прогнозных событий](/ru/optimizaciya-vyruchki/promotions/create-forecast-events.md).
#### Необъяснимое падение
**Что вы видите:** резкое падение по одному продукту без дефицита запаса, при этом похожие продукты того же семейства прогнозируются хорошо.
**Что делать:** запишите это и спросите коммерческую команду или отдел контроля продаж, есть ли причина, например коммерческая акция, изменение у клиента или ценовое решение. Если причина системная, команде планирования нужно знать о ней для следующего прогноза. Если падение действительно случайное, его нельзя спрогнозировать, и оно не должно приводить к изменениям в вашем процессе.
### Краткая справка
| Что вы видите | Вероятная причина | Что проверить | Исправление |
| --------------------------------------------------------- | ------------------------------------- | ------------------------------------------- | --------------------------------------------------------- |
| Спрос ниже уже несколько месяцев, прогноз всё ещё высокий | Падение ещё не учтено | Коммерческая команда, наложения N-1 / N-2 | Ждать и наблюдать или считать окончанием жизненного цикла |
| Спрос ниже уже несколько месяцев, сезонности нет | Устойчивое изменение | Наложения N-1 / N-2 | Экспертная модель на недавнем спросе |
| Короткая история, низкая предсказуемость | Запуск или замена | Задана ли Launch model или похожий продукт? | Launch model или связь с предшественником |
| Нулевые или низкие недели, затем восстановление | Дефицит запаса | Исправление дефицита | Сохранить или изменить исправление |
| Единичный всплеск или провал | Выброс или разовый заказ | Исправление выброса, коммерческая команда | Сохранить, изменить или удалить исправление |
| Спрос около нуля после стабильного периода | Окончание жизненного цикла или замена | Product strategy, товарное семейство | Задать End of life, связать с преемником |
| Один вариант растёт, другой падает | Каннибализация | Итог на уровне семейства | Обзор на уровне семейства |
| Падение во всей категории | Внешнее событие | Коммерческая команда | Прогнозное событие, если повторяется |
| Резкое падение без дефицита, похожие продукты в порядке | Неизвестна | Коммерческая команда или контроль продаж | Записать и передать выше |
{% hint style="info" %}
Прежде чем сомневаться в модели, проверьте данные. На практике многие крупные ошибки происходят из мастер-данных: снятые с производства продукты всё ещё активны, у замен нет истории или не хватает тегов иерархии.
{% endhint %}
### Связанные страницы
* [Проведение обзора точности прогноза](/ru/upravlenie-sprosom/demand/run-forecast-review.md): место диагностики в регулярном обзоре.
* [Анализ и исправление аномалий спроса](/ru/upravlenie-sprosom/demand/investigate-demand-anomalies.md): дефициты, выбросы и прошлые акции.
* [Схожесть продуктов](/ru/koncepcii/concepts/product-similarities.md): заимствование истории для замен.
* [Спрос](/ru/upravlenie-sprosom/demand.md): экспертные модели, Product strategy и Compute forecast.
* [Прогнозные события и корректировки спроса](/ru/koncepcii/concepts/forecast-events.md): как события и исправления меняют прогноз.
* [Прогнозирование спроса](/ru/koncepcii/concepts/demand-forecasting.md): как модель учится на истории.
