Проведение обзора точности прогноза

Решите, что измерять и кто участвует, затем создайте представление для обзора, отберите SKU, исправьте входные данные и зафиксируйте решения.

Это руководство проводит вас через один цикл обзора в модуле Спрос.

Настройка процесса обзора точности прогноза

Обзор точности прогноза представляет собой регулярную встречу, на которой команда планирования проверяет, где прогноз ошибся, разбирается почему и исправляет то, на чём учится модель. Точность прогноза влияет и на запасы (слишком большой буфер, когда прогноз нестабилен или завышен), и на доступность (дефицит, когда он занижен), поэтому короткий и дисциплинированный обзор обычно быстро окупается.

1. Что мы измеряем?

Используйте две метрики, у каждой своя задача. Обе доступны как колонки KPI в списке продуктов модуля Спрос (см. KPI и Глоссарий метрик).

Метрика	Для чего использовать	На что обратить внимание
MAE (Mean Absolute Error, средняя абсолютная ошибка)	Ранжировать продукты по величине ошибки. Сочетайте её с прошлым спросом в стоимостном выражении, чтобы увидеть влияние на бизнес.	MAE выражается в единицах количества, поэтому сравнивайте продукты с одинаковыми единицами.
MAPE (Mean Absolute Percentage Error, средняя абсолютная процентная ошибка)	Сообщать о точности в процентах, для продуктов с большими объёмами и регулярными продажами.	MAPE резко растёт на малообъёмных и прерывистых продуктах: продажа 1 единицы при прогнозе 3 даёт ошибку 200 %, хотя почти ничего не стоит.

Несколько правил делают цифры надёжными:

• Ранжируйте по MAE, а не по MAPE. В списке, отсортированном по MAPE, преобладают мелкие продукты с нерегулярными продажами. Список, отсортированный по MAE, выводит наверх продукты, где ошибка обходится дороже всего.

• Измеряйте на том уровне, на котором планируете. Проводите обзор на уровне SKU, но смотрите и на уровень товарного семейства или модели. Когда новый вариант забирает продажи у старого, каждый SKU выглядит ошибочным, а итог по семейству может быть точным.

• Сравнивайте с прежним методом. Если вы загружаете External forecast (бюджет, прежняя система), выведите его рядом с Final forecast. Так видно, лучше ли Flowlity прежнего подхода.

• Проверьте, что стоимостные KPI используют правильную цену. Спрос в стоимостном выражении должен отражать цену, по которой этот спрос продаётся. Если сомневаетесь, спросите своего контактного лица во Flowlity, какую цену используют ваши стоимостные KPI.

Универсально «хорошего» MAPE не существует. Следите за динамикой во времени и сравнивайте группы продуктов между собой, а не гонитесь за абсолютной целью.

2. Какие позиции в первую очередь?

Никто не может проверить тысячи прогнозов. Проводите обзор по исключениям, начиная с влияния на бизнес:

• Основные позиции: продукты, которые дают примерно 80 % спроса в стоимостном выражении, обычно класс A по ABC.

• Недавние запуски: продукты с историей меньше примерно шести месяцев, часто с низкой или нулевой предсказуемостью спроса (Low или No).

• Продукты с оповещениями: продукты, уже отмеченные оповещением Flowlity или Demand anomaly agent.

Прежде чем смотреть отдельные SKU, сгруппируйте список продуктов по иерархии (товарное семейство, категория или любая категория тегов), чтобы увидеть, на какие группы приходится наибольшая ошибка. Затем углубляйтесь только в эти группы. Ориентируйтесь на короткий список: от 10 до 20 продуктов на одного планировщика за обзор, ранжированных по влиянию.

Пропускайте продукты, проверенные за последние четыре недели, если с тех пор не произошло ничего нового. Колонка Demand review показывает, когда каждый продукт проверялся в последний раз.

3. Кто участвует?

Роль	Ответственность
Команда планирования / цепочки поставок	Отвечает за обзор. Готовит короткий список, диагностирует каждый продукт, определяет Final forecast и фиксирует решение.
Коммерческая команда	Консультирует. Приносит знание рынка (акции, крупные разовые заказы, запуски, вывод продуктов, изменения цен) с обоснованием каждой поправки.
Руководство	Ежемесячно проверяет KPI точности и спрашивает с ответственных.

Оставьте решение за одной командой. Когда число может менять каждый, за ошибку не отвечает никто.

4. С какой периодичностью?

Подстройте ритм обзора под скорость вашего бизнеса:

• Начните с еженедельного обзора на первые один-два месяца. Изменения, внесённые на одном обзоре, видны уже через неделю, поэтому команда быстро понимает, что работает.

• Перейдите на ежемесячный обзор, когда процесс стабилизируется.

• Согласуйте с циклом заказов. Направления бизнеса с разными сроками поставки или ритмами заказов могут работать с разной периодичностью. Обзор имеет смысл, только если он проходит до следующего решения о заказе.

• Проводите обзор после расчёта прогноза и до планирования поставок, чтобы заказы строились на проверенном прогнозе.

5. Как мы действуем?

Два правила делают обзор эффективным:

• Назовите первопричину, прежде чем что-то менять. Большинство плохих прогнозов вызваны небольшим числом причин, см. Диагностика ошибок прогноза.

• Исправляйте входные данные, а не число. Ручное изменение My forecast исправляет одно число на один расчёт: следующий расчёт повторит ту же ошибку, потому что история не изменилась. Очистка истории, связь с похожим продуктом, экспертная модель или прогнозное событие исправляют все будущие расчёты.

Используйте ручную корректировку только для действительно новой информации, которую модель знать не может, и всегда добавляйте комментарий с объяснением.

6. Как выглядит успех?

Отслеживайте небольшой набор KPI на ежемесячном обзоре. Зафиксируйте исходные значения в первые недели, затем согласуйте цели.

KPI	Почему это важно
Ошибка (MAE) по продуктам класса A, по группам продуктов	Объём ошибки там, где это важнее всего
MAPE по продуктам класса A с регулярным спросом	Понятный показатель точности для руководства
Охват обзора	Доля продуктов из короткого списка, которые действительно проверены
Корректировки с задокументированной причиной	Каждое ручное изменение можно объяснить позже
Запуски без похожего продукта	Новые продукты, прогнозируемые с нуля

Обзор точности прогноза показывает лишь часть картины, пока весь цикл планирования не работает во Flowlity. Корректировки прогноза, подтверждённые заказы и запасы влияют на то, что прогнозирует Flowlity, поэтому проводите обзор вместе с планированием поставок в приложении, а не изолированно.

Высокая ошибка не обязательно означает дефицит. Вероятностный прогноз Flowlity используется для расчёта страхового запаса, и буфер растёт вместе с неопределённостью прогноза и сроком поставки. См. Настройки страхового запаса.

Проведение обзора шаг за шагом

1

Создайте представление для обзора прогноза

В Demand management > Demand начните с представления 🎯 Forecast accuracy и добавьте эти колонки из панели Columns (см. KPI):

• Past demand в стоимостном выражении за последние 12 месяцев: вес каждого продукта для бизнеса.

• Past demand trend: чтобы замечать растущие и падающие продукты.

• Final forecast на ближайшие месяцы.

• External forecast, если вы его загружаете: для сравнения с прежним методом.

• Final forecast MAE и Final forecast MAPE за проверяемый период (последние 30 дней для еженедельного обзора, последние 90 дней для ежемесячного).

• Ваш тег ABC и теги иерархии (товарное семейство, категория, модель).

• Demand review: дата последней проверки.

• Expert models applied: чтобы видеть, какие продукты уже используют экспертную модель.

Для начала отфильтруйте активные продукты и класс A по ABC. Фильтровать по KPI можно из заголовка его колонки. Сохраните это как пользовательское представление и отметьте Make public, чтобы вся команда работала с одним и тем же списком (см. Настройка представлений и управление ими).

2

Сгруппируйте по иерархии, чтобы найти, где сосредоточена ошибка

Нажмите Group > Add group и сгруппируйте по категории тегов иерархии, например по товарному семейству. Можно также группировать по поставщику, клиенту или площадке. Для каждой группы показываются промежуточные итоги (средневзвешенные значения для MAE и MAPE), а также Grand total.

Читайте группы сверху вниз:

• Начните с групп, где сочетаются высокий спрос и высокая MAE.

• Очень высокую MAPE в группе с очень маленьким спросом считайте низким приоритетом.

• Большая группа без тега иерархии сама по себе находка: заполните теги, чтобы каждый продукт попал в группу.

Добавьте второй уровень группировки на уровне модели или семейства (например, на уровне, который объединяет все цвета или версии одной модели), чтобы снятые с производства продукты и их замены отображались вместе.

Сохраните группировку в представлении, чтобы она была готова к следующему обзору.

3

Составьте короткий список

Нажмите Sort > Add sort, чтобы ранжировать по MAE по убыванию, затем по прошлому спросу в стоимостном выражении. Можно также, удерживая Ctrl (Cmd на Mac), нажимать на заголовки колонок, чтобы добавить несколько сортировок.

Раскройте приоритетные группы и выберите от 10 до 20 продуктов на одного планировщика, ранжированных по влиянию. Добавьте недавние запуски и продукты из представления 🛸 Outliers, даже если они стоят ниже.

Пропускайте продукты, у которых дата в Demand review меньше четырёх недель назад, если с тех пор не появилась новая аномалия.

4

Диагностируйте каждый продукт

Откройте карточку каждого продукта и сравните прошлый спрос, Final forecast и, если есть, External forecast. Включите Raw past demand (N-1) и Raw past demand (N-2) в легенде, чтобы сравнить с прошлыми годами. Назовите первопричину, прежде чем что-то менять, см. Диагностика ошибок прогноза.

Если причина не видна в данных, например резкое падение без дефицита запаса, запишите это и спросите коммерческую команду.

5

Исправляйте входные данные, а не число

Примените исправление, соответствующее причине:

Причина	Исправление
Дефицит запаса, выброс или прошлая акция в истории	Проверьте исправление Flowlity: сохраните его, измените значение или удалите (Анализ и исправление аномалий спроса).
Продукт-замена с короткой историей	Свяжите его с продуктом, который он заменяет (Схожесть продуктов).
Совершенно новый продукт	Примените экспертную модель Launch model (Спрос).
Устойчивое изменение уровня или тренда	Примените экспертную модель, например Average of recent periods model или Average + Trend model (Спрос).
Недостаточно истории для надёжного прогноза	В Product strategy выберите свой External forecast в поле Forecast source, пока не накопится история.
Известное будущее событие (акция, сбой, крупный заказ)	Создайте прогнозное событие (Создание и применение прогнозных событий).
Снятый с производства продукт всё ещё прогнозируется	Задайте его End of life в Product strategy > Forecast. Для многих продуктов: ⋮ > Edit product strategy > Edit lifecycle.
Действительно новая информация, которую модель знать не может	Скорректируйте My forecast и добавьте комментарий с причиной.

6

Проведите встречу по обзору

Обычно достаточно 45-минутной встречи:

Минуты	Блок	Как выглядит хороший результат
30	Разбор короткого списка	По каждому продукту причина названа, исправление принято или отклонено
10	Поправки коммерческой команды	Каждая поправка выслушана, оценена и прокомментирована
5	Завершение	Решения зафиксированы, у каждого открытого действия есть ответственный и срок

Команда планирования ведёт встречу и принимает решения. С коммерческой командой консультируются по рыночным вопросам.

7

Зафиксируйте решения

Нажмите Review в карточке продукта, чтобы отметить дату проверки, и запишите каждое решение в панели Комментарии продукта, чтобы следующий проверяющий видел, что и почему было сделано. После изменения входных данных нажмите Compute forecast, чтобы увидеть новый прогноз до следующего еженедельного расчёта (это расходует кредиты).

Ведите простой журнал обзоров (продукт, причина, действие, ответственный) от встречи к встрече. Через несколько обзоров он покажет, единичная это проблема или системная. Например, повторяющиеся случаи окончания жизненного цикла указывают на процесс работы с мастер-данными, который нужно исправить, а не на отдельные прогнозы.

8

Ежемесячно проверяйте KPI

Раз в месяц смотрите KPI точности по группам продуктов, охват обзора и долю корректировок с задокументированной причиной. По динамике решайте, на чём сосредоточиться дальше и когда переходить с еженедельного обзора на ежемесячный.

Skill Forecast audit может подготовить короткий список за вас. В AI-ассистенте, подключённом к Flowlity, попросите «Проведи аудит прогноза». Он вернёт ранжированный список продуктов с причиной, по которой каждый отмечен, и предложенным исправлением входных данных прогноза. Skill только читает данные: планировщик принимает или отклоняет каждое предложение в приложении. См. Skills.

Связанные страницы

• Диагностика ошибок прогноза: типичные первопричины и способы их исправить.

• Настройка представлений и управление ими: сохраните представление для обзора с колонками, фильтрами и группировкой.

• Анализ и исправление аномалий спроса: исправляйте дефициты, выбросы и прошлые акции.

• Создание и применение прогнозных событий: добавляйте в прогноз известные будущие события.

• Спрос: экспертные модели, My forecast и Compute forecast.

• Комментарии: фиксируйте решения обзора по продукту.

• Прогнозирование спроса: как формируется прогноз.