Как ИИ прогнозирует спрос и управляет запасами

Вы заказываете товар на месяц вперёд и каждый раз или переплачиваете за срочную доставку, или списываете просрочку. Идеальный заказ — тот, где всё распродано в последний день. Близко к этому можно подойти с помощью ИИ-прогнозов. Рассказываю на примерах для малого бизнеса.

Какие данные нужны для прогноза

• История продаж (желательно за 12–24 месяца) — ежедневно или понедельно.
• Данные о промоакциях (скидка 20% на определённые товары искажала продажи, это надо вычитать).
• Календарь (праздники, сезоны).
• Данные о погоде для сезонных товаров (кондиционеры, зонты).

Если данных мало (менее 6 месяцев), ИИ всё равно построит примитивную модель — лучше, чем ничего.

Простые модели и сложные нейросети

Для малого бизнеса с 200–1000 SKU подойдут простые алгоритмы: экспоненциальное сглаживание, ARIMA. Они есть даже в Excel с надстройками. Нейросетевые модели (LSTM, Transformers) нужны для тысяч позиций и сильных нелинейных зависимостей. Не переплачивайте за сложность.

Для расчёта оптимального заказа можно использовать калькуляторы на нашем сайте, например юнит-экономику, которая считает, сколько нужно закупить, чтобы не заморозить деньги в остатках.

Прогноз с учётом времени выполнения заказа (Lead Time)

Вы делаете заказ, поставщик везёт 2 недели. ИИ смотрит продажи за эти 2 недели в прошлом году, плюс учитывает текущий тренд. И говорит: «За две недели вы продадите 150 единиц, заказывайте 200, чтобы был страховой запас 50». Это базовая формула — точка заказа (Reorder point).

Учёт сезонности и праздников

Нейросеть выделяет повторяющиеся паттерны: каждое лето продажи мороженого растут, к Новому году — шампанского. Причём не просто в 2 раза, а, скажем, рост начинается за 3 недели до праздника. Вы заказываете заранее, а не в последний момент.

Что делать с остатками после сезона

ИИ прогнозирует, сколько товара останется не распроданным к концу сезона. Рекомендует: запустить акцию за 3 недели до конца сезона, уценить на 20% и тогда остатки будут минимальны. Вместо того чтобы сидеть с товаром до следующего года.

Как внедрить без IT-команды

Используйте готовые сервисы для малого бизнеса: Stock Trim, Shelf, прогнозные модули в облачных складах. Обычно достаточно загрузить выгрузку из 1С в CSV, и нейросеть построит прогноз за пару минут. Бесплатные пробные периоды позволяют протестировать на 10–20 товарах.

Пример для пекарни

Пекарня выпекает хлеб и круассаны. Раньше пекли «на глаз» — к вечеру хлеб заканчивался, а круассаны оставались. ИИ проанализировал: по средам около офисов люди берут круассаны к кофе, по пятницам — багеты домой. Скорректировали график выпечки. Списания сократились на 40%, а выручка выросла на 15% за счёт того, что товар не заканчивался.

Начните с прогноза по одной товарной группе, где у вас самые большие потери от списаний или дефицита. Результаты увидите через месяц.