Prognoza jest tak dobra jak historia, na której się opiera. Najczęstszym problemem nie jest brak danych, tylko brak kontekstu do nich.
Liczby sprzedaży ma każda firma — siedzą w systemie handlowym albo w sklepie. Czego zwykle nie ma, to informacji, dlaczego dany miesiąc wyglądał tak, a nie inaczej. Bez niej model traktuje wszystkie odchylenia jednakowo i uczy się rzeczy, które się nie powtórzą.
Podstawa
Historia sprzedaży w podziale na okresy i pozycje, najlepiej dzienna. Dane miesięczne wystarczają do planowania ogólnego, nie do zamówień.
Dane dzienne można zawsze zsumować do tygodni czy miesięcy. Odwrotnie się nie da. Dlatego przy eksporcie z systemu warto od razu wziąć najniższy dostępny poziom, nawet jeśli na początku używa się go zagregowanego.
Sprzedaż a popyt
Najważniejsze rozróżnienie. Sprzedaż zerowa przy braku towaru nie oznacza braku popytu, a model tego nie odgadnie.
To rozróżnienie decyduje o kierunku błędu. Prognoza oparta wyłącznie na sprzedaży zawsze zaniża zapotrzebowanie, i to najmocniej tam, gdzie firma traciła najwięcej. Efekt się nakręca: mniejsze zamówienie oznacza kolejny brak, kolejny brak obniża prognozę jeszcze bardziej.
Informacja o brakach
Kiedy i którego towaru nie było. Bez tego prognoza zaniża zapotrzebowanie dokładnie tam, gdzie było największe.
Część systemów pozwala odtworzyć historię stanów magazynowych i wtedy da się to wyliczyć wstecz. Jeśli nie — pozostaje zapisywanie na bieżąco. Pomagają też ślady popytu, których nikt nie zbiera: zapytania bez oferty, pozycje usuwane z koszyka, zamówienia realizowane częściowo.
Promocje i akcje
Okresy promocyjne oznaczone w danych. Inaczej model uzna wywołany nimi skok za normalny poziom sprzedaży.
Wystarczy prosta tabela: pozycja albo grupa, data od, data do, rodzaj akcji. Prowadzona równolegle z działaniami handlowymi kosztuje kilka minut, a odtworzona po roku jest już nie do odzyskania — zdarzenia jednorazowe wymagają dokładnie tej samej dyscypliny.
Zdarzenia nietypowe
Awaria, przestój, duże zamówienie jednorazowe. Kalendarz takich zdarzeń jest równie ważny jak same liczby.
Do tego dochodzą zmiany po stronie firmy, o których łatwo zapomnieć: wycofanie pozycji z oferty, zmiana indeksu przy tym samym towarze, zmiana opakowania albo jednostki miary. Każda z nich rozbija historię i wygląda w danych jak zmiana popytu.
Dane zewnętrzne
Pogoda, kalendarz świąt, wskaźniki branżowe. Przydatne w niektórych branżach i zwykle warte sprawdzenia dopiero po wyczerpaniu danych własnych.
Kalendarz świąt i dni roboczych jest wyjątkiem — kosztuje niewiele i przydaje się prawie zawsze. Reszta wymaga integracji i utrzymania, więc warto najpierw sprawdzić, czy w ogóle poprawia wynik na danych z przeszłości.
Ile tego trzeba
Mniej, niż się zwykle zakłada. Historia sprzedaży, oznaczone braki, oznaczone promocje i kalendarz zdarzeń wystarczają do pierwszej wersji. Zbieranie danych „na wszelki wypadek" wydłuża wdrożenie i rzadko poprawia wynik. Lepiej ruszyć z tym, co jest, zmierzyć błąd i dopiero wtedy decydować, czego naprawdę brakuje.
