Почему «хватит на две недели» часто оказывается ошибкой
Владелец небольшого магазина открывает отчёт и видит 140 единиц товара. При среднем расходе десять в день он делит одно на другое и получает две недели. Но часть остатков уже зарезервирована под оплаченные заказы, часть лежит на возврате, а поставка с датой в календаре ещё не подтверждена перевозчиком. ИИ может быстро свести эти строки, но не знает фактического состояния склада. Поэтому полезный результат — не одна дата окончания, а таблица предположений: доступный остаток, скорость расхода, подтверждённый приход и диапазон риска. Такой формат позволяет закупщику решить, когда уточнять поставку, а не слепо отправлять заказ.
Соберите четыре набора исходных данных
Нужны остаток по конкретному артикулу и складу, оплаченные резервы, продажи за несколько сопоставимых недель и поставки со статусом подтверждения. Отделите физический остаток от доступного к продаже. Если заказ возвращён покупателем, не добавляйте единицу в доступный остаток до проверки состояния. Если поставщик сообщил дату устно, пометьте её как предварительную. Составьте выгрузку без персональных данных покупателей: для прогноза достаточно даты, артикула, количества и статуса. Человек, который отвечает за склад, должен подтвердить хотя бы выборочные строки. Ошибка в исходных цифрах сильнее любой ошибки модели.
Не усредняйте несовместимые недели
Среднее за месяц удобное, но способно скрыть распродажу, сезонный пик и закрытый магазин. Возьмите последние восемь–двенадцать сопоставимых недель и пометьте дни, когда товар уже отсутствовал: нулевые продажи при пустой полке не означают отсутствие спроса. Рассчитайте три сценария расхода — спокойный, обычный и пиковый. Не нужно называть их «вероятностями», если статистической оценки нет. ИИ попросите найти в таблице резкие изменения и объяснить, какие строки его насторожили. После этого сотрудник смотрит календарь акций и изменения цен, которые модель могла не увидеть.
Сделайте расчёт, который можно повторить вручную
Для каждого сценария разделите доступный остаток на дневной расход, затем учтите только подтверждённые поступления. Пример: 120 доступных единиц, расход восемь–двенадцать в день, поставка 50 единиц через семь дней. При пиковом расходе до поставки уйдёт 84 единицы, останется 36; задержка на четыре дня уже создаёт риск дефицита. При спокойном расходе этого риска может не быть. Попросите ИИ выписать формулу рядом с каждой цифрой, а затем проверьте расчёт в обычной таблице. Для дисциплины сверки пригодится практика отчёта из таблицы.
Что считать сигналом к действию
Одна дата «закончится 29 октября» создаёт ложное спокойствие. Лучше установить правило: если в пиковом сценарии запас заканчивается раньше следующей подтверждённой поставки, закупщик связывается с поставщиком сегодня. Если риск появляется только при задержке, проверяет транспортный статус и альтернативный склад. Если модель обнаружила аномальный скачок продаж, коммерческий отдел подтверждает, не было ли акции. Не позволяйте системе самостоятельно менять цены или размещать заказ лишь потому, что сценарий выглядит тревожно. Полномочия и лимит решения должны быть определены до автоматизации.
Проверка через неделю и границы метода
Сохраните снимок исходных данных, дату прогноза и фактический остаток через семь дней. Если отклонение велико, разберите причину: продажи ускорились, резервы не обновились, поставка задержалась или остатки были ошибочны. Не исправляйте всё одной новой фразой в промпте. Обновите источник данных или правило учёта и повторите расчёт. Владелец процесса может оценить пользу по числу предотвращённых отсутствий товара, но для честной оценки также считайте лишний запас и расходы хранения. ИИ помогает быстрее видеть риск; он не отменяет знания поставок и ограничений бюджета.
Если поставщик переносит дату
Отдельно проверьте сценарий задержки, который обычно теряется в среднем прогнозе. Попросите закупщика назвать не «ожидаемую дату», а последнее подтверждение перевозчика и допустимый запасной маршрут. В таблице сделайте три варианта: приход по плану, опоздание на три дня и отсутствие подтверждённой партии. Для каждого посчитайте остаток на дату следующего заказа. Если при задержке запас становится отрицательным, это не математический прогноз «минус пять коробок», а сигнал о дефиците. Принятое решение тоже запишите: ускорить поставку, перебросить товар между складами или честно изменить обещание клиентам. Через неделю сравните исходный сценарий с фактом и уточните правило, не скрывая ошибку старой версии. Именно такая запись помогает команде учиться, а не каждый раз получать новую красивую дату от ИИ.
Порог для ручной проверки
Если данные о продажах обновляются не ежедневно, укажите в отчёте время последней выгрузки. Прогноз, построенный вечером по утреннему остатку, может уже не учитывать крупный заказ. Перед решением закупщик открывает актуальную складскую систему и сверяет три самых дорогих артикула вручную. Так автоматизация помогает увидеть кандидатов на проверку, но не превращает устаревшую таблицу в приказ поставщику. Хороший сигнал в отчёте содержит дату и источник каждой цифры.
Короткие ответы на частые вопросы
Можно ли прогнозировать новый товар без истории? Только условно: используйте аналог и явно покажите слабость допущения. Нужно ли передавать моделью цены закупки? Нет, если для оценки дней запаса достаточно количества; чувствительные данные ограничьте. Что делать, если несколько складов? Считайте доступность по каждому месту и время перемещения отдельно. Общая цифра сети не означает, что покупатель получит товар завтра. Итог работы — решение о проверке или пополнении с указанной причиной, а не эффектная дата, которой никто не доверяет.