🎓 Запускаем курс для закупщиков и логистов
«Практика управления товарными запасами в Excel и специализированном ПО» — образовательная программа от Forecast NOW! для специалистов, которые работают с запасами каждый день.

Курс рассчитан на 3 недели и состоит из 6 онлайн-вебинаров по 1,5 часа с домашними заданиями и итоговым тестированием. Записи и материалы доступны сразу после каждого занятия — в удобное для вас время.

На курсе разберём:
🔹 Как сегментировать ассортимент через ABC, XYZ и FMR-анализ
🔹 Какие показатели управления запасами реально важны и как их считать
🔹 Как прогнозировать спрос с учётом сезонности, акций и прошлых дефицитов
🔹 Какие методы прогнозирования работают и как оценить ошибку прогноза
🔹 Как управлять уровнем сервиса и страховым запасом

Курс ведёт Евгений Викторов — руководитель отдела внедрения Forecast NOW!, за плечами которого более 70 проектов внедрения и 7 лет обучающих программ для специалистов по закупкам.

Курс создан для специалистов по закупкам и логистике, сотрудников торговых компаний, чья деятельность связана с управлением товарными запасами.

📅 Регистрация открыта.
До 9 марта — специальная цена со скидкой.
Зарегистрироваться можно по ссылке: https://fnow.timepad.ru/event/3821663/
👍 Поставьте реакцию, если тема актуальна!

Запись вебинара «Практика управления ассортиментом: анализ, запасы, решения»

В прошлый четверг провели вебинар. Разобрали практические методы управления ассортиментом и анализа товарных запасов: ABC-анализ, XYZ-анализ, FMR и VEN-анализ, а также подходы к категоризации товаров и управлению ассортиментной матрицей.

Показали, как анализировать ассортимент на основе данных и принимать обоснованные решения: какие товары развивать, какие сокращать и как контролировать структуру ассортимента.

Для тех, у кого не получилось прийти выкладываем запись.

Смотреть на Youtube
Смотреть в VK Видео
Смотреть на сайте fnow.ru
Смотреть на Rutube

Коллеги из компании "ЭТО5" проводят вебинар на очень актуальную сегодня тему.

Бесплатный вебинар «5 практических ИИ-инструментов для сотрудников отделов закупок».
Примеры применения, шаблоны, сценарии, промпты.

➖ 11 марта, 11:00–12:00 мск. Онлайн.

Разберем ИИ-инструменты, которые помогут:
● Ускорить и обогатить работу с Эксель;
● Проверять, создавать и редактировать ТЗ на закупку, полученные от заказчиков;
● Получать калькуляцию стоимости продукции и услуг.

Разберёмся со структурой промптов, научитесь формировать запросы для ИИ которые обеспечат надёжные ответы.

Вебинар будет наиболее полезен для сотрудников компаний B2B-сектора — производство, дистрибьюторы, ритейл:
• Менеджерам по закупкам;
• Категорийным менеджерам;
• Руководителям отделов закупок;
• Продакт-менеджерам;
• Контрактным управляющим.

➖11.03.26| 11:00–12:00 мск. | Онлайн
Регистрируйтесь

Освободите заметную часть рабочего времени от рутины!

📹 Евгений Викторов рассказал о курсе «Практика управления товарными запасами в Excel и специализированном ПО» — что будет на занятиях, кому подойдёт и почему стоит пройти его именно сейчас.
Напомним: старт 6 апреля, а самая низкая цена на курс действует только до 9 марта.
Регистрация: https://fnow.timepad.ru/event/3821663/

⚠️Самый главный вопрос в закупках — как посчитать заказ поставщику так, чтобы товара хватало, но при этом не раздувать склад?
  
Как обычно бывает?

🔹Сделали заказ меньше 👉 получили дефицит. Товара не хватает, спрос не закрыли, потеряли выручку и клиентов. 
🔹Сделали больше 👉 получили излишки. Товара слишком много, он медленно продаётся, деньги заморожены. 
🔹Переборщили с сезонными товарами 👉 привет, неликвид и списания.

В видео разбираем простую и рабочую логику расчета заказа поставщику, чтобы избежать этих ситуаций. Расскажем о том:

✅ какие данные нужны для корректного заказа
✅ какая базовая формула должна быть в голове у любого закупщика
✅ где чаще всего ошибаются,
✅ и как перейти от «поэтапных прогнозов» к моделированию заказа с учётом ограничений.

Оставьте любую реакцию 👍🔥 — так мы будем знать, что тема полезна и будем записывать для вас другие видео. 


Смотреть на Youtube
Смотреть в VK Видео
Смотреть на Rutube

26 марта проведем открытую демонстрацию Forecast NOW!

Forecast NOW! — программа для автозаказа, оптимизации запасов и прогнозирования спроса. Подходит для торговых компаний, которые хотят сократить излишки и дефицит, а также высвободить оборотные средства.

На вебинаре разберём ключевые модули программы:

🔹 Прогнозирование и автозаказ
🔹 Аналитика запасов
🔹 Балансировка и внутренние перемещения
🔹 Прогнозирование эффектов промо
🔹 Стратегическое планирование закупок
🔹 Проактивные рекомендации

Покажем, как программа работает на реальных данных, разберём сценарии по отраслям и объясним, какие алгоритмы и факторы она учитывает.

Кому будет полезно:

Тем, кто выбирает систему управления запасами или пока работает в Excel — сможете оценить возможности специализированного решения и задать вопросы напрямую.

Зарегистрироваться!

6 признаков, что компании пора внедрять систему управления запасами

В комментарии к предыдущем посту был вопрос о чек-листе зрелости компании к внедрению. К сожалению, такой чек лист сложно составить, потому что он будет зависеть от многих параметров: размера компании, отрасли, внутренних процессов, используемой методологии и т.д.

Но есть индикаторы, которые показывают, что функция управления запасами требует внимания. Это не обязательно внедрение новой системы, возможно и наведение порядка в существующих процессах. Разберем эти индикаторы.

1. По одним товарам есть излишки, по другим — дефицит

Самый очевидный сигнал — неликвид по части позиций и регулярное отсутствие ходовых товаров. Даже если точный процент дефицита не посчитан, частая ситуация, когда популярный товар отсутствует на полке, означает упущенную прибыль. Если такие перекосы происходят постоянно, это уже системная проблема.

2. Нет прозрачности в управлении запасами

Вы не можете объяснить, почему тот или иной товар был заказан именно в таком объеме, и проверить это тоже сложно. Каждый сотрудник использует собственные методы расчета, опирается на личный опыт или договоренности с поставщиками. Получить актуальную информацию о заказах, остатках, перемещениях и акциях можно только после длительной подготовки отчетов. При этом разобраться в них часто может только человек, который отвечает за это направление.

3. Неизвестны ключевые показатели эффективности

Компания не знает свою оборачиваемость, уровень сервиса 1 и 2 рода, упущенную прибыль, упущенный спрос, рентабельность запасов и другие показатели. Либо их можно посчитать только с участием нескольких сотрудников и за одну-две недели. Без таких метрик сложно понять, насколько эффективно вы управляете запасами и где есть возможности для улучшения.

4. Отдел закупок постоянно перегружен и допускает ошибки

Сотрудники заняты прогнозами, расчетами и согласованиями и не успевают заниматься анализом рынка и отслеживанием новых трендов. В пиковые периоды — сезонность, подготовка к новому году — работа превращается в постоянный аврал. При такой нагрузке ошибки в заказах неизбежны, а их последствия могут быть дорогими: упущенная прибыль или большие объемы неликвидов.

5. Низкое качество прогнозов спроса и товарных запасов

Точность прогнозирования — один из показателей эффективности управления запасами. Улучшить ее можно двумя способами: нанимать дорогих экспертов в отрасли или внедрять систему управления запасами. Первый вариант обычно подходит компаниям с небольшим количеством SKU, иначе штат специалистов и фонд оплаты труда быстро растут

6. Заказы поставщикам получаются неоптимальными

Рассчитать необходимый запас для покрытия спроса — это только часть задачи. В реальности приходится учитывать множество ограничений: кванты поставки, минимальные партии заказа, минимальный бюджет, вместимость транспорта, стоимость обработки строки заказа и другие параметры. Все это нужно учитывать одновременно, выбирая оптимальные условия поставки и поставщиков. Из-за сложности расчетов компании часто соглашаются на условия поставщиков, которые не всегда выгодны. В таких случаях помогает система автозаказа, которая рассчитывает оптимальные варианты автоматически.

Если хотя бы несколько из этих признаков проявляются регулярно, это повод пересмотреть подход к управлению запасами и задуматься о внедрении специализированной системы.

Канал в max | Группа в VK

Приглашаем на курс «Практика управления товарными запасами в Excel и специализированном ПО».
До 24 марта включительно его можно купить за 32 500 ₽ — с 25 марта цена вырастет до 40 000 ₽.

6 апреля стартуют 6 онлайн-занятий с практикой, домашними заданиями и итоговым тестированием.
Все записи остаются у вас.

Ведёт курс Евгений Викторов — в видео он рассказывает, что вас ждёт на занятиях.

Курс проходили закупщики и логисты из Самбери, Автотрейд, A&T Trade, CooperVision и десятков других компаний.
Почитать их отзывы можно здесь.

Если планируете несколько мест для команды — от 3 билетов скидка 10%, от 6 — 15%, от 11 — 25%.
Следующий поток только в 2027 или 2028 году.
Зарегистрироваться

ИИ в управлении запасами: мысли по поводу

С момента выхода первой версии ChatGPT в 2022 году мир ИИ изменился до неузнаваемости. То, что три года назад казалось технологическим аттракционом, сегодня превратилось в реальный рабочий инструмент: на нейросетях пишут код, автоматизируют общение и создают продукты. Разработка стала доступнее и быстрее — мы видим это по рынку управления запасами, который тоже захлестнула волна новых решений. Почти каждое из них заявляет об использовании ИИ-алгоритмов, но при ближайшем рассмотрении они часто оказываются близнецами, создавая лишь иллюзию широкого выбора. И их количество вероятнее всего будет расти.

Мы в Forecast NOW! наблюдаем за нейросетями еще с начала 2010-х. Более того, наши первые версии продукта были построены именно на нейронных сетях и генетических алгоритмах. Со временем мы осознанно отказались от этого пути в пользу вероятностных моделей, о чем писали в статье, но исследовательскую работу не прекратили. Мы продолжаем тестировать новые алгоритмы, сопоставляем их со своей системой на реальных сценариях и скоро представим детальный обзор одного из таких ИИ-алгоритмов.

Почему же, несмотря на весь прогресс, мы призываем к осторожности? Есть два фактора.

Первый — это хроническая проблема с данными. За 15 лет работы мы видели сотни компаний, и ситуация везде схожая: качественных, структурированных данных за длительный период (хотя бы 2–3 года) почти ни у кого нет. Информация разрознена: остатки — в 1С, продажи — в Excel у разных менеджеров в произвольных форматах, а системная статистика по промо-акциям или сезонности часто вообще не ведется.

Для классической математической модели это решаемая задача, но ИИ «прожорлив». Чтобы нейросеть выдала адекватный результат, ей нужно в разы больше входящих параметров и истории, чем традиционным алгоритмам. В противном случае модель может быть бесполезной и даже опасной для практики. Подробнее о требованиях к входным данным мы писали в нашей научной работе.

К этому добавляется проблема «черного ящика»: когда ИИ выдает прогноз, закупщик не понимает логику расчетов. Если вы не понимаете, как модель пришла к результату, вы не сможете его грамотно скорректировать, при необходимости.

Второй фактор — финансовая ответственность. В этом главное отличие управления запасами от других сфер применения ИИ. Если нейросеть ошибется в написании рекламного текста или распознавании картинки в маркетинге — это легко поправить без критических убытков. В управлении запасами мы работаем напрямую с оборотным капиталом. Ошибка алгоритма здесь — это не опечатка, а замороженные в неликвидах миллионы или пустые полки, ведущие к банкротству.

Здесь возникает вопрос: кто ответит за потери? Разработчик софта — маловероятно. Сотрудник внутри компании? Но готов ли он брать на себя риски за решения «черного ящика», логику которого он даже не может проверить? Сегодня риск при внедрении ИИ в закупки объективно выше, чем в большинстве других бизнес-направлений.

Что это значит для бизнеса? Мы не пытаемся отговорить от использования ИИ — он неизбежно станет частью всех процессов. Но важно разделять задачи. Использование нейросетей для автоматизации рутины — анализа рынка, обработки коммерческих предложений или отправки заказов — это оправданный и полезный шаг. Мы сами идем по этому пути, добавляя подобные функции в наш продукт.

Однако в критически важных узлах, таких как прогнозирование спроса, стоит сохранять прагматизм и не поддаваться рыночному хайпу.

В одном из следующих материалов расскажем подробнее, как работают текущие модели и каким мы видим будущее ИИ в управлении запасами.

Канал в Max | Канал в VK

Завтра, 24 марта — последний день, когда курс «Практика управления товарными запасами» можно купить за 32 500 ₽. С 25 марта цена станет 40 000 ₽.
Регистрация: https://fnow.timepad.ru/event/3821663/

❗️Через час, в 12:00, начинаем открытый вебинар «Обзор возможностей программы Forecast NOW!»

На вебинаре разберем функциональные возможности программы. Покажем, как работает программа на реальных данных и какие задачи можно с помощью неё решить.

Разберем сценарии работы в зависимости от отрасли и специфики товаров, расскажем, какие алгоритмы использует программа и какие факторы может учитывать.

Присоединяйтесь по ссылке: https://pruffme.com/landing/u707573/forecastnow-demo

Бизнес-планирование без иллюзий: что на самом деле думают лидеры отрасли

Осенью прошлого года прошла одна из ключевых международных конференций по планированию и прогнозированию — Business Planning, Forecasting & S&OP / IBP: Best Practices Conference. Это площадка, где собираются лидеры отрасли, чтобы обсудить реальные кейсы и изменения в подходах к планированию в условиях нестабильности.

В рамках конференции состоялась закрытая дискуссия «S&OP Unplugged» — откровенный разговор топ-менеджеров из разных индустрий. Ее ценность в том, что обсуждение шло не про идеальные процессы, а про реальную практику: развитие планирования спроса, прогнозирования и ИИ, а также ограничения и сложности, с которыми сталкиваются компании.

Ниже — пять ключевых выводов участников.

Искусственный интеллект — не стратегия, а инструмент для прояснения решений

Одной из главных тем стало превращение ИИ в «черный ящик». Компании внедряют сложные модели, не всегда понимая их суть и влияние на решения.

ИИ дает ценность только при четко сформулированной задаче. Если нет понимания, какие решения принимаются, на каких допущениях строится модель и какие компромиссы допустимы, алгоритмы лишь усиливают неопределенность. Поэтому важно фокусироваться не на внедрении ИИ, а на том, какие решения нужно улучшить. В итоге качество решений важнее точности модели.

Прогноз — это инструмент, а не метрика

Многие компании чрезмерно фокусируются на ошибке прогноза, превращая ее в главный KPI. Но на практике важнее полезность прогноза. Менее точный, но понятный и связанный с бизнес-сценариями прогноз приносит больше ценности, чем «идеальная» цифра без контекста. Задача прогнозирования — не угадать будущее, а поддержать принятие решений.

В условиях неопределенности важно принять, что вы скорее всего ошибаетесь

Турбулентность перестала быть исключением — она стала нормой. В этих условиях ожидание полной и точной информации часто приводит к задержкам и упущенным возможностям.

Участники дискуссии говорили о необходимости «нормализовать» ошибку. Ошибки неизбежны, и задача не в том, чтобы их избежать любой ценой, а в том, чтобы быстро их обнаруживать и корректировать курс.

Гораздо важнее выстроить процесс, который позволяет регулярно пересматривать гипотезы, реагировать на изменения и адаптироваться по мере поступления новой информации.

Роль человека меняется, но не уменьшается

С автоматизацией расчетов растет значение навыков: умения задавать вопросы, оспаривать допущения, объяснять компромиссы и выстраивать взаимодействие. ИИ работает с данными, но не заменяет человеческое суждение и контекст. Поэтому развитие этих компетенций становится критически важным.

Интеграция с финансами остается слабым звеном

В завершение участники отметили, что связка между операционным планированием и финансовым блоком все еще далека от идеала. Несмотря на наличие современных IT-решений, настоящая интеграция — с едиными гипотезами, согласованными сценариями и синхронными циклами принятия решений — встречается нечасто.

При этом проблема редко связана с технологиями. Чаще всего ограничения лежат в области процессов, организационного дизайна и системы мотивации. Когда у разных функций разные цели и KPI, даже самая продвинутая система не сможет обеспечить согласованные действия.

Без осознанного выравнивания интересов и единой логики принятия решений интеграция так и остается формальной, а не реальной.

Канал в Max | Канал в VK

На прошлой неделе провели открытый вебинар «Обзор возможностей программы Forecast NOW!»

На нем показали, как работает программа на реальных данных, и, какие задачи можно с помощью нее решить.

Разобрали основные модули:

🔹Прогнозирование и автозаказ
🔹Аналитика.
🔹Балансировка запасов
🔹Прогнозирование эффектов промо
🔹Стратегическое планирование закупок
🔹Проактивные рекомендации

Посмотреть запись можно на удобной платформе:

fnow.ru
Youtube
VK Видео
Rutube

Наши дополнительные площадки

На всякий случай публикуем ссылки на наши паблики в других соц. сетях. Если телеграм вам не удобен, чтобы не терять связь и иметь доступ к материалам, подписывайтесь на наши другие каналы.

Группа в VK
Канал в Мах
Канал в дзен
Youtube
Rutube
Статьи на сайте

На следующей неделе, 6 апреля, стартует курс «Практика управления товарными запасами в Excel и специализированном ПО».
6 онлайн-занятий с практикой, домашними заданиями и итоговым тестированием.

За 3 недели разберём всё, что нужно для системного управления запасами: как правильно сегментировать ассортимент, какие показатели эффективности реально важны и как их считать, как прогнозировать спрос с учётом сезонности и акций, какие методы прогнозирования работают на практике и как оценить их точность. Отдельно разберём управление уровнем сервиса и страховым запасом — как его считать, как уменьшить и при этом не потерять в продажах.

Курс для тех, кто уже работает в закупках или логистике и хочет разобраться в теме глубже. Подходит как специалистам, которые только выстраивают процессы, так и опытным сотрудникам, которые хотят систематизировать знания.
Ведёт курс Евгений Викторов, руководитель отдела внедрения Forecast NOW! — за его плечами более 50 проектов внедрения и несколько лет обучающих программ для специалистов по закупкам.

Вы еще можете успеть записаться: https://fnow.timepad.ru/event/3821663/

Информация для тех, кто уже зарегистрирован на курс — сегодня вышлем все необходимые материалы: ссылки для подключения к занятиям и приглашение в рабочий чат курса. Следите за почтой.

Excel и управление запасами: в какой момент он начинает работать против бизнеса

Все еще используете Excel для управления запасами? В этом вы не одиноки. Excel все еще остается самым популярным инструментом для управления запасами. Недавно мы провели опрос в этом канале и более 60% компаний используют Excel для планирования запасов.

При всем удобстве и простоте у Excel есть ряд недостатков, которые не всегда очевидны, но о них следует знать.

Есть одна закономерность, которую можно наблюдать в десятках компаний: чем дольше они держится за Excel как основу управления запасами, тем сложнее потом оценить, сколько денег это решение стоило.

Для небольшого ассортимента и ограниченного числа складов он вполне справляется. Сложности начинаются позже. Постепенно и почти всегда незаметно.

Первый признак — данные перестают быть едиными. Закупщики работают в своих файлах, логисты в своих, коммерческий блок в своих. Каждый уверен, что у него актуальная версия. На самом деле в компании одновременно существует несколько вариантов одних и тех же показателей, и никто не знает, какому верить. Решения начинают приниматься на основе разных цифр — и именно здесь закладываются будущие перекосы в запасах.

Дальше появляется зависимость от конкретных людей. Excel-модели со временем превращаются в сложные конструкции с запутанными формулами, логика которых нигде не описана. Как правило, только один человек понимает, как это всё устроено. Когда он уходит в отпуск или увольняется — работа либо останавливается, либо новый сотрудник вносит изменения наугад, что создаёт ошибки, которые не сразу видно.

Отдельная история — контроль данных и изменений. В Excel любой может изменить значение в ячейке, и это немедленно скажется на расчётах. Отследить, кто и когда это сделал, практически невозможно.
При работе с запасами на сотни миллионов рублей такая «гибкость» становится источником реальных финансовых рисков: некорректный расчёт потребности остаётся незамеченным до тех пор, пока не возникает дефицит или, наоборот, затоваренный склад.

Ещё один момент, который недооценивают — задержка данных. Excel работает с выгрузками, а не с потоком в реальном времени. Между тем, что происходит в системе продаж, и тем, что видит закупщик в своём файле, всегда есть лаг. В спокойном рынке это терпимо. При высокой волатильности спроса — это прямые потери: либо уходит продажа, либо замораживается капитал в ненужном товаре.

Когда ко всему этому добавляется рост ассортимента, файлы начинают тормозить. Пересчёт формул занимает минуты, открытие — тоже. Сотрудники тратят время на ожидание, а не на анализ. Это не просто неудобство — это замедление всего процесса принятия решений в компании.

По отдельности каждый из этих факторов кажется не сильно критичным. Вместе они создают ситуацию, когда компания теряет управляемость запасами. Одновременно появляются излишки и дефицит, несмотря на постоянные пересчеты. Деньги замораживаются в складе, оборачиваемость падает, а решения по заказам занимают все больше времени.

Это означает, что ограничения уже не в команде, а в инструменте. И это уже повод задуматься о том, чтобы что-то поменять. Подробнее о недостатках excel, на которые стоит обращать внимание мы написали в статье «12 причин, почему Excel перестает работать в управлении запасами и начинает снижать прибыль».

За последние несколько лет мы регулярно наблюдаем одну и ту же ситуацию.

Компании приходят на рынок с задачей выбрать подходящую систему управления запасами. Делают всё как надо: анализируют решения, проводят сравнения, пилоты, обсуждают с подрядчиками… но в итоге так и не находят вариант, который им бы подошел.

При этом на рынке достаточно много решений для планирования запасов: IBP, SCM системы, программы для прогнозирования спроса и запасов, а также универсальные BI/CPM и другие платформы.

Проходит год — и всё повторяется снова. Часто это происходит с бизнесами, которые раньше работали на западных системах. Их больше нет, требования остались, а на рынке — ощущение, что ни одно решение «не дотягивает».

И здесь важный момент: дело не только в рынке или качестве продуктов. В статье разбираем, почему эта ситуация возникает и что с этим можно сделать.

Как перестать терять деньги на запасах: 10 практических рекомендаций

Склад переполнен, но нужного товара всё равно нет? Деньги заморожены в запасах, а дефицит продолжает возникать? Это одна из самых частых проблем в управлении запасами — и она напрямую стоит бизнесу денег.

Подготовили 10 рекомендаций, которые помогут взять ситуацию под контроль.

1. Не доверяйте рекомендациям на слово. Сейчас есть множество рекомендаций в интернете и даже профессиональной литературе. Все советы и рекомендации нужно проверять на применимость к вашей отрасли, понимать, есть ли экономическое обоснование и можно ли оценить экономическую эффективность.

2. Четко определяйте терминологию и способы расчета показателей: сверхзапасы, оборачиваемость, рентабельность, упущенная прибыль и т.д. Между сотрудниками и отделами не должно быть разных трактовок.

3. Ставьте измеримые, достижимые, значимые и конечные цели. Цель должна быть понятна всем отделам.

4. Проверяйте систематизацию данных. Все данные (промо, условия поставки и т.д.) должны учитываться и заноситься в единую систему. Нужно регулярно следить, чтобы всё, с чем работают закупщики, не оставалось только у них в голове или на их компьютерах.

5. Прежде, чем предлагать решения, нужно провести детальный анализ ассортимента и бизнес-процессов. Вы должны понимать весь процесс управления запасами, от поиска поставщиков до отгрузки на склад и распределения в магазины, - как именно это происходит, кто за какие задачи отвечает.

6. Синхронизируйте работу и цели отделов. Сотрудники разных отделов не должны иметь противоположные цели, как это часто бывает. Необходимо также обеспечить обмен информацией между отделами.

7. Не увлекайтесь ранжированием товаров. Чем больше у вас категорий товаров, тем сложнее ими управлять. За основу можно взять проверенный ABC-анализ и при необходимости модифицировать его.

8. Предлагаемые изменения желательно промоделировать. Это поможет без ущерба понять, что будет, если, например, измените частоту заказов или сезонные коэффициенты.

9. Старайтесь оценивать всё в деньгах — сколько вы потеряете из списаний и хранения, сколько можете потерять из-за дефицита и т.д. Например, увеличение уровня сервиса на 1-2% может потребовать существенно больше хранить продукции на складе. И здесь важно понимать, сколько это будет стоить и будет ли рентабельно для компании.

10. Отслеживайте достижение целей на постоянной основе.

Канал в Max | Канал в VK

Как понять, под чей спрос вы держите запас, и почему это критично для закупок? 📦

В новом видео разбираем RFM-анализ — инструмент, который обычно относят к маркетингу, но на практике он может серьёзно усилить управление запасами.

На простом примере с цифрами показываем, как работает RFM-анализ и как применять его в закупках 📊

Разбираем:
▪️как сегментация клиентов помогает понять, где нужно держать высокий уровень запаса, а какие позиции разумнее перевести под заказ
▪️как связать клиентскую аналитику с товарной, чтобы сократить излишки, снизить дефицит и точнее принимать решения по запасам
▪️ какие ошибки чаще всего мешают использовать этот подход в работе.

Если хотите, чтобы запас работал на реальные продажи, а не на усреднённый спрос, это видео точно стоит посмотреть

Если тема интересна, дайте знать реакцией👍

Какая нейросеть подходит для прогнозирования спроса?

Частый запрос от компаний – поиск решения для прогнозирования спроса на основе ML/AI.

Как правило он появляется из-за обилия новостей и кейсов автоматизации с помощью ИИ. И если сильно не вникать и не разбираться, то это выглядит так, что можно достаточно быстро и относительно недорого собрать какое-то решение, которое окажется эффективным.

Но все как обычно кроется в деталях. Давайте разбираться, что к чему.

Когда говорят про ИИ, чаще всего имеют в виду LLM (Large Language Models — большие языковые модели), такие как ChatGPT, Claude, Deepseek и другие. На текущий момент эти модели активно развиваются, и подавляющее большинство новостей связано именно с ними.

Однако помимо LLM существуют специализированные нейросети, предназначенные для прогнозирования временных рядов. К современным моделям этого класса относятся, например, Chronos (Amazon), TimesFM (Google), Moirai (Salesforce), TimeGPT (Nixtla) и другие.

Важно не смешивать LLM и специализированные модели прогнозирования, так как они решают разные задачи.

LLM хорошо подходят для работы с текстами: поиска и анализа информации, объяснений и помощи пользователям. Однако в задачах прямого прогнозирования спроса они обычно не являются основным и наиболее надёжным инструментом; для этого чаще применяют специализированные статистические или ML-модели. Это можно сравнить с использованием легкового автомобиля для перевозки строительных материалов: в принципе возможно, но неэффективно.
Для таких задач лучше использовать специализированный транспорт.

За последние годы LLM значительно продвинулись вперёд, в том числе за счёт снижения количества галлюцинаций благодаря обучению на огромных объёмах данных и взаимодействию с большим числом пользователей.

Специализированные модели временных рядов развиваются по другой траектории и решают более узкий класс задач. Их качество сильнее зависит от структуры данных, объёма истории, наличия внешних признаков и характера спроса; при разреженных продажах и нестабильных паттернах прогноз может быть менее устойчивым.

Ключевой тренд в современных моделях прогнозирования — переход от точечного прогноза к оценке неопределённости: квантилям, интервалам и вероятностным распределениям.

Соответственно, если вы хотите прогноз на основе ИИ, то вам нужно обратить внимание на специализированные нейросетевые модели для прогнозирования. Но при этом не нужно забывать о требования к данным. Об этом мы писали в одном из прошлых постов. Иначе, подавая, на вход мусор, такой же результат вы получите на выходе.
Также эти модели достаточно сложны в настройке и требуют хороших специалистов по ИИ, которые понимают принципы работы. А они сейчас востребованы во многих отраслях и стоят дорого.

Ну и нужно помнить, что такие алгоритмы как правило дают только прогноз. А есть еще огромный пласт процессов - расчет заказов, моделирование остатков, учет ограничений поставщиков, факторов неопределенности, балансировка запасов и т.д.