Прогнозирование спроса с ИИ: данные на входе, прогноз по SKU на выходе

Что на самом деле меняет ИИ в прогнозировании

Классический прогноз подбирает кривую к истории каждого товара: скользящие средние, экспоненциальное сглаживание, ARIMA. Это быстро и понятно, но модель знает только прошлое одного ряда — она не знает, что через месяц акция «2 по цене 1», что цена выросла на прошлой неделе или что в магазинах, где продают вентиляторы, будет +35°C.

Машинное обучение — градиентный бустинг по признакам или фундаментальные модели временных рядов — учится на всех ваших SKU сразу и принимает внешние сигналы. Соревнование M5 (данные Walmart, 42 840 рядов) — лучший публичный бенчмарк: победили модели градиентного бустинга с богатыми признаками, заметно обойдя классику на агрегированном уровне. На практике выигрыш больше всего на ходовых акционных позициях и меньше всего на редких и нестабильных.

Как честно измерять точность

Используйте взвешенную абсолютную процентную ошибку (WAPE), а не MAPE: MAPE взрывается на неделях с малыми объёмами и поощряет занижение. Отчитывайтесь по сегментам — топ-20% по выручке, акционные и нет, новые и зрелые — потому что одна цифра по всему ассортименту прячет, где модель слаба. Добавьте смещение (систематическое завышение или занижение) и добавленную ценность прогноза относительно наивной базы и правок планировщиков.

Реалистичные ожидания: против таблицы или наивной базы хорошо внедрённое ML-прогнозирование обычно снижает WAPE на 20–35% на быстро оборачиваемой половине ассортимента в первый квартал. Страховой запас считается от ошибки прогноза, так что на треть меньше ошибки — на треть меньше страхового запаса при том же уровне сервиса.

Где это ломается

Дефицит читается как нулевой спрос: если товара не было три недели, история говорит, что его никто не хотел. Шаг очистки должен помечать такие недели по остаткам. Новые товары без истории: используйте товары-аналоги первые 8–12 недель. Правки планировщиков, которые никто не оценивает: сохраняйте их, сравнивайте с моделью ежемесячно и показывайте результат — обычно правки помогают на акциях и мешают везде остальном.