Прогнозирование запасов

Прогнозирование запасов — метод расчёта будущего спроса и объёмов закупок для обеспечения нужного уровня наличия товаров без излишних складских затрат. Это конкретные формулы, метрики и правила принятия решений для каждого SKU.

Как работает прогнозирование запасов

Процесс прогнозирования запасов делится на три шага: сбор данных, модель прогноза и перевод прогноза в операционные параметры (точка заказа, объём заказа, safety stock). На практике это значит:

• собирать историю продаж по SKU и каналу (например, продажи на Kaspi.kz отдельно для FBS и отдельно для FBO);
• учитывать lead time от поставщика до склада (для внутренних поставок по Казахстану обычно 2–10 дней, для импортных — 30–60 дней);
• оценивать сезонность и промо-эффекты (Новый год/декабрь, Наурыз в марте, сезон школы в августе–сентябре, распродажи Kaspi/Black Friday);
• переводить прогноз спроса в точки заказа по формуле: точка заказа = средний спрос за время поставки + safety stock.

Ключевые элементы и формулы:

• Средний спрос (D_avg) — обычно берут среднее за последние 3–12 месяцев в зависимости от стабильности SKU.
• Срок поставки (LT) — средний календарный или рабочий срок от заказа поставщику до поступления на склад/в фулфилмент.
• Safety stock = z * sigma_LT, где z — z-значение для требуемого уровня обслуживания (например, 1,65 ≈ 95%), sigma_LT — стандартное отклонение спроса за LT.
• Точка заказа (ROP) = D_avg × LT + safety stock.
• EOQ (экономичный объём заказа) Q = sqrt(2DS/H), где D — годовой спрос, S — стоимость размещения заказа, H — годовая стоимость хранения единицы.

Зачем прогнозирование запасов нужно продавцу на Kaspi.kz

Прогнозирование запасов напрямую влияет на выручку и себестоимость. Конкретные эффекты для продавцов Kaspi.kz:

• снижение stock-out: утерянные продажи на Kaspi приводят не только к немедленной потере заказа, но и к падению конверсии и видимости товара в выдаче;
• оптимизация оборотных средств: держать лишние запасы дорого — складские и финансовые издержки растут; целевой показатель для многих продавцов e‑commerce — оборотность запасов 6–12 раз в год (соответствует 30–60 дням запасов);
• снижение логистических затрат: согласованное планирование заказов позволяет реже создавать экспресс-поставки и уменьшать доплаты за срочность;
• упрощение работы с фулфилментом: если вы используете FBO или сторонний фулфилмент, прогнозы позволяют планировать отгрузки партиями и избегать штрафов за недостаток наличия на складских площадках Kaspi;
• планирование акций: заранее просчитанные прогнозы позволяют комбинировать скидки и пополнение так, чтобы не закончиться на пике спроса.

Пример цифр: если SKU имеет средние продажи 900 шт/год и вы держите запасы на 120 дней, вам потребуется ≈300 единиц на складе. Понижение запасов до 45 дней уменьшит средний запас до ≈110 единиц, но увеличит риск stock-out при задержке поставки.

Практические примеры расчётов для продавца Kaspi.kz

Два типичных кейса: стабильный товар и товар с высокой волатильностью.

Пример 1 — стабильный SKU

• Средние продажи: 30 шт в месяц (≈1 шт в день).
• Срок поставки: 14 дней.
• Стандартное отклонение ежедневного спроса: 0,5 шт.
• Уровень обслуживания: 95% (z = 1,65).

Расчёт:

• sigma_LT = 0,5 * sqrt(14) ≈ 1,87
• safety stock = 1,65 * 1,87 ≈ 3,1 → округляем до 4 шт
• ROP = средний спрос за LT + safety stock = 14 + 4 = 18 шт

Итого: при остатке 18 шт стоит размещать заказ. Для стабильного SKU это даёт низкий уровень холда и почти нулевые риски потерянных продаж при стандартных задержках.

Пример 2 — волатильный SKU

• Средние продажи: 300 шт в месяц (≈10 шт в день).
• Срок поставки: 14 дней.
• Стандартное отклонение ежедневного спроса: 6 шт.
• Уровень обслуживания: 95% (z = 1,65).

Расчёт:

• sigma_LT = 6 * sqrt(14) ≈ 22,44
• safety stock = 1,65 * 22,44 ≈ 37 шт
• ROP = 140 + 37 = 177 шт

Итого: для высоковолатильного товара нужно гораздо больше safety stock. Если поставщик не может частично отгружать, нужно учитывать MOQ и согласовывать частые мелкие отправки или повышать линейку запасов.

EOQ на практике

Поставщик предлагает бесплатную доставку при заказе от 500 шт, но хранение и деньги на складе стоят. Пример расчёта экономичного объёма заказа:

• Годовой спрос D = 3600 шт.
• Стоимость размещения одного заказа S = 5 000 KZT.
• Себестоимость единицы C = 1 000 KZT, годовой коэффициент хранения = 20% → H = 200 KZT.
• EOQ Q = sqrt(2 × 3600 × 5000 / 200) ≈ 424 шт.

Вывод: оптимальный объём ~424 шт. Если MOQ 500 шт, стоит сравнить дополнительные складские расходы с экономией от редких заказов.

Метрики качества прогноза и целевые значения

Чтобы понимать, насколько прогноз работает, используйте эти метрики:

• MAPE (mean absolute percentage error) — целевые значения зависят от категории: стабильные SKU < 20%, большинство товарных позиций 20–40%, высоковолатильные < 50%;
• RMSE — полезно для сравнения моделей на одних и тех же SKU;
• Fill rate и service level — доля заказов, яка исполнена с наличия. Для e‑commerce часто целятся 95%+; для дефицитных категорий можно целиться в 90% в баланс с затратами на хранение;
• Оборотnost запасов — COGS / средний запас. Для большинства продавцов 6–12 оборотов в год.

Пример практической метрики для Kaspi: снижение MAPE с 35% до 18% по топ‑100 SKU обычно даёт рост выполнения заказов на 3–7% и уменьшение оборотного капитала на 10–20%.

Практические советы по внедрению прогнозирования

Пошаговый план внедрения, который реально работает у продавцов Казахстана:

1. Сегментируйте товары по ABC‑XYZ: ABC по выручке (A — 20% SKU дают 80% выручки), XYZ по стабильности спроса (X — низкая волатильность). Начинайте с A+X и A+Y.
2. Выберите горизонты: для fast‑moving товаров прогнозируйте на 14–30 дней, для долгосрока — 90–180 дней, для импортных заказов — 6–12 месяцев с учётом сроков доставки.
3. Учтите промо и маркетинг: планируйте акции совместно с календарём Kaspi и собственным маркетингом; во время распродаж спрос может увеличиваться в 2–5 раз и требует отдельного прогноза.
4. Контролируйте поставщиков: фиксируйте реальные lead time и их распределение. Если 95% поставок приходят за 7 дней, но есть редкие 30‑дневные задержки, учитывайте дисперсию в расчёте safety stock.
5. Автоматизируйте рутинные расчёты: используйте инструменты, которые интегрируются с Kaspi через API и автоматически пересчитывают ROP, EOQ и формируют заказы. AWW, например, помогает настроить правила и автогенерацию точек заказа на основе истории продаж.
6. Тестируйте и корректируйте: внедряйте изменения сначала на 20–50 SKU и оценивайте MAPE, fill rate и изменение оборотного капитала за 2–3 месяца.

Ошибки и риски, которых можно избежать

• Игнорирование сезонности. Например, недооценка спроса на подарочные наборы в декабре приводит к массовым недовыполнениям.
• Учёт только среднего спроса без дисперсии. Это обычно приводит к недостаточному safety stock и частым экспресс‑допоставкам.
• Неучёт изменения маркетинговых планов Kaspi: участие в больших распродажах требует отдельного плана поставок.
• Игнорирование MOQ и упаковочных ограничений. Закупка по EOQ должна учитывать реальные упаковки и места в контейнере.

Пример ошибки: продавец заказал по EOQ 400 шт, не учтя, что поставщик имеет MOQ 600 и обещал доставку за 30 дней. В результате запас оказался либо слишком большим, либо пришлось ставить срочный заказ, который удвоил себестоимость логистики.

Итог и практический совет

Прогнозирование запасов — не абстрактная аналитика, а набор практических расчётов: ROP, safety stock и EOQ, основанных на истории продаж, lead time и волатильности спроса. Начните с ABC‑XYZ сегментации, автоматизируйте расчёты для топ‑20% SKU (по выручке) и стремитесь к MAPE < 20% для стабильных позиций. Одновременная интеграция с данными Kaspi через API и инструментами автоматизации позволяет снизить stock‑out и высвободить оборотный капитал без потери продаж.

Практический совет: сделайте первую автоматизацию расчётов для 50 самых доходных SKU: настройте точку заказа по формуле ROP = D_avg × LT + z × sigma_LT, установите целевой уровень сервиса 95% и пересматривайте параметры раз в месяц или после каждой крупной акции.