Прогнозирование запасов
Считает будущий остаток и риск дефицита по каждой паре товар-склад на 8–13 недель вперёд, с учётом сроков поставки, минимальных партий и сезонности. Закупщик видит не остаток на сегодня, а дату, когда товар закончится.
Иллюстрация показывает рабочий контур направления; конкретные шаги и интеграции разобраны ниже.
Как это выглядит без автоматизации
Запас — это деньги, лежащие на полке. Пока решения о закупке принимаются по остатку на сегодня и по памяти закупщика, компания одновременно живёт с двумя противоположными проблемами: ходовое кончается раньше поставки, а неходовое копится годами. Причём деньги на второе взяты из тех же оборотных средств, которых не хватило на первое.
Решения принимаются по текущему остатку, а не по будущему
Отчёт в учётной системе показывает, что есть сейчас. Но заказывать нужно исходя из того, что будет через срок поставки: 30 дней до Москвы, 60–90 дней из Китая. За это время товар успевает закончиться дважды, и это видно только постфактум.
Дефицит и излишки существуют одновременно
В типичной компании с ассортиментом от тысячи позиций 5–8% товарных дней проходят с нулевым остатком, и при этом четверть запаса лежит дольше 120 дней. Средняя оборачиваемость выглядит приемлемо и маскирует обе проблемы сразу.
Продажи путают со спросом
Если товара не было на складе, продажи равны нулю — и алгоритм заказа делает вывод, что позиция не нужна. Дефицит закрепляет сам себя: чем чаще позиция кончалась, тем меньше её заказывают в следующий раз.
Страховой запас назначается на глаз
Обычно это круглое число вроде месячного расхода на всё подряд. Но по ходовому товару с надёжным поставщиком месяц избыточен, а по позиции со сроком поставки от 28 до 47 дней его не хватает. Разброс срока поставки никто не считает, хотя именно он определяет размер страхового запаса.
Ручной пересчёт не масштабируется
Закупщик физически способен вдумчиво разобрать 50–100 позиций в неделю. При 4 000 SKU на трёх складах это 12 000 пар товар-склад: до каждой очередь доходит раз в полгода, а между визитами всё решает интуиция.
Во что это обходится: Компания с запасом 90 млн ₽, из которых 23 млн ₽ лежат дольше 120 дней: при стоимости денег 22% годовых это около 420 000 ₽ в месяц, вложенных в товар, который не продаётся. Параллельно нулевые остатки съедают примерно 1,4 млн ₽ выручки в месяц, при марже 22% — ещё 300 000 ₽ недополученной прибыли. Итого больше 700 000 ₽ ежемесячно в одной и той же компании, и на дефиците, и на излишках.
Возможности системы
Мы строим расчётный контур поверх ваших систем: он ежедневно забирает историю продаж, движение остатков и параметры поставщиков, восстанавливает истинный спрос, прогнозирует его по каждой паре товар-склад и переводит прогноз в понятные закупщику величины — дата исчерпания, риск дефицита, рекомендуемый объём заказа. Ваша 1С остаётся вашей 1С: мы читаем данные и возвращаем расчёт, не переписывая конфигурацию.
Прогноз спроса по паре товар-склад
Не общий прогноз по компании, а отдельный ряд по каждой позиции на каждом складе. Модель подбирается под характер спроса: регулярный сезонный ряд, редкие продажи (методы для прерывистого спроса), новинка без истории — по товарам-аналогам.
Восстановление истинного спроса
Дни, когда товара не было на остатке, помечаются и не считаются как отсутствие интереса. Спрос в эти периоды достраивается по соседним неделям и по поведению аналогичных позиций, иначе система будет вечно занижать заказ по дефицитным товарам.
Страховой запас от разброса срока поставки
Считаем не средний срок поставки, а его распределение по фактическим приёмкам: 34 дня в среднем при разбросе от 28 до 47. Страховой запас рассчитывается от целевого уровня сервиса и этого разброса, отдельно по классам ABC/XYZ — а не одним числом на весь ассортимент.
Карта риска дефицита
Единый экран: что закончится на этой неделе, что через месяц, где заказ нужно разместить сегодня, потому что срок поставки уже съел весь запас времени. Сортировка по деньгам, а не по алфавиту: сверху позиции с наибольшей упущенной маржой.
Излишки с ценником
Обратная сторона того же расчёта: позиции с покрытием больше 180 дней, замороженные в них деньги, скорость старения. Отдельно — товар, который вы продолжаете заказывать, хотя прогноз показывает падение спроса третий квартал подряд.
Рекомендация к заказу с ограничениями поставщика
Прогноз превращается в конкретный заказ: с учётом минимальной партии, кратности упаковки, графика заказов у поставщика, полной загрузки машины или контейнера. Закупщик получает не цифру потребности, а строку заказа, которую можно отправить.
Объяснимость каждой цифры
По любой позиции видно, из чего сложилась рекомендация: базовый тренд, сезонный коэффициент, поправка на промо, страховой запас, товар в пути. Закупщик обязан иметь возможность спорить с системой — иначе он ей не поверит и вернётся в Excel.
Путь одного события через систему
Каждый шаг оставляет след в журнале: любое решение системы можно открыть и проверить — что пришло, что проверено, что сделано.
Ночная выгрузка данных
Из 1С, WMS и каналов продаж забираются продажи за сутки, движение остатков, поступления, товар в пути, изменения справочников. Работа идёт с репликой или через отдельного пользователя на чтение — нагрузки на боевую базу в рабочее время нет.
Очистка и разметка истории
Из ряда исключаются перемещения между складами, возвраты, технические сторнирования. Промо-периоды и дни без остатка помечаются флагами: первые не должны задирать базовый уровень, вторые — занижать его.
Прогноз спроса
Для каждой пары товар-склад строится прогноз на 13 недель с интервалом неопределённости. Ряды с достаточной историей идут через сезонные модели, редкие продажи — через методы для прерывистого спроса, новинки — через аналоги с быстрой корректировкой по первым неделям.
Расчёт покрытия и точки заказа
Прогноз накладывается на остаток и товар в пути. Считается дата исчерпания, точка заказа с учётом срока поставки и его разброса, требуемый страховой запас под целевой уровень сервиса для этого класса товара.
Формирование рекомендаций
Потребность округляется до кратности упаковки, собирается в партии по минималкам поставщика и по загрузке транспорта, распределяется по складам. Получается готовый черновик заказа по каждому поставщику.
Решение остаётся за человеком
Закупщик открывает лист рекомендаций, видит обоснование по каждой строке, правит спорные позиции и подтверждает. Подтверждённый заказ выгружается в 1С. Все правки записываются: через два-три месяца видно, где человек систематически прав, и это уходит в настройку моделей.
Что происходит по неделям
Каждый этап заканчивается результатом, который вы видите и принимаете. Оплата привязана к приёмке, а не к обещаниям.
Аудит данных и замер точки отсчёта
Выгружаем историю продаж и движения остатков за 24–36 месяцев, справочник номенклатуры, карточки поставщиков, историю приёмок. Проверяем полноту: есть ли дни без остатка, размечены ли акции, совпадают ли учётные остатки с последней инвентаризацией. Считаем текущие метрики: доля товарных дней с нулём, покрытие в днях по группам, оборачиваемость, объём запаса старше 120 дней.
Витрина данных и восстановление спроса
Собираем ежедневный поток из 1С, WMS и каналов продаж в отдельную витрину, чтобы расчёты не нагружали боевую базу. Чистим ряды от перемещений и возвратов, размечаем промо и периоды дефицита, восстанавливаем истинный спрос в дни с нулевым остатком. Сверяем итоги витрины с оборотно-сальдовой ведомостью до копейки.
Модели и честный бэктест
Классифицируем ассортимент по ABC/XYZ и характеру спроса, подбираем модель под каждый класс. Проверяем на скрытых последних 6 месяцах: как модель заказала бы товар в прошлом и что было бы с остатками. Сравниваем с тем, как фактически заказывали ваши закупщики.
Политика запаса
Считаем страховой запас от целевого уровня сервиса и фактического разброса сроков поставки, определяем точки заказа. Заводим ограничения поставщиков: минимальные партии, кратность, графики заказов, условия по бесплатной доставке. Согласуем с вами уровни сервиса по классам — по группе A обычно 97–98%, по редким позициям заметно ниже, и это осознанное решение о деньгах.
Рабочее место закупщика
Собираем экраны, которыми пользуются каждый день: карта риска дефицита по неделям, карточка позиции с разбором прогноза, лист рекомендаций к заказу с выгрузкой в 1С, отчёт по излишкам и старению запаса. Настраиваем уведомления о резких отклонениях. Проводим обучение закупщиков на их собственных позициях, а не на демо-данных.
Сопровождение и переобучение
Ежемесячно сверяем прогноз с фактом, переобучаем модели на свежих данных, разбираем позиции с систематической ошибкой. Обновляем параметры поставщиков при смене условий, добавляем новые склады и категории, готовим ассортимент к сезонным пикам заранее.
Модельный расчёт: из чего складывается эффект
Не «до 90% экономии», а конкретная модель с вводными, которые можно оспорить и пересчитать под себя.
| Показатель | Сейчас | После внедрения |
|---|---|---|
| Горизонт решения о закупке | остаток на сегодня плюс опыт закупщика | прогноз на 13 недель по каждой паре товар-склад |
| Товарные дни с нулевым остатком (группа A) | 6,5% | 2,5–3% |
| Запас с покрытием дольше 120 дней | 23 млн ₽ | 15 млн ₽ |
| Оборачиваемость запаса | 4,1 оборота в год (покрытие 88 дней) | 4,6–4,9 оборота в год (покрытие 75–79 дней) |
| Списание и уценка неликвида | около 280 000 ₽ в месяц | 230 000–240 000 ₽ в месяц |
Полная цена владения — три составляющие
Никаких скрытых платежей: внешние сервисы вы оплачиваете напрямую по своим договорам, мы не делаем наценку на чужие тарифы.
Внедрение
- типовой проект: 900 000 ₽
- срок: 8–16 недель
- диагностика, разработка, интеграции, пилот
- документация и обучение команды
Поддержка
- мониторинг и реагирование по SLA
- исправление дефектов бесплатно
- обновление сценариев и интеграций
- ежемесячный отчёт о работе системы
Эксплуатация
- Вычислительные ресурсы для ежедневного пересчёта: 8 000–25 000 ₽/мес
- Хранилище витрины данных (PostgreSQL или ClickHouse): 5 000–15 000 ₽/мес
- BI-слой для дашбордов, если своего нет: 0–30 000 ₽/мес в зависимости от платформы
- Языковая модель для текстовых пояснений к прогнозу: 2 000–8 000 ₽/мес, по желанию
- размер и структура ассортимента: 1 500 SKU на одном складе и 40 000 SKU на семи — принципиально разный объём работы
- качество исходных данных: если история продаж не размечена по акциям и не содержит движения остатков, восстановление спроса займёт отдельный этап
- число источников: одна база 1С проще, чем 1С плюс WMS плюс личные кабинеты маркетплейсов с разной логикой возвратов
- требуется ли расчёт по многоуровневой сети (центральный склад и региональные) с распределением между ними
- нужна ли выгрузка готовых заказов обратно в учётную систему или достаточно рекомендательного отчёта
- глубина работы с новинками и сезонными коллекциями, где истории нет и прогноз строится по аналогам
Участие заказчика
На диагностике достаточно обезличенных примеров. Боевые доступы — только после договора и NDA, через защищённые каналы.
С чем соединяем
Работаем с тем, что у вас уже есть. Если вашей системы нет в списке — скорее всего, подключимся через API: уточним на диагностике.
Как это решение работает в разных бизнесах
Дистрибьютор с 12 000 SKU и тремя региональными складами: заказы формировались по остатку и памяти четырёх закупщиков, до дальних складов очередь доходила раз в месяц. Расчёт по 36 000 пар товар-склад показал, что 19 млн ₽ лежат в позициях с покрытием больше полугода, а по ходовой группе A каждая двадцатая неделя проходит без товара. За два квартала излишки сократились на 7 млн ₽, а деньги ушли в дефицитные позиции — без дополнительного финансирования.
Сеть из 40 магазинов у дома: прогноз строится не по сети, а по паре магазин-товар, потому что спрос у вокзала и в спальном районе расходится вдвое. Система учитывает завоз по графику машин и полочное пространство: на выходе — заявка по каждому магазину с учётом кратности коробов. Дни отсутствия молочной и хлебной групп на полке сократились с 7% до 3%, при этом списания по срокам годности не выросли.
Продавец на Wildberries и Ozon с 3 500 артикулами на пяти складах площадок: между решением о поставке и появлением товара в продаже проходит 10–20 дней с учётом приёмки, а любой день с нулём обнуляет позицию в выдаче. Прогноз считается отдельно по складам площадок, учитывает рекламные всплески и разную скорость приёмки. Поставки планируются за 3 недели, а не по факту падения остатков.
Завод с 2 800 позициями сырья и комплектующих: спрос на комплектующие зависит не от продаж, а от плана производства, а часть позиций едет 70–90 дней с плавающим сроком. Прогноз разворачивает план выпуска в потребность по спецификациям и накладывает фактический разброс сроков поставки. Остановки линии из-за отсутствия мелочи вроде крепежа перестали быть регулярным событием, а страховой запас по импорту рассчитан, а не назначен приказом.
Сеть из 12 сервисов со складом запчастей на 9 000 позиций: спрос по большинству артикулов редкий — две-три продажи в квартал, и классические средние здесь бесполезны. Для таких рядов считается не точечный прогноз, а вероятность обращения за период, а по ходовым расходникам — обычный сезонный ряд. Итог: доля ремонтов, отложенных из-за ожидания детали, снижается, а склад не разрастается за счёт редких позиций про запас.
Что обычно спрашивают
Чем это отличается от отчёта по остаткам, который у нас уже есть в 1С?
Насколько точен прогноз и что вы обещаете?
У нас поставки из Китая по 60–90 дней, и срок каждый раз разный. Это вообще прогнозируемо?
Что делать с новинками, у которых истории продаж нет вообще?
Придётся ли менять или дорабатывать нашу 1С?
Наши закупщики скажут, что машина не понимает рынок. Как быть?
Данные не уйдут наружу?
Когда это решение не окупится
- меньше 500–1 000 SKU при стабильном спросе: опытный закупщик с грамотной таблицей справится не хуже, а внедрение не окупится
- нет истории продаж хотя бы за 12–18 месяцев — прогнозировать не на чем; сначала полгода собираем нормальные данные, потом возвращаемся к расчёту
- учётные остатки расходятся с фактическими больше чем на 5%: модель обучится на вымышленных цифрах, сначала нужна инвентаризация и порядок в учёте
- позаказный и проектный бизнес, где закупка идёт под подписанный договор с известной спецификацией — там прогноз спроса не нужен, нужен календарь обязательств
- ожидание, что система сама начнёт заказывать без человека: это следующий шаг, и переходить к нему стоит только после квартала подтверждённого доверия к прогнозу
Если на диагностике расчёт не сойдётся — мы предложим более простой вариант или честно скажем, что автоматизация вам пока не нужна. Это дешевле для всех, чем проект ради проекта.
Автопополнение запасов
Система сама следит за остатками всех точек хранения и, когда позиция подходит к порогу, готовит предложение: переместить с соседнего склада или заказать у поставщика. С расчётом на экране и подтверждением в одну кнопку — черновики документов уходят в 1С и ЭДО.
Склад и логистикаАвтоматизация склада
Приёмка, размещение, отбор и инвентаризация превращаются в задания на ТСД, которые система выдаёт по правилам и контролирует по факту сканирования. Работает поверх вашей 1С или WMS — без замены учётной системы.
Аналитика и прогнозированиеПрогнозирование спроса
Модель на вашей истории продаж считает спрос по каждой паре «товар — точка» с учётом сезонности, промо и трендов, а затем сверяет прогноз с фактом и объясняет отклонения. Результат уходит прямо в закупки и производство: меньше дефицита при меньшем складском запасе.
Посчитать «Прогнозирование запасов» на ваших цифрах?
Пришлите объёмы и пару примеров — вернёмся с картой процесса, честным расчётом экономики и точной сметой. Если не сойдётся — так и скажем.
