Лучшие способы анализа розничного прогноза и получения максимальной отдачи от него
Розничное прогнозирование является очень стратегическим, поскольку оно представляет собой многомиллионный бюджет закупок, а также обязательство удовлетворить потребительский спрос. В этой статье вы увидите лучшие способы анализа данных прогноза и получения максимальной отдачи от них. Эта статья не об алгоритмах прогнозирования. Речь идет о том, как вы анализируете прогноз после того, как вы его сделали.
Вот 5 лучших анализов прогнозов, которые рассматриваются в этой статье.
- ABC-XYZ анализ
- Горизонт ошибки прогноза
- Замещающий анализ
- Зависимости прогноза
- Упущенные продажи
Анализ ABC-XYZ
Чтобы понять этот анализ, давайте возьмем пример розничного продавца, который продает различные товары, от игрушек до аксессуаров. У ритейлера более 100 000 товаров, что означает более 100 000 прогнозов, так как требуется прогноз для каждого продукта.
С таким количеством прогнозов можно легко потеряться в огромном количестве данных. Именно здесь анализ ABC — XYZ может помочь дать глобальную картину. Вот как выглядит анализ ABC — XYZ.
Здесь А, В, С обозначают объем проданного товара. XYZ указывает на ошибку прогнозирования. Цвет указывает на количество продуктов. Чем темнее цвет, тем больше продуктов. Всего 113 тысяч товаров. Из которых 57% продуктов относятся к категории большого объема и низкой ошибки (AX). Вот один пример прогноза и факта для продукта в категории AX.
На линейной диаграмме показаны фактические ежедневные продажи продуктов за последние два года. Как видите, это востребованный и быстрорастущий продукт, распродажи которого происходят почти каждый день. Глядя на визуализацию, можно подумать, что здесь всего одна линия. Но на самом деле их два — фактическое и прогнозируемое. Поскольку погрешность прогноза очень мала, обе линии перекрываются. Таким образом, этот продукт является хорошим примером быстро меняющегося продукта с очень низкой ошибкой прогноза.
Теперь давайте возьмем пример другого продукта, который относится к категории медлительных и с высокими ошибками прогнозирования (CZ). Зеленая линия показывает фактическое значение, а синяя линия — линию прогноза на истории. Вы можете видеть, что это медленный продукт. Прогноз не совпадает с фактическим, что означает большие ошибки в прогнозе. Итак, это хороший пример продукта из разряда тихоходных и с высокими ошибками прогнозирования (CZ).
Итак, визуализация ABC-XYZ помогает понять глобальный вид. Чем больше товаров у вас слева, тем лучше. Хотя прогноз никогда не бывает точным на 100%, необходимо приложить усилия для улучшения данных и алгоритмов прогнозирования для всех продуктов, которые попадают в AY и AZ, поскольку это продукты с высокими продажами, но также и с высокой ошибкой.
Анализ горизонта ошибки прогноза
Горизонт ошибки прогноза помогает понять возможность прогнозирования временных рамок. Это обязательный анализ для планировщиков прогнозов. Этот анализ выполняется для планировщика прогнозов, который отвечает за управление спросом на продукт. Анализ показан ниже для специалиста по планированию прогнозов, который хочет, чтобы максимальный порог ошибки прогноза составлял 10 %.
По оси Y у вас есть список продуктов, за которые отвечает планировщик. По оси X у вас есть горизонт прогноза, который составляет от 5 до 60 дней. Цвет указывает на ошибку прогноза. Например, возьмем первый продукт Ассорти из коробок для документов. Когда этот продукт достигает порога 10%, цвет становится темно-красным. Таким образом, для этого продукта мы достигаем порога ошибки 10% на горизонте 26 дней. Это означает, что мы можем прогнозировать этот продукт максимум на 26 дней вперед.
Точно так же для этого продукта, сумки для шарлотки Woodland, мы достигаем порога 10% ошибки прогноза за 32 дня горизонта прогноза. Таким образом, это означает, что мы можем прогнозировать этот продукт максимум на 32 дня вперед.
Глядя на эту визуализацию, можно сказать, что по трем продуктам мы не можем правильно спрогнозировать, так как порог в 10% достигается очень рано. Однако для большинства продуктов мы можем прогнозировать на 60 дней вперед, не выходя за порог ошибки в 10 %.
Таким образом, анализ горизонта прогнозирования — это хороший способ для планировщиков прогнозов контролировать свой прогноз продукта.
Замещающий анализ
Прогнозный анализ заменителей помогает определить, какие продукты являются заменителями. Это полезно для любой замены продукта без внесения серьезных изменений в прогноз. Давайте сначала посмотрим, как это делается с точки зрения науки о данных.
Алгоритмы прогнозирования дают прогноз продукта по дням на ближайшую перспективу. Вы можете использовать эту информацию для создания кластеров продуктов. Здесь показан результат кластеризации продуктов с использованием иерархической кластеризации.
Вы видите разные продукты и видите цветную полосу для каждого продукта. Цветная полоса представляет прогноз продукта на ближайшую перспективу. Товар BLUE_CRAFT_TRINKET_BOX и CREAM_CRAFT_TRINKET_BOX имеют одинаковую цветовую полосу. Это означает, что оба продукта имеют схожий прогноз. Именно по этой причине оба этих продукта сгруппированы под одним узлом.
Кластеры очень полезны при замещающем планировании. Несмотря на лучший прогноз, все может пойти не так. Например, если у вас возникли проблемы с приобретением BLUE_CRAFT_TRINKET_BOX, вы всегда можете заменить его на CREAM_CRAFT_TRINKET_BOX. Большинство покупателей согласны купить коробку для безделушек независимо от цвета. Таким образом, он заставляет заменить продукт вместо потери продаж.
Зависимости прогноза
В предыдущем разделе мы видели, что можем заменить один продукт другим. Однако во многих случаях продажа продуктов зависит друг от друга. Это означает, что люди, как правило, покупают продукты вместе. Это означает, что если возникнут какие-либо проблемы с продуктом, это также повлияет на продажу других продуктов.
Один из алгоритмов науки о данных, который помогает в поиске зависимостей, называется анализом ассоциаций.
Каждый продукт показан в виде круга, а линия между продуктами показывает зависимость. Например, мы видим, что существует ассоциация между винтажными картами и карандашами. Так что вполне возможно, что если это повлияет на продажи винтажных открыток, то это повлияет и на продажи карандашей. Эта информация о зависимости может помочь в точной настройке прогноза на уровне продукта.
Упущенные продажи
Упущенные продажи означают продажи, которые не могли произойти из-за отсутствия товара на складе. Чтобы рассчитать упущенные продажи, мы можем сделать прогноз продукта и фактического запаса продукта (включая его заменители). Прогноз является задним числом, поэтому мы можем сравнить его с фактическими данными. Если фактический запас меньше прогнозируемого, то это означает упущенные продажи. Вот визуализация анализа упущенных продаж для Lunch Bags.
Синяя линия — это прогноз, а серая — запас пакетов для обеда и всех заменителей. Как видите, за определенный период времени запас стал нулевым. Таким образом, это ситуация с упущенными продажами, а разница между прогнозом и запасом и есть упущенные продажи. Мы можем подсчитать упущенные продажи, и получается 1590 единиц пакетов для ланча, которые не удалось продать из-за отсутствия на складе.
Надеюсь, вам понравилась статья.
Дополнительные ресурсы
Веб-сайт
Вы можете посетить мой сайт, чтобы сделать аналитику с нулевым кодированием. https://experiencedatascience.com
Пожалуйста, подпишитесь, чтобы быть в курсе, когда я выпущу новую историю.
Вы также можете присоединиться к Medium по моей реферальной ссылке
YouTube канал
Вот ссылка на мой канал на YouTube
https://www.youtube.com/c/DataScienceDemonstrated
