AI-инструменты
AI Прогноз продаж в 1С
Прогноз строится на истории ваших продаж: аналогичные периоды прошлых лет, сезонность, тренд. Дальше — поправка на внешние факторы, которые двигают именно ваш товар. Всё внутри 1С, на данных, которые у вас уже есть.
Зачем это нужно
Закупка — это ставка на будущее. Купили мало — товар кончился в сезон, и покупатель ушёл к соседу. Купили много — деньги замёрзли на складе, а к концу сезона позиция уходит в уценку.
Обычно эту ставку делают по памяти: «в прошлом году брали столько же» или «менеджер говорит, пойдёт». Данные для нормального расчёта при этом лежат в базе — просто их никто не поднимал.
Почему прогнозы обычно врут
Дело редко в математике. Дело в том, что считают не ту величину. Три ошибки встречаются почти в каждом готовом отчёте — и мы разбирали их до того, как браться за расчёты.
Спрос считают по календарю, а не по дням наличия товара. Если позиция три недели из четырёх была в нуле, «продажи за месяц» покажут провал. Но провала спроса не было — был провал поставки. Прогноз занижает закупку, товар снова кончается, и в следующем месяце цифра падает ещё ниже.
Мы считаем скорость продаж на день, когда товар реально был на складе. Разница между двумя подходами на дефицитных позициях — кратная, и именно она превращает прогноз из красивого графика в решение о деньгах.
Ошибка вторая: «реальная прибыль» в реальном времени
Сервисы аналитики маркетплейсов любят показывать маржу «прямо сейчас». Это выдумка. Удержания, штрафы и корректировки комиссий площадка присылает с задержкой от одной до восьми недель, а себестоимость закрывается по итогам месяца. Прогноз, построенный на «прибыли сегодня», опирается на цифру, которая ещё десять раз изменится.
Ошибка третья: прогноз в отрыве от закупки
Само по себе число «в сентябре продадим 340 штук» бесполезно. Решение — это сколько и когда заказать: с учётом остатка, товара в пути и того, что этот поставщик стабильно опаздывает на десять дней. История задержек тоже лежит в 1С.
Что мы берём в расчёт
Ваша история — основа
- Аналогичные периоды прошлых лет — не «прошлый месяц», а тот же месяц год назад, с поправкой на общий рост или спад бизнеса.
- Сезонность по каждой позиции — у одного товара пик в декабре, у соседнего в мае. Средняя по магазину скрывает и то, и другое.
- Тренд — позиция растёт, стабильна или умирает. Умирающую не нужно закупать «как в прошлом году».
- Дефициты и упущенная выручка — сколько вы недопродали, пока товара не было. Это самая недооценённая цифра в ассортименте.
Внешние факторы — поправка под ваш товар
Дальше история корректируется тем, что на неё реально влияет. Набор подбирается под товар, а не берётся общим списком:
| Фактор | Для кого имеет смысл | Источник |
|---|---|---|
| Прогноз погоды | сезонная одежда, напитки, кондиционеры и обогреватели, садовый инвентарь, стройматериалы | открытые метеослужбы |
| Курс валют | импорт: цена закупки и порог спроса двигаются вместе с курсом | ЦБ РФ |
| Биржевые котировки | сырьё и всё, что от него зависит: металл, пластик, зерно, топливо | биржевые сводки |
| Календарь | праздники, длинные выходные, дни выплат, школьный сезон — работает почти у всех | производственный календарь |
| Новостной фон | категории с резкими всплесками спроса на новостях (регулирование, отзывы, ажиотаж) | ленты новостей по вашим темам |
Внешний фактор включается в модель только тогда, когда на вашей истории видно, что он действительно двигал продажи. Иначе это красивая линия на графике, которая портит прогноз. Проверяется это до внедрения — на ваших данных за прошлые периоды.
Почему у нас есть чем считать
Прогноз упирается не в формулы, а в данные. Мы работаем внутри базы клиента, поэтому ряды продаж уже под рукой. Пример объёма из живой базы клиента, торгующего на маркетплейсах:
Плюс то, чего во внешних сервисах нет вовсе: себестоимость, остатки, резервы, история закупок и сроки поставщиков. Именно они превращают прогноз спроса в конкретный заказ поставщику.
Мы разобрали 25 сервисов аналитики маркетплейсов. С 1С не интегрирован практически никто — это отдельный кабинет, отдельная подписка и ручной перенос цифр. Прогноз, оторванный от учёта, так и остаётся картинкой: заказ по нему всё равно набивают руками.
Как мы это делаем
Приводим данные в порядок
Сначала — сопоставление номенклатуры с артикулами площадок, нормализация возвратов и удержаний. Без этого шага любая аналитика поверх считает не то. Это обязательное начало, а не «подготовительный этап, который можно пропустить».
Считаем честный спрос
Скорость продаж на день наличия, дефициты, упущенная выручка, сезонный профиль по каждой позиции. Уже на этом шаге видно позиции, которые теряют деньги прямо сейчас, — до всякого прогноза.
Проверяем модель на прошлом
Строим прогноз на уже прошедший период и сравниваем с фактом. Вы видите реальную точность на своём ассортименте до того, как принимать по ней решения.
Доводим до заказа
Прогноз превращается в точку заказа и рекомендуемую поставку: целевой запас минус остаток минус товар в пути, с поправкой на сроки конкретного поставщика.
Ставим на регламент
Пересчёт по расписанию, отчёт в 1С, сводка ответственному. Модель уточняется по мере накопления фактов — прогноз должен становиться точнее, а не устаревать.
Честно о границах
Мы не продаём «искусственный интеллект, который знает будущее». Прогноз — это расчёт на ваших данных, и его точность зависит от их качества и от того, насколько ваш рынок вообще предсказуем.
Поэтому мы всегда начинаем с проверки на прошлом периоде: если на вашем ассортименте модель не даёт полезной точности, вы узнаете это на пилоте, а не через полгода. Товары с ровным спросом прогнозируются хорошо; разовые и остро модные позиции — плохо, и мы скажем об этом прямо.
Начать имеет смысл с одной товарной группы: там, где деньги в закупке самые большие, а ошибки заметнее всего. Результат виден на первом же цикле поставки.
Посмотреть на ваших данных
Начните с AI Диагностики 1С: за несколько дней покажем состояние вашей базы и что из этого материала применимо именно у вас — с оценкой эффекта в деньгах и планом первого шага.