Прогноз продаж и спроса: нейросети, тренды и сценарии для бизнеса

Промо нужно фиксировать как событие, даже если вы пока не умеете корректно моделировать эффект. Отметка промо создаёт контекст: «в этот период спрос вёл себя иначе по управляемой причине».

Какие промо важно помечать в данных:

Скидки и распродажи с датами старта и окончания.

Купоны, промокоды, бесплатная доставка, подарки, комплектные предложения.

Изменения минимального чека, условия рассрочки, изменение комиссии.

Любая акция, которая заметно меняет конверсию, чек, среднюю цену.

Если данных по промо нет в системном виде, начните с ручного журнала событий. Он может быть простым документом, где фиксируются даты и краткое описание. Для прогноза этого уже достаточно.

Запасы и логистика: почему без учёта out-of-stock прогноз системно ошибается

Дефицит на складе создаёт особый вид искажения: ряд продаж начинает выглядеть как падение спроса, хотя на самом деле спрос был, только его нельзя было обслужить. Если модель обучится на «продажах при дефиците», она будет регулярно недооценивать будущий спрос и закреплять проблему.

Типовые признаки влияния out-of-stock:

Продажи падают резко, при этом трафик и интерес по теме сохраняются.

Растёт доля отказов, растёт время доставки, растёт число обращений с вопросами наличия.

На маркетплейсах падает видимость и конверсия карточки, поскольку отсутствие на складе снижает позиции.

Что с этим делать на практике:

Фиксировать периоды отсутствия товара как отдельное событие в данных.

Разделять «спрос» и «обслуженные продажи». Для прогноза закупок вам нужен спрос, для прогноза финансов вам нужен обслуженный факт.

Если точного спроса нет, используйте приближение: оценивайте упущенные продажи по среднему уровню до дефицита с поправкой на сезонность. Приближение не идеально, но оно честнее, чем игнорирование.

Возвраты, отмены, частичные оплаты: как не испортить временной ряд

Возвраты и отмены создают путаницу, потому что по документам и по деньгам они проходят в разные дни. Если вы строите ряд по выручке, вам нужно заранее выбрать правило учёта.

Существует три основных подхода:

Учёт по дате заказа. В выручку включается заказ в момент оформления, затем возврат вносится как корректировка. Этот подход удобен для операционного анализа спроса, он показывает, что происходило в момент выбора клиента. Он требует аккуратной корректировки возвратов, иначе цифра будет завышена.

Учёт по дате оплаты. В ряд включаются поступления денег. Этот подход полезен для кассы и финансов, он отражает денежный поток. Он плохо подходит для анализа поведения покупателей, поскольку платежи могут быть сдвинуты.

Учёт по дате отгрузки/оказания услуги. Этот подход полезен, если решение связано с производством и логистикой. Он требует точных статусов.

Частичные оплаты, предоплаты и рассрочки нужно учитывать отдельно. Иначе вы получите искусственные пики в день старта рассрочки и провалы позже.

Практическое правило: если вы сомневаетесь, начните с того, что ближе к вашему решению. Для финансов берите деньги. Для спроса берите заказ. Для склада берите отгрузку и списание.

Проблема «двух правд»: CRM vs бухгалтерия vs маркетплейс; как сводить

Во многих компаниях существует конфликт цифр: CRM показывает одно, бухгалтерия другое, маркетплейс третье. Это не означает, что кто-то ошибся. Это означает, что системы считают по разным правилам.

Задача состоит в том, чтобы сделать «словарь метрики». Это короткое описание того, что считается событием и что попадает в цифру.

Типовой порядок сверки:

Определите «источник истины» под конкретную задачу. Для кассы это бухгалтерия и банк. Для воронки продаж это CRM. Для маркетплейса часто нужен отчёт площадки.

Сверьте объёмы на небольшом периоде вручную. Не на год, на две-три недели. Найдите расхождения.

Классифицируйте причины расхождений: отмены, возвраты, дубли, разная дата учёта, разные статусы, ошибки интеграции.

Зафиксируйте правило и применяйте его постоянно. Прогноз устойчиво работает на согласованных определениях, даже если определение не идеальное.

Гранулярность: день/неделя/час – как выбрать без перфекционизма

Гранулярность – это шаг времени в вашем ряду. Она определяет, насколько точным будет прогноз и насколько шумным окажется ряд.

Выбор делается по трём факторам: решение, скорость реакции, объём данных.

Для смен и колл-центра часто нужна часовая или получасовая гранулярность. Сутки могут скрыть пики.

Для закупки и запасов чаще достаточно дней или недель. Часовые колебания не помогают, они мешают.

Для стратегии и бюджета обычно используют недели или месяцы, но при этом полезно хранить дневной ряд для проверки деталей.

Практическая проверка: постройте ряд в двух вариантах, например по дням и по неделям. Посмотрите, где сигнал читается лучше. Уберите перфекционизм: берите минимальную гранулярность, которая позволяет принимать решения вовремя.

Пропуски и нули: чем отличаются и как их обрабатывать

Пропуск означает «данных нет». Ноль означает «событий не было». Это разные вещи.

Если в данных отсутствует строка за день, это может быть сбой выгрузки, проблема интеграции, изменение формата. Если вы замените пропуск нулём, вы добавите в ряд ложное падение.

Если у вас реально не было продаж, но система пишет ноль, это полезная информация, особенно для редких товаров.

Как действовать:

Сначала восстановите календарь дат. В ряду должны присутствовать все даты в диапазоне.

Затем для каждой даты определите статус: был ли день работы, была ли возможность принять спрос, не было ли технического сбоя.

Только после этого заполняйте значения. Пропуски из-за сбоя следует восстанавливать из источника или помечать, затем исключать из обучения. Нули, которые отражают реальность, оставляйте.

Выбросы: распродажа, вирусный пост, скандал, отключение рекламы – что делать

Выбросы в спросе неизбежны. Ряд живёт в мире, где случаются события. Проблема не в выбросах, проблема в том, что их пытаются «спрятать» или сделать вид, что их не было.

Выбросы бывают управляемые и неуправляемые.

Управляемые – промо, изменения цены, запуск канала, изменение условий доставки, расширение графика. Их нужно помечать как события, затем учитывать как факторы.

Неуправляемые – вирусный эффект, скандал, блокировка кабинета, сбой логистики, авария. Их тоже нужно помечать, затем принимать решение: исключать эти дни из обучения, ограничивать влияние, строить отдельные сценарии.

Практические техники обработки без усложнения:

Кэппинг: ограничить значение сверху, чтобы один день не определял модель.

Винзоризация: заменить слишком большие значения на пороговые.

Исключение: убрать дни из обучения и оставить их как исторический факт.

Флаг события: добавить бинарный признак, чтобы модель понимала, что это особый период.

Выбор техники зависит от того, хотите ли вы в будущем повторять этот эффект. Промо вы повторяете. Скандал вы повторять не планируете. Поэтому и обработка различается.

Каннибализация: когда рост одной категории «съедает» другую

Каннибализация проявляется, когда вы вводите новый продукт, новый тариф, новый канал, и часть спроса перетекает внутри компании. В общей сумме продажи могут не измениться, но распределение меняется, затем прогноз по каждой категории начинает ошибаться.

Как увидеть каннибализацию:

Общий спрос стабилен, внутри категорий появляются устойчивые сдвиги.

Падает одна категория ровно в момент роста другой.

Меняется средний чек и структура корзины.

Что делать:

Прогнозировать на уровне, где каннибализация меньше влияет. Иногда полезнее прогнозировать общую категорию, затем распределять доли.

Фиксировать запуск новых продуктов и изменения ассортимента в журнале событий.

Считать доли категорий как отдельные временные ряды. Иногда доли прогнозируются стабильнее, чем абсолюты.

Разрезы: регион, канал, категория, менеджер; какие разрезы реально прогнозировать

Разрезы полезны, пока вы способны по ним принимать решения. Если вы делаете прогноз по менеджерам, но не меняете распределение лидов и не управляете нагрузкой, то разрез создаёт шум и конфликт.

Практический критерий выбора разреза: есть ли управленческое действие, которое меняется при изменении прогноза в разрезе.

Регион полезен, если логистика, спрос и сезонность отличаются по регионам, и вы можете перераспределять ресурсы.

Канал полезен, если вы перераспределяете бюджет и управляете воронкой отдельно.

Категория полезна, если вы управляете ассортиментом, закупкой и промо по категориям.

Менеджер полезен, если вы управляете очередью, распределением лидов, графиком, качеством обработки.

При этом существует ограничение по данным: разрез должен иметь достаточный объём событий. Если в разрезе слишком мало наблюдений, прогноз будет шумным, и вы потратите время на борьбу с шумом.

Фичи из календаря: праздники РФ, дни недели, «конец месяца», школьные каникулы

Календарные признаки – один из самых дешёвых способов улучшить прогноз. Они работают, потому что поведение людей повторяется.

Минимальный набор календарных признаков для большинства задач:

День недели.

Выходной или рабочий день.

Праздничный период и дни до праздника.

Неделя месяца, конец месяца, начало месяца.

Сезонные периоды, которые регулярно влияют на спрос в вашей нише.

Школьные каникулы и начало учебного сезона для соответствующих отраслей.

Календарные признаки важно строить одинаково для всей истории, иначе вы будете менять правила задним числом.

Фичи из бизнеса: изменения цены, доставки, SLA, графика работы

Бизнес-признаки часто дают больше эффекта, чем любая сложная модель, поскольку они объясняют причинные изменения.

Что имеет смысл фиксировать системно:

Цена и её изменения по датам.

Факты скидок и тип промо.

Наличие товара и статусы дефицита.

Изменения условий доставки, стоимости доставки, сроков, зон.

Изменения SLA: скорость ответа, скорость сборки, график работы.

Запуск новых каналов, изменение бюджетов, изменение рекламных креативов как факт события.

Изменения сайта и посадочных страниц, которые влияют на конверсию.

Если у вас нет автоматического трекинга, начните с журнала событий. В прогнозировании журнал событий – один из самых сильных инструментов, он превращает «непонятный провал» в объяснимый эффект.

Ошибка: «давайте всё соберём» вместо «давайте соберём нужное»

Желание собрать все возможные поля выглядит разумно, но оно быстро убивает проект. Сбор всего превращается в бесконечную интеграцию, согласование доступов, спор о форматах, затем команда устает, прогнозы не появляются.

Рабочий подход выглядит проще:

Сначала определить решение и метрику.

Затем собрать минимальный ряд и базовую линию.

Затем добавить один слой контекста: календарь или промо.

Затем улучшать итерациями, когда видно, что именно ограничивает качество.

Вы выигрываете скорость и сохраняете управляемость.

Контроль качества данных: 10 проверок, которые ловят большинство проблем

Ниже список проверок, которые полезно делать всегда, независимо от инструмента. Эти проверки не требуют сложной инфраструктуры, они требуют дисциплины.

Полнота календаря. В ряду присутствуют все даты в диапазоне, без дыр.

Монотонность времени. Даты и время корректны, нет «будущих» событий и нет перепутанных форматов.

Дубли. Одно событие не посчитано дважды из-за повторной выгрузки или интеграции.

Нули и пропуски. Пропуски помечены, нули отражают реальность, правило заполнения известно.

Единицы измерения. Валюта, НДС, округления, переходы между штуками и упаковками согласованы.

Статусы. Понятно, какие статусы заказа входят в метрику, какие исключаются.

Возвраты и отмены. Правило учёта возвратов согласовано, возвраты не создают ложные пики.

Выбросы. Список крупнейших дней по значению проверен вручную, причины понятны и помечены.

Сверка источников. На выбранном периоде факт по основному источнику совпадает с контрольным источником в рамках объяснимых расхождений.

Стабильность схемы. Формат файла и значения полей не меняются от выгрузки к выгрузке, либо изменения фиксируются.

Рутинный пайплайн: как настроить ежедневный/еженедельный импорт

Регулярность важнее идеальности. Прогнозирование не работает, если каждую неделю данные собираются вручную по новому шаблону.

Минимальный пайплайн состоит из пяти шагов:

Выгрузка из источника по одному и тому же правилу. Один формат, одна структура, одинаковые поля.

Очистка и нормализация. Приведение дат, типов, единиц, статусов, удаление дублей.

Обогащение. Добавление календарных признаков и событий из журнала.

Сохранение версии. Храните сырые данные отдельно от очищенных, храните дату выгрузки.

Проверки качества и отчёт по проверкам. Даже простой лог, который показывает, сколько строк загружено и сколько дней покрыто, уже снижает риск.

Частота зависит от задачи. Для операционки и маркетинга часто нужен ежедневный контур. Для закупки достаточно недельного, если бизнес не сверхдинамичный. Важнее, чтобы частота была закреплена и выполнялась.

Документация данных простыми словами: чтобы не зависеть от одного человека

Документация в прогнозировании выглядит как набор коротких правил, которые позволяют любому члену команды понять, что происходит, и воспроизвести результат.

Минимальный комплект документов:

Словарь метрик. Определение метрики, формула, статусы включения, источники.

Словарь полей. Что означает каждый столбец, допустимые значения.

Регламент выгрузки. Откуда выгружаем, с какой частотой, кто отвечает.

Журнал событий. Промо, изменения условий, дефицит, сбои, ключевые изменения.

Правила обработки. Как чистим дубли, как заполняем пропуски, как учитываем возвраты.

Эти документы не должны быть длинными. Их ценность заключается в точности формулировок и в неизменности правил.

Мини-чек: что обязательно хранить в истории изменений (цены, акции, наличие)

Храните историю так, чтобы вы могли восстановить контекст любого дня.

Даты изменения цены и сами значения цены.

Даты начала и окончания промо, тип промо, охват.

Даты дефицита и восстановления наличия, по каким товарам и складам.

Изменения условий доставки, стоимости, сроков.

Изменения графика работы, изменения SLA обработки.

Запуски и остановки рекламных кампаний как события, хотя бы на уровне дат и каналов.

Изменения ассортимента: ввод нового товара, вывод товара, замена поставщика, замена упаковки.

Мини-чек: что фиксировать в «журнале событий» бизнеса

Журнал событий является вашим переводчиком между цифрами и реальностью. Он нужен даже при идеальных данных, потому что бизнес меняется.

Фиксируйте события, которые способны изменить спрос или способность обслужить спрос:

Маркетинговые события: акции, промо, смена оффера, смена посадочных страниц, изменение бюджета, отключение канала.

Операционные события: проблемы логистики, задержки поставок, дефициты, изменения зон доставки, изменения условий оплаты, изменения графика.

Продуктовые события: запуск нового продукта, изменение комплектации, изменение цены, изменение качества, изменение условий гарантии.

Внешние события: локальные ограничения, резкие погодные явления для релевантных ниш, заметные медийные всплески вокруг темы.

Формат события должен быть одинаковым: дата, краткое описание, категория события, ответственный. Этого достаточно, чтобы позже объяснить, почему прогноз промахнулся, и понять, что улучшать: данные, процесс, ассортимент, маркетинг или операционку.

Если вы сделаете из этой главы только одно действие, сделайте его таким: зафиксируйте определение вашей метрики и заведите журнал событий. Это создаст основу, на которой любой прогноз станет лучше, даже если модель будет простой.

Быстрый старт: прогноз в три шага с помощью ИИ-ассистента

Есть два неправильных способа начинать прогнозирование с нейросетями. Первый: «давайте возьмём самую сложную модель, она всё решит». Второй: «давайте попросим ИИ предсказать продажи на следующий месяц», без данных, без определения метрики, без понимания, как результат будет использоваться. Оба пути приводят к одному: красивый текст, разочарование и ощущение, что «это всё гадание».

Правильный быстрый старт выглядит прозаично. Вы задаёте конкретный управленческий вопрос, готовите данные так, чтобы они были однозначны, строите простую базовую линию и только затем используете ИИ как ускоритель: для проверки данных, для генерации черновика расчётов, для упаковки результата, для поиска узких мест. Цель первых итераций – не «идеальная точность», а воспроизводимый процесс и понятная ценность для бизнеса.

Ниже – практический способ запустить рабочий прогноз за 1–3 дня, причём без Excel как вычислительной среды. Таблица может быть источником и транспортом. Но расчёт и проверки должны быть повторяемыми.

Три шага, которые дают результат

Шаг 1. Правильная постановка: что прогнозируем, на какой горизонт, какое решение принимаем по итогу.

Шаг 2. Подготовка данных: один файл, однозначные правила, базовые проверки, календарь дат без дыр.

Шаг 3. Построение и проверка: базовая линия → простое улучшение → сравнение метрик → понятная упаковка и регламент обновления.

Если у вас получится сделать эти три шага один раз, дальше рост качества идёт по итерациям и дисциплине, а не по «магии моделей».

Шаг 1. Как формулировать задачу для ИИ так, чтобы он не сочинил ответ

ИИ-ассистент силён тогда, когда ему дают контекст, ограничения и формат результата. Если вы пишете «спрогнозируй продажи», он будет вынужден достраивать недостающие части сам. Это и есть источник галлюцинаций: не «плохая нейросеть», а плохая постановка.

В прогнозировании постановка состоит из восьми обязательных элементов.

Метрика. Что именно прогнозируем: количество заказов, выручку, лиды, обращения, отгрузки, средний чек, маржу. Нельзя смешивать метрики в одном запросе.

Единицы измерения. Штуки, рубли, минуты, заявки. Если рубли – с НДС или без, валовая выручка или оплаченная.

Горизонт и шаг. Например: на 14 дней вперёд по дням; на 8 недель вперёд по неделям; на 24 часа по часам.

Объект прогноза. Общая сумма по компании или разрез: канал, категория, регион, точка, продуктовая группа.

Как используется результат. Закупка, график смен, бюджет маркетинга, план контента, лимиты доставок, план обработки.

Ограничения и события. Праздники, промо, дефицит, изменения цены, изменения графика, сбои – что было и что будет на горизонте прогноза.

Критерий качества. Какая ошибка считается допустимой. Если вы не задаёте критерий, вы не сможете оценить пользу улучшений.

Формат выдачи. Таблица прогноза, интервал, сценарии, комментарий, список рисков, рекомендации действий.

Именно этот набор делает запрос инженерным, а не разговорным.

Шаблон запроса к ИИ для постановки прогноза

Вы можете использовать шаблон ниже как стандарт внутри команды. Он полезен тем, что «заставляет» уточнить управленческую часть до расчётов.

Текст шаблона:

«Я хочу построить прогноз для метрики: {метрика} в единицах {единицы}. Данные по истории: с {дата} по {дата}. Шаг временного ряда: {день/неделя/час}. Горизонт прогноза: {N шагов}. Разрез: {общий/канал/категория/регион}. Решение, которое будет принято на основе прогноза: {описание решения}. Важные события в истории и на горизонте: {список событий}. Ограничения: {дефицит, смена режима, изменение цены, график}. Требую, чтобы ты: (1) предложил базовую линию, (2) предложил 1–2 простых улучшения, (3) описал, как проверить качество на прошлом, (4) выдал результат в формате: {таблица, интервал, комментарии, риски, действия}. Не придумывай факты, если данных нет – перечисли, чего не хватает и как это компенсировать.»

Когда ИИ работает с таким запросом, он не «угадывает бизнес», а помогает структурировать процесс.

Мини-правило, которое экономит недели

Перед тем как просить ИИ «сделать прогноз», сначала попросите его сделать «план действий» и список проверок. Это резко снижает риск, что вы побежите строить модель на плохих данных.

Пример запроса:

«Составь пошаговый план: какие проверки сделать по временному ряду, какие графики посмотреть, какие базовые линии сравнить. Результат оформи как чек-лист на 30–40 пунктов. После чек-листа не делай прогноз, пока я не подтвержу, что проверки пройдены.»

Так вы ставите ИИ в роль «методолога и проверяющего», а не «пророка».

Шаг 2. Подготовка выгрузки: как сделать файл «понятный машине»

Чтобы прогнозирование заработало без Excel как вычислительной среды, нужен один принцип: однозначность и повторяемость. Выгрузка должна быть такой, чтобы завтра вы получили такой же файл, с теми же полями, теми же правилами и без ручных правок «по ходу дела».

Минимальная структура файла для прогноза

Для простого временного ряда вам достаточно двух столбцов:

date (или datetime) – дата или дата-время события

value – значение метрики

Если вы прогнозируете с разрезом, добавляется третий столбец:

segment – канал/категория/регион/точка/иное

Если есть события и контекст, добавляйте их отдельными столбцами:

promo_flag (0/1)

price (если цена менялась и она важна)

stockout_flag (0/1)

holiday_flag (0/1)

Важно: не пытайтесь добавить всё сразу. На первом запуске достаточно date/value и, при необходимости, segment.

Жёсткие правила формата, которые предотвращают хаос

Даты в одном формате. Лучше ISO: YYYY-MM-DD или YYYY-MM-DD HH:MM:SS.

Один часовой пояс, если есть время. Особенно важно для звонков/обращений.

Отсутствие «смешанных типов». В value не должно быть строк, валютных символов и пробелов.

Пропуски не заменять нулём автоматически. Сначала восстановите календарь дат, затем решайте, где ноль, а где отсутствуют данные.

Один файл – одна метрика. Не делайте «всё в одном»: продажи, лиды, расходы, чек. Для прогнозов это источник ошибок.

Сырые данные отдельно от очищенных. Храните исходный файл и очищенный результат, чтобы можно было повторить и объяснить.

Версионирование. В имени файла должна быть дата выгрузки и период, например: leads_daily_2024-01-01_2025-12-31_export_2026-01-06.csv.

Почему это важно: через 2–3 недели вы начнёте получать расхождения, и без версий вы не поймёте, что изменилось – бизнес или данные.

Разведочный анализ без Excel: что нужно увидеть глазами до прогноза

До любых моделей нужно ответить на несколько вопросов, и это можно сделать без Excel, но с теми же базовыми приёмами.

Есть ли тренд. Растёт, падает или стабилен.

Есть ли сезонность. День недели, месяц, пики вокруг праздников.

Есть ли аномалии. Пики, провалы, дни с нулём, подозрительные серии.

Есть ли смена режима. Например, после изменения цены уровень метрики стал другим.

Есть ли ограничение обслуживаемости. Дефицит товара, просадки из-за пропущенных звонков, ограничение слотов.

Здесь ИИ полезен как контролёр: он может подсказать, какие аномалии типичны и какие проверки сделать. Но «увидеть» ряд вы всё равно должны: график – это самая дешёвая форма истины.

Практический чек-лист качества до модели

Сделайте эти проверки всегда. Они занимают 15–60 минут, но экономят недели.

Непрерывность календаря. Все даты в диапазоне присутствуют.

Количество наблюдений. Достаточно ли истории. Для недельной сезонности нужно хотя бы 8–12 недель, для годовой – желательно 2 года, но на старте можно работать и с меньшим.

Дубли. Нет ли повторяющихся строк на одну и ту же дату/сегмент.

Нули. Объяснимы ли нули: не работали, закрыто, дефицит, сбой.

Выбросы. Топ-10 дней по значению проверены, причины известны.

Консистентность определения метрики. Если в середине периода поменяли правила – отметьте.

Разрезы. Если есть сегменты, нет ли «мертвых» сегментов без данных.

Смысл этих проверок в том, что они определяют границу применимости прогноза. Если вы не видите границу, вы будете принимать решения «как будто прогноз точный», а это опасно.

Шаг 3. Построение и проверка: базовая линия, простое улучшение, регулярный контроль

Прогнозирование – это соревнование не «модель против хаоса», а «модель против базовой линии». Если ваша сложность не обыгрывает простое правило, значит вы не добавили ценность.

Что считается базовой линией

Базовая линия – это самая простая стратегия, которую можно объяснить за 20 секунд.

Примеры:

Наивный прогноз: завтра будет как вчера.