Novo BI | IT вендор

Цена, погода, сырье: какие факторы должен учитывать прогноз спроса?

Один из крупнейших мировых производителей шоколада, Lindt & Sprüngli, снизил прогноз органического роста продаж на 2026 год с 4–6% до 0–2%, пишет Reuters.
 
На спрос одновременно повлияли несколько факторов:

💙 Из-за высоких цен на какао компания повысила стоимость продукции.
💙Покупатели стали чувствительнее к цене, объемы заказов в Европе снизились.
💙Дополнительно ситуацию осложнила летняя жара, которая сократила спрос на шоколад, особенно в сезонных категориях.

Теперь производителю предстоит корректировать ценовую стратегию, увеличивать инвестиции в продвижение и искать возможности для сокращения затрат.

Что этот пример показывает с точки зрения планирования?

Когда одновременно меняются стоимость сырья, отпускная цена, покупательское поведение и погода, опираться только на историю продаж недостаточно.
Бизнесу необходимо просчитывать несколько сценариев:
🫥Как изменится спрос при повышении или снижении цены?
🫥Сколько сырья закупать и какой объем продукции выпускать при разных прогнозах продаж?
🫥Как изменение спроса повлияет на запасы, себестоимость и маржинальность?
🫥Как скорректировать производственный и финансовый планы, если фактические продажи окажутся ниже ожидаемых?

Такие ситуации показывают, почему важно учитывать внешние факторы при прогнозировании спроса и оперативно пересчитывать связанные планы.

Повышение цен может увеличить выручку, но одновременно сократить продажи в натуральном выражении. Поэтому каждый сценарий необходимо оценивать по его влиянию на спрос, запасы и финансовый результат.

ERP внедрили, но пользуемся все равно Excel...

В системе есть продажи, остатки, заказы и закупки. Но у коммерческого блока свой прогноз, у маркетинга отдельный промо-календарь, у финансов своя версия ожиданий. Перед каждой встречей данные приходится выгружать, объединять и проверять вручную.

ERP-проект при этом может быть выполнен успешно. Проблема остается в контуре планирования: компания не определила общую версию прогноза, правила корректировок и порядок передачи изменений между подразделениями.

Проверьте свой процесс:

💙 существует ли единая согласованная версия прогноза;

💙 можно ли увидеть, кто и почему изменил план;

💙 попадают ли новые данные в закупки, производство, запасы и финансы без ручного сведения файлов;

💙 сколько времени команда тратит на подготовку цифр к совещанию.

Excel полезен для отдельных расчетов, но когда через него проходит основной цикл согласования, скорость и качество планирования начинают зависеть от файлов, переписки и ручных действий.

💙 В новой статье разбираем, почему внедрение ERP не гарантирует автоматизацию планирования и что компании стоит проверить в текущем процессе.

🫥Подробнее в Дзене

🫥Rutube | 🫥YouTube
🫥ВКонтакте | 💬Макс

Отчёт готов, а решение уже устарело.
Почему скорость планирования становится отдельным KPI? 🤔

McKinsey в исследовании от 26 августа пишет, что ИИ может сокращать отдельные циклы принятия решений с недель до дней и с дней до часов. При этом скорость расчета сама по себе проблему не решает: компании приходится пересматривать и сами циклы планирования, согласования и принятия решений.

Для прогнозирования спроса это вполне практический вопрос. Изменились продажи, поставщик перенес срок или появилась новая информация по промо. Прогноз пересчитали быстро, но дальше изменения еще должны попасть в связанные планы и дойти до решения.

🫥McKinsey приводит показательный пример из финансового планирования: в одной крупной компании прогнозный цикл занимал 6 недель, использовалось более 1 000 Excel-моделей, а около 70% времени команды уходило на подготовку данных, сверку и отчетность.

Поэтому скорость планирования стоит оценивать отдельно. Необходимо понимать, сколько времени проходит от появления нового сигнала до принятия решения.

🫥В новой статье разбираем, почему актуальность прогноза зависит не только от качества расчета и как IBP помогает сокращать путь от изменения условий до обновленного плана.

🫥Подробнее в Дзене

🫥Rutube | 🫥YouTube
🫥ВКонтакте | 💬Макс

Продажи растут, а прибыль падает. Куда исчезают деньги?

По данным INFOLine, за первое полугодие 2026 года выручка десяти крупнейших FMCG-сетей достигла 6,76 трлн рублей, увеличившись на 11,6% год к году. При этом аналитика за 2025 год показывает давление на прибыльность: совокупная чистая прибыль крупнейших FMCG-сетей сократилась на 11,3%, а средняя рентабельность по чистой прибыли снизилась до 1,7%.

💙Для планирования здесь важно понять, за счет чего компания получает рост продаж и какой результат заложен в этот рост.

Прогноз спроса дает ожидаемый объем. Дальше в плане появляются цены, промо, закупки, запасы и финансовые показатели. Например, продажи категории могут вырасти по плану, а маржа оказаться ниже из-за более глубоких скидок или другой структуры спроса.

В IBP такие отклонения можно разбирать в совокупности:

💙 что ожидали по спросу
💙 какой объем заложили в операционный план
💙 где фактический результат разошелся с финансовыми ожиданиями

В новой статье разбираем, почему рост продаж не всегда дает сопоставимый рост прибыли и как связать прогноз спроса с операционным и финансовым планированием.

🫥 Подробнее в Дзене

🫥 Rutube | 🫥 YouTube
🫥 ВКонтакте | 💬 Макс

У ошибки прогноза несколько измерений

Можно видеть общий уровень отклонения и при этом пропустить систематическое завышение. Можно смотреть на портфель целиком и не заметить, что отдельные группы начинают выбиваться.

🫥Поэтому одной метрики для регулярной оценки часто недостаточно.

MAPE, WAPE и Bias помогают смотреть на прогноз с разных сторон, но работают по разной логике и решают разные задачи.

В новой статье собрали их в одну систему: какой показатель использовать в зависимости от задачи, какие метрики стоит сочетать и что нужно зафиксировать, чтобы результаты вообще можно было сравнивать между собой.

🫥 Подробнее в Дзене

🫥 Rutube | 🫥 YouTube
🫥 ВКонтакте | 💬 Макс

Bias 0%: прогноз действительно без систематической ошибки?

Как и с предыдущими метриками – не всегда...

💙 Представим, что в одном периоде прогноз оказался выше факта на 50 единиц, а в другом ниже на те же 50. Отклонения взаимно компенсировались, и Bias получился 0%.

И при этом прогноз в каждом периоде ошибался.

🫥Bias показывает, имеет ли прогноз устойчивое смещение в сторону завышения или занижения. Также важно учитывать, что общий Bias по всему ассортименту может скрывать разные ситуации внутри отдельных категорий и SKU.

В новой статье разбираем:

💙Как считать Bias?
💙Почему нулевое значение не означает идеальный прогноз?
💙Где искать устойчивое смещение?

🫥 Подробнее в Дзене

🫥Rutube | 🫥YouTube
🫥ВКонтакте | 💬Макс

WAPE по портфелю выглядит хорошо. А что происходит внутри?

💙 WAPE помогает оценить общую ошибку по группе товаров. Чем больше фактический объем позиции, тем сильнее ее вклад в итоговый показатель.

Из-за этого несколько небольших SKU с высокой ошибкой могут почти не изменить общий WAPE. На уровне портфеля результат выглядит спокойно, хотя отдельные товары уже требуют разбора.

💙 При анализе полезно смотреть WAPE вместе с детализацией по категориям, клиентам, каналам или другим важным срезам.

В новой статье разбираем, как считается WAPE, что влияет на итоговый показатель и какие ограничения важно учитывать.

🫥 Подробнее в Дзене

🫥 Rutube | 🫥 YouTube
🫥 ВКонтакте | 💬 Макс

MAPE 12%: это хороший результат или нет?

На первый взгляд кажется, что все просто: чем ниже ошибка, тем лучше. Но MAPE без контекста легко прочитать неправильно.

Например, при фактическом спросе в 1 единицу и прогнозе в 4 единицы MAPE составит 300%. При нулевом факте стандартный MAPE вообще нельзя рассчитать.

🫥Есть и другой нюанс: показатель сильно зависит от уровня расчета. MAPE по товарной категории и по отдельным SKU может отличаться заметно. То же касается разных горизонтов прогнозирования и групп спроса.

Идеального и универсального MAPE нет. Корректнее сравнивать показатель на сопоставимых данных, при одинаковой детализации и по одной методике.

В новой статье разобрали, как считать MAPE, где у метрики есть ограничения и как правильно читать результат.

🫥 Подробнее в Дзене

🫥Rutube | 🫥 YouTube |
🫥 ВКонтакте | 💬 Макс

ИИ внедряют все активнее. Как руководителю проверить его результат?

По данным РУССОФТ, в 2025 году генеративный ИИ уже использовали в разработке ПО почти 3/4 российских софтверных компаний.
К концу 2026 года показатель может составить не менее 93%.

В исследовании отдельно затрагивается вопрос качества результата. Использование ИИ может ускорять отдельные задачи, при этом полученный результат требует проверки. В РУССОФТ отмечают, что при оценке эффекта важно учитывать качество работы, количество исправлений и трудозатраты команды.

Для прогнозирования спроса вопрос проверки тоже актуален. После автоматического расчета важно знать:

💙на каких данных построен прогноз
💙какие бизнес-факторы были учтены
💙насколько результат совпал с фактическим спросом.

В новой статье разбираем, что именно можно проверить после автоматического расчета и как оценивать прогноз после появления факта.

🫥Подробнее в Дзене

🫥Rutube | 🫥 YouTube
💬 Макс | 🫥 ВКонтакте

Что меняется в бизнесе, когда точность прогноза становится выше?

У производителя бытовой и автохимии GRASS ассортимент превышает 5 000 товаров, а на промо приходится до 30% выручки.

До автоматизации значительная часть прогнозирования выполнялась вручную, точность прогноза спроса не превышала 62%.

Компания внедрила Novo Forecast Enterprise и объединила работу с прогнозом и данными в единую систему.

Результаты проекта:

📦 логистические издержки сократились на 5–10%;
📊 ручную отчетность частично заменили автоматически обновляемые дашборды;
⚙️ планирование масштабировали на ассортимент 5 000+ товаров без пропорционального роста числа специалистов;
✅ около 95% потребностей компании система закрыла стандартной функциональностью.

Этот кейс хорошо показывает, почему точность прогноза стоит оценивать вместе с бизнес-показателями: запасами, наличием товара, логистическими расходами и скоростью принятия решений.

🫥 Подробнее о проекте GRASS – в новой статье в Дзене

🫥 Rutube | 🫥 Youtube |
💬 Макс | 🫥 ВКонтакте |

А ваша компания уже выросла из текущей системы планирования спроса? 👀

Обычно это происходит постепенно. Ассортимент растет, появляется больше клиентов и промо, а вместе с ними увеличивается количество Excel-файлов, ручных корректировок и времени на согласование планов.

Подготовили для вас чек-лист вопросов для самопроверки.

Посчитайте, сколько пунктов совпадает у вашей компании:

1️⃣Прогноз спроса зависит от одного специалиста.
2️⃣У подразделений разные версии плана.
3️⃣Промо анализируют в основном после завершения акции.
4️⃣Подготовка данных занимает больше времени, чем их анализ.
5️⃣ERP и Excel стали основными инструментами прогнозирования спроса.

Поставьте реакцию, если получилось:

❤️ 0–1, текущий подход пока справляется
🔥 2–3, ограничения уже появляются
⚡️ 4–5, процесс стоит проверить подробнее

В новой статье мы разобрали каждый признак и вопросы, которые помогут понять, насколько текущий подход соответствует масштабу бизнеса.

Подробнее в 🫥Дзен

🫥 YouTube | 🫥 Rutube |
🫥 ВКонтакте | 💬 Макс

Сколько стоит компании ошибка в прогнозе спроса?

Процент точности сам по себе мало говорит о финансовом результате.

Ошибка прогноза может проявляться сразу в нескольких статьях:
⬇️ избыточные запасы;
⬇️замороженный оборотный капитал;
⬇️ уценка и списания;
⬇️ дефицит;
⬇️ потерянные продажи;
⬇️ дополнительные затраты на перепланирование.

Часть этих потерь хорошо видна в отчетности.

Например, стоимость запасов или списания. Потерянную продажу из-за отсутствия нужного товара посчитать уже сложнее.

Есть еще одна проблема: данные обычно находятся в разных функциях. Продажи видят недополученную выручку, логистика – запасы и хранение, финансы – оборотный капитал, производство – изменения планов и загрузки.

Если собрать эти показатели вместе, можно получить ориентировочную стоимость ошибок планирования для бизнеса.

🫥 В новой статье в Дзене показываем, какие данные для этого понадобятся и с чего начать расчет.

💙 Читать статью

Чем заменить SAP IBP в России?

При переходе на российскую систему планирования важно заранее определить, какие задачи она должна решать именно в вашей компании.

Прогноз спроса – только один из этапов. Дальше план влияет на запасы, закупки, производство, загрузку мощностей и финансовые показатели.

Поэтому при выборе платформы стоит проверить:

💙 какие процессы она поддерживает;
💙 как работает с ограничениями;
💙можно ли быстро рассчитывать разные сценарии;
💙как алгоритмы прогнозирования работают на ваших данных;
💙как система интегрируется с ERP, WMS, MES, CRM, 1С и DWH;
💙справляется ли она с реальными объемами данных и количеством пользователей.

В 2024 году Минцифры России признало Novo Forecast Enterprise аналогом SAP Integrated Business Planning. Экспертная комиссия ведомства сравнила решения более чем по 70 критериям, включая интерфейс, функциональную структуру и временные уровни планирования.

В новой статье в Дзене подробно разобрали 6 критериев выбора системы при переходе с SAP IBP и вопросы, которые стоит проверить еще до внедрения.

🫥Читать статью

S&OP или IBP: в чем разница? 🔺

Продажи ожидают роста спроса. Производство предупреждает о нехватке мощностей. Закупки работают со своим планом, финансы – со своими цифрами.
По отдельности каждый план может быть правильным. Для бизнеса важно свести их в единую картину и понимать, как изменение одного показателя повлияет на остальные.

➡️S&OP помогает синхронизировать спрос, предложение и возможности компании. IBP расширяет этот контур и связывает операционные решения с финансовыми показателями, рисками и стратегическими целями.

Например, если спрос вырос, руководству важно сразу понимать:
→ хватит ли запасов и мощностей;
→ что нужно изменить в закупках и производстве;
→ как разные сценарии отразятся на P&L.

✅ В кейсе ALIDI переход к совместному планированию позволил повысить точность прогноза с 45% до 78%, сократить избыточные запасы на 50% и более чем вдвое ускорить принятие решений.

В новой статье разбираем, чем S&OP отличается от IBP и в какой момент компании может понадобиться интегрированное бизнес-планирование.

Читать в Дзене

Сколько бизнес теряет из-за ошибок планирования? Расскажем на XIII SCM Конгрессе

21 октября в кластере «Ломоносов» пройдет XIII SCM Конгресс руководителей направлений цепей поставок.

Ошибки планирования влияют на ключевые показатели бизнеса: выручку, запасы, уровень сервиса и операционные затраты.

Мы покажем, как перевести качество планирования в финансовые показатели и оценить потенциальный экономический эффект для бизнеса.

Полная программа XIII SCM Конгресса доступна на сайте организаторов.

До встречи 21 октября!

Бизнес внедряет ИИ, автоматизирует прогнозирование и переходит на IBP-системы. При этом во многих компаниях планирование по-прежнему остается в Excel.

Почему так происходит?

Зачастую причина в том, как устроено планирование внутри компании.

➡️У подразделений разные данные, ответственность размыта, изменения согласовываются долго. В результате даже точный прогноз не всегда успевает превратиться в конкретное действие.

✅ИИ помогает обработать большой объем данных, найти закономерности, заметить отклонения и рассчитать сценарии. Дальше компании нужно определить, сколько произвести, сколько закупить, какой запас держать и как изменения повлияют на финансовый результат.

По данным Boston Consulting Group (BCG), 78% руководителей считают неточность прогнозов и несогласованность внутренних процессов одной из серьезных проблем планирования.

В новой статье разобрали, как выстроить процесс планирования так, чтобы инвестиции в ИИ и IBP-системы давали практический результат.

🔺Читайте полную версию на Яндекс Дзене.

Какие данные действительно нужны для прогнозирования спроса

Одна из самых частых причин, по которой компании откладывают автоматизацию прогнозирования, звучит так: сначала нужно привести в порядок все данные.

Проблемы с данными действительно влияют на результат. При этом полностью идеальной информационной базы почти не бывает. Большинство компаний, внедривших системы интегрированного бизнес-планирования, не оценили бы качество своих данных как идеальное. Многие компании при этом были довольны результатами работы систем. Эксперты рекомендуют использовать принцип 80/20: начинать проект, когда доступна основная часть необходимых данных, и параллельно устранять пробелы.

Какой минимальный набор нужен для прогнозирования спроса?🔺

🔵История продаж

Она помогает увидеть динамику спроса, сезонность, тренды и повторяющиеся изменения. Важно учитывать, что продажи отражают только реализованный спрос. Если товара не было в наличии, данные могут показывать снижение, хотя реальная потребность покупателей сохранялась.

🔵Остатки и дефицит

Информация об остатках помогает отличить реальное падение спроса от периодов отсутствия товара. Для анализа полезно фиксировать даты, когда товар был недоступен, заказы не выполнялись полностью или продажи ограничивались запасом.

🔵Цены

Изменение цены может заметно повлиять на спрос. Для корректного прогноза нужна история регулярных цен, скидок и периодов, когда стоимость товара менялась.

🔵Промоакции

Важно знать даты проведения промо, размер скидки, механику акции, каналы продвижения и фактический результат. Без этой информации всплеск продаж может быть ошибочно принят за естественный рост спроса.

🔵Ассортиментные изменения

Запуск новых товаров, вывод позиций, замена упаковки, появление аналогов и изменение ассортиментной матрицы влияют на распределение спроса внутри категории. Эти события желательно фиксировать отдельно.

🔵Календарные события

Праздники, выходные, начало учебного года, сезон отпусков, периоды выплат и другие события могут регулярно менять покупательское поведение. Их влияние зависит от категории, региона и канала продаж.

🔵Ограничения поставок и производства

Сроки поставки, минимальные партии, доступность сырья, производственные мощности и логистические ограничения нужны для того, чтобы на основе прогноза сформировать выполнимый план.

Начать можно с одной товарной категории, региона или канала продаж. Такой подход помогает проверить качество данных, выявить основные пробелы и постепенно расширять охват.

Ожидание идеальных данных часто затягивает проект на неопределенный срок. Практичнее определить минимально необходимый набор, начать работу и последовательно повышать качество информации уже в процессе.

Novo BI стала лидером российского рынка систем интегрированного бизнес-планирования 🤩

➡️Выбор системы для прогнозирования спроса и планирования может занять месяцы. На российском рынке представлены десятки решений, которые отличаются функциональностью, архитектурой, отраслевой экспертизой и опытом внедрений.

Клуб ИТ-директоров опубликовал масштабное исследование российского рынка систем интегрированного бизнес-планирования. Такие цифровые системы помогают объединить прогнозирование спроса, планирование продаж, запасов, производства, цепей поставок и финансов в едином процессе.

В исследовании детально сравнили топ-15 российских вендоров по более чем 130 критериям. Для компаний, которые сейчас выбирают цифровую систему, рейтинг может стать ориентиром и помочь сравнить возможности решений по ключевым для бизнеса параметрам.

По результатам масштабного исследования Novo BI стала лидером рейтинга. Эксперты высоко оценили возможности управления цепями поставок, экосистему решений и опыт крупных внедрений.

➡️Если ваша компания сейчас выбирает систему для прогнозирования и интегрированного бизнес-планирования, рекомендуем изучить исследование и сравнить представленные на рынке решения.

Полное исследование доступно по ссылке.