Почему старые модели прогнозирования в FMCG больше не работают
Мир изнутри
Традиционные процессы прогнозирования спроса и следующего за ним планирования отражают видение мира «изнутри наружу». Они опираются на стандартное статистическое моделирование временных рядов, выстроенное на базе исторических данных по объему заказов. Эта работа также предполагает коррекцию относительно сезонного и недельного спроса. Но сами алгоритмы, сколь продвинутыми бы они ни были, работают с массивами уже устаревших данных.
Эти данные ничего не могут сказать о таких непредсказуемых событиях, каким стала пандемия COVID-19 и последовавшие за ней меры социального ограничения. Они в целом недостаточно гибки и слишком консервативны для стремительно меняющейся реальности и непостоянных настроений потребителей. В историческом подходе кроется и еще одна слабость — ограниченность случаев использования. Так, полученные во время локдауна данные не позволяют компаниям выстроить достоверный прогноз по продажам на весну 2021 года, поскольку будут основываться на аномальных показателях весны 2020 года. В целом подобная неучтенная непредсказуемость внешней среды в международном масштабе, по нашим оценкам, ежегодно приводит к упущенной прибыли в 10–15%.
Процессы совместного планирования продаж и ресурсов вносят дополнительную погрешность в и без того довольно неповоротливый процесс. В результате, когда требуются оперативная реакция и повышенная адаптивность, обеспечить быструю перестройку не получается. Как говорил Майк Тайсон, «у всех есть план до первого удара в челюсть». Пандемия COVID-19 стала именно таким ударом. Традиционные подходы к прогнозированию спроса и предложения практически перестали работать. И самое главное, что несмотря на снятие ряда ограничений, они не будут работать в обозримом будущем. Пока не появится вакцина от коронавируса, непостоянство внешних условий сохранится.
Решение проблемы
Что делать компаниям? Есть несколько по-настоящему работающих подходов. Первый — это коррекция традиционного прогнозирования, основанного на исторических данных. Она не улучшит точность предсказания рисков, но позволит оперативно на них среагировать. Второй, более радикальный, — переход на зондирование спроса. Несмотря на дискуссии вокруг этого метода, на сегодняшний момент он становится наиболее действенным, когда речь идет о непредсказуемости.