Tjänster / Efterfrågeprognos
Efterfrågeprognoser och tidsserier
En efterfrågeprognos, ibland kallad behovsprognos eller demand forecasting, skattar vad som händer framåt utifrån historiska mönster, säsong och yttre faktorer. Jag bygger prognoser för efterfrågan, försäljning, lager och kapacitet — alltid med intervall, aldrig som ett ensamt tal — och utvärderar dem mot en enkel baslinje så att nyttan går att belägga.
Vanliga utgångslägen
- Affärssystemet levererar en prognos, men ingen kan säga hur fel den brukar bli.
- Ingen har jämfört den nuvarande prognosen mot att bara upprepa förra periodens utfall.
- Prognosen justeras för hand varje månad, och personen som kan den ska snart byta jobb.
Så gör jag
Den vanligaste bristen i en prognos är inte att den är fel. Det är att ingen vet hur fel den brukar vara.
Ett tal utan intervall går inte att fatta beslut på. Ska lagret dimensioneras för prognosen, eller för det utfall som inträffar en gång på tjugo? Det är två helt olika kapitalbindningar, och skillnaden mellan dem är exakt den information som försvinner när prognosen reduceras till en enda siffra.
Baslinje först
Innan något byggs mäter jag hur bra en naiv metod är: säsongsnaiv, glidande medelvärde. Förvånansvärt ofta slår den både manuella prognoser och systemets inbyggda modul. Utan den siffran går det inte att veta om en modell är värd att driva.
Konforma prediktionsintervall
Ger intervall med faktisk täckningsgrad utan att anta normalfördelade fel. Om jag lovar 90 procents täckning ska utfallet ligga innanför i nio fall av tio. Det går att följa upp i efterhand.
Hierarkisk avstämning
Prognoser per artikel, per butik och totalt måste summera ihop. Avstämning löser det matematiskt i stället för att någon justerar i efterhand tills det ser rätt ut.
Yttre variabler
Kampanjer, helgdagar, väder, prisförändringar och konkurrenters utspel. Det tunga arbetet ligger i att avgöra vilka som bär signal och vilka som bara ser förklarande ut i backtestet.
Vad du får
- Prognos per period och nivå, med intervall och angiven täckningsgrad
- Backtest mot baslinje över flera tidsfönster, inte bara ett gynnsamt
- Automatisk körning och larm när träffsäkerheten glider
- Export till ert BI-verktyg eller planeringssystem
Förstudie · 2–3 veckor
95 000 – 140 000 kr
Spannet styrs av hur många nivåer prognosen ska brytas ned på och datakvaliteten i historiken.
Vanliga frågor
Vi har redan en prognosmodul i affärssystemet. Behöver vi det här?
Kanske inte. Men systemets prognos är nästan alltid en punktskattning utan uppgift om osäkerhet, och den är tränad på en generisk modell snarare än på det som styr just er efterfrågan. Frågan att ställa internt är hur fel den brukar bli. Kan ingen svara är det värt en halvdag.
Hur mäter ni att prognosen är bra?
Mot en baslinje, över flera tidsfönster, med ett felmått som passar beslutet. För lagerstyrning är över- och underprognos olika dyra, och då är symmetriska felmått som MAPE fel verktyg.
Vi har väldigt oregelbunden efterfrågan. Går det ändå?
Ja, men med andra metoder. Intermittent efterfrågan hanteras med exempelvis Crostons metod eller sannolikhetsmodeller per period. Intervallen blir breda, och breda intervall är i sig information värd att ha.
Kan modellen ta hänsyn till kampanjer vi planerar?
Ja. Planerade kampanjer läggs in som kända framtida variabler. Det förutsätter att historiska kampanjer finns loggade med datum och omfattning. Det är ofta den första sak vi behöver reda ut.