Прогноз спроса по данным 1С: как планировать закупки

Как это сделать на платформе

Analytics Bridge снимает карту объектов вашей базы, а ИИ-сотрудник через describe_schema находит точные источники продаж, остатков и поступлений. run_slice возвращает агрегаты по дням, товарам и складам. Для большого набора агрегированных строк можно получить файл и выполнить расчёт на платформе без передачи всей таблицы в текст модели.

Далее в регламенте VibeLab фиксируют правила подготовки ряда: какие документы учитывать, как обрабатывать возвраты и что делать с отсутствием товара. На первом этапе сотрудник может показывать простой расчёт по прошлым сопоставимым периодам. Такой базовый метод нужен даже если позже появится сложная модель: с ним сравнивают качество.

Прогнозный пилот строится отдельно. Команда выбирает горизонт — например, до следующей поставки — и проверяет модель на прошлых датах так, чтобы она не видела будущих событий. Для временных рядов это принципиально: скользящая проверка оценивает именно способность предсказывать следующий период, а не вспоминать уже известный.

Что включить в первую модель

Для первого опыта часто достаточно календаря и истории: день недели, сезон, сопоставимые продажи и наличие товара. Акции, смена цены и крупные заказы добавляют, только если эти сведения доступны до момента прогноза. Нельзя использовать фактическую цену или отгрузку будущей недели как вход — это сделает историческую проверку красивой, но бесполезной в работе.

Не все товары стоит прогнозировать одинаково. У новой позиции короткая история, у редкой дорогой позиции спрос прерывистый, у расходника он может быть устойчивым. Для разных групп уместны разные правила или вообще решение человека. На платформе сотрудник может пометить недостаточную историю и не выдавать уверенную рекомендацию.

Что увидит закупщик

Рабочая карточка рекомендации должна объяснять число заказа. В ней полезны ожидаемый спрос на горизонт, диапазон неопределённости, свободный остаток, резерв, подтверждённый приход и ограничение поставщика. Итоговое количество — следствие этих строк, а не ответ модели «из головы».

Сотрудник VibeLab может подготовить карточку и отметить исключения: не хватает истории, резко изменился ассортимент, поставщик сдвинул срок, товар был недоступен. Закупщик подтверждает заказ или правит допущение. Для повторяемых решений регламент можно уточнять по результатам этих правок.

В карточке также нужен простой след расчёта: дата формирования, источник среза 1С, версия правила и горизонт. Через месяц закупщик должен суметь восстановить, почему была выбрана именно такая партия. Если история в 1С изменилась задним числом, старую рекомендацию нельзя молча пересчитать и выдать как первоначальную.

Качество следует оценивать по последствиям: меньше ли дефицитов, сколько денег остаётся в излишнем запасе и сколько времени занимает подготовка заказа. Средняя ошибка прогноза без этих показателей не показывает бизнес-эффект.

Сравнивать нужно с действующим способом закупки на тех же позициях и периодах. Если команда сегодня берёт среднее за четыре недели и корректирует его перед праздниками, именно с этим правилом следует сравнить новую модель. Победа над намеренно слабым ориентиром ничего не говорит о пользе внедрения.

Где именно платформа экономит время команды

Без общего контура аналитик выгружает историю из 1С, закупщик правит таблицу, руководитель спрашивает, почему число изменилось, и работа начинается заново. В VibeLab эти этапы можно закрепить за одним сценарием: источник данных, правило подготовки, расчёт, объяснение исключения и точка подтверждения. ИИ-сотрудник готовит карточку закупки по одинаковому формату и указывает, на каких данных она построена.

Это не устраняет профессиональное суждение закупщика. Он знает о переговорах с поставщиком, локальной акции и смене ассортимента. Задача платформы — дать ему актуальную основу и не заставлять каждый раз собирать её вручную. Когда человек меняет рекомендацию, причина фиксируется и помогает улучшить следующий расчёт.

Если в процессе участвуют несколько складов, начните с одного. Межскладские перемещения и общие резервы усложняют картину. Расширять пилот стоит после того, как рекомендация по первому складу стабильно воспроизводится и команда согласна с определениями остатков и спроса.

Как начать без большого проекта

Выберите одну товарную группу и один склад. Сначала сверьте срезы 1С с действующими отчётами, затем восстановите прошлые решения закупщика и проверьте, что рекомендовала бы модель в те даты. Если данные неполные, пилот выявит, какое поле или правило учёта нужно исправить. Это полезный результат само по себе.

VibeLab связывает данные 1С, расчёт и работу ИИ-сотрудника в одном управляемом процессе. Покажите график поставок и текущую таблицу закупок — предложим пилот на конкретной группе товаров, с понятной метрикой и человеком в точке подтверждения.