Для плавного спроса кроме вероятностного метода так же подходят классические алгоритмы прогнозирования, например:- Прогнозирование предыдущими значениями (Naive – так называемые «наивные методы», по среднему и т.д.);
- Экспоненциальное сглаживание (простое и двойное) SES;
- Авторегрессия (1 и 2 порядка);
- ARIMA (AR + MA);
- Метод Хольта-Винтерса.
Для кускового, нерегулярного или прерывистого спроса подходит только вероятностный метод (классические методы прогнозирования не подходят).Основные принципы вероятностного прогнозирования:
- Каждая отдельная продажа независима и случайна;
- Случайной является как факт самого события продажи так и в величина отгрузки;
- Для более чем 99% товаров события продаж дискретны (то есть фактов продаж немного и величина отгрузки может существенно отличаться от одного события продажи к другому);
- В годовом распределении продаж по месяцам существует сезонность, то есть распределение спроса по месяцам не равномерно;
- Есть группы товаров (Группы сезонности) которые имеют сходную сезонность;
- Есть группы складов (Регионы сезонности) одинаковые товары на которых имеют сходную сезонность.
Вероятностное прогнозирование имеет несколько ограничений:
- Примерно для 3% товаров статистики так мало, что не работает даже вероятностный метод;
- Примерно для 15% товаров с недостаточной статистикой модель работает с ручным контролем.
