1. Вопрос пользователя
«Почему ошибка прогноза в 1С ERP так опасна? Где именно она бьёт по запасам, пополнению и производству, и как не обманывать себя красивым графиком прогноза?»
2. Теоретическая опора
Ошибка прогноза — это не “сбой программы”, а разница между фактическим значением и прогнозом. Стерлигова задаёт это прямо:
ошибка прогноза = фактическое значение потребности − прогнозное значение потребности. При этом ошибка может быть отрицательной, если прогноз завышен, и положительной, если прогноз занижен. Она отдельно показывает, что средняя ошибка сама по себе опасна как показатель: ошибки разных знаков могут взаимно погашаться и скрывать реальную плохую точность прогноза. Поэтому нужны не только средние, но и абсолютные и относительные показатели точности.
Rossi добавляет важное методологическое уточнение: прогнозную точность нельзя честно оценить только по residuals на обучающей выборке. Настоящую точность нужно оценивать на новых данных, не использованных при обучении модели. Он разводит residuals и forecast errors, а для оценки качества рекомендует MAE, MSE, RMSE и MAPE. Это очень важная мысль для практики 1С ERP: красивое поведение модели на прошлых данных ещё не означает, что она хорошо предсказывает будущее.
Стерлигова также подчёркивает, что разные методы дают разную чувствительность к ошибке. Например, в экспоненциальном сглаживании коэффициент сглаживания определяет, насколько быстро прогноз реагирует на отклонения: чем ближе коэффициент к единице, тем выше чувствительность к ошибке и тем меньше сглаживание; чем ближе к нулю, тем медленнее реакция и тем сильнее сглаживание. Это важно, потому что ошибка прогноза — не только “число”, но и характеристика поведения модели.
3. Что это означает для предприятия
Для предприятия ошибка прогноза опасна не сама по себе, а через цепочку последствий.
Если прогноз завышен, предприятие:
- закупает и производит лишнее;
- завышает ожидаемый запас;
- раздувает партии пополнения;
- позже получает излишки, медленно оборачиваемый запас и потенциальный неликвид.
Если прогноз занижен, предприятие:
- поздно запускает пополнение;
- недооценивает потребность;
- уходит в дефицит;
- начинает спасаться срочными закупками, перераспределением, ручными корректировками и срывом графика.
У Гаврилова это хорошо видно даже на уровне формата S&OP/MRP II-таблицы: прогноз отгрузки и заказов влияет не только на продажи, но и на прогноз запасов, прогноз издержек на производство и последующие управленческие решения. То есть ошибка прогноза — это ошибка не только в коммерции, но и в запасах и производственной программе.
Проще говоря:
ошибка прогноза ломает не только план продаж. Она ломает всю цепочку “спрос → запас → пополнение → производство”.
4. Как это ложится в 1С ERP
В 1С ERP тема ошибки прогноза присутствует вполне предметно.
Во-первых, в системе есть Сервис прогнозирования продаж — отдельное рабочее место аналитика, которое запрашивает прогноз из внешнего сервиса на основании истории продаж и строит результат по выбранному виду плана. Для работы используется сценарий планирования и вид плана с вариантом планирования «Путем прогнозирования». Расчёт может занимать от получаса до нескольких часов, то есть это полноценный аналитический контур, а не просто автозаполнение документа.
Во-вторых, в 1С ERP предусмотрен прямой инструмент контроля качества прогноза. В варианте отчёта «Прогноз с историей продаж (раздельно)» выводятся фактические и прогнозные значения, а также колонки с оценкой качества прогноза и цветовая индикация качества. Дополнительно есть график точности прогнозирования по товарам. Это означает, что система позволяет не просто получить прогноз, а сравнить его с фактом на уже прошедших периодах.
В-третьих, сервис позволяет сравнивать прогноз с экспертным планом. То есть в 1С ERP можно видеть не только “что сказала модель”, но и сопоставить это с управленческим или экспертным прогнозом. Это очень полезно именно в теме ошибок прогноза: система позволяет увидеть расхождение между статистической моделью и суждением бизнеса.
В-четвёртых, для нестабильного ассортимента 1С ERP прямо рекомендует переходить от потоварного прогноза к прогнозированию по товарным категориям, если история продаж по отдельным товарам короткая, новинок много, а ассортимент постоянно меняется. Это очень важная защита от грубой ошибки модели: если данные по SKU слабы, прогноз по категориям может быть честнее и устойчивее, чем иллюзия точности по каждой позиции.
5. Почему ошибка прогноза разрушает именно пополнение
Теперь самое главное.
Пополнение строится не “из воздуха”, а из оценки будущей потребности.
Если прогноз завышен, система или менеджер закладывают в пополнение больше, чем реально нужно. Тогда:
- запас кажется “нормально рассчитанным”;
- поставщик или производство получают лишний заказ;
- фактическая потребность ниже;
- склад начинает накапливать лишнее.
Если прогноз занижен:
- заказ формируется позже или в меньшем объёме;
- на бумаге дефицита ещё нет;
- в реальности спрос приходит раньше и больше;
- точка заказа, страховой запас и график пополнения оказываются уже недостаточными.
Именно поэтому ошибка прогноза бьёт даже по тем моделям, которые внешне выглядят “самостоятельными”: reorder point, safety stock, Min–Max, план закупки. Они все зависят от того, насколько адекватно оценён будущий поток спроса. Это прямо следует из теории прогнозирования потребности и управления запасами у Стерлиговой и из общего predictive/prescriptive подхода у Rossi.
6. Почему ошибка прогноза разрушает именно производство
Для производства ошибка прогноза ещё опаснее, чем для закупки.
Если спрос завышен:
- запускаются лишние производственные партии;
- растёт прогнозный запас;
- мощность уходит на то, что потом не понадобится;
- образуются лишние полуфабрикаты и лишний НЗП.
Если спрос занижен:
- план выпуска формально выглядит спокойным;
- фактически потребность приходит сильнее;
- производство не успевает;
- начинается аварийное перепланирование, приоритеты меняются, график нервничает.
В MRP II-логике это особенно критично, потому что прогноз влияет на верхний слой планирования продаж и операций, а дальше уже на прогноз запасов и производственных затрат. Ошибка наверху быстро размазывается вниз по всему плановому контуру.
7. Практический пример с анализом
Возьмём товар/изделие А.
Исходные данные
- Фактическая средняя потребность: 100 шт. в месяц
- Lead time пополнения: 1 месяц
- Страховой слой рассчитан под “нормальный” спрос
- В 1С ERP формируется прогноз через сервис прогнозирования продаж
Сценарий 1. Завышенный прогноз
Система или аналитик заложили прогноз: 140 шт.
Ошибка прогноза:
100 − 140 = −40 шт.
Что происходит:
- план закупки или выпуска строится под 140;
- фактический спрос 100;
- через 1–2 периода накапливается +40, потом +80 и так далее;
- запас начинает выглядеть “хорошо обеспеченным”, хотя на самом деле это уже избыток;
- позже этот избыток превращается в медленную оборачиваемость, а затем может уйти в неликвид.
Сценарий 2. Заниженный прогноз
Система или аналитик заложили прогноз: 70 шт.
Ошибка прогноза:
100 − 70 = +30 шт.
Что происходит:
- пополнение или выпуск строятся под 70;
- фактическая потребность 100;
- уже в текущем цикле возникает недообеспечение на 30;
- если страховой слой небольшой, дефицит быстро станет видимым;
- производство или продажи начнут “гореть”, хотя формально прогноз был.
Что важно в обоих сценариях
Ошибка кажется не очень большой — 30–40 шт.
Но в плановом контуре она быстро превращается в:
- лишний запас,
- либо дефицит,
- либо лишний выпуск,
- либо срыв исполнения.
Именно поэтому отчёт «Прогноз с историей продаж» в 1С ERP — не декоративная аналитика, а реальный инструмент проверки: если на прошедших периодах модель системно завышает или системно занижает прогноз, её нельзя бездумно использовать как источник плана.
8. Какие ошибки прогноза бывают на практике
1. Систематическое завышение
Прогноз почти всегда выше факта.
Это особенно опасно тем, что сначала система кажется “безопасной”: дефицита мало. Но позже предприятие платит за это ростом лишнего запаса.
2. Систематическое занижение
Прогноз почти всегда ниже факта.
Здесь страдает сервис: дефициты, срочные закупки, нервозность производства.
3. Усредняющий прогноз на нестабильной номенклатуре
По новым, редким или “рваным” товарам модель строит красивую среднюю линию, которая не совпадает с реальным спросом. В такой ситуации 1С ERP и рекомендует использовать прогнозирование по категориям, а не по каждому товару.
4. Самообман по метрикам
Если смотреть только на среднюю ошибку, разные знаки ошибки могут погасить друг друга. Именно об этом предупреждает Стерлигова. Поэтому предприятие может думать, что “в среднем всё неплохо”, хотя фактически модель плохо работает и вверх, и вниз.
9. Простыми словами
Если совсем просто:
ошибка прогноза — это разница между тем, что мы ожидали, и тем, что реально произошло.
Но проблема не в самой разнице.
Проблема в том, что эта разница дальше:
- превращается в лишний заказ,
- или в недозаказ,
- или в лишний выпуск,
- или в дефицит,
- или в нервную ручную правку всего плана.
Именно поэтому в 1С ERP прогноз нельзя просто “получить”. Его надо сравнивать с фактом, проверять, спорить с ним и корректировать. Для этого в системе и есть:
- отчёт с историей продаж,
- оценка качества прогноза,
- сравнение с экспертным планом,
- прогноз по категориям как альтернатива плохому потоварному прогнозу.
10. Библиография
[1] Стерлигова А.Н. Управление запасами в цепях поставок.
Раздел 6.4 «Оценка и анализ точности прогноза потребности в запасе»:
ошибка прогноза как разница между фактическим и прогнозным значением;
различие отрицательных и положительных ошибок;
риск самообмана при использовании средней ошибки;
необходимость абсолютных и относительных показателей точности.
[2] Rossi R. Inventory Analytics.
Глава по forecast accuracy:
различие residuals и forecast errors;
оценка точности на test data, а не только на обучающей выборке;
метрики MAE, MSE, RMSE, MAPE.
[3] Стерлигова А.Н. Управление запасами в цепях поставок.
Метод экспоненциального сглаживания:
влияние коэффициента сглаживания на чувствительность прогноза к ошибке;
баланс между реактивностью и сглаживанием.
[4] 1С:ERP Управление предприятием 2. Сервис прогнозирования продаж.
Рабочее место аналитика;
использование сценария и вида плана с вариантом планирования «Путем прогнозирования»;
выгрузка данных и построение первого прогноза.
[5] 1С:ERP Управление предприятием 2. Сервис прогнозирования продаж.
Отчёт «Прогноз с историей продаж (раздельно)»;
сравнение фактических и прогнозных данных;
оценка качества прогноза;
цветовая индикация качества и график точности прогнозирования.
[6] 1С:ERP Управление предприятием 2. Сервис прогнозирования продаж.
Сравнение прогноза с экспертным планом;
настройка отчёта и детализация;
сравнение модели и экспертного прогноза.
[7] 1С:ERP Управление предприятием 2. Сервис прогнозирования продаж.
Прогнозирование по товарным категориям как более подходящий инструмент при короткой истории продаж, большом числе новинок и постоянно меняющемся ассортименте.
[8] Гаврилов Д.А. Управление производством на базе стандарта MRP II.
Формат таблицы планирования продаж и операций: прогноз отгрузки, прогноз заказов, прогноз запасов, прогноз издержек на производство — как связанный контур, в котором ошибка прогноза влияет на запас и выпуск.