תחזית ביקושים ומכירות

DataWise מפתחת עבורכם מערכות תחזית ביקושים ותחזית מכירות על נתוני אמת: היסטוריית הזמנות, נתוני ERP ונתונים פיננסיים. את הפרויקט המרכזי שלנו בתחום פיתחנו, הטמענו וליווינו לאורך שלוש שנים עבור יצרן תעשייתי הפועל בשוק האמריקאי, במחזור חודשי שהוזן ישירות לישיבות התכנון של ההנהלה. המטרה: מתן יכולת תכנון קדימה לדרג הניהולי, אשר תאפשר ‘ניהול’ ולא תגובתיות.

מה בעצם בונים בפרויקט תחזית?#

אנחנו מפתחים תחזיות בכמה אופקים במקביל: חודשי ושנתי למכירות, רבעוני למשפחות מוצר, או ברמת פריט, בהתאם להחלטה שהתחזית צריכה לשרת. מבחינה טכנית מדובר בשילוב של מודלים סטטיסטיים, מודלים מבוססי Gradient Boosting ורשתות נוירונים, כשהשילוב מכויל לכל אופק בנפרד. מסביב לתחזית עצמה סיפקנו בפרויקטים אמיתיים גם ניתוח אשכולות לקוחות, תחזית ייעודית ללקוחות גדולים, זיהוי ‘אגירת מלאי’ (רכש מוקדם של לקוח), ניתוח נטישת לקוחות, שכבת הסבר לתחזית וניתוח מכירות גיאוגרפי. כל פרויקט מתחיל בשלב אפיון שמגדיר יחד אתכם את ההחלטה, את הנתונים הקיימים ואת מדדי ההצלחה (KPI), עוד לפני שמאמנים מודל.

איך יודעים שהתחזית באמת עובדת?#

זו השאלה הנכונה, והתשובה שלנו היא בחינת תוצאות אמת, בשקיפות מלאה. בפרויקט הדגל נוהל לאורך שלוש שנים ‘יומן’: מדי חודש נבחנה התחזית מול המכירות בפועל, במעקב שגיאה של 3 חודשים ושל 12 חודשים. אותו עיקרון חל על כל פרויקט: מדד הדיוק מוגדר בשלב האפיון, נבחן על נתוני אמת שלכם עוד לפני הטמעה, ולאחריה מדווח מול התוצאות בפועל במחזור קבוע. אם המודל מפסיק להצדיק את מקומו בישיבת התכנון, היומן מראה זאת ראשון. אנחנו לא מתחייבים מראש למספר דיוק לפני שראינו את הנתונים, ומציעים להיזהר ממי שכן.

תכנון מניסיון ותחושת בטן מול תכנון עם תחזית נמדדת#

למי זה מתאים ומה נדרש מהנתונים?#

פיתחנו ותיקפנו תחזיות על נתוני אמת במגוון הקשרים: תחזית ביקושים רבעונית למשפחות מוצר עבור יצרן גלובלי בתחום טכנולוגיות המים, על פני חמישה אזורי מכירה (אירופה, בריטניה, ארה״ב, אוסטרליה וסין), כולל איחוד מכירות ישירות עם העברות מלאי בין-חברתיות; מנוע תחזית למחירי סחורות חקלאיות (חיטה, תירס, שמנים) שנבחן מול היסטוריית רכש אמיתית של מכון תערובת; ותחזית תזרים מזומנים ישירות מנתוני חשבון בנק. בנוסף אפיינו ותכננו מערכות תחזית לרכש בתחום אספקת הבנייה ולחשיפה למחירי הובלה ימית ומטבע. הדרישה המשותפת אינה כמויות עתק של נתונים אלא היסטוריה עסקית אמיתית: שורות הזמנה, חשבוניות או תנועות בנק לאורך זמן מספיק כדי ללמוד עונתיות.