תחזית ביקושים ומכירות

חיזוי ביקושים ליבואנים ומפיצים הופך את היסטוריית ההזמנות שלכם לתחזית מכירות לפי מוצר, לקוח וחודש. התחזית מזינה את החלטות הרכש והתכנון בתוך ה-ERP שאתם כבר עובדים איתו, למשל Priority. איך יודעים שזה עובד? כל תחזית נבחנת מול המכירות בפועל, וגם מול השיטה שלפיה אתם מתכננים היום. תחזית שאף אחד לא בודק היא דעה.

DataWise מפתחת עבורכם מערכות חיזוי ביקושים ותחזית מכירות מבוססות בינה מלאכותית, על נתוני אמת: היסטוריית הזמנות, נתוני ERP ונתונים פיננסיים. את אחד הפרויקטים 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.

באותו פרויקט חזינו ביקוש למאות נקודות מכירה, בהיקף של כמה מיליוני דולרים בחודש, בעבודה מול המנכ״ל וה-CTO. החברה מייצרת ושולחת לפי התחזית שבנינו, 3 חודשים קדימה.

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
• ניתוח מכירות גיאוגרפי

כל פרויקט מתחיל בשלב אפיון שמגדיר יחד אתכם את ההחלטה, את הנתונים הקיימים ואת מדדי ההצלחה (KPI), עוד לפני שמאמנים מודל. תחזית היא לרוב ההחלטה הראשונה שמצדיקה מערכת כזאת, ולצידה יש עוד כמה: AI לעסקים עושה סדר בין התחומים שבהם ההשקעה חוזרת.

איך יודעים שהתחזית באמת עובדת?#

זו השאלה הנכונה, והתשובה שלנו היא בחינת תוצאות אמת, בשקיפות מלאה. לאורך שלוש שנים נוהל ‘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.

איך בודקים תחזית ביקושים על 12 החודשים האחרונים שלכם?#

לפני שמתחייבים לפרויקט תחזית, אפשר לבדוק מה תחזית הייתה נותנת לכם בשנה האחרונה. זו בחינה לאחור (Backtest): אנחנו בונים את התחזית על ההיסטוריה שכבר קיימת אצלכם, ובוחנים אותה על 12 החודשים האחרונים, חודש אחרי חודש, כאילו הם עוד לא קרו. בחינה כזו נמשכת בין כמה חודשים לשנה, לפי המשימה והמטרה שלה. המחיר נקבע לכל לקוח בנפרד: התכולה ומחיר קבוע נסגרים בכתב לפני שמתחילים, והכול מתחיל בשיחת אפיון.

מה אתם מעבירים

• שורות הזמנה או שורות חשבונית מה-ERP, ברמת פריט, לקוח ותאריך, ל-12 החודשים האחרונים ולשנים שלפניהם. מספיק ייצוא לקובץ. לא מתקינים כלום ולא משנים דבר במערכות שלכם.
• קובץ הפריטים עם משפחות המוצר, כדי לפלח את התוצאות כמו שאתם מתכננים.
• התחזיות או תוכניות הרכש שהכנתם לאותם חודשים, אם נשמרו. אם לא נשמרו, ספרו לנו לפי מה אתם מתכננים, למשל ‘שנה שעברה ועוד אחוז’, ונשחזר את זה.
• שיחה אחת שבה מגדירים איזו החלטה התחזית צריכה לשרת: רכש, יעדים, או שניהם.

כמה היסטוריה צריך? התשובה תלויה במשימה. כדי ללמוד עונתיות, המודל צריך כמה שנים של נתונים, ושנה אחת לא מספיקה לזה. עם היסטוריה קצרה יותר אפשר לעבוד על משימות תחזית אחרות. יש לכם פחות? ספרו לנו מה יש, ונבחן יחד מה הנתונים שלכם יכולים לשאת.

מה אתם מקבלים

• יומן חודשי ל-12 החודשים: התחזית שלנו, השיטה הקיימת שלכם ומה נמכר בפועל, זה לצד זה.
• שגיאת התחזית באופקים שלפיהם אתם באמת מתכננים. בליווי של שלוש השנים שתיארנו למעלה, אלה היו 3 ו-12 חודשים קדימה.
• פילוח התוצאות במקום שבו מתקבלות ההחלטות: לפי משפחת מוצר, מק״טים מהירים מול איטיים, והלקוחות הגדולים שלכם.
• מסקנה בכתב: האם תחזית טובה יותר מהשיטה הקיימת על הנתונים שלכם, איפה לא, ומה יידרש כדי להתקדם. אם היא לא טובה יותר, נגיד את זה ונעצור שם. הממצאים נשארים אצלכם.

איך נמדד הדיוק מול השיטה שלכם

כל תחזית ‘מוקפאת’ בחודש שבו הייתה ניתנת ומשתמשת רק במה שהיה ידוע אז, כך שהבחינה לא יכולה להציץ בתשובה. התחזית שלנו והשיטה הקיימת שלכם נבחנות על אותם חודשים ובאותם ארבעה מדדים. ארבעת המדדים הם גודל השגיאה, ההטיה (לאיזה צד היא נוטה), אותם שניים בשקלול לפי שווי, והשוואה לבסיס נאיבי, למשל אותו חודש בשנה שעברה. את המדד מסכמים איתכם לפני ההרצה, כדי שאף אחד לא יזיז את שער המטרה אחר כך, כולל אנחנו. איך בוחנים תחזית ביושר מפרט את השיטה צעד אחר צעד.

כך עבדנו שלוש שנים אצל יצרן תעשייתי הפועל בשוק האמריקאי. כל תחזית חודשית נבחנה מול תוצאות אמת, באופקים של 3 ו-12 חודשים, והיומן היה מונח על השולחן בישיבות התכנון של ההנהלה (הסיפור המלא). ההבדל הוא בכיוון: שם התחזיות נבחנו קדימה, חודש אחרי חודש, וכאן הבחינה רצה לאחור, על שנה שכבר עברה, לפני שהתחייבתם למשהו.

תכנון מניסיון ותחושת בטן מול תכנון עם תחזית נמדדת#

למי זה מתאים ומה נדרש מהנתונים?#

פיתחנו ותיקפנו תחזיות על נתוני אמת בשלושה עולמות עיקריים: תעשייה וייצור, יבוא, הפצה וקמעונאות וחקלאות ואגרו-עסקים. למשל:

• 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.
• תחזית 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.