Prognoza

Prognoza popytu, obciążenia i kluczowych wskaźników — liczona z Waszej historii i z tego, co dzieje się na zewnątrz: sezonu, pogody i wydarzeń w mieście.

• AURA THINKPoziom
• IntelligenceRodzina
• w abonamencie AURARozliczenie

Problem

Popyt nie jest równy, a grafik, zamówienia u dostawców i kampanie rzadko nadążają za jego rytmem. Wtorek stoi pusty, w piątek ustawia się kolejka, a decyzje o obsadzie i towarze podejmuje się „jak zwykle” — czyli na podstawie ostatniego tygodnia i przeczucia. Po fakcie zawsze wiadomo, jak było; przed faktem nie wie tego nikt.

Co robimy

Budujemy prognozę popytu, obciążenia i kluczowych wskaźników: co prawdopodobnie wydarzy się w najbliższym okresie i jak bardzo jesteśmy tego pewni.

• Podstawą jest Wasza własna historia sprzedaży, a nie średnia branżowa
• Do historii dokładamy sezonowość i sygnały zewnętrzne: pogodę, wydarzenia, dni wolne
• Prognoza jest liczbą z zakresem, a nie jedną obietnicą — i dokładnie tak ją pokazujemy

Co wchodzi w zakres

Cztery elementy; ostatni odróżnia prognozę od wróżenia:

• Historia sprzedaży i ruchu uporządkowana na tyle, żeby dało się z niej liczyć
• Sezonowość i powtarzalne rytmy tygodnia
• Sygnały zewnętrzne: pogoda, wydarzenia w mieście, dni wolne
• Porównanie prognozy z tym, co faktycznie się wydarzyło

Ile to trwa

Moduł nie uruchamia się osobno — włącza się razem z poziomem AURA, w którym się mieści. Ma za to własny warunek startu: prognozę liczy się z historii, więc dopóki historii nie ma w systemie, nie ma z czego jej zbudować. Im dłużej moduł pracuje, tym więcej ma z czym porównywać — dlatego zestawienie prognozy z faktem jest w zakresie od pierwszego dnia, a nie dokładane później.

Ile to kosztuje

Prognozy nie da się wyjąć z systemu i sprzedać oddzielnie — liczy się z historii, którą zbierają pozostałe moduły, i bez nich pokazywałaby pustą oś. Rozliczenie idzie za cały system w lokalu. Ile dokładnie, wychodzi z tego, jak długą historię już macie i ile miejsc trzeba przewidywać naraz.

Prognoza popytu wchodzi w zakres poziomu THINK. Na poziomie SEE zostają wskaźniki i podstawowe sygnały zewnętrzne, czyli to, co już się wydarzyło — bez wybiegania w przód.

Co z tego macie

Decyzje podejmowane z wyprzedzeniem, a nie po fakcie: obsada na zmianie, zamówienie u dostawcy i kampania układają się pod spodziewany ruch. Prognoza z zakresem mówi też, kiedy sama sobie nie ufa, a to informacja równie użyteczna — pokazuje, gdzie nie warto stawiać wszystkiego na jedną kartę. Wyniku nie obiecujemy: prognoza zmniejsza zgadywanie, a nie zastępuje decyzji.

Jak mierzy się dokładność prognozy

Prognoza bez miary błędu to tylko liczba, w którą można uwierzyć albo nie. Standardowa metoda w statystyce to średni błąd procentowy:

• Błąd prognozy (MAPE) = średnia z |prognoza − wynik rzeczywisty| ÷ wynik rzeczywisty, liczona po każdym zamkniętym okresie i wyrażona w procentach
• Liczy się go osobno dla każdego okresu (dzień, tydzień), bo błąd w poniedziałek i błąd w sobotę zwykle nie są takie same
• Trend błędu w czasie mówi więcej niż jedna wartość — malejący błąd znaczy, że model uczy się Waszego rytmu, a nie tylko powtarza średnią

Dlatego prognoza w AURA pokazuje się z zakresem, a nie jako jedna liczba: sam zakres jest informacją o tym, jak bardzo model jest pewny.

Ile historii potrzeba, żeby prognoza miała sens

To pytanie o metodę, nie o konkretną liczbę tygodni, bo zależy od tego, jaki rytm próbujecie przewidzieć.

• Żeby model zobaczył rytm tygodnia, potrzeba kilku pełnych tygodni historii — inaczej nie odróżni piątku od wtorku, tylko uśredni oba
• Żeby zobaczył sezon roczny (lato, święta, wakacje), potrzeba przynajmniej jednego pełnego roku — krótsza historia nie zawiera ani jednego pełnego cyklu
• Dane muszą być uporządkowane na poziomie transakcji lub dnia, a nie jako jedna suma miesięczna — z sumy miesięcznej nie da się odtworzyć rytmu tygodnia

Nowy lokal bez własnej historii nie ma z czego liczyć prognozy — i to nie jest ograniczenie techniczne, tylko fakt statystyczny: prognoza to wzór na powtarzalności, a powtarzalności jeszcze nie ma.

Dlaczego prognoza liczy się z Waszej historii, a nie z uśrednionej krzywej branżowej

Uśredniona krzywa branżowa brzmi kusząco, bo daje liczbę od razu, bez czekania na własne dane. Problem w tym, że uśrednia setki różnych lokali w jedną krzywą, która nie pasuje dokładnie do żadnego z nich.

• Dwie restauracje przy tej samej ulicy mogą mieć zupełnie inny rytm tygodnia — jedna żyje z lunchu biurowego, druga z kolacji w weekend
• Krzywa branżowa nie zna Waszych lokalnych wydarzeń, remontów w sąsiedztwie ani zmiany godzin otwarcia konkurencji
• Błędu prognozy liczonej z cudzej krzywej nie da się zmierzyć Waszymi danymi, dopóki nie porówna się jej z Waszym własnym wynikiem — a wtedy i tak trzeba mieć własną historię

Dlatego nie podajemy tu żadnej uśrednionej normy branżowej: nie mamy takich danych, a wymyślona liczba byłaby gorsza niż jej brak.

Kiedy prognoza się nie sprawdzi

Model statystyczny zakłada, że przyszłość w jakimś stopniu przypomina przeszłość. Tam, gdzie to założenie pęka, prognoza traci sens:

• Lokal działa krócej niż jeden pełny cykl sezonowy, więc model nie widział jeszcze wzorca, który ma przewidywać
• Biznes działa głównie na jednorazowych, niepowtarzalnych zdarzeniach (wesela, bankiety pod indywidualne zamówienie) bez powtarzalnego rytmu tygodnia
• Firma właśnie zmienia coś fundamentalnego — lokalizację, menu, godziny — przez co historia sprzed zmiany przestaje opisywać przyszłość
• Nikt po Waszej stronie nie planuje obsady ani zamówień z wyprzedzeniem — wtedy prognoza jest liczbą bez odbiorcy decyzji

Co musicie mieć po swojej stronie

Prognoza liczy się z danych, więc jakość danych ustala jakość prognozy — to nie jest formalność, tylko warunek startu.

• Historię sprzedaży lub ruchu w formie, którą da się odczytać maszynowo, a nie w papierowych raportach
• Kogoś, kto oznaczy znane wyjątki (remont, awaria, jednorazowa impreza) — inaczej model nauczy się ich jako normalnego rytmu
• Regularny eksport nowych danych, żeby prognoza aktualizowała się na bieżąco, a nie na danych sprzed pół roku
• Osobę, która faktycznie podejmuje na tej podstawie decyzje o obsadzie i zamówieniach — prognoza czytana, ale niewykorzystywana, nie zmienia niczego

Jak po miesiącu sprawdzić, czy prognoza się przydaje

Nie oceniajcie pojedynczej trafionej lub chybionej prognozy — oceniajcie trend na kilku okresach z rzędu.

• Błąd prognozy (MAPE) z poprzedniego punktu — czy maleje, czy stoi w miejscu, licząc kilka kolejnych okresów
• Liczba nagłych korekt zamówienia u dostawcy „na już” — powinna spadać, jeśli obsada i zamówienia planują się z wyprzedzeniem
• Różnica między planowaną a faktyczną obsadą zmiany, mierzona w godzinach nadgodzin lub przestoju

Porównujcie ten sam typ okresu z tym samym: piątek z piątkiem, a nie piątek z wtorkiem.

Czego prognoza nie robi

Prognoza pokazuje liczbę i zakres niepewności — nie podejmuje za Was żadnej decyzji. Nie zamawia sama towaru u dostawcy, nie układa grafiku zmian (to zakres innego modułu poziomu ACT), nie przewiduje zdarzeń losowych spoza wzorca, takich jak awaria czy nagły protest, i nie działa bez planu na własny błąd — bo każda prognoza z zakresu, z definicji, czasem się myli.

Najczęstszy błąd przy korzystaniu z prognozy

Najczęstszy błąd to czytanie środka zakresu jako pewnika i ignorowanie tego, jak szeroki jest sam zakres. Prognoza „120 osób, plus minus 40” to zupełnie inna informacja niż „120 osób, plus minus 5” — a decyzja o obsadzie powinna być inna w obu przypadkach, mimo że środkowa liczba jest identyczna. Drugi częsty błąd to niekarmienie modelu informacją o własnych wyjątkach: remont zgłoszony po fakcie psuje dokładność kolejnych tygodni, nie tylko tego jednego.