Inteligentne prognozowanie popytu w firmie handlowej: Jak dedykowane oprogramowanie eliminuje nadwyżki magazynowe i zapobiega brakom towarów

Właściciel firmy handlowej rzadko ma luksus spokojnego planowania. Poniedziałek zaczyna się od telefonu z magazynu: „Nie mamy już tego produktu, klienci pytają od rana". Dwa dni później ta sama osoba mówi coś zupełnie odwrotnego: „Znowu przyszła dostawa, nie ma gdzie tego postawić". W jednej chwili walczysz o dostępność, w drugiej o miejsce na regałach. A między tymi skrajnościami są jeszcze ludzie: handlowcy obiecujący terminy, zakupy próbujące przewidzieć przyszłość, logistyka układająca dostawy w okienka, które nie zawsze da się wybrać.

W wielu polskich firmach handlowych ten obraz jest zaskakująco powtarzalny. Rynek nie działa już jak zegarek, klienci podejmują decyzje szybciej, a promocja u konkurencji potrafi „przesunąć" popyt w jedną stronę w ciągu kilku dni. Efekt jest prosty: nawet jeśli sprzedaż w skali roku się zgadza, to w skali tygodni i miesięcy firma płaci za wahania. Płaci nadwyżkami, płaci brakami, płaci nerwami i utraconym zaufaniem klientów.

Właśnie w tym miejscu pojawia się temat inteligentnego prognozowania popytu – nie jako gadżet, tylko jako praktyczne narzędzie do opanowania codziennego chaosu w magazynie i zakupach.

Najbardziej podstępne w złym prognozowaniu jest to, że przez długi czas wygląda jak „normalny koszt prowadzenia handlu". Nadwyżki towaru da się upchnąć na dodatkowym miejscu, przecenić, przepchnąć promocją, czasem przerzucić między oddziałami. Braki też da się jakoś łatać: ekspresowa dostawa, zamiennik, obietnica „dojdzie jutro". Problem w tym, że w tle narastają koszty, których nie widać w jednym prostym raporcie.

Pierwszy z nich to zamrożony kapitał. Towar, który leży, nie pracuje. Nie finansuje kolejnych zakupów, nie pozwala skorzystać z okazji cenowej u dostawcy, nie daje przestrzeni na nową linię produktową. W firmie dystrybucyjnej, z którą pracował kiedyś mój zespół (przykład celowo uproszczony, ale realistyczny), dopiero po zebraniu danych okazało się, że około 18% kapitału obrotowego „utknęło" w produktach o niskiej rotacji. Na papierze magazyn był pełny i „wartościowy", w praktyce firma miała mniej tlenu, niż sądziła.

Drugi koszt to utracona sprzedaż. Brak produktu nie zawsze kończy się „zamówieniem na jutro". Często kończy się tym, że klient kupuje gdzie indziej – i uczy się, że tam też da się załatwić temat. Trzeci koszt to przechowywanie: miejsce, energia, obsługa, czas ludzi, a czasem opłaty za dodatkową powierzchnię. Czwarty to straty wynikające z przeterminowań, uszkodzeń, starzenia się towaru, a także konieczności robienia przecen, które ratują przestrzeń, ale niszczą marżę.

Gdy to wszystko zsumować, nagle wychodzi, że „odchylenia" w prognozach nie są detalem. To są pieniądze i wiarygodność firmy, wypływające po cichu.

Excel jest świetny, dopóki rzeczywistość daje się opisać kilkoma prostymi zależnościami. W wielu firmach przez lata to działało: patrzyło się na zeszłoroczną sprzedaż, korygowało o planowane promocje, dopisywało kilka uwag z doświadczenia handlowców i „mniej więcej" się zgadzało. Intuicja doświadczonej osoby potrafiła naprawdę wiele, zwłaszcza gdy asortyment był stabilny, a dostawy przewidywalne.

Tyle że rynek przestał być tak uprzejmy. Popyt potrafi się przesunąć przez pogodę, która przychodzi wcześniej lub później niż zwykle. Potrafi wystrzelić przez trend w mediach społecznościowych, który pojawia się nagle i gaśnie po dwóch tygodniach. Potrafi zmienić się przez decyzję dużego gracza, który robi akcję cenową albo zmienia warunki dostaw. Do tego dochodzą globalne opóźnienia, brak surowców, nowe regulacje, zmiany kosztów transportu – a w praktyce: coraz więcej zmiennych, które trzeba brać pod uwagę jednocześnie.

W pewnym momencie pojawia się granica możliwości człowieka i arkusza. To nie jest zarzut wobec ludzi w zakupach czy logistyce. To raczej znak, że firma urosła albo rynek stał się trudniejszy. I wtedy najrozsądniejszym krokiem nie jest „pracować jeszcze więcej w Excelu", tylko dać zespołowi narzędzie, które liczy szybciej, szerzej i konsekwentniej – a człowiek nadal podejmuje decyzję, tylko na lepszych podstawach.

Najprościej mówiąc, inteligentne prognozowanie popytu robi to, co do tej pory robili ludzie, tylko na większą skalę i z większą liczbą sygnałów. Zaczyna od danych, które firma już ma: historii sprzedaży, sezonowości, różnic między lokalizacjami, typowych „pików" w tygodniu czy miesiącu. Ale na tym nie poprzestaje, bo historia sprzedaży to tylko część prawdy.

Dobry system potrafi uwzględnić kalendarz – święta, długie weekendy, początek roku szkolnego, okresy urlopowe. W branżach wrażliwych na pogodę może brać pod uwagę warunki atmosferyczne, a przynajmniej korelacje między temperaturą a sprzedażą konkretnych grup produktów. W firmach, gdzie promocje robią różnicę, analizuje też wpływ akcji promocyjnych na popyt, żeby nie mylić „jednorazowego skoku" z nową normą. W bardziej dojrzałych wdrożeniach można dołożyć sygnały z rynku, takie jak zachowania klientów w sklepie internetowym, trendy wyszukiwań czy planowane kampanie.

Efektem nie jest wykres dla wykresu. Efektem jest rekomendacja zakupowa: ile danego towaru warto zamówić, kiedy to zrobić i jak rozłożyć dostawy, żeby mieć towar wtedy, gdy będzie potrzebny, ale nie trzymać go na pół roku „na zapas". Co ważne, to nadal nie jest autopilot, który sam składa zamówienia bez pytania. W dobrze ułożonym procesie człowiek zatwierdza decyzję, może ją skorygować, a system uczy się na tym, co faktycznie zadziałało.

W praktyce to zmienia styl pracy. Zamiast dyskutować, czy „wydaje się, że będzie schodzić", zespół rozmawia o konkretach: gdzie ryzyko braków jest największe, gdzie jest nadmiar, które produkty warto przyspieszyć, a które spowolnić. I co najważniejsze – te rozmowy da się prowadzić regularnie, nie tylko w kryzysie.

Wyobraźmy sobie firmę dystrybucyjną, która sprzedaje artykuły ogrodowe i sezonowe do sieci sklepów oraz mniejszych punktów detalicznych. Asortyment jest szeroki: od kosiarek i podkaszarek, przez grille, meble ogrodowe i akcesoria do podlewania, po sprzęt zimowy, który schodzi głównie jesienią i zimą. Firma działa stabilnie, ma stałych klientów, ale co roku przeżywa podobne turbulencje.

W marcu magazyn potrafi być pełen sprzętu zimowego, który „miał zejść do lutego". W czerwcu zaczynają się nerwowe telefony o kosiarki, bo nagle popyt rośnie szybciej, niż zakupy przewidziały. Handlowcy naciskają, bo obiecali dostępność, magazyn naciska, bo nie chce kolejnych palet na przejściach, a zakupy próbują dogadać dostawy „na już", co zwykle kończy się gorszą ceną albo transportem na ostatnią chwilę.

Po wdrożeniu systemu prognozującego firma zaczęła inaczej planować sezon. Najpierw uporządkowano dane: które produkty są mocno zależne od pogody, które od kalendarza, a które od promocji sieci handlowych. Następnie system zaczął generować prognozy popytu i rekomendacje zamówień, które dział zakupów mógł zatwierdzać lub korygować. Z czasem wprowadzono prostą rutynę: regularny przegląd prognoz, szybkie decyzje o przesunięciach między kategoriami i kontrola ryzyka braków w tygodniach szczytu.

Po pierwszym pełnym sezonie firma odnotowała redukcję nadwyżek o około 35%. To nie znaczy, że magazyn nagle stał się pusty – raczej, że mniej było towaru „nie na czas". Jednocześnie przypadki braków magazynowych spadły o około 60%, bo system wcześniej wskazywał produkty, które zbliżają się do progu ryzyka, i sugerował korekty zamówień zanim problem wyszedł w rozmowie z klientem.

Najciekawszy moment przyszedł w ciepłym, nietypowym marcu. Temperatura utrzymywała się wyżej niż zwykle, klienci zaczęli szybciej przygotowywać ogrody, a sprzedaż grilli i mebli ogrodowych ruszyła niemal miesiąc wcześniej. Zamiast reagować „po fakcie", firma miała sygnał w prognozach i zamówiła kluczowe produkty wcześniej. Dzięki temu nie tylko nie zabrakło towaru, ale też udało się uniknąć drogich, przyspieszanych dostaw.

Efekt uboczny, który często jest ważniejszy niż same procenty, to uwolnienie kapitału. Mniej pieniędzy leżało w „ciężkim" zapasie, a więcej można było przeznaczyć na rozwój: poszerzenie oferty, lepsze warunki zakupowe, a nawet inwestycje w obsługę klienta.

W rozmowach z firmami handlowymi często pada pytanie: „Dobrze, ale co to realnie zmieni?". Zmiana zwykle zaczyna się od kapitału obrotowego. Gdy zapas jest lepiej dopasowany do popytu, w magazynie nie zalega tyle produktów o wolnej rotacji, a pieniądze przestają być przywiązane do palet, które „może kiedyś się sprzedadzą". To od razu poprawia płynność i daje większą swobodę w decyzjach zakupowych.

Równolegle rośnie dostępność towaru. To brzmi banalnie, ale w praktyce oznacza mniej nerwowych rozmów, mniej ratowania sytuacji i mniej tłumaczeń klientom. Stała dostępność przekłada się na sprzedaż, ale też na zaufanie – klient szybciej wraca tam, gdzie wie, że towar będzie.

Do tego dochodzi ograniczenie strat na przeterminowaniach i przecenach. W wielu kategoriach przecena jest nieunikniona, ale różnica między przeceną zaplanowaną a przeceną „na szybko, bo nie ma gdzie tego trzymać" jest ogromna. Gdy prognoza pomaga wcześniej spowolnić zakupy lub przesunąć akcent na inne produkty, firma rzadziej dociera do ściany.

Wreszcie zmienia się praca zespołu. Dział zakupów przestaje działać w trybie ciągłego gaszenia pożarów, łatwiej rozmawia z dostawcami o przewidywalnych wolumenach, a logistyka może planować dostawy rozsądniej. W wielu firmach to przekłada się na coś, czego nie ma w Excelu, ale czuć to codziennie: spokój operacyjny.

Nie każda firma potrzebuje od razu zaawansowanego systemu prognozowania. Jeśli sprzedajesz kilkanaście produktów, popyt jest stabilny, a dostawy są regularne i krótkie, często wystarczy prosty model planowania oraz dobrze utrzymana dyscyplina zakupowa. W takim przypadku duże wdrożenie mogłoby być przerostem formy nad treścią.

Największy sens inteligentne prognozowanie ma wtedy, gdy rośnie złożoność. Szeroki asortyment, kilka kanałów sprzedaży, sezonowość, częste promocje, wiele lokalizacji magazynowych albo duża liczba transakcji dziennie – to są warunki, w których człowiek i Excel zaczynają przegrywać nie dlatego, że są „złe", tylko dlatego, że świat stał się zbyt wielowymiarowy.

Warto też uczciwie powiedzieć, że sama technologia nie naprawi procesu, jeśli firma nie ma podstaw: poprawnych danych, uporządkowanych indeksów, sensownych reguł uzupełniania zapasu. System prognozujący jest jak dobry nawigator – pomoże dojechać, ale jeśli bak jest pusty, to i tak daleko nie pojedziesz.

Dlatego najlepszym podejściem jest zawsze krótka diagnoza: gdzie powstają nadwyżki, gdzie powstają braki, które kategorie generują największy koszt i czy dane są na tyle dobre, żeby na nich oprzeć decyzje.

Zaczynałbym od policzenia kosztu status quo w możliwie prosty sposób: ile średnio miesięcznie tracisz na brakach (choćby szacunkowo, na podstawie niezrealizowanych zamówień), ile pieniędzy masz w zapasach o niskiej rotacji i ile kosztuje Cię „ratowanie sezonu" ekspresowymi dostawami i przecenami. Nawet przy niedoskonałych danych taka kalkulacja szybko pokazuje, czy gra jest warta świeczki.

Następnie warto wybrać kategorie, od których ma sens zacząć, zamiast obejmować od razu cały asortyment. Często najlepsze są produkty sezonowe albo takie, które mają duże wahania popytu i jednocześnie znacząco wpływają na wynik firmy. To pozwala szybko zobaczyć efekty i dopracować proces bez paraliżowania organizacji.

Równolegle dobrze jest porozmawiać z dostawcą oprogramowania o integracji z tym, co już masz: systemem magazynowym, sprzedażowym, platformą e-commerce, a czasem po prostu z danymi z plików. Integracja nie musi być idealna od pierwszego dnia, ale powinna być przemyślana, żeby prognozy nie opierały się na ręcznym przeklejaniu informacji.

Na końcu zostaje najważniejsze: ułożyć rytm pracy. Prognoza, którą ogląda się raz na kwartał, niewiele zmieni. Prognoza, która żyje w tygodniowych przeglądach i wspiera codzienne decyzje zakupowe, zaczyna realnie porządkować magazyn.

Inteligentne prognozowanie popytu nie jest futurystycznym pomysłem zarezerwowanym dla największych graczy. To praktyczne wsparcie dla firm handlowych, które chcą ograniczyć nadwyżki, zmniejszyć braki i odzyskać kontrolę nad kapitałem zamrożonym w magazynie. Największa wartość nie polega na tym, że „system przewidzi przyszłość bezbłędnie", tylko na tym, że pozwoli podejmować decyzje szybciej i na podstawie większej liczby sygnałów niż jest w stanie ogarnąć człowiek z arkuszem.

Jeśli w Twojej firmie magazyn raz pęka w szwach, a raz świeci pustkami, warto potraktować to nie jako „urok branży", tylko jako mierzalny koszt. A skoro koszt jest mierzalny, to da się nim zarządzać – i właśnie tu prognozowanie popytu zwykle spłaca się szybciej, niż wielu osobom się wydaje.

— Michał