Продажи — это ещё не спрос
Продолжаем разбирать международные фронтиры в управлении запасами и прогнозировании спроса. Раньше говорили о переходе от точечного прогноза к вероятностному и от точности прогноза к качеству решений. Следующий сдвиг — от наблюдаемых продаж к восстановлению реального спроса.
Простой пример. Товар обычно продаётся по 100 штук в неделю, но однажды закончился в среду. За неделю продали только 50. Если система примет эти 50 за спрос, следующий прогноз окажется ниже реальной потребности. Запаса снова не хватит — и история ещё сильнее занизит следующий прогноз.
Получается замкнутый круг:
дефицит → низкие продажи → низкий прогноз → маленький заказ → новый дефицит.
Сам принцип «продажи ≠ спрос» уже давно вышел за пределы академической теории. Его много лет изучают в исследованиях операций, а все крупные платформы планирования, такие как SAP, Oracle, Blue Yonder и другие, корректируют историю продаж на периоды отсутствия товара и пытаются оценить так называемый неограниченный спрос.
Например, в работе The Data-Driven Newsvendor with Censored Demand Observations ещё в 2014 году на данных крупной европейской розничной сети оценивали невидимые потерянные продажи и учитывали их при расчёте заказа. Но сегодня фронтир уже не в том, чтобы просто заметить дефицит и скорректировать историю. Главный вопрос намного сложнее: каким на самом деле был спрос, которого мы не увидели?
Если товара не было два дня, покупатель мог взять аналог, уйти к конкуренту, купить позже, заказать в другом канале или вообще отказаться от покупки. То есть мы видим не только потерянные продажи — мы не видим, куда именно ушёл этот спрос. И вот здесь простой корректировки уже недостаточно. Современный фронтир — это попытка восстановить скрытый спрос с учётом замещения между товарами, частичных дефицитов, омниканальности, наличия на полке и поведения покупателей.
Причём задача остаётся открытой. В исследовании Demand forecasting under lost sales stock policies, опубликованном в International Journal of Forecasting в 2024 году, авторы отмечают, что исследования прогнозирования цензурированного спроса всё ещё ограничены и универсального решения нет.
А в 2025 году появился FreshRetailNet-50K — первый крупный открытый набор данных, специально созданный для исследования скрытого спроса при дефиците. Он содержит 50 тыс. рядов по 898 магазинам и 863 товарам, причём для каждого часа известно не только количество продаж, но и был ли товар в наличии. Это позволяет исследователям проверять методы, которые пытаются оценить, сколько покупатели хотели купить в периоды stockout. В эксперименте авторов корректировка скрытого спроса снизила систематическое занижение прогноза примерно с 7,4% почти до нуля. Сам факт появления таких специализированных наборов данных показывает, что задача остаётся активной областью исследований: всё ещё нужны новые данные и методы, чтобы точнее восстанавливать спрос, которого нет в обычной истории продаж.
Поэтому сдвиг выглядит так:
Было: продажи = спрос.
Продвинутая практика: выявляем дефициты и другие искажения → восстанавливаем неограниченный спрос → прогнозируем его.
Фронтир: пытаемся восстановить реальный скрытый спрос с учётом того, куда ушёл покупатель и чем он заменил отсутствующий товар.
В Forecast NOW! мы тоже давно говорим о том, что качественный прогноз начинается с правильной истории. Подробнее — в статье «Очистка истории продаж для прогнозирования спроса».
Следующий шаг после очистки истории — смоделировать спрос, который не удалось наблюдать из-за дефицита, замещения товара или ухода покупателя в другой канал.
5
1September 11, 2026 390 3
