Прогноз продаж
Прогноз на ансамбле пяти методов: платформа считает каждый, оценивает его точность на отложенном периоде и смешивает с весами — чем точнее метод на ваших данных, тем больше его вклад. Дальше — анализ прогноза, точность по горизонтам и сверка с фактом.
AКак считается прогноз
Пять методов в ансамбле
| Метод | Что это |
|---|---|
| ARIMA | классическая модель временных рядов (тренд + автокорреляция) |
| Holt-Winters | экспоненциальное сглаживание с сезонностью |
| Gradient Boosting | машинное обучение на признаках ряда |
| Theta | декомпозиция тренда, устойчива на коротких рядах |
| Сезонно-весовой (SW) | профиль сезонности, взвешенный по свежести |
Ансамбль = Σ (метод × вес) — точные методы получают больший вклад
качество меряется: MAPE % · RMSE · MAE · R² по каждому методу и ансамблю
Параметры расчёта
| Параметр | Что задаёт |
|---|---|
| Целевая переменная | что прогнозируем — объём или выручку |
| Горизонт (мес) | на сколько месяцев вперёд |
| Уровень | проект целиком или разбивка в ассортимент (SKU) |
| Опер. цикл (мес) | горизонт оперативного планирования |
| Глубокое обучение | вкл — walk-forward по реальным годам (нужно ≥2 года истории); выкл — быстрый режим (веса по одному holdout) |
Вкладка 1. Расчёт прогноза
Задать параметры и посчитать прогноз. Платформа считает пять методов, оценивает точность каждого на отложенном периоде и смешивает их с весами.
Кадр 1. Параметры прогноза и запуск расчёта
Параметры прогноза
Что показывает: целевая переменная (объём или выручка), горизонт, уровень расчёта и цикл задают саму задачу. «Глубокое обучение» включает честную проверку на отложенном периоде — она дольше, но точнее.
Как читать: целевая переменная и уровень задают, что и в каком разрезе прогнозировать, горизонт — на сколько месяцев вперёд, а «Глубокое обучение» переключает быструю оценку весов на честную проверку walk-forward по реальным годам. Каждый расчёт сохраняется своим forecast_id — прежние прогнозы не теряются.
Что делать: начните с быстрого режима. Включайте глубокое обучение, когда истории не меньше двух лет и нужна честная оценка точности.
Кадр 2. Разброс методов и веса ансамбля
Разброс методов и веса
Что показывает: видно, какой метод платформа сочла точнее — его вес выше. Метрики MAPE, RMSE, MAE и R² считаются по каждому методу и по ансамблю.
Как читать: пять методов показаны рядом с их весами: чем точнее метод на отложенном периоде, тем больше его вклад в ансамбль. Метрики MAPE · RMSE · MAE · R² считаются и по каждому методу, и по ансамблю — ориентируйтесь на ансамблевый MAPE, он ниже почти всегда.
Что делать: смотрите на ансамблевый MAPE. Если один метод резко хуже остальных — это нормально: ансамбль даст ему малый вес.
Вкладка 2. Анализ прогноза
Посмотреть, как прогноз ложится на историю: тренды по группам, сезонность, сравнение год к году.
Кадр 1. Прогноз на фоне истории
История + прогноз
Что показывает: прогноз показан продолжением фактического ряда. Здесь видно, сохраняет ли он тренд и сезонность истории и нет ли выброса на горизонте.
Как читать: прогноз нарисован продолжением фактического ряда одной линией — сразу видно, подхватывает ли он тренд и сезонную волну истории и не даёт ли скачка на стыке факт↔прогноз. Разрыв или полка на горизонте — сигнал вернуться к параметрам.
Что делать: если прогноз выглядит неправдоподобно — вернитесь к параметрам или проверьте полноту истории: пробел в данных ломает сезонный профиль.
БОстальные вкладки — коротко
| Вкладка | Для чего |
|---|---|
| Факторный анализ: факт vs прогноз | за счёт чего прогноз отличается от факта (объём/цена/микс) |
| Портфельный анализ прогноза | прогноз в разрезе портфеля (выручка × маржа по позициям) |
| Выгрузка сценариев прогноза | сохранить прогноз в базу + Excel (формат загрузки), для повторного использования |
| Точность по горизонтам | как падает точность с ростом горизонта прогноза |
| История моделей | реестр прошлых прогнозов проекта |
| Сверка факт↔прогноз | сравнить факт за прогнозный период с прогнозом → пересчитать веса (дообучение) |
| Отчёт | снимок раздела в Word/Excel |