Реализация предсказания продаж (Sales Forecasting)
Sales forecasting — прогноз объёма продаж в денежном выражении на будущий период. В отличие от demand forecasting (которое работает с единицами товара), sales forecast оперирует выручкой и напрямую используется для бюджетирования, постановки квот и операционного планирования.
B2B Sales Forecasting vs. B2C
B2B Pipeline Forecasting: В B2B прогноз строится на основе sales pipeline:
- Weighted pipeline: каждая сделка × probability по стадии → сумма
- AI-подход: ML-модель переоценивает вероятности на основе поведенческих сигналов (не просто этап воронки, а активность: emails, calls, meetings)
Проблема weighted pipeline: менеджеры оставляют застрявшие сделки в pipeline, "wishful thinking" → систематический overforecast.
B2C Transaction Forecasting: Работа с агрегированными временными рядами выручки, транзакций, среднего чека. Классические time series методы (Prophet, ETS, SARIMA) плюс ML-фичи.
AI-коррекция B2B Pipeline
CRM-сигналы для переоценки вероятности:
| Сигнал | Вес в модели |
|---|---|
| Дней в текущей стадии vs. median | Высокий |
| Email ответы за последние 14 дней | Высокий |
| Количество stakeholders engaged | Средний |
| Конкурентное упоминание в notes | Средний |
| Размер сделки vs. ICP | Средний |
| Closeness to fiscal year end клиента | Низкий |
Модель: LightGBM с фичами из CRM. Таргет: факт закрытия сделки в течение N дней. Переобучение еженедельно.
Результат: AI probability score заменяет ручную оценку менеджера. Accuracy (AUC) обычно 0.75-0.85, что на 15-25% лучше взвешенного pipeline.
Иерархическая структура прогноза
Sales forecast нужен на нескольких уровнях:
Total Company Revenue
├── Business Unit A
│ ├── Product Line 1
│ │ ├── Region EU
│ │ └── Region NA
│ └── Product Line 2
└── Business Unit B
Подход: bottom-up прогнозирование с reconciliation. Каждый узел имеет свою модель, топ-уровни reconcile через MinT.
Seasonal и event-driven паттерны
SaaS/B2B: квартальный spike (last 2 weeks of quarter — "hockey stick"), конец финансового года, бюджетный сезон в октябре-ноябре.
B2C: Чёрная пятница, Киберпонедельник, Новый год. Для ритейла это 30-50% годовой выручки за 2-3 недели.
Обработка: добавление регрессоров в Prophet / LightGBM — binary flags для каждого события + количество дней до/после события.
Сопоставление с планом
Система не только строит прогноз, но и объясняет отклонения:
Variance Analysis: план vs. прогноз vs. факт с декомпозицией по:
- Volume effect: продали больше/меньше единиц
- Price effect: изменение среднего чека
- Mix effect: сдвиг к более/менее маржинальным продуктам
- Region/segment effect
Это реализуется через attribution: разложение разницы на факторы методом Shapley values (не ML-SHAP, а аналитический).
Вывод прогноза в планирование
Интеграция:
- Anaplan / Adaptive Insights: API для загрузки прогнозов в rolling forecast
- SAP BPC (Business Planning and Consolidation): flat file или API
- Excel-отчёты для CFO: автоматическая генерация через openpyxl с диаграммами
Автоматизация отчётности: еженедельный PDF/PowerPoint с обновлённым прогнозом, trend vs. budget, ключевые изменения vs. прошлой недели.
Метрики системы:
- Forecast accuracy (MAPE для B2C): < 8% на квартальном горизонте
- Pipeline accuracy (AUC для B2B): > 0.78
- Time to produce forecast: < 10 минут (автоматически)
Сроки: B2B pipeline AI scoring — 4-6 недель. Комплексная система с иерархическим прогнозом, variance analysis и автоотчётами — 3-4 месяца.