Прогнозування рівня попиту та закупівель у компанії

Тренінг Старт: 09 серпня Ярослав Степченков 4 дні (09.08, 16.08, 06.09, 13.09) Залишилось місць: 15 менеджмент дистрибуція закупівлі транспортна транспортна логістика логістика рітейл категорійний менеджмент маркетинг excel продажу роздрібна торгівля логистика транспортна логістика транспортная

Зареєструватись

Цільова аудиторія

Фахівці з планування та прогнозування попиту - шукають сучасні інструменти для точного планування закупівель та зниження надлишкових запасів.
Фінансові та операційні директори - прагнуть приймати обґрунтовані рішення на основі даних та економічно зважених моделей прогнозування.
Аналітики та менеджери з закупівель - працюють з великими масивами даних і хочуть оптимізувати процес формування замовлень.
Керівники логістики та складських підрозділів - мають справу з коливаннями попиту, сезонністю, складськими залишками — і шукають рішення для стабільної забезпеченості.
Власники бізнесу та СЕО компаній - зацікавлені в побудові системного підходу до управління попитом і ухваленні стратегічних рішень.

Тренінг буде корисним усім, хто хоче зробити планування попиту точним, обґрунтованим та гнучким

Мета тренінгу

Мета тренінгу «Прогнозування рівня попиту та закупівель у компанії» — надати учасникам комплексне розуміння методів прогнозування попиту, навчити працювати з реальними даними, будувати ефективні прогнозні моделі та впроваджувати ці підходи в бізнес-процеси.

Програма розроблена так, щоб учасники:

Систематизували знання про структуру та властивості даних, необхідних для прогнозування (часові ряди, сезонність, тренди, індекси впливу тощо).
Опанували практичні інструменти: статистичні та економічні методи оцінки похибки, моделі ковзного середнього, експоненціального згладжування, регресійний аналіз, ймовірнісне моделювання.
Навчилися оцінювати якість прогнозів та адаптувати моделі під зміну ринкових умов, враховуючи зовнішні й внутрішні фактори, маркетингову активність, сезонні коливання тощо.
Будували сценарні моделі для відповіді на запитання «що буде, якщо…» — для стратегічного та оперативного планування.
Отримали чіткий алгоритм дій: від збору та очищення даних до вибору моделі прогнозування та її впровадження у своїй компанії.

Цей тренінг — це практична дорожня карта для тих, хто хоче зменшити ризики, уникнути дефіциту або перевиробництва, забезпечити високу точність планування та підвищити рівень сервісу у своїй компанії.

Вигоди тренінгу

Опануєте сучасні методи прогнозування попиту

від простих моделей до складних сценарних розрахунків

Навчитеся працювати з реальними даними

обробляти, очищати, структурувати та оцінювати якість вибірки

Зрозумієте, які моделі використовувати у вашій сфері

отримаєте алгоритм вибору з урахуванням бізнес-контексту

Побудуєте систему контролю точності прогнозів

з урахуванням економічних ризиків і рівня сервісу.

Навчитеся враховувати сезонність, тренди та індекси впливу

Опрацюєте методи оптимізації запасів та закупівель

Отримаєте інструменти регресійного аналізу

для планування та відповіді на запитання «що буде, якщо…»

Зрозумієте, як автоматизувати прогнозування та інтегрувати його у внутрішні бізнес-процеси.

Повернетесь у роботу з готовими шаблонами, алгоритмами та чек-листами, які можна застосовувати одразу.

Ви знайдете відповіді на такі запитання:

Як визначити, які дані підходять для прогнозування попиту?
Як очистити дані від випадкових шумів і виявити аномалії?
Яку модель прогнозування обрати для різних типів продукції чи ринку?
Як врахувати сезонність, тренди та зовнішні фактори у прогнозі?
Як оцінити точність прогнозу і уникнути фатальних помилок?
Що робити, якщо немає повних або якісних історичних даних?
Як враховувати ризики «пере-» або «недо-» прогнозування?
Як впровадити регулярний процес корекції прогнозу у вашій компанії?
Як побудувати сценарне планування попиту — «що буде, якщо…»?
Які індекси впливу варто враховувати в прогнозних моделях?
Як автоматизувати прогнозування без втрати гнучкості в управлінні?
Як поєднувати статистику з інтуїцією та практичним досвідом у плануванні?

ПРОГРАМА ТРЕНІНГУ

1. Управління даними

Елементи моделі однофакторного часового ряду.
Неперервний часовий ряд, крос-секційні дані, вибірка даних
Аналіз даних для подальшого застосування
Випадковий шум: його визначення та фактори які ми можемо віднести до цього шуму. Правила/алгоритми очищення від шуму.
Аналіз прогнозованості масиву даних
Створюємо чек-лист проведення аналізу даних

2. Дані для Аналізу часових рядів

Набори даних часових рядів
Оцінка якості вибірки даних для використання. Виключення грубих помилок. Критерій Граббса
Епізодичний аналіз часових рядів
Імпутація відсутніх даних

3. Введення в прогнозування попиту

Вимоги до моделей прогнозування
Створення власних показників ефективності прогнозних моделей вашого підприємства
Статичне вимірювання похибок прогнозу
Економічне вимірювання похибку прогнозу та ризиків щодо його відхилень. Штрафи за «пере-» або «не до-» прогнозування
Процес постійного аналізу похибок прогнозу та їх усунення (динамічний процес корегування контексту прогнозних моделей)

4. Моделі усереднення

Зазвичай використовувані методи часових рядів та передумови для ї використання
Модель середнього, середнього відсоткового, середньозваженого
Модель ковзного середнього (класична)
Модель ковзного середнього із зміною рівня, із відсотковою зміною одного елемента ковзного середнього

5. Трендові, сезонні та циклічні моделі

Класична декомпозиція даних
Сезонність. Фіксована сезонність, плаваюча сезонність
Фіксована сезонність, плаваюча сезонність
Протяжність сезону. Оцінка попередніх сезонів та формування оптимістичного або песимістичного сценарію (в залежності від циклу відновлення постачання)
Фактори відмінності попиту в рамках сезонності (на прикладі, погодних умов).
Десезонізація даних
Обчислення Тренду
Підготовку прогнозу з врахуванням тренду та сезонності

Онлайн зустрічі присвячені розбору практичних завдань, відповідям на ваші запитання та підтримці у впровадженні знань у реальні кейси.

15 серпня онлайн з 18:00 до 21:00 онлайн

6. Оцінка якості прогнозної моделі

Статистичні показники виміру якості прогнозної моделі
Вибір оптимальної моделі
Контрольний сигнал похибки прогнозу (з використанням карт Шухарта)
Показники якості прогнозу з точку зору рівня сервісу забезпеченості попиту
Асиметричний показник якості прогнозу з економічними штрафами за «пере-» або «не до-» прогнозування

7. Експоненціальні моделі згладжування

Експоненціальне згладжування: вступ
Формула єдиного експоненціального згладжування. Первинне згладжування та управління альфа.
Емпіричні правила одинарного експоненціального згладжування
Експоненціальне згладжування з врахування тренду та сезонності

8. Індекси зовнішнього впливу та коригування прогнозних моделей

Застереження щодо використання моделей часових рядів
Зовнішні фактори, що впливають на попит.
Внутрішні фактори
Оцінка та внесення факторів через індекси в моделі прогнозів
Застосування декількох індексів та визначення їх ваги впливу на прогноз
Моральне старіння товару та відображення його через індекс
Маркетингові активності та їх врахування
Індекс цін
Індекс політики оплати
Індекс покриття території або АКБ
Іміджевий індекс
Індекс купівельної спроможності
Збалансування статистики з іншими важливими міркуваннями

21 серпня онлайн з 18:00 до 21:00 онлайн

9. Регресійний аналізу для планування сценаріїв і аналізу "що буде, якщо".

Що таке регресійний аналіз та як його проводити
Коли використовувати методи причини та наслідку
Джерела та створення даних
Визначення та перевірка моделі причини та наслідку
Залежні та незалежні (пояснювальні) змінні
Проста регресія
Множинна регресія
Припущення методу регресії
Статистичні проблеми в регресійних моделях
Моделювання попиту за допомогою регресійної моделі
Планування сценаріїв і аналізу "що буде, якщо".

10. Проблема середнього попиту та фактичного забезпечення попиту

Фізичний зміст середньої величин та рівень сервісу забезпечення попиту
Довірчий інтервал
Емпіричне правило та правило Бьенаме-Чебишева для довірчого інтервалу
Побудова попиту з використання Z-функції, t-розподіл Стьюдента
Управління довірчим інтервалом (рівнем сервісу) для різних товарів з використанням АВС та/або XYZ класифікацій

11. Ймовірнісне моделювання попиту

Відображення продажів через ймовірність
Побудова вибірки даних та гістограми розподілу
Побудова масиву ймовірнісних розподілів
Функція витрат для оптимізації моделі та передумови
Моделювання попиту з використанням моделі Монте-Карло
Вплив політики Safety Stock та Lead Time на вибір моделі
Визначення найкращої стратегії (плану попиту)
Дрейф даних та деформацію розподілу. Вплив сезонності на розподіл.
Процес генерування та зберігання даних

12 вересня онлайн з 18:00 до 21:00 онлайн

12. Кластерний аналіз в прогнозній аналітиці

Сегментація, класифікація та кластеризація
Етапи та основи методу K-середніх

13. Моделі Нормованого місяця та відносного нормативного розподілу

Принцип побудови моделі
Правило вибору нормованого місяця
При яких умовах продажу товару, цю модель можна використовувати
Коригування можливих ризиків не до прогнозування
Оцінка компенсації помилки оптимістичного прогнозу.

14. Процес вибору моделі

Аналітичне дерево рішень ( Decision Trees), щодо вибору моделі, та його автоматизація
Створення мікс моделей з декількох прогнозних моделей. Вагові коефіцієнти впливу конкретної моделі на результат.
Стратегії управління винятками
Горизонт оперативного прогнозування. Оновлення прогнозу. Ковзаюче прогнозування.
Формування попиту на залежні ТМЦ: логіка процесу MRP, Bill of Material, формування прогнозу споживання, формування прогнозу споживання на напівфабрикати власного виробництва.

26 вересня з 18:00 до 21:00 онлайн

Вартість участі

19 500 грн

Контактна інформація

+38 097 756 74 00

tm@trademaster.com.ua

Київ+онлайн

9.08.2025

Онлайн оплата portmone.com.ua

Реєстрація

Відгуки участників

Кустовський Денис «учасник проєкту "Збільшення кадрового потенціалу логістичного бізнесу"»

Тренінг це цікавий досвід для мене, що допомагає ефективніше керувати запасами. Після тренінгу я зрозумів що знижує витрати на зберігання та покращує оборотність товару

Калустова Наталія «учасниця проєкту "Збільшення кадрового потенціалу логістичного бізнесу"»

Здобула максимальну кількість практичних знань. Дуже цікава інформація, коротка витримка практичних навичок

Клюєва Анастасія «учасниця проєкту "Збільшення кадрового потенціалу логістичного бізнесу"»

Було неймовірно цікаво та дуже корисно. Я дуже вдячна тренеру за цей унікальний досвід. Я нарешті зрозуміла концепцію своєї спеціальності і впевнилась в тому, що я хочу в ній працювати. Ну і звісно, я отримала багато цінних знань

Качур Юлія «учасниця проєкту "Збільшення кадрового потенціалу логістичного бізнесу"»

Найкращий тренінг який я відвідувала! Організація на найвищому рівні! Тренер професіонал! Поновила в памʼяті забуте, дізналася багато нового, багато була практики із розрахунками

Ковтуцька Юлія «учасниця проєкту "Збільшення кадрового потенціалу логістичного бізнесу"»

Дуже цікава і потрібна інформація з наданням практичних прикладів. Отримала реальні практичні знання та поради від фахівці в управлінні товарними запасами.

Сєфєрова Надія «учасниця проєкту "Збільшення кадрового потенціалу логістичного бізнесу"»

Сподобалась організація і наповнення тренінгу - в стислі терміни отримала знання у сфері управління торговими запасами, але, звісно, знання потрібно поглиблювати і підкріплювати практичною роботою. Максимальна концентрація корисних базових знань

Олена Салівон «учасниця проєкту "Збільшення кадрового потенціалу логістичного бізнесу"»

Отримані нові знання та досвід переданий досвідченим тренером. Дуже гарна подача матеріалу. Лекції цікаві та змістовні