Co dokáže dobrý forecast v e‑commerce a kde končí jeho možnosti

Forecast obvykle vychází z historických dat o prodejích a obratu a z cílů, které firma plánuje v daném období dosáhnout. Z těchto cílů se odvíjí požadovaná marže i průměrná prodejní cena, což umožňuje sestavit plán skladových zásob – včetně obrátky zásob, tedy toho, jak rychle se produkty prodávají a jak často je bude nutné dokupovat. Klíčovým faktorem je podle Petra Tulacha, CTO Logia, segmentace produktů, která umožní přesně cílit budget a předpovědi na konkrétní skupinu zboží.

Přesnost předpovědí ovlivňuje nejen optimalizaci nákladů a marží, ale i celkové cash flow firmy. U sezonního nebo rychle zastarávajícího zboží, typicky v elektronice, je nutné pečlivě hlídat hodnotu skladu a předcházet situaci, kdy se neprodá zboží, o které zákazníci ztratili zájem – nedostatek atraktivních produktů má ale i opačný efekt, protože zákazníci odejdou nakoupit ke konkurenci.

Kdy forecasting selže

Protože e‑shopy prodávají velké množství produktů, je podle Tulacha vhodné svěřit forecasting specializovanému nástroji. Existují ale situace, které je v e‑commerce těžké nebo nemožné předvídat – náhlé makroekonomické šoky, pandemie, války nebo prudká inflace, s okamžitým dopadem na nákupní chování i provoz firem. Přidat se může i virální trend, který nečekaně katapultuje poptávku po konkrétním produktu, jako se to stalo se spinnery nebo různými vychytávkami z TikToku, případně technologické výpadky či změny v legislativě.

Naopak opakované sezonní akce jako Black Friday nebo Vánoce se dají díky historickým číslům předvídat poměrně spolehlivě – lze odhadnout, kdy dojde k nárůstu poptávky, jakou roli sehraje kupní síla nebo jakou část zákazníků přilákají slevy.

Tři rady od Barbory Šolínové

Barbora Šolínová, která se podílela na zavádění systému pro forecasting a řízení zásob v CZC a nyní je součástí týmu, který v Logiu pečuje o zákazníky produktu Veritico, popisuje z vlastní zkušenosti úskalí zavádění takového systému: „Po zavedení systémového řízení zásob a předpovědi nějakou dobu trvalo přesvědčit některé zaměstnance, že systém dokáže plně automaticky nahradit jejich pohled na nákupy, aniž by to negativně ovlivnilo marži nebo jejich skladovou zásobu. Systém bylo nutné postupně odladit pro různé kategorie, které měly různou délku životního cyklu a byly citlivé třeba na měnové kurzy.“

Její doporučení pro e‑shopy: automatizace, správná segmentace a precizní nastavení forecastingových nástrojů pomůže zajistit optimální úroveň a skladbu zásob; klíčová je integrace dat napříč odděleními, která umožní pružně reagovat na změny v poptávce; a zásadní je flexibilita a schopnost rychlé adaptace.

Podle Tulacha je pro efektivní forecasting nezbytné pracovat s historickými i aktuálními daty z více zdrojů a propojených systémů – metody strojového učení dokážou díky velkým objemům dat vytvářet přesnější předpovědi, než by dokázal člověk na základě zkušeností a intuice. Firmy by zároveň měly mít připravené varianty pro nečekané scénáře – realistický, optimistický a pesimistický – a koordinovat plánování napříč odděleními, aby se do tvorby forecastu zapojily finance, marketing, logistika i obchod.

Kde o tom psali

Celý článek: Forecasting v e‑commerce, Petr Tulach, SystemOnline, 18. 3. 2025