Přesnost předpovědi poptávky se počítá v zisku, ne v procentech

O kolik algoritmus zpřesní předpověď

Redakce se ptala, kolik procent dokáže moderní algoritmus reálně zpřesnit předpověď oproti běžným statistickým modelům a jak se to projeví na vázaném kapitálu nebo odpadech.

Jedno číslo bych neříkal, protože přesnost neovlivňuje jen model. Rozhoduje čistota a kvalita vstupních dat a rozdíly bývají velké i mezi kategoriemi v jedné firmě. Typicky se zlepšení pohybuje mezi 5 a 20 %. Užitečnější než procenta přesnosti je přepočet na zisk: u výrobní firmy znamená jeden procentní bod přesnosti navíc zhruba 0,2 až 0,4 % vyššího zisku, u retailera 0,1 až 0,2 %.

Výpadek dodavatele nepatří do dat tak, jak se stal

Druhá otázka: která externí data mají kromě historie prodejů a kalendáře akcí největší vliv na přesnost a jak se systém vypořádá s extrémy, jako jsou výpadky dodavatelů nebo skokové výkyvy poptávky.

Relevantních vstupů je celá řada: vystavení na prodejně, vazby položek v kategorii, tedy substituty a komplementy, změny cen a chování trhu i konkurence. S extrémy je to hlavně otázka práce s historií. Výpadek dodavatele nebo jednorázový skok poptávky je potřeba z dat vyčistit nebo narovnat na normalizovaný prodej a postup se musí volit podle příčiny, protože prázdný regál, akce konkurence a chyba v datech vyžadují jiné zacházení. V našem Veritico STOCK tohle děláme jako standardní krok před samotným forecastem, ne jako ruční opravu, když někdo objeví divné číslo.

Kdy má objednávku ještě schvalovat člověk

Třetí otázka mířila na hranici mezi plnou automatizací a lidským úsudkem: v jakých situacích by měl systém nechat finální schválení objednávky na vedoucím prodejny nebo nákupčím.

Tam, kde je dost dat, si vystačí dnešní modely samy. Rozhoduje spíš to, jestli systém kromě modelování umí i fyzická omezení: balení, kapacitu skladu, dopravu. Pokud ano, ruční zásah na úrovni prodejny se přestává vyplácet, rozhoduje se totiž per prodejna, takže náklad na lidi je vysoký a přínos malý. Určitá míra validace dává smysl u centrálního nákupu na distribuční centra, kde do rozhodování vstupují i strategické cíle. I tam ale patří strategie do modelu a nákupčí by měl mít možnost si nasimulovat několik scénářů a vybrat optimální variantu. Přesně tuhle možnost scénářů máme i ve Veriticu.

Kde o tom psali

Algoritmy střídají dohadování, Pavel Gregor, Retail News 10/2026, str. 36–37 (tištěné vydání)