Whitepapery a reporty

Lepší prognózování poptávky vaše výpadky zásob nevyřeší. Exekuce ano.

Přesné prognózování poptávky samo o sobě regály nenaplní. Proč až exekuce a automatické řízení doplňování zajistí dostupnost zboží, na reálných výsledcích Veritico STOCK.

04. července 2026

6 min

Demand forecast to store shelf, illustrating the gap between prediction and availability

Retail ročně přichází odhadem o 1,73 bilionu USD kvůli nesouladu zásob, což představuje spojené náklady na prázdné regály a přezásobení. Jde zhruba o 6,5 % globálních maloobchodních tržeb. A i přes dekádu investic do plánovacích nástrojů se toto číslo téměř nezměnilo (IHL Group, 2025).

První reakce bývá téměř vždy stejná: zpřesnit prognózu. Více dat, lepší modely, predikce poptávky v reálném čase. Je to logický instinkt a právě tam směřuje většina AI rozpočtů v dodavatelském řetězci. Zároveň je to ale důvod, proč tolik problémů s dostupností tvrdošíjně přetrvává.

Přesnější prognóza se hodí. Ale prognóza je jen číslo, ne výsledek. Mezi predikcí a reálným produktem, který si zákazník může koupit, stojí řetězec rozhodnutí, tvrdých omezení a lidského schvalování. Právě tam se tvoří největší hodnota, nebo se naopak ztrácí. Pokud zlepšíte prognózu, ale tento řetězec necháte beze změny, dostupnost zůstane zhruba na stejné úrovni.

Past přesnosti

Prognózování poptávky má klesající výnosy, s čímž týmy málokdy počítají. Zvýšení přesnosti prognózy u konkrétního SKU ze 78 % na 82 % vypadá na dashboardu jako pokrok. Na regálu to ale často nezmění vůbec nic, protože hlavním omezením nikdy nebyla samotná predikce.

Podívejte se, co reálně rozhoduje o tom, jestli bude dané SKU příští týden na skladě. Dodavatel dodává v baleních po 48 kusech, ale vy jich potřebujete jen 30. Lead time je devět dní a vaše revizní okno je týdenní, takže užitečný signál dorazí ve chvíli, kdy už je pro objednávku pozdě. Kapacita regálu omezuje maximální množství nezávisle na poptávce. Nákupčí kategorie systému nedůvěřuje, zaokrouhlí navrhovanou objednávku nahoru „pro jistotu“ a tiše tak znovu vytvoří přezásobení, kterého jste se snažili zbavit.

Nic z toho nejsou problémy s prognózou. Dokonalá prognóza, která vstupuje do procesu neschopného podle ní jednat, vyústí ve stejný výpadek zásob, jen s lepší analytikou v zádech. To je nepříjemné zjištění, které stojí za čísly od IHL: méně než čtvrtina prodejců nasadila AI a strojové učení v oblastech, které jsou nesouladem zásob zasaženy nejvíce. Problémem není kvalita modelu. Jde o všechno, co se děje po jeho spuštění.

Skutečná práce je exekuce

O dostupnosti se rozhoduje v momentě odeslání objednávky za reálných omezení, nikoliv ve chvíli, kdy vzniká prognóza. Právě tuto část cyklu ale většina nástrojů přehlíží.

Dělat to dobře znamená přetavit prognózu do konkrétní a proveditelné objednávky pro každé SKU a lokalitu. Takové objednávky, která rovnou respektuje minimální objednací množství (MOQ), lead time, kapacitu skladu i regálu, spolehlivost dodavatele a trvanlivost produktu. Znamená to přepočítat data pokaždé, když se realita odchýlí od plánu, a dělat to dostatečně rychle, aby to mělo smysl. Zároveň musí plánovači dostat do rukou doporučení, kterým věří natolik, že je rovnou schválí, a automatizaci tak skutečně využijí, místo aby ji obcházeli.

Tohle záměrně není žádná oslnivá práce. Ale právě tady se výpadku zásob buď předejde, nebo naopak vznikne.

Proč samotný software mezeru neuzavře

Tady číhá past na opačné straně. Koupíte si platformu pro prognózování poptávky a řízení doplňování, naroubujete ji na nezměněný proces a získáte lepší doporučení, která lidé budou ignorovat. Z nástroje se stane nevyužitý software, nákupčí ho bude dál obcházet a firma dojde k závěru, že „AI nefunguje“, i když AI vlastně nikdy nebyla úzkým hrdlem.

Uzavření této smyčky představuje změnu operačního modelu stejně jako tu technologickou. Frekvence revizí se musí změnit. Role a schvalovací práva se musí změnit. Data, která systém pohánějí a obvykle jsou roztroušená napříč ERP, plánovacími tabulkami a dodavatelskými systémy, musíte sjednotit do jednoho zdroje dat. Až pak lze jakémukoliv modelu věřit. Pokud tento krok přeskočíte, i ten nejlepší algoritmus na světě zůstane bez využití.

V tom se přístup Logio liší od čistě softwarových dodavatelů. Najdeme problém v datech, přestavíme kolem něj procesy a vytvoříme software, který ho bude řídit od začátku do konce. Consulting a vývoj tvoří jeden společný projekt, nejde o předávku mezi powerpointovou strategií a softwarovou licencí. To je ten rozdíl mezi plánem a skutečným výsledkem.

Jak vypadá uzavřená smyčka v praxi

Veritico STOCK vznikl přesně pro toto předání štafety mezi predikcí a akcí. Začíná u prognózování poptávky na úroveň SKU, prodejny a dne. Následně tento signál převádí do politiky řízení zásob a automatického řízení doplňování, které respektuje všechna výše zmíněná omezení. Plánovači tak plán pouze schvalují, místo aby ho ručně sestavovali. Prognózování, řízení zásob a doplňování fungují jako jedna nepřetržitá smyčka místo tří oddělených kroků.

Výsledky se projeví tam, kde mají, ve vyšší dostupnosti a uvolněném provozním kapitálu, ne jen v procentech přesnosti:

  • Dr. Max nasadil Veritico STOCK napříč sítí 490 lékáren pro automatizaci objednávek a plánování dodávek. Tržby vzrostly o 5 %, dostupnost zboží se zlepšila o 4 % a každá lékárna ušetřila zhruba dvě hodiny denně, které dříve trávila ručním objednáváním.
  • COOP Jednota Mikulov nahradila ruční správu objednávek systémem Veritico STOCK. Zvýšila tak dostupnost na skladě z 96 % na 98 % a zároveň zkrátila čas potřebný k vytváření objednávek o 90 %.
  • Albert od roku 2017 společně s Logio vyvíjí automatizovanou platformu pro řízení zásob a objednávek. Ta dnes běží ve více než 300 prodejnách na jednotném zdroji dat, což se propisuje do plnějších regálů a čerstvějších produktů.

Tento vzorec platí i pro projekty zaměřené čistě na prognózování poptávky. Když Logio pomáhalo společnosti SKF vytvořit krátkodobý prodejní model během covidových výpadků, přesnost prognózy dosáhla až 90 %. Hodnota se ale projevila až díky tomu, že se prognóza pevně začlenila do plánovací rutiny, takže prodejní a dodavatelské týmy pracovaly s jedním sdíleným pohledem na věc. Samotné číslo mělo smysl jen proto, že se kolem něj změnil proces.

Otázka, na kterou stojí za to se ptát

Pokud vaše dostupnost stagnuje navzdory lepším datům a modelům, vaše prognóza pravděpodobně není ten hlavní problém. Otázka by neměla znít „Jak přesná je naše prognóza?“, ale spíše „Kolik z této prognózy se reálně přetaví do správné objednávky, ve správný čas a s ohledem na naše reálná omezení?“

Když si na to odpovíte upřímně, obvykle zjistíte, že hlavní potenciál nikdy neležel v samotné predikci. Vždy byl v exekuci, kterou měla tato predikce řídit.

Logio a Veritico STOCK tuto mezeru zacelují od začátku do konce, od prognózy až po regál. Pokud ruční objednávání zpomaluje vaše týmy nebo se dostupnost přestala zlepšovat, ozvěte se nám a probereme praktický postup.

Další poznatky ze supply chainu

Whitepapery a reporty

Vyvinout vlastní vs. koupit: Skutečné náklady prognózování poptávky a doplňování zásob

Měli byste vyvinout vlastní systém pro prognózování a doplňování zásob, dál natahovat tabulky, nebo raději nasadit platformu? Upřímný pohled na náklady a rizika všech tří cest.

04. července 2026

9 min

Číst dále

Infografiky

Živý trávník: proč je obyčejná tráva nejkomplexnější logistickou výzvou MS 2026

Pravidla FIFA žádají přírodní trávu, americké arény jsou betonové haly. Jak se hřiště odlehčí o 80 %, převáží jako vakcíny a rozehraje na 24 kamionů. 1. díl seriálu o logistice MS 2026.

05. června 2026

3 min

Číst dále

Infografiky

Dostavba Dukovan: i tento projekt musí mít časovou souslednost

Nový blok v Dukovanech nespadne z nebe. Bez dokončených dálnic, dostupného kameniva a tisíců kvalifikovaných lidí se stavba posune o roky. Pohled na dodavatelský řetězec jaderné stavby.

15. dubna 2026

3 min

Číst dále