Как можно решить такую задачу?

Перед началом прогнозирования исторические данные очищаются от возможных всплесков, выбросов, аномальных значений, а также заносятся исходные данные по корректировкам, промо и листингу. Так получается максимально корректная база для прогнозирования без искажений. На основе очищенной базы рассчитывается историческая сезонность с возможностью ручной корректировки на уровне брендов с детализацией до уровня конкретного SKU.

Далее можно построить 4 варианта прогноза Sell-out по клиентам:

1. Первый вариант прогноза предполагает установку % роста по товарной категории на основании данных аналитики предыдущих лет и экспертных мнений. Но это весьма упрощенный метод, он хорошо подходит для стабильного развития стандартных продуктов и не может учитывать спонтанные изменения.

2. Второй вариант позволяет точечно выбирать те периоды, которые будут взяты за основу прогнозной базы, с дальнейшим наложением на нее коэффициентов сезонности. Так метод позволяет оперативно управлять более «чистыми» данными без спонтанных всплесков или напротив заложить в прогноз нестандартные ситуации на рынке, повторение которых ожидается. Метод применим для продуктов с высокой чувствительностью к сезонности.

3. Третий вариант подразумевает возможность задавать верхнеуровневые годовые корректировки для прогноза в объёмах продукции. Данные корректировки накладываются на сезонность каждого SKU и учитывают удельный вес этого SKU в исторических данных. И по сути являются версией top down планирования.

4. Четвертый вариант является аналогом третьего, только годовые корректировки задаются в процентах.