Автозаказ поставщикам и прогноз спроса в дистрибуции

Понедельник закупщика дистрибьютора выглядит одинаково во многих компаниях: выгрузка остатков и продаж в Excel, сводная таблица по поставщикам, ручная правка «на глаз» с учётом того, что агенты жаловались на нехватку ходовой позиции, а склад — на паллеты неликвида в углу. Заказы уходят поставщикам к обеду, через неделю товар приходит, и цикл повторяется. При двух поставщиках и трёхстах SKU это терпимо. При тридцати поставщиках и пяти тысячах позиций закупщик физически не успевает думать над каждой строкой, и решения превращаются в привычку.

Автозаказ не заменяет закупщика. Он берёт на себя расчёт по понятным правилам, а человек занимается исключениями: новинками, акциями, проблемными поставщиками. Разберём, из чего состоит расчёт, что уже умеет 1С и что добавляют вокруг неё.

Из чего складывается количество к заказу

Любой метод автозаказа сводится к одной логике: сколько товара понадобится до следующего прихода, минус то, что уже есть или едет, с поправкой на ограничения поставщика. Составляющие:

1. Свободный остаток — на складе минус резервы под подтверждённые заказы клиентов.
2. Товар в пути — заказанное у поставщика, но ещё не принятое.
3. Прогноз продаж на период покрытия — срок поставки плюс интервал до следующего заказа.
4. Страховой запас — на случай, если спрос окажется выше прогноза или поставщик задержит поставку.
5. Ограничения поставщика — кратность упаковки или паллеты, минимальная сумма заказа, график приёма заказов, сроки годности.

Условный пример. Допустим, товар продаётся в среднем по 40 штук в день, поставщик везёт 5 дней, заказ ему отправляем раз в неделю, страховой запас — на 3 дня, кратность — коробка по 24 штуки.

Ограничения поставщика часто важнее точности прогноза. Если у поставщика минимальная сумма заказа, а по расчёту набирается меньше, система должна предложить варианты: добрать позиции, которые всё равно понадобятся через неделю, перенести заказ на следующий цикл или объединить с заказом другого склада. Если поставщик принимает заказы только по определённым дням, интервал между заказами — это не ваш выбор, а его график, и он должен быть в расчёте. Для импортных поставок с долгим сроком и контейнерными нормами логика другая: заказ формируется под загрузку контейнера, а не под точное количество каждой позиции.

Сам расчёт несложен. Трудность в том, что каждая строка таблицы может врать: средние продажи искажены дефицитом, срок поставки у поставщика «плавает», страховой запас никто не пересматривал два года.

Что умеет 1С:Управление торговлей

Механизм автозаказа в типовой конфигурации есть, и он развитый. По описанию 1С, в расширенном варианте обеспечения потребностей доступны методы Min–Max (минимальный и максимальный запас задаются вручную), расчёт по норме (от нормы дневного потребления) и расчёт по статистике (от статистики продаж рассчитываются среднедневное потребление, минимальный и максимальный запас), а также метод «заказ под заказ». Заказы поставщикам могут формироваться автоматически на основании расчёта потребностей с учётом срока поставки и среднедневного потребления.

В подсистеме планирования, по описанию 1С, можно строить взаимосвязанные планы продаж и закупок, учитывать сезонность, использовать сценарии «оптимистичный — реалистичный — пессимистичный» и формировать заказы поставщикам по планам закупок. В документации к редакции 11.5 описаны ABC/XYZ-классификация номенклатуры и клиентов и сервис прогнозирования продаж — облачный сервис 1С, который строит прогноз по истории продаж.

Где прогноз в дистрибуции ошибается

Статистический прогноз опирается на историю отгрузок. У дистрибьютора эта история систематически искажена, и именно здесь обычно нужна доработка:

• Дефицит прячет спрос. Если товара не было неделю, отгрузки нулевые, и прогноз решает, что он не нужен. Реальный спрос — это отгрузки плюс отказы «нет в наличии», а отказы чаще всего никто не записывает.
• Промо искажает базу. Акция производителя дала тройной объём, и следующий месяц алгоритм закажет с запасом, которого никто не купит.
• Крупные разовые заказы. Тендер или новая сеть забрали месячный объём за один день — это не тренд.
• Новые точки и новые SKU. Истории нет, и прогноз по статистике бесполезен — нужны аналоги или план продаж.
• Каннибализация. Ввели новую фасовку — старая падает, хотя суммарный спрос тот же.
• Сроки годности. Для скоропортящегося товара излишек — не замороженные деньги, а списание.

Каждый пункт решается данными, которые есть не в учёте, а в поле и у коммерческого отдела. Поэтому качество автозаказа зависит от того, насколько система продаж связана с закупками.

Сигналы с поля: что должны передавать агенты

Торговые агенты видят спрос раньше склада. Если приложение для торговых представителей фиксирует не только заявки, но и отказы, прогноз получает недостающую половину картины:

• Позиции, которые точка хотела заказать, но их не было в наличии, — с количеством.
• Предварительные заявки на новинки и сезонный товар до старта сезона.
• Сведения о новых точках и сетях, которые начнут брать объём со следующего месяца.
• Промо-календарь: какие акции запланированы, на какие SKU и с какими ожиданиями по объёму.

Эти данные собираются в операционном слое и передаются в расчёт потребности как корректировки. Технически это часть проекта ERP для дистрибьютора, где продажи и закупки проектируются вместе, или отдельной интеграции для автозаказа поставщикам.

Разные правила для разных товаров

Одна формула на весь ассортимент — частая ошибка. ABC-анализ делит товары по вкладу в выручку или маржу, XYZ — по стабильности спроса. Их пересечение подсказывает метод и уровень страхового запаса:

Классификацию стоит пересчитывать регулярно — товар легко переходит из группы в группу при смене сезона или ассортимента у конкурентов.

Как внедрять автозаказ без риска

1. Проверить данные. Сроки поставки по каждому поставщику, кратности, минимальные суммы, график заказов. Без них любой метод даст неверное количество.
2. Начать с одного поставщика или одной товарной группы с устойчивым спросом.
3. Режим подсказки. Несколько недель система предлагает количество, закупщик решает сам. Расхождения разбираются: кто был прав и почему.
4. Подключить сигналы с поля — отказы и промо — и сравнить качество прогноза до и после.
5. Отправка заказов поставщикам по EDI или в согласованном формате — после того, как доверие к расчёту появилось.
6. Расширять по группам, оставляя закупщику исключения и непредсказуемые позиции.

Для более сложных случаев — новинки, сильная сезонность, много внешних факторов — используют модели машинного обучения; что они могут и чего от них не стоит ждать, описано на странице прогноз спроса. Для автозаказа важна и точность остатков: если склад и учёт расходятся, расчёт будет ошибаться независимо от метода, — см. синхронизация остатков.

Метрики, по которым видно результат

• Уровень сервиса — доля строк заказов клиентов, отгруженных полностью и вовремя. Главный показатель для продаж.
• Упущенные продажи — отказы «нет в наличии» в штуках и рублях, если агенты их фиксируют.
• Оборачиваемость запаса в днях — по группам ABC, а не в среднем по складу.
• Доля неликвида и списаний — товар без движения дольше установленного срока и списанный по сроку годности.
• Точность прогноза — например, WAPE: сумма абсолютных ошибок прогноза, делённая на сумму фактических продаж. Чем ниже, тем лучше; сравнивать стоит с прогнозом «как в прошлом периоде».
• Доля принятых рекомендаций — сколько строк закупщик оставил без правки. Растёт по мере доверия к расчёту.

Если после внедрения уровень сервиса вырос, а запас в днях не увеличился, автозаказ работает. Если вырос и запас — система просто заказывает больше, и правила нужно пересматривать. Как закупки встраиваются в общую систему компании, разобрано в статье ERP для дистрибьютора: когда 1С:УТ мало.