Prognoza popytu FMCG na 12 miesięcy: błąd prognozy z 28% na 9%

Sytuacja przed wdrożeniem

Producent słodyczy, 340 osób. 480 SKU, 18 kanałów sprzedaży (sieci handlowe, e-commerce, B2B). Prognoza popytu robiona w Excelu przez 3 osoby. Błąd prognozy: 28% MAPE. Skutek: część SKU notorycznie brakowała (-12% sprzedaży), inne miały overstock (zamrożone 4.2 mln zł kapitału, koszty magazynowe).

Co zrobiliśmy

• AI bierze pod uwagę 47 zmiennych:
• 1. Historia sprzedaży 5 lat per SKU/kanał/region.
• 2. Sezonowość (Wielkanoc, Boże Narodzenie, Walentynki, Halloween, ferie).
• 3. Pogoda (czekolada zimą vs lody latem — korelacja).
• 4. Promocje (zaplanowane + historyczne).
• 5. Kampanie marketingowe (nasze + konkurencji).
• 6. Makro (inflacja, siła nabywcza, ceny kakao/cukru).
• 7. Nowe produkty (cannibalization).
• 8. Stoki sieci handlowych (ECR data).
• Generuje prognozy: tygodniowe (12 tyg.), miesięczne (12 mies.) per SKU per kanał per region.
• S&OP planner widzi dashboard, zmiana w prognozie automatycznie propaguje na produkcję, zakupy surowców, transport.
• Recalibracja co tydzień — AI uczy się z błędów.

Rezultat

Błąd prognozy MAPE: z 28% na 9%. Stockouty (-): z 12% na 2.4% sprzedaży utraconej. Overstock: -38%. Kapitał zamrożony: -1.6 mln zł. Marża wzrosła o 4 pkt (mniej promo-cleanup overstocku). S&OP planning z 5 dni na 1 dzień.