Jak správně odhadnout prodeje a naplánovat zásoby? Vojtěch Marszalek našel v datech řešení

Plánování zásob patří mezi nejdůležitější rozhodnutí v retailu. Pokud není zboží na prodejnách dost, firmy přicházejí o tržby. Pokud ho mají příliš, vznikají zbytečné náklady, neprodané zásoby a tlak na marže. A v prostředí outdoorového retailu je situace ještě složitější. Prodeje ovlivňuje sezónnost, regionální rozdíly, ale třeba i počasí.

Právě na tento problém se zaměřil Vojtěch Marszalek ve své MBA práci s názvem „Seasonal Sales Prediction for Inventory Optimization in Outdoor Retail“. Navrhnul a otestoval model strojového učení pro predikci prodejů v kamenných prodejnách českého outdoorového retailera.

Navržené řešení pracuje s více scénáři možného vývoje. Umožňuje tak zohlednit nejistotu a lépe řídit rizika. Využívá k tomu data z interních systémů, e-commerce i provozu prodejen. Podklady pro řízení zásob jsou tak mnohem přesnější napříč celou obchodní sítí.

Vojtův model dokázal snížit chybu predikce o víc než polovinu, průměrná odchylka od skutečnosti klesla z 50,5 % na 22,1 %. Zároveň se ukázalo, že přesnost modelu roste s délkou predikčního horizontu. To naznačuje, že má schopnost zachytit v datech složitější vzorce, které tradiční metody nedokážou postihnout.

 „Největším přínosem MBA pro mě bylo propojení technické hloubky s business strategií a supply chain managementem. Naučil jsem se, že kvalita modelu sama o sobě nestačí, pokud nedokáže odpovědět na reálné otázky plánovačů a nákupčích.“

Projekt vznikl v rámci MBA programu Data & Analytics for Business Management na FIS VŠE, který propojuje datovou analytiku, AI a business rozhodování v reálných projektech z praxe.

O autorovi

Vojtěch Marszalek působí jako Head of Data & Analytics ve společnosti Signals, kde pomáhá firmám měnit data ve správné rozhodnutí. V poslední době se soustředí především na zavádění AI do analytiky a firemních procesů. Staví řešení, která firmám pomáhají v každodenním provozu a skutečně mění způsob, jakým pracují s daty.