Помесячный прогноз спроса с трендом и сезонностью

Помесячный прогноз спроса с трендом и сезонностью считают в четыре шага: строят линейный тренд по истории продаж, делят факт каждого месяца на тренд, усредняют получившиеся коэффициенты по одноимённым месяцам и умножают коэффициент нужного месяца на значение тренда. Для расчёта нужна история минимум за два года, лучше за три. Ниже весь расчёт разобран на числах, с формулами для Excel и с условиями, при которых метод даёт ошибку.

Зачем нужен прогноз именно по месяцам

Срок реагирования это время от решения о закупке позиции до момента, когда её можно отпустить клиенту или передать в производство. Он включает заказ, отгрузку поставщиком, транспорт, таможню, если груз идёт из-за границы, и приёмку на склад. Компании планируют закупки помесячно, поэтому и прогноз нужен в таком же разрезе.

Помесячный прогноз особенно нужен при револьверных поставках, то есть когда интервал между поставками короче срока реагирования. Пример: срок реагирования три месяца, поставки идут раз в месяц. Тогда в пути одновременно находятся три поставки на разных этапах, а на складе лежит не больше месячной потребности. Размер каждой поставки определяется прогнозом на месяц, который наступит через три месяца, и ошибка прогноза сразу превращается либо в дефицит, либо в залежавшийся запас.

Позиций у компании обычно сотни или тысячи, и считать вручную невозможно. Поэтому метод должен быть простым и одинаковым для всех позиций: его закладывают в таблицу или в учётную систему и запускают по очереди для каждого ряда спроса.

Что нужно подготовить до расчёта

• Ряд фактического спроса по месяцам (заказы клиентов, а если их нет, то продажи). Если в какой-то месяц товара не было на складе, продажи занижены, и такие месяцы лучше скорректировать или пометить.
• Единые единицы: штуки, паллеты или тонны. Смешивать их внутри одного ряда нельзя.
• Очистка от разовых событий: крупный разовый тендер, акция с глубокой скидкой, закрытие границы, остановка завода. Эти месяцы искажают и тренд, и сезонность.
• История не короче 24 месяцев. При меньшем объёме коэффициенты сезонности получаются по одному значению на месяц и не отличаются от случайных колебаний.

Метод по шагам

Обозначим номер месяца в истории как x (первый месяц равен 1), фактический спрос как S, тренд как T, коэффициент сезонности как K.

1. Постройте линейный тренд T = a + b·x по всему ряду. В Excel наклон b даёт функция НАКЛОН, отрезок a функция ОТРЕЗОК, а значение тренда для любого месяца функция ТЕНДЕНЦИЯ.
2. Для каждого месяца истории вычислите K = S / T. Если K равен 1,2, спрос в этом месяце был на 20 процентов выше тренда.
3. Для каждого календарного месяца усредните коэффициенты по всем годам: январь с январём, февраль с февралём. Получится 12 коэффициентов Km. Их среднее значение должно быть близко к единице; если нет, нормируйте их.
4. Прогноз на будущий месяц: P = Km · T, где T берётся по уравнению тренда для номера этого месяца.

В классической схеме факт делят на скользящее среднее за год, линейный тренд для этого не используется. Она точнее, но теряет год данных, включая самые свежие полгода. Когда в истории всего полтора-два года, потеря слишком дорога, и упрощённый вариант с делением на линейный тренд оправдан.

Расчёт на двух годах данных

Условный пример. Позиция продаётся в штуках, история за 24 месяца, пропусков и разовых акций нет. Данные придуманы для демонстрации метода и не относятся к реальному товару.

Линейный тренд по всем 24 точкам: T = 112,8 + 1,97·x. Трендовый спрос растёт примерно на 2 штуки в месяц. Для января третьего года x равен 25, тренд даёт 162,1 штуки. Коэффициент января получился как среднее двух значений, 112 / T(13) и 100 / T(1), то есть 0,840. Прогноз на январь: 0,840 × 162,1 = 136 штук.

Сумма прогноза за год составляет 2080 штук против 1733 штук за второй год, рост около 20 процентов. Это следствие допущения, что тренд продолжится прямой линией. Если вы знаете, что рост упрётся в мощность поставщика или в насыщение рынка, прогноз нужно скорректировать вручную.

Проверить, насколько хорош метод, можно задним числом: возьмите первые 12 месяцев, постройте прогноз на следующие 12 и сравните со второй колонкой. Среднюю абсолютную процентную ошибку (MAPE) считайте по месяцам: годовая сумма скрывает перекосы внутри года, а запасы страдают именно от них.

Когда метод ломается

Чаще всего ошибки в закупках возникают из-за грязных данных. Прогнозу вредят пропуски из-за отсутствия товара, внутренние перемещения между складами, учтённые как продажи, и возвраты, которые не вычтены из спроса.

Как связать прогноз с заказом поставщику

Из помесячного прогноза получают потребность на срок реагирования. Если срок равен трём месяцам, прогноз на апрель определяет заказ, который нужно разместить в январе. К прогнозу добавляют страховой запас, который покрывает отклонения спроса и срыв сроков поставки, а размер партии выбирают с учётом стоимости заказа и хранения. Для расчёта размера партии удобен калькулятор EOQ. Чтобы не считать одинаково тщательно тысячу позиций, сначала разделите ассортимент по важности в калькуляторе ABC-анализа: прогноз с проверкой вручную нужен для группы A, группе C хватит простого правила пополнения.

Частые вопросы

Сколько данных нужно для сезонного прогноза? Минимум два полных года, чтобы каждый месяц встречался дважды. Три года дают более устойчивые коэффициенты.

Как часто пересчитывать прогноз? Раз в месяц, когда приходят фактические продажи. Старые коэффициенты сезонности можно сохранять, а тренд нужно пересчитывать на новом ряде.

Чем это отличается от скользящего среднего? Скользящее среднее сглаживает ряд и не учитывает ни рост, ни сезонность. Для товаров со стабильным спросом без сезонных пиков оно подходит, для остальных нет.

Подойдёт ли Excel? Для сотни позиций да: НАКЛОН, ОТРЕЗОК, ТЕНДЕНЦИЯ и СРЗНАЧ закрывают весь расчёт. Для тысяч позиций расчёт переносят в учётную систему или скрипт, а в Excel оставляют проверку выборки.

Читайте также

• Прогнозирование спроса и оборачиваемость запасов
• От прогноза спроса до результата: пример пекарни
• Управление запасами: формулы, ABC-анализ и пример
• Планирование закупок и запасов в нестабильных условиях

Другие материалы раздела собраны на странице Основы логистики.

Проверено: октябрь 2026. Источники: справка Microsoft Excel по функциям НАКЛОН, ОТРЕЗОК и ТЕНДЕНЦИЯ, общепринятые методы анализа временных рядов (линейный тренд, коэффициенты сезонности, метрика MAPE).

Раздел: Управление логистикой / Основы логистики

Посчитайте сами: стоимость километра и тонно-километра