Sezónnost patří mezi nejsilnější signály ve forecastingu. Pokud se historické chování pravidelně opakuje, bývá predikce relativně jednoduchá.
Jenže v praxi se často kombinuje více efektů současně:
Právě zde přestává být hlavní otázkou: “Existuje sezónnost?”
a začíná být důležitější: „Jak silná skutečně je a bude mít podobný dopad i v budoucnu?“
Chybný odhad sezónního vrcholu přitom může znamenat nedostatek zásob právě v období nejvyšší poptávky nebo naopak zbytečně vysoké skladové zásoby mimo sezónu.
Na několika reálných scénářích ukazuji různé typy sezónního chování produktů a situace, kdy samotné zopakování minulého roku nemusí stačit.
Na první pohled může dlouhé období minimálních nebo nulových prodejů působit jako konec poptávky. Při pohledu do delší historie je ale vidět opakující se vzor — produkt vytváří většinu obratu pouze během krátkého sezónního období.
Model proto neočekává pokračování nízkých hodnot, ale zohledňuje historicky opakovaný sezónní efekt a návrat období zvýšené poptávky. Pokud by vycházel pouze z aktuálních prodejů, mohl by produkt vyhodnotit jako neaktivní právě těsně před začátkem hlavní sezóny.
U většiny produktů sezónnost neznamená střídání období aktivního prodeje a nulové poptávky. Produkty se prodávají kontinuálně během celého roku, ale v určitém období dochází k výraznému zesílení poptávky.
V takovém případě není cílem rozpoznat začátek a konec sezóny, ale správně odhadnout její sílu. Predikce proto nevychází pouze z aktuální úrovně prodejů, ale z historicky opakovaného zesílení sezónního efektu.
V praxi bývá často důležitější správně odhadnout velikost sezónního nárůstu než samotnou existenci sezóny. Podcenění může vést k výpadkům zásob, přecenění naopak k nadbytečným skladovým zásobám po skončení sezóny.
U nových produktů často chybí dostatek historických dat pro zachycení celého sezónního cyklu. Přesto může být potřeba predikovat budoucí vývoj ještě předtím, než produkt projde další sezónou.
Predikce proto nevychází pouze z dostupné historie produktu, ale využívá i vzory naučené z podobných produktů k odhadu očekávaného sezónního vývoje. V tomto případě historie obsahuje pouze jeden potenciální sezónní vrchol, což samo o sobě nemusí stačit pro spolehlivé rozpoznání opakujícího se vzoru.
Firma však často nemůže čekat na další sezónu, aby mohla začít plánovat zásoby. Model proto vytváří první odhad sezónního chování i v situaci, kdy je vlastní historie produktu stále velmi omezená.
Sezónnost bývá jedním z nejsilnějších signálů ve forecastingu a v mnoha případech ji dokážou velmi dobře využít i jednodušší přístupy. V praxi se ale často kombinuje s dalšími vlivy, což výrazně zvyšuje obtížnost predikce.
Právě v těchto situacích už často nestačí pouze najít správnou periodu a zopakovat minulý rok. Důležité je správně odhadnout, kdy sezóna nastane, jak silná bude a zda se její historický průběh skutečně zopakuje.
Jak ukazují předchozí scénáře, dlouhé období nízkých prodejů nemusí znamenat konec poptávky a jeden sezónní vrchol nemusí stačit pro spolehlivé rozpoznání budoucího vývoje.
Největší výzvou proto často není zjistit, zda je produkt sezónní, ale správně odhadnout sílu sezóny a její skutečný dopad na budoucí poptávku.
Poznámka: Všechny ukázky představují skutečné výstupy modelu vytvořené nad anonymizovanými daty zákazníků.
IČO: 172 28 018
DIČ: CZ 172 28 018
Data Box ID: ykwdnxf
sales@neebile.cz
Jičínská 226/17, Praha, Žižkov, PSČ 130 00 Česká republika
(910) 658-2992
© 2025 Vytvořeno DigitalWays
