Prognozowanie sprzedaży i popytu z wykorzystaniem AI: sezonowość, scenariusze i plan zapasów
24 h (3 dni) · stacjonarna/zdalna · 2 850,00 zł/os. przed dofinansowaniem · szkolenie zgodne ze standardem BUR — kartę usługi rejestrujemy przy starcie grupy
O szkoleniu
Firmy handlowe, produkcyjne i dystrybucyjne wciąż planują zapasy i sprzedaż w oparciu o intuicję kierownika lub proste średnie w Excelu, co prowadzi do zamrożonego kapitału w nadmiarowych zapasach, utraconej sprzedaży przy brakach towaru i chaotycznych decyzji zakupowych przy każdej zmianie sezonu. Ręczne prognozowanie nie nadąża za ilością danych i tempem zmian rynkowych, a intuicja nie jest metodą, którą można powtórzyć, zweryfikować ani przekazać kolejnej osobie w zespole.
Po szkoleniu uczestnik samodzielnie przygotuje dane historyczne sprzedaży do modelowania, zbuduje prognozę popytu z wykorzystaniem narzędzi AI (arkusze z funkcjami AI, prompty do modeli językowych, narzędzia no-code), rozłoży sprzedaż na trend i sezonowość, przygotuje warianty scenariuszowe (optymistyczny/bazowy/pesymistyczny) oraz przełoży prognozę na konkretny plan zapasów – z poziomem zapasu bezpieczeństwa i punktem ponownego zamówienia. Nauczy się też oceniać wiarygodność prognozy za pomocą wskaźników błędu, zamiast bezkrytycznie ufać liczbie wygenerowanej przez narzędzie.
Szkolenie ma charakter warsztatowy – 24 godziny pracy w małej grupie, w dużej mierze na realnych danych sprzedażowych uczestników (arkusze, eksporty z systemów ERP/CRM). Trzeci dzień kończy się przygotowaniem własnego planu zapasów i indywidualnymi konsultacjami z trenerem-praktykiem, dzięki czemu uczestnik wychodzi z gotowym, przetestowanym na własnych danych procesem, a nie wyłącznie z wiedzą teoretyczną. AI pełni w szkoleniu rolę narzędzia wspierającego analizę danych sprzedażowych – nie omawiamy zastosowań spoza tego obszaru.
Program
Dzień 1 8 h: Fundamenty prognozowania i przygotowanie danych
- Moduł 1: Wprowadzenie do prognozowania popytu z AI – możliwości i ograniczenia 1 h E1
- Moduł 2: Analiza danych historycznych sprzedaży – trend, sezonowość, anomalie 2 h E1
- Moduł 3: Warsztat: przygotowanie i czyszczenie danych sprzedażowych uczestników do prognozowania 2 h E2
- Moduł 4: Narzędzia AI do prognozowania – konfiguracja arkuszy z funkcjami AI, promptów do LLM i narzędzi no-code 2 h E3
- Moduł 5: Podsumowanie dnia i ćwiczenie kontrolne 1 h E1, E2
Dzień 2 8 h: Modelowanie, sezonowość, scenariusze
- Moduł 6: Warsztat: budowa prognozy popytu z AI dla różnych horyzontów czasowych 2 h E3
- Moduł 7: Dekompozycja sezonowości – metody addytywne i multiplikatywne 2 h E4
- Moduł 8: Tworzenie scenariuszy prognostycznych (optymistyczny/bazowy/pesymistyczny) z uwzględnieniem promocji, świąt i trendów rynkowych 2 h E5
- Moduł 9: Ocena jakości prognoz – wskaźniki MAPE, MAE, RMSE i interpretacja wyników 2 h E6
Dzień 3 8 h: Plan zapasów i wdrożenie w organizacji
- Moduł 10: Od prognozy do planu zapasów – zapas bezpieczeństwa i punkt ponownego zamówienia 2 h E7
- Moduł 11: Warsztat: budowa planu zapasów na bazie prognoz przygotowanych przez uczestników 2 h E7
- Moduł 12: Projektowanie standardu operacyjnego (SOP) cyklicznego prognozowania sprzedaży z AI w organizacji 2 h E8
- Moduł 13: Prezentacja projektów końcowych, test i konsultacje indywidualne z trenerem 2 h E1-E8
Dla kogo
Kierownicy i specjaliści ds. sprzedaży, planowania popytu (demand planning), łańcucha dostaw i zakupów, analitycy sprzedaży oraz osoby odpowiedzialne za decyzje zakupowo-magazynowe w MŚP produkcyjnych, handlowych i dystrybucyjnych.
Efekty uczenia się (standard BUR)
- Analizuje dane historyczne sprzedaży pod kątem trendu, sezonowości i anomalii z wykorzystaniem narzędzi AI.
- Przygotowuje i czyści zbiory danych sprzedażowych do modelowania prognoz, uzupełniając braki danych i eliminując wartości odstające.
- Buduje prognozy popytu dla różnych horyzontów czasowych przy użyciu narzędzi AI (arkusze z funkcjami AI, prompty do modeli językowych, narzędzia no-code).
- Dobiera i stosuje metodę dekompozycji sezonowości (addytywną lub multiplikatywną) adekwatną do charakteru analizowanych danych.
- Tworzy warianty scenariuszy prognostycznych (optymistyczny, bazowy, pesymistyczny) uwzględniające promocje, święta i czynniki rynkowe.
- Ocenia dokładność prognoz za pomocą wskaźników błędu MAPE, MAE i RMSE oraz interpretuje uzyskane wyniki.
- Projektuje plan zapasów, w tym poziom zapasu bezpieczeństwa i punkt zamówienia, na podstawie wygenerowanej prognozy popytu.
- Opracowuje standard operacyjny (SOP) cyklicznego prognozowania sprzedaży z użyciem AI dla własnej organizacji.
Walidacja: Test teoretyczny weryfikujący znajomość metod prognozowania i wskaźników błędu oraz zadanie praktyczne polegające na przygotowaniu prognozy popytu i planu zapasów na udostępnionym zbiorze danych; próg zaliczenia 75%.