Прогнозування продажів у галузях з тривалим виробничим циклом

Прогноз продажів виробничої компанії, побудований лише на кількості відкритих угод у CRM, обманює сам себе. Помилка в такому прогнозі б’є не тільки по відділу продажів. Вона обертається дефіцитом або надлишком сировини на складі, перевантаженням цехів, простоями ліній, зривом термінів постачання і касовими розривами, які потім закриває фінансовий директор. Розберемося, чому прогнозування продажів на виробництві потребує особливого підходу і як вибудувати систему, яка реально працює.

У роздрібній торгівлі цикл угоди може займати пару днів. У виробництві все розтягується одразу по двох фронтах: довго закривається сама угода, і довго виготовляється продукт після того, як гроші вже майже в кишені. Клієнт надсилає запит, ви готуєте розрахунок, проходите тендер, погоджуєте технічні деталі з інженерами замовника, а потім ще чекаєте підпису на договорі. І це тільки початок шляху.

Далі в гру вступає виробництво. Щоб випустити замовлення, потрібно закупити сировину, а постачальники теж не працюють миттєво, стати в очередь на лінії, яка вже зайнята іншими замовленнями, і дочекатися випуску готової продукції. Додайте сюди сезонність попиту, пару великих клієнтів, які формують половину виручки, і звичку змінювати терміни відвантаження в останній момент, і ви отримаєте систему, де потрібен прогноз продажів в умовах невизначеності, а звичайний прогноз за pipeline у CRM працює погано.

Саме тому виробничій компанії доводиться прогнозувати не одну подію, а одразу кілька: коли угода буде підписана, коли замовлення встане у виробництво, коли вийде готова продукція і коли вона реально поїде клієнту. Далі розберемося, що конкретно потрібно закладати в такий прогноз.

Прогноз виручки на кінець кварталу це тільки верхівка. Якщо зупинитися на ньому, відділ продажів буде спокійний, а виробництво і закупівлі залишаться без потрібної інформації. Планування та прогнозування продажів у виробничій компанії працює як система, де кожен показник тягне за собою наступний.

Продажі обіцяють обсяг у грошах і штуках, виробництво оцінює, чи вистачить потужності його випустити, закупівлі перевіряють, чи зможуть забезпечити сировиною в термін, а фінанси прикидають, як це відіб’ється на руху грошей. Якщо хоча б одна ланка випадає, весь ланцюг втрачає сенс.

Ось що варто тримати в полі зору постійно:

• Нові замовлення, обсяг угод у грошах і одиницях продукції. Це база для будь-якого подальшого розрахунку, без неї решту показників не побудувати.
• Валовий прибуток і завантаження виробничих потужностей. Показують, чи вигідно компанії брати конкретний обсяг замовлень і чи вистачить реальних ресурсів.
• Відвантаження і потреба в сировині. Пов’язують комерційний прогноз з реальним виробничим циклом і термінами постачання.
• Надходження грошей за термінами оплати. Критично для управління касовими розривами, особливо при відстроченнях платежу.
• Розбивка за клієнтами, продуктовими групами і регіонами. Допомагає побачити, де ризик концентрується на парі великих рахунків.
• Великі проєкти і повторні замовлення. Їх краще рахувати окремо, тому що логіка прогнозу для них зовсім інша.

Прогнозування обсягу продажів без такої деталізації залишає виробництво і закупівлі в невіданні. Тепер подивимося, якими методами ці цифри отримують на практиці.

Універсального методу прогнозування продажів у сегменті B2B для виробництва не існує. Масова продукція, сезонні лінійки і штучні проєкти вимагають різних підходів, і хороша система зазвичай комбінує одразу кілька методів прогнозування продажів, а не обирає один на всі випадки життя.

Для стабільних, високооборотних позицій чудово працює історичний аналіз продажів: моделі на основі часових рядів вловлюють тренд і сезонність та дають досить точний базовий прогноз. Для нових продуктів без історії продажів більше підходять експертні оцінки, думка досвідченого менеджера часто точніша за будь-яку формулу, якщо даних мало. А для великих проєктних угод варто дивитися на причинний аналіз, тобто на те, як ринкові стимули, тендери чи зміни в галузі впливають на обсяг замовлень.

Коротко за найпопулярнішими методами:

• Історичний аналіз (time series) підходить для масових, повторюваних замовлень з достатньою історією продажів.
• Врахування сезонності обов’язкове для продукції з піками попиту, наприклад будівельних матеріалів чи упаковки.
• Експертна оцінка незамінна для нових продуктів і нестандартних великих угод.
• Причинний і каскадний аналіз пов’язує прогноз з зовнішніми факторами: цінами на сировину, тендерами, ринковими стимулами.
• AI та ERP-асистовані прогнози автоматизують розрахунок там, де даних достатньо, і знижують ручну роботу, про що детально писали в блозі MRPeasy.

Далі розберемо, як зібрати ці методи в єдиний процес, крок за кроком.

Побудувати робочий прогноз це не одноразове завдання аналітика, а процес, який проходить через кілька відділів і повторюється щомісяця чи щокварталу. Якщо пропустити один з кроків, вся система почне давати збої саме там, де ви найменше цього чекаєте.

Починати варто не з вибору моделі, а з даних. Без чистої історії продажів, замовлень і інформації про сезонність будь-яка, навіть найпросунутіша модель буде рахувати сміття. А закінчувати процес потрібно не відправкою звіту керівництву, а регулярною перевіркою, наскільки прогноз збігся з реальністю.

Ось з чого складається процес на практиці:

1. Збір і очищення даних. Зберіть історію продажів, замовлень, сезонних коливань і ринкових факторів з CRM, ERP і бухгалтерії, прибравши викривлення від разових великих угод.
2. Вибір методу під конкретний продукт. Масовим позиціям підходить статистика, новим продуктам експертна оцінка, великим проєктам аналіз воронки і ймовірності закриття.
3. Категоризація продукції. Розділіть асортимент на масові, сезонні та низькооборотні групи, так точність прогнозу зросте без зайвого ускладнення моделі.
4. Залучення відділів. Продажі знають клієнтів, виробництво знає реальні потужності, закупівлі знають терміни постачання сировини, фінанси знають грошові обмеження. Прогноз без їхньої участі буде однобічним, і грамотне побудова відділу продажів для виробництва допомагає зробити цю колаборацію системною, а не разовою інціативою одного менеджера.
5. Моніторинг і коригування. Порівнюйте прогноз з фактом кожен місяць, фіксуйте відхилення за причинами і оновлюйте модель, а не терпіть одну й ту саму помилку квартал за кварталом.

Колаборація між відділами тут не формальність, а спосіб прибрати сліпі зони, які видно лише людям на місцях. Розберемося, як у цей процес вписується тривалість виробничого циклу.

Дата продажу і дата відвантаження у виробничій компанії майже ніколи не збігаються, і це головна пастка для прогнозу. Договір може бути підписаний у січні, а сировину під нього закуплять тільки в лютому, тому що постачальник працює з відстроченням. Виробництво займе березень, відвантаження станеться в квітні, а оплата прийде взагалі в травні. Якщо рахувати виручку за датою підписання, картина кварталу буде викривлена.

Тому прогноз потрібно будувати одразу за кількома датами, а не за однією. Очікувана дата замовлення показує комерційну активність, дата запуску у виробництво відображає завантаження цехів, дата випуску говорить про готовність до відвантаження, а дата фактичної оплати показує реальний рух грошей. Кожна з цих дат живе у своєму відділі: продажі дивляться на першу, виробництво на другу і третю, фінанси на останню.

Без такої розбивки продажі можуть виглядати сильними на папері, а по факту виручка періоду виявиться слабкою просто тому, що замовлення застрягли десь між виробництвом і складом. Саме тут на допомогу приходить інтеграція прогнозу з системами планування, про яку розповімо далі.

Прогноз, який живе в окремому Excel-файлі в аналітика, майже безкорисний для виробництва. Цінність з’являється тоді, коли прогнозований попит автоматично потрапляє в графік виробництва, план закупівель і розрахунок запасів, тобто коли прогноз пов’язаний з ERP-системою напряму, а не існує окремо від операційних процесів.

У типовій ERP-системі модуль прогнозування підтягує історію продажів і відкриті замовлення, будує базовий розрахунок і передає його в MRP-блок, який рахує потребу в матеріалах і формує пропозиції щодо закупівлі. Менеджер з продажів або планувальник може вручну скоригувати цифри, якщо знає про великий тендер чи затримку клієнта, а система перерахує графік виробництва і закупівель з урахуванням цієї правки.

Такий зв’язок скорочує ручну роботу, прибирає розбіжності між відділами і дає всім, від продажів до фінансів, єдину картину того, що відбувається із замовленнями прямо зараз. Компанії, які працюють на ERP-платформах з розвиненою MRP-функціональністю, отримують можливість реагувати на зміну попиту швидше, ніж ті, хто досі зводить прогноз у таблицях вручну. Але навіть найкраща інтеграція не рятує від типових помилок, про які поговоримо нижче.

Найчастіша помилка, це плутати план з прогнозом. План це те, чого хоче досягти керівництво, прогноз це те, що реально станеться з урахуванням поточних угод і обмежень. Коли план видають за прогноз, виробництво отримує викривлені цифри і готується до обсягу, якого ніколи не буде.

Далі йде опора тільки на минулий рік без урахування поточної воронки, або навпаки, використання виключно CRM-pipeline без поправки на те, що не всі угоди однаково надійні. Менеджери за звичкою завищують ймовірність закриття, забувають врахувати перенесення термінів і вважають великий тендер виграним ще до підписання договору. Це створює хибне відчуття впевненості там, де його бути не повинно.

Окрема група проблем пов’язана з розривом між відділами. Прогноз продажів існує сам по собі, не прив’язаний до реального завантаження виробництва і не враховує термін постачання сировини від конкретного постачальника. У результаті продажі, виробництво і закупівлі працюють за різними версіями однієї й тієї самої цифри. А якщо прогноз оновлюється раз на квартал, точність взагалі не вимірюється, причини відхилень ніхто не розбирає, і помилки просто повторюються знову і знову.

Хороша новина в тому, що більшість цих помилок виправні, якщо вибудувати правильний процес перевірки. Про це поговоримо в наступному розділі.

Точність прогнозу не зростає сама по собі від того, що ви купили дорогу систему. Вона зростає, коли компанія регулярно звіряє розрахункові цифри з фактом і чесно розбирається, де і чому виникло відхилення, а не звалює все на “непередбачуваний ринок”. Системне підвищення точності прогнозу продажів починається саме з цієї дисципліни звіряння, а не з покупки нового софту.

Почніть з порівняння план-факт за кожним великим клієнтом і продуктовою групою, а не тільки за загальною сумою. Загальна цифра може скластися випадково з плюсів і мінусів, які компенсують одне одного. Окрему увагу приділіть складним позиціям: низькооборотним продуктам, штучним замовленням і новим клієнтам, де історичних даних мало, а ризик помилки вищий. Для них часто краще працює експертна оцінка з поправкою на цифри, ніж чиста статистика.

Обов’язково пов’яжіть прогноз з реальними виробничими потужностями і термінами постачання сировини. Якщо продажі обіцяють обсяг, який виробництво фізично не встигне випустити, точність прогнозу виручки нічого не вирішує. І ручні коригування менеджерів не варто забороняти, але їх потрібно обґрунтовувати і фіксувати, щоб пізніше перевірити, чи справді інтуїція спрацювала. Автоматизація та AI-інструменти прискорюють розрахунок, але не замінюють людину, яка знає контекст конкретної угоди.

Чим довший цикл угоди і виробництва, тим раніше компанії потрібно побачити майбутній попит, а не реагувати на нього постфактум. Продажі, виробництво і закупівлі повинні працювати з одним і тим же прогнозом, але розуміти, що у нього різні рівні ймовірності на різних стадіях. Якісне прогнозування продажів у сегменті B2B дозволяє виробничій компанії не тільки точніше рахувати майбутню виручку, а й керувати завантаженням потужностей, запасами сировини, термінами відвантаження і грошовим потоком без зайвих сюрпризів.