Retalho · EUA · Inventário

Previsão de procura e análise ABC de inventário

Um retalhista de casa dos EUA perdia vendas com prateleiras vazias nos campeões enquanto pagava a mais para armazenar o que não rodava. Tarefa: prever a procura de 18.400 SKU e refazer o plano de compras.

Dados: 4,2 M de linhas · 3 anos Stack: Python · Spark · Prophet · Power BI Prazo: 3 semanas
demand_forecast · Power BI
atualizado hoje
Precisão da previsão
92.4%
MAPE 7,6%
Ruturas de campeões
−63%
menos vendas perdidas
Custo de armazenagem
−28%
3,1 M$ libertados
Rotação de inventário
+19%
homólogo

Vendas reais vs previsão do modelo

mensal, milhares de uds · tracejado = previsão a 3 meses

Análise ABC do sortido

parte de SKU vs parte da receita

◆ Conclusões
  • A classe A (7% dos SKU) gerava 71% da receita — e era a que mais esgotava.
  • A procura dos campeões tinha ciclos semanais e sazonais que a compra manual ignorava.
  • 34% dos itens classe C não vendiam há 90 dias e congelavam o capital de giro.
✓ A nossa solução
  • Classe A passada a reposição guiada por previsão com stock de segurança de 14 dias.
  • Retirados 1.240 SKU mortos e o orçamento reinvestido no que vende.
  • Adicionados alertas de rutura sete dias antes de um campeão chegar a zero.

Tem um projeto assim?

Conte-nos o que está a construir. Respondemos num dia útil com um plano claro e um orçamento fechado.

Iniciar o seu projeto