Zobrazení: 0 Autor: Editor webu Čas publikování: 2026-09-10 Původ: místo
Rozhodnutí, kolik oděvů vyrobit, je jedním z nejdůležitějších rozhodnutí oděvní značky.
Objednávejte příliš málo a oblíbené produkty se mohou vyprodat, než dorazí další zásilka. Objednávejte příliš mnoho a značce může zůstat nadbytečný inventář, slevy a peníze vázané na neprodané produkty.
Z tohoto důvodu by množství výroby mělo vycházet z více než loňských prodejů nebo z intuice kupujícího.
Praktický proces prognózování oděvů se zaměřuje na skutečnou poptávku, dostupnost inventáře, sezónnost, propagační akce, dodací lhůtu, bezpečnostní zásoby, distribuci velikosti a dostupný rozpočet.
Cílem je odhadnout, kolik zákazníci pravděpodobně koupí během období, kdy bude nový inventář dostupný, a poté určit, kolik inventáře značka potřebuje k podpoře této poptávky.
Pro výrobce oblečení OEM se tato předpověď nakonec stane výrobní objednávkou rozdělenou podle stylu, barvy a velikosti.
Na první pohled vypadá prognóza jednoduše.
Pokud značka v loňském roce prodala 1 000 kusů stylu, letos si možná objedná dalších 1 000 kusů.
Problém je v tom, že historické prodeje ne vždy představují skutečnou poptávku zákazníků.
Představte si, že se tričko prodá 100 kusů za týden. Po čtyřech týdnech se střední velikost vyprodá. Zákazníci stále hledají Medium, ale značka nemůže prodat to, co už nemá.
Prodejní rekord by mohl ukázat, že poptávka po čtvrtém týdnu klesla.
Ve skutečnosti se produkt stal nedostupným.
Dodaný výzkum to popisuje jako cenzuru poptávky . Když je produkt vyprodaný, pozorované prodeje mohou klesnout na nulu, i když si jej zákazníci stále chtějí koupit. Přímé použití těchto hrubých čísel může způsobit podcenění budoucích výrobních množství.
To vytváří nebezpečný cyklus:
Populární produkt → vyprodáno → údaje o prodeji se zdají slabší → další objednávka je příliš malá → produkt se opět vyprodá
Mezitím mohou pomalu obrátkové produkty zůstat na skladě a nadále generovat údaje o prodeji.
Dobrá prognóza proto začíná otázkou:
Co vlastně chtěli zákazníci koupit, když byl produkt dostupný?
Prvním krokem je shromáždit historické údaje o prodeji pro předpovídaný styl, barvu a velikost.
Užitečné informace mohou zahrnovat:
Prodané jednotky
Prodejní termíny
K dispozici inventář
Období zásob
Změny cen
Propagační akce
Uvedení produktu na trh
Sezónní období
Prodej podle velikosti
Prodej podle kanálu
Čím podrobnější údaje, tím užitečnější může být předpověď.
Značka s několikaletou historií prodeje dokáže identifikovat opakující se vzorce snadněji než značka s údaji za několik měsíců.
Více dat však automaticky neznamená lepší prognózy.
Data je potřeba správně interpretovat.
Předpokládejme, že značka měla 30denní prodejní období.
Produkt byl dostupný 20 dní a prodalo se ho 400 kusů.
Pokud značka jednoduše počítá:
400 ÷ 30 = 13,3 kusů za den
předpokládá, že se produkt mohl prodávat za tuto sazbu po celé období.
Pokud však byl produkt nedostupný po dobu 10 dnů, pozorovaná míra prodeje během dostupného období byla:
400 ÷ 20 = 20 kusů za dostupný den
Druhý údaj může poskytnout lepší výchozí bod pro odhad poptávky.
Výzkum doporučuje vypočítat skutečnou míru prodeje pomocí období, kdy byl SKU skutečně dostupný, spíše než považovat období vyprodání zásob za nulovou poptávku.
Tento proces se často nazývá neomezování poptávky.
Základní myšlenka je jasná:
Pokud si zákazníci nemohli produkt koupit, neměly by být tyto dny automaticky interpretovány jako dny, kdy si jej zákazníci nepřáli.
Jakmile budou historické prodeje očištěny, značka potřebuje základní prognózu.
Základní hodnota je odhad běžné poptávky před přidáním speciálních událostí, jako jsou velké propagační akce nebo neobvyklé nárůsty.
Různé produkty mohou vyžadovat různé metody prognózování.
U základního produktu s relativně stabilní poptávkou může klouzavý průměr poskytnout užitečný výchozí bod.
Například základní černé tričko, které se prodává konzistentně po celý rok, nemusí vyžadovat propracovaný systém předpovědí.
Značka může zkoumat nedávné prodeje a stanovit reprezentativní průměr.
Pokud tržby trvale rostly nebo klesaly, měla by prognóza tento trend zohlednit.
Pokud například základní styl spodního prádla během několika sezón neustále rostl, pouhé použití starého průměru by mohlo podcenit budoucí poptávku.
Pro tento typ situace mohou být užitečné modely lineárních trendů.
Některé produkty se řídí předvídatelnými sezónními vzory.
Plavky, zimní spodní prádlo, termooblečení a další sezónní produkty mohou mít v průběhu roku velmi odlišné prodejní vzorce.
Prognóza proto musí rozlišovat mezi:
Normální růst nebo pokles
a
Opakující se sezónní poptávka
Výzkum identifikuje modely exponenciálního vyhlazování a ETS jako užitečné předpovědní přístupy, protože mohou zohledňovat chyby, trend a sezónnost.
Pro většinu menších značek je pochopení principu důležitější než výběr složitého prognostického algoritmu.
Velký výprodej může způsobit, že se produkt bude jevit mnohem oblíbenější, než obvykle je.
Představte si, že značka obvykle prodává 100 kusů stylu za týden.
Během akce se slevou 30 % prodá 250 kusů.
Použití 250 jako nového normálu by vedlo k velmi agresivní prognóze produkce.
Stejný problém může nastat s:
Bleskový prodej
Influencer kampaně
Hlavní reklamní kampaně
Prázdninové akce
Uvedení nového produktu na trh
Dočasné snížení cen
Výzkum doporučuje oddělit propagační nárůst od základní základní poptávky a poté v případě potřeby přidat plánované propagační efekty zpět do budoucí prognózy.
Například:
Normální poptávka: 100 jednotek/týden
Očekávaný propagační nárůst: +40 %
Předpověď během propagace: přibližně 140 jednotek/týden
Přesný nárůst by měl vycházet z vlastních historických dat značky, kdykoli je to možné.
Poptávka po oblečení úzce souvisí s ročním obdobím.
Poptávka zákazníků se může změnit kvůli:
Teplota
Podnebí
Dovolená
Období návratu do školy
Cestovní sezóny
Propagační kalendáře
Módní sezóny
Značka by proto při vytváření prognózy měla porovnávat podobná období.
Například použití prosincových prodejů k předpovědi červencové poptávky po sezónním produktu by mohlo vést k velmi zavádějícímu výsledku.
Značka by se měla ptát:
Co se tento produkt nebo podobné produkty prodávaly ve stejné sezóně v předchozích letech?
Sezónnost se stává obzvláště důležitou, když jsou dodací lhůty výroby dlouhé.
Pokud továrna potřebuje několik měsíců na výrobu a odeslání zakázkové objednávky, musí značka předvídat poptávku ještě před začátkem skutečné prodejní sezóny.
Nový styl vytváří problém s prognózami, protože neexistuje žádná historie přímého prodeje.
Značka nemůže vypočítat loňské tržby za produkt, který loni neexistoval.
Výzkum doporučuje používat shlukování založené na atributech a mapování podobných položek . pro nové produkty Místo hádání čísla z ničeho mohou plánovači porovnat nový produkt se stávajícími produkty, které sdílejí důležité vlastnosti.
Relevantní atributy mohou zahrnovat:
Kategorie produktu
Silueta
Konstrukce tkaniny
Hmotnost látky
Cena
Cílová marže
Barva
Složitost vzoru
Předpokládejme například, že značka uvádí na trh novou mikinu French Terry 280 GSM.
Může se podívat na předchozí mikiny s podobným:
Hmotnost látky
Konstrukce
Cena
Cílový zákazník
Fit
Umístění barev
Tyto produkty mohou poskytnout užitečnější výchozí bod než prostý výběr libovolného množství.
Nové produkty obsahují více nejistoty než zavedené produkty.
Značka tedy může zvážit:
Menší počáteční výroba
Předobjednávky
Včasný zájem zákazníků
Historická výkonnost podobných produktů
Flexibilní doplňování
Kratší výrobní cykly, pokud jsou k dispozici
To může snížit riziko, že se zaváže příliš mnoho zásob, než se skutečná poptávka vyjasní.
Předvídání poptávky je jen polovinou problému.
Značka také potřebuje vědět, jak dlouho bude trvat výměna inventáře.
Předpokládejme, že značka očekává, že prodá 500 kusů měsíčně.
Pokud doplnění trvá dva týdny, má značka jeden problém se zásobami.
Pokud doplnění trvá čtyři měsíce, má značka úplně jiný problém.
Výzkum zdůrazňuje, že výrobní čas v továrně by neměl být považován za celou dobu realizace dodavatelského řetězce. Celková doba realizace může zahrnovat nákup materiálu, vzorkování a schvalování, hromadnou výrobu, přepravu, clo a příchozí zpracování.
Zjednodušený dodavatelský řetězec oděvů vypadá takto:
Obstarávání materiálu
↓
Odběr vzorků a schvalování
↓
Hromadná výroba
↓
Přeprava
↓
Celní a příchozí zpracování
↓
Dostupnost skladu
Značka by měla předpovídat potřeby zásob během celého tohoto období.
To je zvláště důležité pro zakázkové tkaniny a zakázkové barvy, kde příprava materiálu může výrazně zkrátit čas.
Prognóza je stále odhad.
Skutečná poptávka může být vyšší, než se očekávalo.
Výroba také může trvat déle, než bylo plánováno.
Bezpečnostní zásoba poskytuje ochranu proti těmto nejistotám.
Výzkum identifikuje dva hlavní zdroje rizika:
Variabilita poptávky
Variabilita dodací doby
Předpokládejme například, že značka očekává, že během doby potřebné k doplnění zásob prodá 1 000 kusů.
Pokud se náhle zvýší poptávka nebo dojde ke zpoždění výroby, 1000 kusů nemusí stačit.
Bezpečnostní pažba poskytuje dodatečnou ochranu.
Jednoduché pravidlo jako 'vždy produkujte 10 % navíc' se může zdát vhodné.
Různé produkty však mají různé úrovně rizika.
Stabilní černé tričko s předvídatelnou celoroční poptávkou může vyžadovat jiný nárazník než sezónní módní styl, jehož prodeje jsou vysoce nepředvídatelné.
Výzkum doporučuje používat různé předpovědní a bezpečnostní strategie zásob podle důležitosti výnosů a předvídatelnosti poptávky s použitím klasifikace ABC-XYZ.
Základní koncept je užitečný i bez provedení úplné statistické analýzy:
Produkty s vysokou hodnotou + předvídatelné: pečlivě chraňte dostupnost.
Vysoce hodnotné + nepředvídatelné produkty: pečlivě sledujte poptávku a rychle se přizpůsobte.
Produkty nízké hodnoty + nepředvídatelné produkty: vyhněte se vázání příliš velkého množství zásob.
To pomáhá značkám utrácet investice do zásob tam, kde je to nejdůležitější.
Jakmile značka zná svou očekávanou poptávku a bezpečnostní zásoby, může určit, kdy by měla být zadána další výrobní zakázka.
Toto je bod změny pořadí (ROP).
Koncepčně:
Bod pro objednání = očekávaná poptávka během dodací lhůty + bezpečnostní zásoby
Pokud například značka očekává, že během doby doplňování prodá 1 500 jednotek a chce dalších 300 jednotek jako bezpečnostní nárazník:
ROP = 1 800 jednotek
Když pozice dostupného inventáře dosáhne této úrovně, měla by značka zvážit zahájení další objednávky na doplnění.
Výzkum popisuje bod pro objednání jako práh zásob, který spouští novou nákupní objednávku, na základě očekávané poptávky po celou dobu realizace plus bezpečnostní zásoby.
Důležitým bodem je načasování.
Značka by neměla čekat, dokud zásoby nedosáhnou nuly, než se obrátí na svého výrobce, pokud výrobce potřebuje týdny nebo měsíce na doplnění produktu.
Vědět, že značka potřebuje 5 000 kusů, neříká továrně, kolik kusů od každé velikosti vyrobit.
Výrobní zakázka může vyžadovat:
XS: 350
S: 900
M: 1 900
L: 1 300
XL: 550
Přesný poměr závisí na zákaznické základně značky a historických prodejích.
Tomu se říká křivka velikosti.
Výzkum zde zdůrazňuje důležitý problém: hrubé prodejní poměry se mohou zkreslit, když se oblíbené velikosti brzy vyprodají.
Předpokládejme, že médium se opakovaně vyprodává.
Jeho historické prodeje mohou ve skutečnosti představovat počet kusů Medium, které se značce podařilo prodat, spíše než počet, který zákazníci požadovali.
Značka by proto měla analyzovat poptávku podle velikosti v obdobích, kdy byla každá velikost skutečně dostupná.
To je zvláště důležité u spodního prádla, protože velikost úzce souvisí se střihem, pohodlím a spokojeností zákazníka.
Prognóza výroby by proto měla odpovědět na dvě samostatné otázky:
Kolik kusů máme celkem vyrobit?
a
Jak by měly být tyto kusy rozděleny do různých velikostí?
Předpověď poptávky může vytvořit velmi velký požadavek na výrobu.
Značka ještě musí určit, zda si může dovolit vyrábět a držet tento inventář.
Zde vstupuje do procesu finanční plánování.
Výzkum popisuje Open-to-Buy (OTB) jako finanční omezení, které pomáhá sladit prognózy SKU zdola nahoru s výší výdajů na zásoby, které může podnik podporovat.
Pro menší oděvní značku lze koncept zjednodušit:
Předpokládejte zásoby, které potřebujete, a poté zkontrolujte, zda je vaše dostupná hotovost a rozpočet na zásoby mohou podporovat.
Pokud prognóza naznačuje objednání 20 000 kusů, ale podnik může bezpečně financovat pouze 12 000, značka musí upřednostnit.
Může se rozhodnout:
Chraňte základní produkty
Omezte pomalu se pohybující styly
Snižte barevnou hloubku
Spusťte méně SKU
Používejte menší počáteční objednávky
Odložte produkty s nižší prioritou
Naplánujte další výrobní běh později
Zde se prognózování stává spíše obchodním rozhodnutím než čistě matematickým cvičením.
Po přezkoumání poptávky, sezónnosti, dodací lhůty, bezpečnostních zásob, velikostních křivek a rozpočtu může značka určit svůj výrobní požadavek.
Zjednodušený pracovní postup je:
Historické prodeje
↓
Odstraňte zkreslení zásob
↓
Vytvořte základní poptávku
↓
Přizpůsobte sezónnosti a plánovaným akcím
↓
Zvažte dodací lhůtu výroby a expedice
↓
Přidejte vhodnou bezpečnostní zásobu
↓
Určete bod změny pořadí
↓
Použijte křivku velikosti
↓
Zkontrolujte rozpočet zásob
↓
Vystavit výrobní zakázku
Výzkum shrnuje podobný sedmikrokový plánovací protokol, počínaje neomezenou historickou poptávkou a konče uzamčenou nákupní objednávkou vystavenou výrobci.
Z pohledu výrobce se dobrá prognóza výroby nakonec musí stát jasnou objednávkou.
Továrna může obdržet:
Styl
Barva
Celkové množství
Rozdělení podle velikosti
Specifikace materiálu
Požadavky na balení
Termín dodání
Požadavky na přepravu
Požadavky na kvalitu
Kvalita těchto informací ovlivňuje plánování výroby.
Například výrobce může být schopen vyrobit 10 000 kusů stylu, ale plán výroby stále závisí na konkrétní velikosti a barevném členění, dostupnosti látky, střihu, termínu dodání a dalších požadavcích.
To je důvod, proč jsou prognózy a výroba úzce propojeny.
Plánování poptávky značky určuje, kolik a kdy chce prodat.
Plán výroby výrobce určuje, jak tento požadavek převést na fyzické oděvy.
Žádná předpověď není dokonalá.
Účelem prognózování je činit lepší rozhodnutí za nejistoty.
Pokud je skutečná poptávka vyšší, než se očekávalo, značka může zaznamenat:
Zásoby
Ztracené prodeje
Nouzová výroba
Zrychlené odeslání
Nespokojenost zákazníků
Pokud je poptávka nižší, než se očekávalo, může značka čelit:
Přebytečné zásoby
slevy
Markdown ztráty
Náklady na sklad
Hotovost vázaná v neprodaných produktech
Nejlepší prognostické systémy proto průběžně monitorují skutečné prodeje.
Předpověď by se měla změnit, jakmile budou k dispozici nové informace.
Například:
Prvotní prognóza → skutečný prodej → aktualizovaný odhad poptávky → revidovaný plán výroby
To je užitečné zejména u módních produktů s krátkou životností.
Představte si, že značka spodního prádla má základní styl, který se prodává po celý rok.
Historická data ukazují, že po započtení skladových zásob se produkt běžně prodává kolem 800 kusů měsíčně.
Značka očekává sezónní nárůst přibližně o 20 %.
To dává předpokládanou poptávku zhruba:
800 × 1,20 = 960 kusů za měsíc
Proces výroby a logistiky vyžaduje tři měsíce od zadání objednávky po dostupnost zásob.
Značka proto musí plánovat přibližně:
960 × 3 = 2 880 kusů
Poté přidá vhodnou bezpečnostní rezervu na základě svého rizika poptávky a nabídky.
Předpokládejme, že se značka rozhodne, že dalších 320 kusů poskytne vhodnou plánovací rezervu.
Potřeba zásob bude přibližně:
2 880 + 320 = 3 200 kusů
Posledním krokem je rozdělení těchto kusů podle očekávané křivky velikosti.
Toto je spíše zjednodušený příklad než univerzální vzorec. Skutečné předpovědi by měly zohledňovat změny v ceně, propagačních akcích, dostupnosti zásob, sezónnosti, variabilitě dodacích lhůt a životního cyklu produktu.
Důležitým bodem je pořadí:
Poptávka → prodejní doba → dodací lhůta → vyrovnávací rezerva rizika → rozložení velikosti → množství výroby
Značka nepotřebuje pokročilý systém prognózování AI ke zlepšení plánování výroby.
Může to začít lepší disciplínou v oblasti dat.
Zaznamenejte, když budou jednotlivé styly a velikosti nedostupné.
V opačném případě může být nízký prodej zaměněn za nízkou poptávku.
Zaznamenejte velké slevy a kampaně, aby se neobvyklé nárůsty prodejů automaticky nestaly novou základní linií.
Celkové prodejní číslo na úrovni stylu může skrýt důležité rozdíly mezi velikostmi.
Zaznamenejte, jak dlouho trvá skutečným objednávkám od nákupní objednávky do skladového příjmu.
Po každém prodejním období porovnejte předpokládanou poptávku se skutečnými výsledky.
Použijte podobné produkty a atributy jako reference, spíše než předstírat, že nový produkt má historická data.
Prognóza by se měla změnit, když nové informace změní očekávanou poptávku.
Jakmile je stanoveno výrobní množství, potřebuje výrobce jasnou objednávku.
U zakázkového oděvního projektu zahrnují užitečné informace:
Číslo stylu
Colorways
Celkové množství
Rozdělení podle velikosti
Specifikace tkaniny
Požadavky na ořez
Požadavky na balení
Standardy kvality
Cílový termín dodání
Místo určení
Jasná výrobní zakázka snižuje možnost nedorozumění mezi značkou a továrnou.
Umožňuje také výrobci efektivněji plánovat látku, střih, kapacitu šití a další výrobní zdroje.
Pro dlouhodobý vztah OEM mohou být užitečná i historická výrobní data.
Skutečné dodací lhůty výroby, spotřeba materiálu, problémy s kvalitou a množství objednávek, to vše může pomoci zlepšit budoucí plánování.
Neexistuje jediné číslo, které by mohlo zaručit správné výrobní množství.
Silná předpověď kombinuje několik informací.
Historické prodeje říkají značce, co se stalo.
Analýza zásob pomáhá odhalit poptávku, kterou údaje o prodeji možná minuly.
sezónnost a propagační akce . Neobvyklé změny vysvětlují
Dodací lhůta určuje, jak daleko dopředu je třeba naplánovat zásoby.
Bezpečnostní zásoby chrání před nejistotou.
Velikostní křivky mění celkovou poptávku v praktické rozdělení výroby.
Rozpočtové limity udržují plány zásob finančně realistické.
Společně tyto faktory vytvářejí mnohem silnější základ pro rozhodování o tom, kolik oděvů vyrobit.
U oděvních značek je často nejužitečnější posun od:
'Naposled jsme jich prodali mnoho, takže objednáme stejné množství.'
na:
'Kolik zákazníci skutečně požadovali, jak se tato poptávka změní a kolik zásob potřebujeme k pokrytí doby, než je budeme moci doplnit?'
Tato otázka vede k lepším výrobním rozhodnutím.
A pro výrobce OEM to vytváří jasnější spojení mezi poptávkou zákazníků a plánem fyzické výroby.
Dobré plánování výroby začíná ještě před nákupní objednávkou. Čím lepší je prognóza poptávky, tím větší je šance, že budou k dispozici správné produkty, velikosti a množství, když je zákazníci chtějí.
