Zobrazenia: 0 Autor: Editor stránok Čas zverejnenia: 2026-09-10 Pôvod: stránky
Rozhodnutie o tom, koľko odevov vyrobiť, je jedným z najdôležitejších rozhodnutí odevnej značky.
Objednajte si príliš málo a obľúbené produkty sa môžu vypredať skôr, ako príde ďalšia zásielka. Objednajte si príliš veľa a značke môže zostať nadmerný inventár, zníženia a peniaze viazané na nepredané produkty.
Z tohto dôvodu by množstvo výroby malo vychádzať z tržieb z minulého roka alebo z intuície kupujúceho.
Praktický proces prognózovania oblečenia sa zameriava na skutočný dopyt, dostupnosť zásob, sezónnosť, propagačné akcie, dodaciu dobu, bezpečnostné zásoby, distribúciu veľkosti a dostupný rozpočet.
Cieľom je odhadnúť, koľko zákazníci pravdepodobne kúpia počas obdobia, keď bude k dispozícii nový inventár, a potom určiť, koľko inventára značka potrebuje na podporu tohto dopytu.
Pre výrobcu oblečenia OEM sa z tejto prognózy nakoniec stane výrobná zákazka rozdelená podľa štýlu, farby a veľkosti.
Na prvý pohľad vyzerá prognóza jednoducho.
Ak značka minulý rok predala 1 000 kusov štýlu, tento rok by si možno objednala ďalších 1 000 kusov.
Problémom je, že historické tržby nie vždy predstavujú skutočný dopyt zákazníkov.
Predstavte si, že sa tričko predáva 100 kusov za týždeň. Po štyroch týždňoch sa veľkosť Medium vypredá. Zákazníci naďalej hľadajú médium Medium, no značka nedokáže predať to, čo už nemá.
Záznam o predaji by mohol ukázať, že dopyt po štvrtom týždni klesol.
V skutočnosti sa produkt stal nedostupným.
Dodaný výskum to popisuje ako cenzúru dopytu . Keď produkt nie je na sklade, pozorovaný predaj môže klesnúť na nulu, aj keď si ho zákazníci stále chcú kúpiť. Priame používanie týchto hrubých čísel môže spôsobiť, že podceníte budúce množstvá výroby.
To vytvára nebezpečný cyklus:
Obľúbený produkt → vypredané → údaje o predaji sa zdajú slabšie → ďalšia objednávka je príliš malá → produkt sa opäť vypredá
Medzitým môžu pomaly sa pohybujúce produkty zostať na sklade a naďalej generovať údaje o predaji.
Dobrá prognóza preto začína otázkou:
Čo vlastne chceli zákazníci kúpiť, keď bol produkt dostupný?
Prvým krokom je zhromaždiť historické údaje o predaji pre predpovedaný štýl, farbu a veľkosť.
Užitočné informácie môžu zahŕňať:
Predané jednotky
Predaj dátumov
Inventár k dispozícii
Obdobia zásob
Zmeny cien
Propagácie
Uvedenie produktu na trh
Sezónne obdobia
Predaj podľa veľkosti
Predaj podľa kanála
Čím sú údaje podrobnejšie, tým užitočnejšia môže byť predpoveď.
Značka s niekoľkoročnou históriou predaja dokáže ľahšie identifikovať opakujúce sa vzorce ako značka s údajmi len za niekoľko mesiacov.
Viac údajov však automaticky neznamená lepšiu prognózu.
Údaje je potrebné správne interpretovať.
Predpokladajme, že značka mala 30-dňové obdobie predaja.
Produkt bol dostupný 20 dní a predalo sa ho 400 kusov.
Ak značka jednoducho vypočíta:
400 ÷ 30 = 13,3 kusov za deň
predpokladá sa, že výrobok sa mohol predávať za túto cenu počas celého obdobia.
Ak však bol produkt nedostupný 10 dní, pozorovaná miera predaja počas dostupného obdobia bola:
400 ÷ 20 = 20 kusov za deň dostupnosti
Druhý údaj môže poskytnúť lepší východiskový bod pre odhad dopytu.
Výskum odporúča vypočítať skutočnú mieru predaja s použitím obdobia, kedy bol SKU skutočne dostupný, a nie považovať obdobia vypredania zásob za nulový dopyt.
Tento proces sa často nazýva neobmedzovanie dopytu.
Základná myšlienka je jasná:
Ak si zákazníci nemohli produkt kúpiť, tieto dni by sa nemali automaticky interpretovať ako dni, keď si ho zákazníci neželali.
Po vyčistení historických predajov značka potrebuje základnú prognózu.
Základná línia je odhad normálneho dopytu pred pridaním špeciálnych udalostí, ako sú veľké propagačné akcie alebo nezvyčajné nárasty.
Rôzne produkty môžu vyžadovať rôzne metódy prognózovania.
Pre základný produkt s relatívne stabilným dopytom môže kĺzavý priemer poskytnúť užitočný východiskový bod.
Napríklad základné čierne tričko, ktoré sa predáva konzistentne počas celého roka, nemusí vyžadovať prepracovaný systém predpovedí.
Značka môže preskúmať nedávny predaj a vytvoriť reprezentatívny priemer.
Ak predaj neustále rastie alebo klesá, prognóza by mala tento trend zohľadňovať.
Napríklad, ak základný štýl spodnej bielizne neustále rastie počas niekoľkých sezón, jednoduché použitie starého priemeru by mohlo podhodnotiť budúci dopyt.
Pre tento typ situácie môžu byť užitočné modely lineárnych trendov.
Niektoré produkty sa riadia predvídateľnými sezónnymi vzormi.
Plavky, zimná bielizeň, termooblečenie a ďalšie sezónne produkty môžu mať počas roka veľmi odlišné modely predaja.
V prognóze je preto potrebné rozlišovať medzi:
Normálny rast alebo pokles
a
Opakujúci sa sezónny dopyt
Výskum identifikuje modely exponenciálneho vyhladzovania a ETS ako užitočné prognostické prístupy, pretože môžu zodpovedať za chybu, trend a sezónnosť.
Pre väčšinu menších značiek je pochopenie princípu dôležitejšie ako výber zložitého prognostického algoritmu.
Veľký výpredaj môže spôsobiť, že sa produkt bude javiť oveľa populárnejší, než je normálne.
Predstavte si, že značka zvyčajne predáva 100 kusov štýlu za týždeň.
Počas 30% zľavovej akcie predáva 250 kusov.
Použitie 250 ako nového normálu by vytvorilo veľmi agresívnu prognózu produkcie.
Rovnaký problém sa môže vyskytnúť pri:
Bleskový predaj
Influencer kampane
Hlavné reklamné kampane
Sviatočné akcie
Uvedenie nových produktov
Dočasné zníženie cien
Výskum odporúča oddeliť propagačný nárast od základného dopytu a potom v prípade potreby pridať plánované propagačné efekty späť do budúcej prognózy.
Napríklad:
Normálny dopyt: 100 jednotiek/týždeň
Očakávaný nárast propagácie: +40 %
Predpoveď počas propagácie: približne 140 jednotiek/týždeň
Presný nárast by mal vychádzať z vlastných historických údajov značky, kedykoľvek je to možné.
Dopyt po oblečení úzko súvisí s ročným obdobím.
Dopyt zákazníkov sa môže meniť z dôvodu:
Teplota
Klíma
Prázdniny
Obdobia návratu do školy
Cestovné sezóny
Propagačné kalendáre
Módne sezóny
Značka by preto mala pri vytváraní prognózy porovnávať podobné obdobia.
Napríklad použitie decembrových predajov na predpovedanie júlového dopytu po sezónnom produkte by mohlo priniesť veľmi zavádzajúci výsledok.
Značka by sa mala opýtať:
Čo sa tento produkt alebo podobné produkty predávali počas rovnakej sezóny v predchádzajúcich rokoch?
Sezónnosť sa stáva obzvlášť dôležitou, keď sú výrobné časy dlhé.
Ak továreň potrebuje niekoľko mesiacov na výrobu a odoslanie zákazkovej objednávky, značka musí predpovedať dopyt ešte pred začiatkom skutočnej predajnej sezóny.
Nový štýl vytvára problém s prognózami, pretože neexistuje žiadna história priamych predajov.
Značka nemôže vypočítať minuloročné tržby za produkt, ktorý minulý rok neexistoval.
Výskum odporúča používať klastrovanie založené na atribútoch a mapovanie podobných položiek . pre nové produkty Namiesto hádania čísla z ničoho môžu plánovači porovnať nový produkt s existujúcimi produktmi, ktoré majú spoločné dôležité vlastnosti.
Relevantné atribúty môžu zahŕňať:
Kategória produktu
Silueta
Konštrukcia tkaniny
Hmotnosť látky
Cena
Cieľová marža
Farba
Zložitosť vzoru
Predpokladajme napríklad, že značka uvádza na trh novú 280 GSM mikinu s kapucňou French Terry.
Môže sa pozrieť na predchádzajúce mikiny s podobným:
Hmotnosť látky
Stavebníctvo
Cena
Cieľový zákazník
Fit
Umiestnenie farieb
Tieto produkty môžu poskytnúť užitočnejší východiskový bod ako jednoduchý výber ľubovoľného množstva.
Nové produkty obsahujú viac neistoty ako zavedené produkty.
Značka teda môže zvážiť:
Menšia počiatočná výroba
Predobjednávky
Skorý záujem zákazníkov
Historická výkonnosť podobných produktov
Flexibilné dopĺňanie
Kratšie výrobné cykly, ak sú k dispozícii
To môže znížiť riziko viazania príliš veľkého množstva zásob skôr, než sa vyjasní skutočný dopyt.
Predpovedanie dopytu je len polovica problému.
Značka tiež potrebuje vedieť, ako dlho bude trvať výmena inventára.
Predpokladajme, že značka očakáva predaj 500 kusov za mesiac.
Ak doplnenie trvá dva týždne, značka má jeden problém so zásobami.
Ak doplnenie trvá štyri mesiace, značka má úplne iný problém.
Výskum zdôrazňuje, že výrobný čas vo výrobnom závode by sa nemal považovať za celý dodací čas dodávateľského reťazca. Celková doba prípravy môže zahŕňať obstarávanie materiálu, odber vzoriek a schvaľovanie, hromadnú výrobu, prepravu, colné poplatky a prichádzajúce spracovanie.
Zjednodušený dodávateľský reťazec odevov vyzerá takto:
Obstarávanie materiálu
↓
Odber vzoriek a schvaľovanie
↓
Hromadná výroba
↓
Doprava
↓
Colné a prichádzajúce spracovanie
↓
Dostupnosť skladu
Značka by mala predpovedať potreby zásob počas celého tohto obdobia.
Toto je obzvlášť dôležité pre vlastné tkaniny a vlastné farby, kde príprava materiálu môže výrazne predĺžiť čas.
Prognóza je stále odhad.
Skutočný dopyt môže byť vyšší, ako sa očakávalo.
Výroba môže trvať aj dlhšie, ako sa plánovalo.
Bezpečnostná zásoba poskytuje ochranu proti týmto neistotám.
Výskum identifikuje dva hlavné zdroje rizika:
Variabilita dopytu
Variabilita dodacej doby
Predpokladajme napríklad, že značka očakáva, že predá 1 000 kusov v priebehu času potrebného na doplnenie zásob.
Ak sa náhle zvýši dopyt alebo sa výroba oneskorí, 1 000 kusov nemusí stačiť.
Bezpečnostná pažba poskytuje dodatočnú ochranu.
Jednoduché pravidlo ako „vždy produkujte 10 % navyše“ sa môže zdať pohodlné.
Rôzne produkty však majú rôzne úrovne rizika.
Stabilné čierne tričko s predvídateľným celoročným dopytom môže vyžadovať iný nárazník ako sezónny módny štýl, ktorého predaje sú veľmi nepredvídateľné.
Výskum odporúča použiť rôzne stratégie predpovedania a bezpečnostných zásob podľa dôležitosti výnosov a predvídateľnosti dopytu s použitím klasifikácie ABC-XYZ.
Základný koncept je užitočný aj bez vykonania úplnej štatistickej analýzy:
Produkty s vysokou hodnotou + predvídateľné: starostlivo chráňte dostupnosť.
Produkty s vysokou hodnotou + nepredvídateľné: pozorne sledujte dopyt a rýchlo sa prispôsobujte.
Produkty s nízkou hodnotou + nepredvídateľné: vyhnite sa viazaniu príliš veľkého množstva zásob.
To pomáha značkám míňať investície do zásob tam, kde je to najdôležitejšie.
Keď značka pozná svoj očakávaný dopyt a bezpečnostné zásoby, môže určiť, kedy by mala byť zadaná ďalšia výrobná zákazka.
Toto je bod zmeny poradia (ROP).
Koncepčne:
Bod doobjednania = očakávaný dopyt počas dodacej lehoty + bezpečnostné zásoby
Napríklad, ak značka očakáva predaj 1 500 jednotiek počas doby prípravy na doplnenie a chce ďalších 300 jednotiek ako bezpečnostnú rezervu:
ROP = 1 800 jednotiek
Keď dostupná pozícia inventára dosiahne túto úroveň, značka by mala zvážiť začatie ďalšej objednávky na doplnenie.
Prieskum popisuje bod opätovného objednania ako hranicu zásob, ktorá spúšťa novú nákupnú objednávku na základe očakávaného dopytu počas celej doby dodania plus bezpečnostné zásoby.
Dôležitým bodom je načasovanie.
Značka by nemala čakať, kým zásoby nedosiahnu nulu, a potom kontaktovať svojho výrobcu, ak výrobca potrebuje týždne alebo mesiace na doplnenie produktu.
Vedieť, že značka potrebuje 5000 kusov, nehovorí továrni, koľko kusov z každej veľkosti vyrobiť.
Výrobná zákazka môže byť:
XS: 350
S: 900
M: 1 900
L: 1 300
XL: 550
Presný pomer závisí od zákazníckej základne značky a historických predajov.
Toto sa nazýva krivka veľkosti.
Prieskum tu poukazuje na dôležitý problém: surové predajné pomery sa môžu skresliť, keď sa obľúbené veľkosti predčasne vypredajú.
Predpokladajme, že médium sa opakovane vypredá.
Jeho historické predaje môžu v skutočnosti predstavovať počet jednotiek Medium, ktoré sa značke podarilo predať, a nie počet, ktorý si zákazníci želali.
Značka by preto mala analyzovať dopyt podľa veľkosti počas období, keď bola každá veľkosť skutočne dostupná.
Toto je obzvlášť dôležité pri spodnej bielizni, pretože veľkosť úzko súvisí so strihom, pohodlím a spokojnosťou zákazníka.
Prognóza výroby by preto mala zodpovedať dve samostatné otázky:
Koľko kusov by sme mali celkovo vyrobiť?
a
Ako by mali byť tieto kusy rozdelené medzi veľkosti?
Predpoveď dopytu môže spôsobiť veľmi veľkú požiadavku na výrobu.
Značka ešte musí určiť, či si môže dovoliť vyrábať a držať tento inventár.
Tu vstupuje do procesu finančné plánovanie.
Výskum popisuje Open-to-Buy (OTB) ako finančné obmedzenie, ktoré pomáha zosúladiť prognózy SKU zdola nahor s objemom výdavkov na zásoby, ktoré môže podnik podporiť.
Pre menšiu značku oblečenia možno koncept zjednodušiť:
Predpovedajte zásoby, ktoré potrebujete, a potom skontrolujte, či to vaša dostupná hotovosť a rozpočet na zásoby dokážu podporiť.
Ak prognóza naznačuje objednanie 20 000 kusov, ale podnik môže bezpečne financovať iba 12 000, značka musí uprednostniť.
Môže sa rozhodnúť:
Chráňte základné produkty
Obmedzte pomaly sa pohybujúce štýly
Znížte farebnú hĺbku
Spustite menej SKU
Použite menšie počiatočné objednávky
Odložte produkty s nižšou prioritou
Naplánujte si ďalšiu výrobu neskôr
Tu sa prognózovanie stáva skôr obchodným rozhodnutím než čisto matematickým cvičením.
Po preskúmaní dopytu, sezónnosti, dodacej lehoty, bezpečnostných zásob, veľkostných kriviek a rozpočtu môže značka určiť svoje výrobné požiadavky.
Zjednodušený pracovný postup je:
Historický predaj
↓
Odstráňte deformáciu zásob
↓
Vytvorte základný dopyt
↓
Upravte sezónnosť a plánované akcie
↓
Zvážte dodaciu dobu výroby a prepravy
↓
Pridajte vhodnú bezpečnostnú zásobu
↓
Určite bod zmeny poradia
↓
Použiť krivku veľkosti
↓
Skontrolujte rozpočet zásob
↓
Vydanie výrobnej zákazky
Výskum sumarizuje podobný sedemkrokový plánovací protokol, počnúc neobmedzeným historickým dopytom a končiac uzamknutou nákupnou objednávkou vydanou výrobcovi.
Z pohľadu výrobcu sa dobrá prognóza výroby nakoniec musí stať jasnou objednávkou.
Továreň môže získať:
štýl
Farba
Celkové množstvo
Rozdelenie podľa veľkosti
Špecifikácia materiálu
Požiadavky na balenie
Termín dodania
Požiadavky na prepravu
Požiadavky na kvalitu
Kvalita týchto informácií ovplyvňuje plánovanie výroby.
Napríklad výrobca môže byť schopný vyrobiť 10 000 kusov štýlu, ale plán výroby stále závisí od konkrétnej veľkosti a farebného členenia, dostupnosti látky, strihov, termínu dodania a ďalších požiadaviek.
To je dôvod, prečo sú prognózovanie a výroba úzko prepojené.
Plánovanie dopytu značky určuje, koľko a kedy chce predať.
Plán výroby výrobcu určuje, ako premeniť túto požiadavku na fyzické odevy.
Žiadna predpoveď nie je dokonalá.
Účelom prognózovania je robiť lepšie rozhodnutia v neistote.
Ak je skutočný dopyt vyšší, ako sa očakávalo, značka môže zažiť:
Zásoby
Stratený predaj
Núdzová výroba
Zrýchlená preprava
Nespokojnosť zákazníkov
Ak je dopyt nižší, ako sa očakávalo, značka môže čeliť:
Nadbytočné zásoby
zľavy
Straty zn
Náklady na sklad
Hotovosť viazaná v nepredaných produktoch
Najlepšie predpovedné systémy preto nepretržite monitorujú skutočný predaj.
Predpoveď by sa mala zmeniť, keď budú k dispozícii nové informácie.
Napríklad:
Počiatočná prognóza → skutočný predaj → aktualizovaný odhad dopytu → upravený plán výroby
To je užitočné najmä pre módne produkty s krátkym životným cyklom.
Predstavte si, že značka spodnej bielizne má základný štýl, ktorý sa predáva počas celého roka.
Z historických údajov vyplýva, že po započítaní skladových zásob sa produkt bežne predáva okolo 800 kusov mesačne.
Značka počíta so sezónnym nárastom približne o 20 %.
To dáva predpokladaný dopyt približne:
800 × 1,20 = 960 kusov mesačne
Výrobný a logistický proces trvá tri mesiace od zadania objednávky po dostupnosť zásob.
Značka preto musí naplánovať približne:
960 × 3 = 2 880 kusov
Potom pridá vhodnú bezpečnostnú rezervu na základe rizika dopytu a ponuky.
Predpokladajme, že sa značka rozhodne, že ďalších 320 kusov poskytne vhodnú plánovaciu rezervu.
Potreba zásob je približne:
2 880 + 320 = 3 200 kusov
Posledným krokom je rozdelenie týchto kusov podľa očakávanej krivky veľkosti.
Toto je skôr zjednodušený príklad ako univerzálny vzorec. Skutočné prognózy by mali brať do úvahy zmeny v cene, propagačných akciách, dostupnosti zásob, sezónnosti, variabilite času prípravy a životného cyklu produktu.
Dôležitým bodom je postupnosť:
Dopyt → doba predaja → dodacia lehota → nárazník na riziko → rozdelenie veľkosti → množstvo produkcie
Značka nepotrebuje pokročilý systém predpovedí AI na zlepšenie plánovania výroby.
Môže to začať lepšou dátovou disciplínou.
Zaznamenajte, keď budú jednotlivé štýly a veľkosti nedostupné.
V opačnom prípade môže byť nízky predaj zamenený za nízky dopyt.
Zaznamenajte veľké zľavy a kampane, aby sa nezvyčajné nárasty predaja automaticky nestali novým základom.
Celkové predajné číslo na úrovni štýlu môže skrývať dôležité rozdiely medzi veľkosťami.
Zaznamenajte, ako dlho trvá skutočným objednávkam od objednávky po skladový príjem.
Po každom predajnom období porovnajte predpokladaný dopyt so skutočnými výsledkami.
Namiesto toho, aby ste predstierali, že nový produkt má historické údaje, použite podobné produkty a atribúty ako referencie.
Prognóza by sa mala zmeniť, keď nové informácie zmenia očakávaný dopyt.
Po určení množstva výroby potrebuje výrobca jasnú objednávku.
Pre projekt oblečenia na mieru zahŕňajú užitočné informácie:
Číslo štýlu
Colorways
Celkové množstvo
Rozdelenie podľa veľkosti
Špecifikácia tkaniny
Požiadavky na orezanie
Požiadavky na balenie
Normy kvality
Cieľový dátum doručenia
Miesto určenia zásielky
Jasná výrobná objednávka znižuje možnosť nedorozumení medzi značkou a továrňou.
Umožňuje tiež výrobcovi efektívnejšie plánovať látku, rezanie, šijaciu kapacitu a ďalšie výrobné zdroje.
Pre dlhodobý vzťah OEM môžu byť užitočné aj historické údaje o výrobe.
Skutočné výrobné časy, spotreba materiálu, problémy s kvalitou a množstvo objednávok môžu pomôcť zlepšiť budúce plánovanie.
Neexistuje jediné číslo, ktoré by zaručilo správne množstvo výroby.
Silná predpoveď v sebe spája viacero informácií.
Historické predaje hovoria značke, čo sa stalo.
Analýza zásob pomáha odhaliť dopyt, ktorý údaje o predaji mohli premeškať.
Sezónnosť a propagačné akcie vysvetľujú nezvyčajné zmeny.
Dodacia lehota určuje, ako ďaleko dopredu je potrebné naplánovať zásoby.
Bezpečnostná zásoba chráni pred neistotou.
Veľkostné krivky premieňajú celkový dopyt na praktické rozdelenie výroby.
Rozpočtové limity udržujú plány zásob finančne realistické.
Tieto faktory spolu vytvárajú oveľa silnejší základ pre rozhodovanie o tom, koľko odevov sa má vyrobiť.
Pre odevné značky je najužitočnejším posunom často prechod z:
'Naposledy sme ich predali veľa, takže objednajte rovnaké množstvo.'
komu:
'Koľko zákazníci skutočne požadovali, ako sa tento dopyt zmení a koľko zásob potrebujeme na pokrytie času, kým ich budeme môcť doplniť?'
Táto otázka vedie k lepším výrobným rozhodnutiam.
A pre výrobcu OEM to vytvára jasnejšie prepojenie medzi dopytom zákazníkov a plánom fyzickej výroby.
Dobré plánovanie výroby začína ešte pred objednávkou. Čím lepšia je prognóza dopytu, tým väčšia je šanca, že zákazníci budú mať k dispozícii správne produkty, veľkosti a množstvá.
