**5 сервисов для прогноза спроса в food-рознице: кому они реально помогают**

**5 сервисов для прогноза спроса в food-рознице: кому они реально помогают**

Бренд-менеджеру food-стартапа рано или поздно нужно перестать гадать, сколько производить и куда везти. Особенно когда средний чек в e-com просел на 5-8%, ставка смещается на удержание (retention) и точное попадание в локальный спрос. Разберём пять инструментов прогнозирования спроса, которые встречаются в работе с food-розницей, HoReCa и D2C-брендами.

**Lokad — для среднего и крупного D2C**
Платформа с фокусом на вероятностное прогнозирование (probabilistic forecasting), а не на классические скользящие средние. Сильная сторона — честная работа с редкими товарами, длинным хвостом SKU и промо-канебализмом. Слабая сторона: требуется штатный data-аналитик или интегратор, без него сервис работает вполсилы.

**Blue Yonder (Luminate Demand Planning) — для сетей и производителей**
Тяжёлый enterprise-класс с машинным обучением, сценарным планированием и интеграцией в WMS/ERP. Сильная сторона — масштаб и зрелость: сети уровня «Пятёрочка» или крупные производители закрывают в нём весь цикл от закупки до распределения. Слабая сторона: бюджет проекта исчисляется десятками миллионов рублей, срок внедрения — месяцы. Стартапу на стадии seed это избыточно.

**Forecast.now — для малого и среднего бизнеса**
Российский облачный сервис, заточенный под компании без выделенной команды data science. Сильная сторона — быстрый старт, готовые коннекторы к 1С, МойСклад, Ozon и Wildberries, понятные дашборды для категорийного менеджера. Слабая сторона: при сильно нестабильном спросе (короткие жизненные циклы товара, частые запуски) качество прогноза ниже, чем у платформ с собственной ML-командой.

**Relex Solutions — для ритейла с акцентом на свежесть**
Финская платформа, в первую очередь известная работой с fresh-категорией (молочка, хлеб, зелень) и управлением потерями (shrink). Сильная сторона — прогноз на коротких горизонтах с учётом погоды, локальных событий и остатков срока годности. Слабая сторона: высокий ценник и требовательность к качеству исторических данных.

**Symcat / Forecast Pro (AFE Solutions) — для нишевых аналитиков**
Настольные и облачные пакеты статистического прогнозирования, популярные в академической среде и у консультантов. Сильная сторона — прозрачность моделей и гибкость настройки. Слабая сторона: не «коробочный» сервис, а скорее рабочий инструмент аналитика, без готовой интеграции с маркетплейсами.

**Как выбирать.** Отталкивайтесь от трёх параметров: объём истории продаж (от 1–2 лет), ширина ассортимента (длинный хвост SKU или короткое меню) и наличие data-команды. Если её нет и ассортимент до нескольких сотен позиций — берите облачный сервис с готовыми интеграциями. Если бренд уже вырос до сети и страдает от списаний — смотрите в сторону решений уровня enterprise, но только при готовности к длинному проекту внедрения.

— @FoodBevMarketingPro