Ритейл: сезонное планирование ассортимента

Ситуация: Списания сезонного товара — 8% от закупочной стоимости. Упущенные продажи от OOS в пик сезона — 12% потенциальной выручки.

Fashion-ритейлер с 150 магазинами. Сезонные коллекции закупаются за 4–6 месяцев. Ошибка прогноза спроса на новые SKU — 35%. Старые коллекции уценяются на 30–70%.

Доступные данные

• seasonal_products: sku_id, collection, season, category, planned_qty, actual_sold, final_markdown_pct
• sales_curves: sku_id, week_from_launch, quantity, full_price_qty, marked_down_qty
• weather_impact: region, week, temperature_deviation, rain_days, sales_index
• trends: category, season, trend_score, social_media_mentions, competitor_activity
• store_allocation: sku_id, store_id, allocated_qty, sold_qty, returned_qty, transferred_qty

Задачи

• Построить модель прогнозирования спроса на сезонные товары с ранними сигналами.
• Определить оптимальный timing для markdown (когда начинать скидки).
• Рассчитать модель store allocation: какому магазину сколько единиц.
• Предложить open-to-buy framework с автоматическими reorder points.
• Оценить impact fast replenishment vs. initial deep allocation.

Все кейсы для подготовки → ← Все кейсы