Розроблення AI-системи прогнозування виручки (Revenue Forecasting)
Точність прогнозу виручки напряму впливає на якість бюджетування, розмір резервів і довіру інвесторів. Компанії з $50M+ ARR витрачають сотні годин на ручні Excel-моделі, які дають MAPE 15-25%. ML-система скорочує це до 5-10% при горизонті планування 3-6 місяців.
Джерела даних для прогнозу
Прогноз виручки — це не просто часовий ряд продажів. Додавання зовнішніх факторів зменшує помилку на 20-40%:
| Категорія даних | Приклади | Горизонт впливу |
|---|---|---|
| Історичні продажі | Місячна виручка за продуктами, регіонами | Базовий |
| CRM-дані | Обсяг pipeline, win rate, розмір угоди | 1-3 місяці |
| Макро-індикатори | ВВП, PMI, ставка ЦБ | 2-6 місяців |
| Веб-трафік | SEO-трафік, конверсія | 1-2 місяці |
| Сезонність | Свята, галузеві паттерни | Циклічно |
Вибір моделі
Немає універсального алгоритму для всіх типів бізнесу:
SaaS / підпискова модель:
- Основа: MRR/ARR когортний аналіз + модель churn rate
- Модель: LightGBM з CRM-фічами (вік pipeline, швидкість deal stage)
- Горизонт: 3-6 місяців, перекваліфікація щотижня
Транзакційний роздріб:
- Основа: Prophet із фіктивними змінними свят
- Додавання: LSTM для захоплення нелінійних паттернів попиту
- Горизонт: 1-3 місяці з декомпозицією по SKU/категоріям
B2B з довгим циклом угод:
- Основа: Аналіз виживання (Kaplan-Meier) для конверсії pipeline
- Нейромережа: Temporal Fusion Transformer для агрегованого прогнозу
- Горизонт: 6-12 місяців
Ансамблювання: Фінальний прогноз = зважене середнє кількох моделей. Ваги визначаються через rolling backtesting: модель, яка точніше передбачала останні 3 місяці, отримує більшу вагу.
Архітектура системи
Рівень даних:
ERP/CRM → ETL (Airbyte/dbt) → Data Warehouse (Snowflake/BigQuery)
Рівень моделей:
Feature Engineering → Model Training (MLflow) → Ensemble → Forecast API
Рівень презентації:
BI Dashboard (Metabase/Tableau) → Alert System → CFO Report Generator
Feature engineering ключові трансформації:
- Lag features: виручка t-1, t-3, t-6, t-12 місяців
- Rolling statistics: ковзне середнє, стандартне відхилення, EWMA
- Seasonal decomposition: тренд + сезонність + залишок (STL)
- Growth rate features: YoY, MoM, прискорення
Невизначеність та довірчі інтервали
Точковий прогноз без інтервалів — неповноцінний продукт для CFO. Система генерує:
- Quantile regression: p10, p25, p50, p75, p90 сценарії
- Conformal prediction: теоретично обґрунтовані інтервали покриття
- Monte Carlo simulation: 1000 траєкторій з зашумленими вхідними параметрами
Візуалізація: fan chart з трьома сценаріями (ведмідь/база/бик) та їх імовірностями.
Інтеграція з бізнес-процесами
Автоматичний звіт для CFO: кожен понеділок — PDF з оновленим прогнозом, variance analysis (план vs. факт), ключові драйвери змін за тиждень.
Алерти: відхилення фактичної виручки від прогнозу > 5% → Slack-сповіщення з поясненням причин (contribution analysis по фічам).
Інтеграція з бюджетною системою: Anaplan, Adaptive Insights API — автоматичне оновлення rolling forecast.
Метрики точності: MAPE < 8% на 3-місячному горизонті — досяжний benchmark для стабільного бізнесу. Для high-growth компаній орієнтир — Symmetric MAPE < 12%.
Строки: базова модель на історичних даних продажів — 3-4 тижні. Повна система з інтеграцією CRM, macro та автозвітами — 10-14 тижнів.