2 Anatoly выдернул Ваш ответ с другой темы.
)))) Смешно :D , я думал Вы решение проблемы ищите, а Вы ищите недостатки в предлагаемых оппонентами методах.
Я тоже могу сказать, что то, что предложил Андрей не всегда будет хорошо работать в реальных условиях,
Экспоненциальное сглаживание работает, я это показывал в примере1, лучше работает не на продолжительном дефиците.
В этом случае придется делать несколько итераций, но ряд можно восстановить, просто он сильно сглаженный будет, не учитывающий сезонность в продажах, получится примерно то же самое, что и в методе, который предложил Андрей.
Зачем заморачиваться, если можно среднее за предыдущие периоды взять, если коэффициент вариации маленький, вероятность ошибки не превзойдет коэффициент вариации.
Нет методов, которые подходят под любые ситуации, это надо понимать.
Вы то, конкретно что предлагаете? Или лучше сидеть дуть щеки и говорить, фу не работает, фу не автоматизируется. :D
2Андрей
На самом деле такие алгоритмы есть. Алгоритмы нахождения сезонности я думаю Вы легко можете найти в литературе.
Теперь что касается отнесения к пикам или нет. Существует простой, но эффективный алгоритм. Находится коэффициент вариации по историческим данным до возникновения дефицита (Вы же отслеживаете остаток, поэтому точно знаете когда возник дефицит), это эталонный коэффициент отклонения, теперь для каждого следующего значения находит отклонение от среднего, если он превышает эталонное, то с большой вероятностью, если при этом если существует дефицит, это не стандартное значение. И если сезонность найдена, тогда применяем сезонную декомпозицию для восстановления ряда продаж.
Согласен в опте ряд ведет себя не таким образом, но скорость продаж в рознице-то при этом имеет эту сезонность, поэтому и оптовые поставки могут быть привязаны к некой сезонности. Полной уверенности нет, но если не сложно покажите как себя ведет статистика продаж в опте, возможно и там будет видна некая сезонность.