Zilele cu raftul gol nu înseamnă cerere zero: cum distorsionează rupturile de stoc prognoza unui lanț de magazine

Casa de marcat înregistrează ce s-a vândut, nu ce s-a cerut. Când iaurtul se termină la trei după-amiaza, înregistrarea zilei se oprește la cât era pe raft, iar clienții care au venit seara nu lasă nimic în urmă. Statisticienii numesc astfel de date cenzurate. Cea mai mare parte a aprovizionării din lanțurile de magazine se bazează pe ele, iar eroarea pe care o introduc nu rămâne pe loc.

1. Vânzările sunt cererea plafonată de stoc

Notează cererea zilei cu D și stocul disponibil cu I. Casa de marcat vede y = min(D, I): toată cererea într-o zi în care raftul rezistă și exact stocul într-o zi în care nu rezistă. Partea pierdută, D − y, nu este înregistrată niciodată. O medie a vânzărilor pe 28 de zile amestecă deci două tipuri de zile, iar zilele cu ruptură de stoc o trag în jos. La fel se întâmplă cu variabilitatea vânzărilor, celălalt element din calculul stocului de siguranță. Primul pas este să găsești aceste zile; ghidul despre rupturile de stoc arată cum le identifici în datele de vânzări și stocuri.

2. Cât ascunde o singură zi

Cea mai clară măsurătoare publică vine din FreshRetailNet-50K, un set de date publicat în 2025 de retailerul alimentar online chinez Dingdong: vânzările orare a 863 de produse perisabile în 898 de locații din 18 orașe, cu fiecare oră marcată atunci când produsul lipsea din stoc¹. Locațiile sunt mici depozite de produse proaspete care livrează în 30 de minute, pe care lucrarea le numește magazine. După reaprovizionarea de la 6 dimineața, rupturile de stoc au coborât sub 2%; de acolo au crescut constant până la 26% la ora 20.

Un produs care se epuizează după-amiaza are totuși vânzări în ziua respectivă, așa că un raport zilnic îl socotește ca fiind în stoc. Înregistrarea lui e mai mică exact cu cât s-ar fi vândut seara. Pe întregul set de date, recuperarea cererii ascunse a eliminat o subestimare sistematică de 7,37%¹. Un studiu din 2026 pe aceleași date a defalcat cenzurarea pe categorii²:

Tiparul este monoton: cu cât o categorie rămâne mai des fără stoc, cu atât greșește mai mult o prognoză antrenată pe vânzări și cu atât recuperează mai mult una care ține cont de cenzurare. Lactatele, cu termen de valabilitate lung și puține ore cu raftul gol, abia se mișcă.

3. Modelul învață raftul

Orice model căruia i se cere să reproducă vânzările va reproduce odată cu ele și plafonul. Yin, Zheng și Kong o spun direct: „Orice model antrenat să reproducă vânzările subestimează cererea cu aproximativ opt procente”². Când au ascuns o parte tot mai mare din orele de vârf, de la o zecime la jumătate, eroarea sistematică a unui model performant antrenat pe vânzări a crescut de la −4,2% la −21,1%. Modelul lor tratează o oră cu ruptură de stoc ca pe un prag minim, nu ca pe cererea reală: cererea a fost cel puțin cât s-a vândut. În simularea lor, comenzile făcute pe baza lui au redus risipa modelată de la 9,8% la 6,4%, în timp ce ponderea cererii servite a crescut de la 92,9% la 94,7%². Mai puțină risipă și disponibilitate mai bună în același timp: așa arată corectarea unei erori sistematice. Un model care doar ar fi comandat mai mult ar fi câștigat la una și ar fi pierdut la cealaltă.

4. Spirala

În timp, eroarea crește, pentru că prognoza stabilește următoarea comandă, iar comanda stabilește următoarea înregistrare:

Pedregal, Trapero și Holgado de Frutos au testat acest mecanism pe seria unui produs din setul de date M5 cu vânzări Walmart, cenzurând-o la stocul pe care l-ar fi avut o politică de comandă³. Cu o țintă de 70%, o prognoză standard prin netezire exponențială a urmărit cererea timp de cinci săptămâni, până la primele rupturi de stoc; după o săptămână proastă, „ETS nu își mai revine niciodată după acea prognoză proastă”, pentru că fiecare comandă prea mică producea următoarea înregistrare prea mică. Varianta lor Tobit, care citește o zi cu stocul epuizat ca pe o limită inferioară, și-a păstrat cursul. La o țintă de 80% din ciclurile de comandă fără ruptură de stoc:

Și oamenii fac la fel. Într-un lanț de supermarketuri premium în care managerii de magazin puteau modifica propunerile de comandă ale sistemului pentru produsele perisabile, un studiu din 2026 a constatat că, după o ruptură de stoc, managerii reduceau mai des propunerea, ca și cum raftul gol ar fi arătat că produsul se vinde mai puțin, iar aceste reduceri făceau următoarea ruptură de stoc mai probabilă⁴. Blocarea modificărilor în minus făcute după o ruptură de stoc a redus astfel de rupturi autoprovocate, cu un cost rezonabil în stocuri⁴.

5. Când marcajul însuși e greșit

Ca să vezi un raft gol în date, depinzi de stocul scriptic, iar acesta poate greși exact în direcția care îl ascunde. Când sistemul arată unități pe care raftul nu le are, vânzările se opresc, nu se declanșează nicio comandă, iar ziua arată ca o zi fără cerere, nu ca o ruptură de stoc. Într-un studiu pe aproximativ 24.000 de produse din 11 magazine ale unui mare retailer alimentar european, un inventar complet a crescut vânzările la nivelul întregului magazin cu 11%, iar toată această creștere a venit din produsele al căror stoc scriptic arătase mai mult decât era pe raft⁵. La aceste produse, efectul a fost de 2,67 ori media magazinului. Cenzurarea și erorile de stoc scriptic sunt aceeași problemă văzută din două părți: amândouă transformă stocul care lipsește în cerere care pare să lipsească.

6. Ce faci cu zilele cu raftul gol

1. Marchează fiecare zi magazin-produs încheiată fără stoc și fiecare serie de vânzări zero în care stocul scriptic încă arată marfă.
2. Exclude zilele marcate din media și variabilitatea vânzărilor sau tratează-le ca prag minim, așa cum fac Tobit și modelele similare. Niciodată ca pe o zi cu cerere zero sau mică.
3. La produsele proaspete, păstrează ora la care s-a golit raftul. O zi în care stocul s-a terminat la 14:00 a pierdut mult mai mult decât una în care s-a terminat la 20:00.
4. Nu reduce o comandă pentru că vânzările de săptămâna trecută au fost mici, dacă raftul a stat gol o parte din timp.
5. Inventariază produsele care apar cu stoc, dar nu se mai vând, ca să te poți baza pe marcaje.

Media corectată intră apoi, ca de obicei, în calculul punctului de reaprovizionare și al stocului de siguranță.

7. Limite

FreshRetailNet-50K provine din locațiile de livrare ale unui retailer alimentar online din China, nu din magazine fizice, iar lucrarea este un preprint. Tabelul pe categorii și cifrele despre risipă provin din simulări pe aceste date, cu cererea reconstruită pe baza unor ipoteze. Cifrele despre spirală vin din preprintul lucrării publicate și se bazează pe o singură serie de produs. Studiul despre manageri este citat după rezumat, iar studiul despre inventar vine de la un singur retailer. Niciunul nu măsoară direct vânzările pierdute ale unui lanț de magazine european, lucru pe care nicio casă de marcat nu îl poate face.

Cum tratează marql aceste zile

În Retail-Bench, simularea deschisă construită de marql pentru a testa politici de aprovizionare, fiecare estimator citește o zi încheiată cu raftul gol la nivelul zilelor care nu s-au încheiat așa, fie că e formula din manuale, regula aplicată manual sau motorul marql⁶. Simularea cunoaște cererea reală din spatele fiecărei vânzări, așa că poate măsura cât costă rafturile goale, lucru pe care un lanț real îl poate doar estima.