Пн – Вс: 8–21 по НСК

📞+7 383 380-81-89
Telegram Макс
Записаться на демо
ГлавнаяAI-решения для бизнесаСценарии применения ИИПрогноз сезонного спроса в аптечной сети

Прогноз сезонного спроса в аптечной сети

Считает, сколько сезонного препарата и когда заказать по каждой аптеке отдельно, чтобы не остаться без товара в пик и не списывать остатки после него.

Что это даёт бизнесу

Аптека теряет деньги дважды: когда препарата нет и покупатель уходит в соседнюю, и когда закупили лишнего, а сезон прошёл. Обе потери случаются из-за одного — закупку планируют по прошлому году, а болеть люди начинают не по календарю.

  • Сезон сдвигается каждый год. Подъём спроса на противовирусные фиксируется дважды в год — в сентябре и декабре, но даты плавают. В ноябре 2025 продажи этой группы были на 5% ниже прошлогодних и на 19% ниже начала октября — сезон пришёл позже обычного («Коммерсантъ», ноябрь 2025).
  • Отраслевой совет сейчас — закладывать запас «на глаз». Профильные издания рекомендуют аптечным сетям закладывать в бюджет колебания на 20–30% больше обычного объёма. Это работает, но за этот запас платит сеть («Фармвестник»).
  • Что даёт расчёт вместо запаса. По оценке McKinsey, прогноз на моделях снижает ошибку планирования на 30–50% против обычных методов. Меньше ошибка — меньше и замороженных денег на складе, и упущенных продаж.
  • Считается это в рублях на вашей полке. Берём вашу историю продаж по конкретным точкам и считаем, сколько стоила прошлогодняя ошибка: сколько препарата списали и сколько дней позиции не было в наличии. Это и есть размер задачи.

Источники: «Коммерсантъ», ноябрь 2025, «Фармвестник».

Какую проблему решает

Заведующая аптекой заказывает по опыту: «в прошлом году в это время брали столько». Но в прошлом году сезон начался на две недели раньше, а в этом городе он вообще идёт иначе, чем в соседнем.

Когда сезон приходит, оказывается поздно. Пока заявка дойдёт до поставщика и товар приедет, пик уже прошёл. Покупатель за это время сходил в другую аптеку и, скорее всего, туда же вернётся в следующий раз.

Как это работает

1Берём вашу историю продажпо каждой точке и каждой позиции, а не всреднем по сети2Добавляем внешние признакисезонность, погода, обезличенная статистиказаболеваемости3Считаем прогноз на 2–6 недельотдельно для каждого города и каждой аптеки4Превращаем в заявкусколько и когда заказать, чтобы хватило и неосталось5Сверяем прогноз с фактомкаждую неделю, и расчёт подстраивается подвашу сеть
Как считается прогноз по каждой точке

Пятый шаг здесь главный. Прогноз, который никто не сверяет с фактом, через полгода превращается в красивый отчёт, которому не верят. Мы показываем ошибку прогноза открыто — по ней и видно, работает решение или нет.

Кому подходит

Аптечным сетям от 20 точек и региональной рознице с выраженной сезонностью. Чем больше городов, тем сильнее эффект: в среднем по сети сезонные волны сглаживаются и становятся незаметны, а по конкретному городу видны хорошо.

Что нужно от вас

История продаж и остатков по точкам хотя бы за два года — сезонность по одному году не считается. Доступ к товарному учёту: обычно это 1С, мы подключаемся через штатный обмен. И человек со стороны сети, который принимает решение по закупке.

Границы решения

Это прогноз спроса на товар, а не медицинский прогноз. Мы не предсказываем эпидемии, не ставим диагнозы и не работаем с данными пациентов — только с обезличенной статистикой и вашими продажами. Прогноз не спасёт от перебоев у поставщика и от дефицита на рынке: он показывает, сколько нужно, а не создаёт товар. И на новых позициях без истории продаж он не работает — там пока считает человек.

С чего начать

Возьмём вашу выгрузку продаж за два года и посчитаем прогноз задним числом: что модель сказала бы прошлой осенью и насколько это разошлось бы с фактом. Проверка на ваших же данных, без внедрения. Дальше — аудит за 150 000 ₽ с расчётом окупаемости, отраслевое внедрение от 1 500 000 ₽. Данные можно держать на ваших серверах: мы так делали для аптечной сети «Вита».

Сценарии применения ИИ — другие решения

Все решения направления →

AI для автоматизации контекстной рекламы по марже

Настраиваем ставки и бюджет по реальной прибыли из вашей CRM и 1С, а не только по кликам, которые видит рекламный кабинет.

AI для онлайн-образования: автоматическая генерация заданий

Описание кейса: EdTech-команда тратила дни на генерацию проверочных заданий.   Решение от La-chatte: AI анализировал учебный модуль и предлагал тесты с вариантами ответов и объяснениями. Наша команда в La-chatte провела предварительный аудит текущих процессов клиента, выявила узкие места и точки роста. Мы не просто внедрием AI-решение — мы глубоко интегрируем его в бизнес-процессы, настраиваем под […]

AI для продуктовых команд: перевод технических текстов

Описание кейса: Команда писала сложные и длинные changelogs, которые никто не читал.   Решение от La-chatte: AI превращал технические описания в ясные тексты для разных аудиторий. Наша команда в La-chatte провела предварительный аудит текущих процессов клиента, выявила узкие места и точки роста. Мы не просто внедрием AI-решение — мы глубоко интегрируем его в бизнес-процессы, настраиваем […]

AI-Performance: Рост мотивации и эффективности 1:1

Описание кейса: HR-отдел не успевал проводить 1:1 на регулярной основе.   Решение от La-chatte: AI выдавал рекомендации, трекал OKR и генерировал самооценку. Наша команда в La-chatte провела предварительный аудит текущих процессов клиента, выявила узкие места и точки роста. Мы не просто внедрием AI-решение — мы глубоко интегрируем его в бизнес-процессы, настраиваем под специфику отрасли и […]

AI-агент для карьерного планирования и развития сотрудников

Описание кейса: IT-компания хотела снизить внутреннюю текучку и улучшить карьерные треки.   Решение от La-chatte: AI анализировал интересы, навыки и возможности, предлагая персональные шаги в развитии. Наша команда в La-chatte провела предварительный аудит текущих процессов клиента, выявила узкие места и точки роста. Мы не просто внедрием AI-решение — мы глубоко интегрируем его в бизнес-процессы, настраиваем […]

AI-агент для службы поддержки: разбирает и закрывает обращения

Снимает с операторов поток одинаковых вопросов: простое закрывает сам со ссылкой на документ, сложное передаёт человеку вместе с готовым разбором.

AI-анализ отзывов: обработка в 10 раз быстрее

Описание кейса: Компания получала тысячи отзывов в открытых формах и не успевала обрабатывать.   Решение от La-chatte: AI категоризировал фидбек по темам, тревожным сигналам и критичности. Наша команда в La-chatte провела предварительный аудит текущих процессов клиента, выявила узкие места и точки роста. Мы не просто внедрием AI-решение — мы глубоко интегрируем его в бизнес-процессы, настраиваем […]

AI-аудит процессов найма на предмет скрытой предвзятости и автоматизация DEI-стратегии

Описание кейса: IT-компания хотела снизить барьеры для женщин и представителей меньшинств.   Решение от La-chatte: Запустили AI-проверку объявлений, анкет и процессов, дали рекомендации по улучшению. Наша команда в La-chatte провела предварительный аудит текущих процессов клиента, выявила узкие места и точки роста. Мы не просто внедрием AI-решение — мы глубоко интегрируем его в бизнес-процессы, настраиваем под […]
La-Chatte

Готовы передать рутину
ИИ-сотрудникам?

За 30 минут разберём задачу, которая съедает время команды, и честно скажем, стоит ли отдавать её ИИ.

    Что вас интересует?