ММООЗЗГГ.ru

Прогнозы на ИИ: спрос, продажи, запасы, загрузка

ТопНе только генерация

5 мин2 источника

ИИ для прогнозирования спроса, продаж и запасов бывает трех видов: базовые модели временных рядов, градиентный бустинг и классические статистические методы. Базовые модели вроде Chronos и TimesFM дают прогноз без обучения на ваших данных, бустинг точнее там, где кроме продаж важны цены, акции и погода. Ниже шесть инструментов, их лицензии и что из них можно применять в коммерции.

Коротко

  • Быстрый прогноз без обучения, коммерция разрешена: Chronos
  • Продажи с ценами, акциями и праздниками: LightGBM
  • То же на другой библиотеке, частый выбор аналитиков: XGBoost
  • Базовая линия и тысячи товаров за минуты: StatsForecast
  • Многомерный прогноз для пробы и исследований: TimesFM
  • Простой прогноз с сезонностью для аналитика: Prophet

Список

Порядок по критериям этой страницы, это не рейтинг.

  1. #1

    Chronos

    Amazon, США

    Для чего подходит
    Прогноз временных рядов без обучения на ваших данных; Apache 2.0, коммерция разрешена.
    Почему в списке
    По данным Amazon Science, модели Chronos и Chronos-Bolt вместе скачали с Hugging Face более 600 млн раз; 20 октября 2025 года вышла Chronos-2. Amazon Science, 20 октября 2025
    Цена
    бесплатно: открытый код и веса моделей (16 октября 2026) тарифы
    Доступ из России
    открытая модель, скачивается без ограничений по стране официальная страница
    Лицензия
    Apache 2.0
    Официальный сайт
    github.com/amazon-science/chronos-forecasting
  2. #2

    LightGBM

    открытый проект LightGBM, создан в Microsoft, США

    Для чего подходит
    Прогноз продаж и спроса с внешними факторами: цена, акция, погода, день недели.
    Почему в списке
    В статье на NIPS 2017 авторы из Microsoft показали, что LightGBM ускоряет обучение обычного градиентного бустинга более чем в 20 раз при почти той же точности. NIPS 2017 (Advances in Neural Information Processing Systems 30), декабрь 2017
    Цена
    бесплатно: открытый код (16 октября 2026) тарифы
    Доступ из России
    открытая модель, скачивается без ограничений по стране официальная страница
    Лицензия
    MIT
    Официальный сайт
    github.com/lightgbm-org/LightGBM
  3. #3

    XGBoost

    открытый проект DMLC, открытый проект

    Для чего подходит
    Градиентный бустинг для прогноза и оценки рисков, хорошо известен аналитикам.
    Почему в списке
    По данным статьи авторов XGBoost, его использовали 17 из 29 решений-победителей конкурсов Kaggle, описанных в блоге Kaggle за 2015 год. arXiv:1603.02754 (Chen, Guestrin, KDD 2016), 9 марта 2016
    Цена
    бесплатно: открытый код (16 октября 2026) тарифы
    Доступ из России
    открытая модель, скачивается без ограничений по стране официальная страница
    Лицензия
    Apache 2.0
    Официальный сайт
    xgboost.ai
  4. #4

    StatsForecast

    Nixtla, США

    Для чего подходит
    Классические модели (ARIMA, ETS) для тысяч рядов сразу; базовая линия для сравнения.
    Почему в списке
    По счетчику PePy, библиотеку statsforecast скачали с PyPI 47 781 190 раз. PePy, октябрь 2026
    Цена
    бесплатно: открытый код (16 октября 2026) тарифы
    Доступ из России
    открытая модель, скачивается без ограничений по стране официальная страница
    Лицензия
    Apache 2.0
    Официальный сайт
    github.com/Nixtla/statsforecast
  5. #5

    TimesFM

    Google Research, США

    Для чего подходит
    Многомерный прогноз без обучения; веса версии 3.0 только для некоммерческого использования.
    Почему в списке
    31 августа 2026 года Google выпустила TimesFM-3 с 330 млн параметров, обученную на корпусе больше 1 трлн точек временных рядов. Google Research Blog, 31 августа 2026
    Цена
    бесплатно: открытый код и веса (16 октября 2026) тарифы
    Доступ из России
    открытая модель, скачивается без ограничений по стране официальная страница
    Лицензия
    код Apache 2.0; веса TimesFM 3.0 по TimesFM Non-Commercial License v1.0; веса до версии 2.5 Apache 2.0Код можно свободно использовать в бизнесе, но веса TimesFM 3.0 разрешены только для тестов и исследований: строить на них прогнозы для рабочих решений компании нельзя без коммерческой лицензии Google, а открытые веса версии 2.5 можно применять и в коммерции.
    Официальный сайт
    github.com/google-research/timesfm
  6. #6

    Prophet*

    Meta, США

    Для чего подходит
    Прогноз с сезонностью и праздниками, который аналитик настраивает сам.
    Почему в списке
    Facebook открыла исходный код Prophet 23 февраля 2017 года, и команда компании часто использовала его вместо пакета forecast для R. Meta Research, 23 февраля 2017
    Цена
    бесплатно: открытый код (16 октября 2026) тарифы
    Доступ из России
    открытая модель, скачивается без ограничений по стране официальная страница
    Лицензия
    MIT
    Официальный сайт
    facebook.github.io/prophet

Коротко: метод под данные

Метод выбирают по данным, а не по моде. Если есть только история продаж по дням и нужен быстрый ответ, берут базовую модель временных рядов. Если кроме продаж известны цены, акции, остатки и погода, точнее работает градиентный бустинг. Если рядов тысячи и нужна базовая линия, начинают с классики.

Порядок в списке по критериям этой страницы: сначала инструменты, которые можно применять в коммерции без условий и без долгой настройки, ниже те, у которых есть ограничения лицензии или нужен опытный аналитик. Речь здесь о прогнозах для бизнеса: спрос, продажи, запасы и загрузка.

Базовые модели временных рядов

Базовая модель временных рядов обучена заранее на огромном наборе чужих рядов и строит прогноз для вашего ряда без обучения. Это похоже на языковую модель, только вместо слов числа. Термин разобран в словаре: базовая модель.

Chronos от Amazon открыта под Apache 2.0. По данным Amazon Science, модели Chronos и Chronos-Bolt вместе скачали с Hugging Face более 600 млн раз, а 20 октября 2025 года вышла Chronos-2.

TimesFM от Google Research: 31 августа 2026 года вышла TimesFM-3 на 330 млн параметров, обученная на триллионе точек. Это первая версия с многомерным прогнозом, и по данным Google она заняла первое место среди предобученных моделей в тесте GIFT-Eval. Веса третьей версии разрешены только для некоммерческого использования, код открыт под Apache 2.0.

Сильная сторона базовых моделей: прогноз в первый же день, без месяцев подготовки. Слабая: они не знают про вашу акцию на следующей неделе. Поэтому их сравнивают с бустингом на одном и том же отрезке истории.

Градиентный бустинг

Градиентный бустинг строит прогноз из сотен небольших деревьев решений, и каждое следующее исправляет ошибки предыдущих. В модель можно передать все, что влияет на спрос: цену, скидку, день недели, праздник, погоду, остаток на складе. Термин разобран в словаре: градиентный бустинг.

LightGBM создали в Microsoft, лицензия MIT. В статье на NIPS 2017 авторы показали, что LightGBM ускоряет обучение обычного градиентного бустинга более чем в 20 раз при почти той же точности.

XGBoost развивает открытый проект DMLC под Apache 2.0. По статье его авторов, XGBoost использовали 17 из 29 решений-победителей конкурсов Kaggle, описанных в блоге Kaggle за 2015 год.

Для прогноза на несколько недель вперед бустинг учат на признаках из прошлого: продажи прошлой недели, продажи того же дня год назад, скользящее среднее за месяц. Чем честнее собраны признаки, тем меньше разрыв между тестом и реальной работой.

Бустингу нужна подготовка: аналитик собирает признаки, проверяет модель на прошлых периодах и следит, чтобы в обучение не попали данные из будущего. Зато результат объясним: видно, какой фактор сдвинул прогноз.

Классические методы

Классические модели ARIMA и экспоненциальное сглаживание учитывают тренд и сезонность одного ряда. Они быстрые, понятные и до сих пор служат базовой линией: если новая модель не точнее классики, она не нужна.

StatsForecast от Nixtla собирает эти модели в одну библиотеку под Apache 2.0 и считает тысячи рядов параллельно. По счетчику PePy библиотеку скачали с PyPI 47 781 190 раз.

Prophet* открыли 23 февраля 2017 года под лицензией MIT. Его любят аналитики за то, что праздники и сезонность задаются вручную понятными параметрами. Для спроса с частыми акциями его сравнивают с бустингом на своих данных и оставляют тот метод, у которого ошибка меньше.

Порядок проверки один для всех методов: отложить последние месяцы истории, построить прогноз на них разными моделями, сравнить ошибку и выбрать модель по цифрам, а не по названию.

Лицензии: что можно в коммерции

Chronos, XGBoost и StatsForecast открыты под Apache 2.0, LightGBM и Prophet под MIT. Обе лицензии разрешают коммерческое использование: модель можно встроить в закрытую систему компании и не открывать свой код.

С TimesFM сложнее. Код можно свободно использовать в бизнесе, но веса TimesFM 3.0 разрешены только для тестов и исследований. Строить на них прогнозы для рабочих решений компании нельзя без коммерческой лицензии Google.

Простыми словами: попробовать TimesFM-3 на своих данных и сравнить с другими моделями можно, а поставить ее прогноз в закупки или план продаж нельзя. Открытые веса версии 2.5 под Apache 2.0 можно применять и в коммерции.

Лицензию проверяют по репозиторию в день выбора, потому что условия меняются от версии к версии, как это случилось с TimesFM.

Прогноз в 1С и CRM

Прогноз полезен, когда заканчивается действием: заказать товар, перенести платеж, загрузить смену. Поэтому данные берут там, где компания ведет учет, а результат возвращают туда же. Как ИИ подключается к учету, описано на странице об интеграции с 1С.

Шаги запуска: выгрузить историю продаж и остатков из 1С хотя бы за год, проверить пропуски и дубли, построить прогноз двумя-тремя методами, сравнить с фактом последних месяцев и только потом показывать его закупщикам.

Метрику пилота фиксируют заранее: ошибка прогноза по каждой группе товаров и изменение дефицита и лишних остатков за тот же период. Если прогноз точнее, но закупщик ему не верит и заказывает по-старому, эффекта не будет. Поэтому в пилот сразу включают того, кто принимает решение о закупке.

Прогноз на одной панели с деньгами, долгами и сделками дает панель руководителя. Как ИИ отвечает на вопросы по данным компании, разобрано на странице об ИИ для аналитики данных, а прогнозирование спроса для закупок описано отдельно.

Как мы составили топ

  • Можно ли применять в коммерции без дополнительной лицензии
  • Сколько подготовки нужно: прогноз без обучения или с работой аналитика
  • Опубликованные результаты в статьях и тестах с датой
  • Открытый код и запуск на своем сервере

Порядок по критериям этой страницы, это не рейтинг.

Проверено:

Как мы составляем рейтинги

Вопросы и ответы

Какая нейросеть лучше прогнозирует продажи? Общего ответа нет: точность зависит от ваших данных. Если кроме продаж известны цены и акции, обычно сравнивают LightGBM или XGBoost с базовой моделью Chronos.

Отложите последние месяцы истории, постройте на них прогноз двумя-тремя методами и выберите тот, у которого ошибка меньше.

Можно ли использовать TimesFM в коммерческом проекте? Код TimesFM открыт под Apache 2.0 и в бизнесе разрешен. Веса TimesFM 3.0 выпущены по некоммерческой лицензии: для тестов и исследований можно, для рабочих прогнозов компании нужна коммерческая лицензия Google.

Веса версии 2.5 открыты под Apache 2.0 и в коммерции допустимы.

Источники

* Компания Meta признана экстремистской организацией, ее деятельность в России запрещена.

Написать в Telegram