Исторически роль Demand Planner была завязана на ручную рутину: собрать файлы, проверить формулы, построить базовый прогноз, подготовить отчёты для S&OP. Copilot-подход радикально меняет эту картину.
Copilot — это интеллектуальный помощник внутри твоих рабочих систем (SAP IBP, Power BI, Anaplan, Excel и др.), который умеет:
- подтягивать данные из разных источников (ERP, CRM, POS, плановые файлы);
- строить прогноз и предлагать корректировки;
- подсвечивать аномалии и ошибки в данных;
- объяснять изменения прогноза простым языком для менеджеров.
Сдвиг роли: планировщик меньше времени тратит на «копировать-вставить» и становится фасилитатором процесса: принимает решения, ведёт диалог с бизнесом, отвечает за сценарии и риски.
Цель урока: понять, как устроен Copilot для планировщика, какие лучшие практики уже используют SAP, Microsoft и другие игроки, и как подготовить свою роль к будущему Augmented Planning.
Ты задаёшь вопрос обычным языком: «Покажи SKU с точностью ниже 70% за последний квартал» — Copilot строит запрос, фильтрует данные и показывает результат в отчёте или панели. Это уже реальность в Power BI Copilot и других аналитических платформах.
Copilot может запускать ML-модели внутри SAP IBP, cloud-платформ или Python-пайплайнов и возвращать тебе не только числа, но и текстовое объяснение: почему прогноз вырос/упал, какие драйверы сыграли роль.
AI-алгоритмы находят «нестандартное» поведение: выбросы, провалы, неожиданные всплески. Copilot подсвечивает их прямо в интерфейсе и предлагает варианты действий: перепроверить данные, скорректировать прогноз, запустить root cause analysis.
Copilot не заменяет S&OP-команду, а подготавливает для неё варианты: «Если принять сценарий A — вот влияние на сервис, запасы и маржу; если B — вот риски и upside».
Ключевая идея: Copilot усиливает тебя как планировщика: он делает черновую работу и предварительный анализ, а ты принимаешь решения и объясняешь их бизнесу.
В новых релизах SAP IBP интегрирует GenAI-ассистента (Joule) и AI-поддержку прогнозов: автоматическую коррекцию выбросов, объяснение результатов и подсказки, где Forecast Bias особенно высок и требуется вмешательство планировщика.
В Power BI Copilot умеет: по запросу на естественном языке находить нужные отчёты и метрики, строить новые страницы, создавать DAX-меры и описания, собирать сторителлинг по драйверам (например, «почему просела точность прогноза в Q3»).
Крупные FMCG-компании тестируют AI-ассистентов, которые помогают согласовывать прогнозы между регионами: сводят предложения стран, отслеживают конфликты по лимитам мощностей и предлагают компромиссные сценарии.
Рынок движется к модели Augmented Planning, где AI закрывает объём, скорость и сложность, а человек отвечает за смыслы, стратегию и этику решений.
Вывод: если 5–7 лет назад фокус был на «просто ML-прогнозе», то сегодня фокус смещается к объяснимому и интерактивному Copilot’у внутри рабочего места планировщика.
До Copilot. Ты тратишь 1–2 дня на отчёт по отклонениям прогноза:
- собрать выгрузки из ERP и Excel от стран;
- очистить дубли, выровнять форматы, связать SKU/клиентов;
- посчитать Forecast Accuracy, Bias, построить графики;
- сделать презентацию для S&OP.
После Copilot. Ты пишешь запрос: «Покажи 5 SKU с самым высоким Bias в июле по топ-клиентам и сгенерируй слайд с возможными причинами».
- Copilot подтягивает готовые показатели из модели данных;
- находит аномалии и всплески промо/цен;
- формирует текстовое резюме и черновой слайд для встречи;
- ты тратишь время на проверку, уточнение и формулировку решений.
Сдвиг: от «собрать и посчитать» к «интерпретировать и договориться».
Ответь на 4 вопроса про то, как ты бы работал(а) с Copilot. В конце ты увидишь свой текущий профиль: «Excel-пилот», «Augmented Planner» или «Skeptic».
Задание. Напиши 3–5 запросов, которые ты реально хотел(а) бы задать Copilot’у в своей работе. Используй формат:
- Задача: чего ты хочешь (например, «понять, где просел прогноз»);
- Данные: какие источники и период нужны;
- Формат ответа: таблица, список SKU, текстовое объяснение, черновик письма и т.д.
Примеры:
- «Собери мне топ-10 SKU с наибольшим отрицательным Bias за последние 3 месяца по ключевым клиентам и предложи 3 гипотезы причин».
- «Сделай сравнение базового прогноза и промо-прогноза по категории X на ближайшие 8 недель и опиши влияние на маржу».
- «Подготовь draft-письмо для команды продаж с объяснением, почему мы снижаем прогноз по клиенту Y».
Напиши свои запросы:
- Copilot — AI-ассистент, встроенный в систему планирования или аналитики, работающий через естественный язык и контекст данных.
- Augmented Planning — модель, где планирование делают совместно человек и AI: машина генерирует варианты и подсказки, человек принимает финальное решение.
- Anomaly Detection — поиск аномалий и выбросов в данных (подозрительный рост/падение, ошибки загрузки, промо-скачки).
- Decision Support — поддержка принятия решений на основе данных (сценарии «что если», риски, рекомендации).
Миф: «Copilot уберёт необходимость в Demand Planner».
Реальность: Copilot убирает рутину, но роль планировщика становится стратегичнее: он отвечает за интерпретацию, сценарии, этику и коммуникацию с бизнесом.
