📊 Forecast — Prophet (Meta/Facebook):
Dekompozycja szeregu czasowego na trend + sezonowość × szum. Multiplicative seasonality (sezonowość skaluje się z trendem).
Automatyczne wykrywanie changepoints (punktów zmiany trendu). Confidence intervals 80%.
Dane: min. 6 miesięcy historii. Fallback: Holt-Winters exponential smoothing gdy Prophet niedostępny.
Podejście: Prognoza na agregacie (suma wszystkich bieżni), rozbicie per SKU wg udziału w sprzedaży (share-based).
Eliminuje zniekształcenia z presale/dostaw wpływających na dane per produkt.
📅 Sezonowość:
Indeksy liczone z pełnej historii (2-3+ lat). Detrending liniowy — usuwamy trend wzrostowy przed wyliczeniem indeksów,
żeby rosnąca sprzedaż nie zawyżała najnowszych miesięcy. Normalizacja: średni indeks = 1.0.
Outlier detection: miesiące <40% średniej sąsiadów (np. braki towaru) zastępowane średnią sąsiadów.
📈 Prognoza roczna:
Ekstrapolacja na podstawie kompletnych miesięcy bieżącego roku (desezonalizacja → baza × indeksy sezonowe).
Bieżący miesiąc proporcjonalnie do liczby dni. Zwroty (ZW) odejmowane od ilości, przychodu i kosztów.