Predikcija prodaje pomoću ML modela — kada se isplati malim firmama

ML predikcija nije magija. Treba ti čista istorija da bi predviđanje imalo smisla. Check-lista:

• Minimum 24 meseca sales podataka u istom formatu
• Predvidivi ciklus — npr. sezonalnost, mesečni patterns
• Stabilna ponuda — nisi menjao asortiman radikalno
• Mereni external faktori — promocije, marketing budžet, evente
• Top 20% proizvoda generišu 80% revenue (Pareto pattern)

Ako ti fali bilo koji od ovih — krenes prvo da prikupljaš podatke pa kasnije na ML.

U 2026 imaš no-code/low-code opcije koje rade odlično:

• BigQuery ML: SQL upiti koji treniraju ARIMA/AutoML modele. Cena: $20-50/mes za malu firmu. Treba osnovno SQL znanje.
• Posthog Forecasting: Klik-i-gotovo predikcije za marketing/produkt metrike. Cena: free do 1M events.
• Tableau Pulse / Power BI Forecast: Ako već koristiš BI alat, dodaj forecasting layer. Cena: već u licenci.

Posle 6 meseci kontinuiranog rada:

• Nedeljna predikcija: ±10-15% greška za stabilne kategorije, ±20-30% za nove proizvode
• Mesečna predikcija: ±5-10% greška
• Kvartalna predikcija: ±3-7% greška ako nisu krizne godine

Predikcije su uvek bolje za agregaciju nego za pojedinačne SKU-ove. Nemoj očekivati da znaš tačno koliko stolica modela A47 prodaš sledećeg utorka.

Razlog što 60% firmi odustaje od ML forecasting-a u prvih godinu dana:

• Forecast everything: Pokušaš da predviđaš sve, model pada. Fokus na top 20%.
• Bez retreniranja: Tržište se menja, model ostaje statički, predikcije idu u nepovrat.
• Bez human review: Slepo veruješ broju iz dashboard-a. Uvek pitaj „da li ovo zvuči razumno?".
• Ignorišeš special events: Black Friday, Sajam, izbore. Manually ubaci u model.