AI-прогнозування попиту у фармацевтиці: кейс Юрія-Фарм

Проєкт у цифрах

• 8 тижнів — від старту проєкту до валідації моделі
• 18 місяців — горизонт прогнозування
• 3 незалежні канали прогнозу — роздрібний, FMCG та госпітальний

Для фармацевтичної компанії прогноз попиту — це не просто аналітичний інструмент. Від його точності залежать закупівлі сировини, виробничі плани, рівень запасів і здатність бізнесу вчасно реагувати на зміни ринку. Особливо це критично для виробників із довгим виробничим і логістичним циклом.

Саме з такою задачею до RBC Group звернулася Юрія-Фарм — один із лідерів фармацевтичного ринку України та компанія повного циклу: від розробки і виробництва лікарських засобів до їх логістики та дистрибуції. Портфель компанії включає лікарські препарати, медичні вироби, дезінфекційні засоби, лікувально-столові води та БАДи.

Юрія-Фарм є госпітальним постачальником №1 в Україні, забезпечуючи лікарні та медичні заклади по всій країні. Компанія працює через кілька каналів продажу — аптечний роздріб, госпітальні закупівлі та FMCG-сегмент — що створює складну структуру попиту з різною логікою поведінки в кожному з них.

У результаті співпраці з RBC Group за кілька місяців було створено та впроваджено систему AI-прогнозування попиту, яка сьогодні використовується як єдина основа для планування і поступово стає ядром процесів S&OP та Integrated Business Planning (IBP) у компанії.

Виклик: прогнозувати попит у складній структурі ринку

Для Юрія-Фарм задача прогнозування попиту була значно складнішою, ніж у типовому FMCG-бізнесі.

Компанія працює одразу в кількох каналах — аптечному роздробі, госпітальних закупівлях і FMCG-сегменті — де попит формується за різною логікою.

Один і той самий препарат може продаватися в аптеках як споживчий товар або закуповуватися державою через тендер для лікарень. Додатково на дані впливають ефект дефектури (коли після відсутності препарату попит різко зростає), запуск нових продуктів, благодійні відвантаження та довгий логістичний цикл виробництва, який у фармацевтичній галузі може сягати до 12 місяців.

«Попередні підходи до прогнозування мали низьку точність, не враховували зовнішні фактори — сезонність, ринкову динаміку, промо, регуляторні зміни — і не давали основи для узгодженого планування між відділами», — зазначає команда Юрія-Фарм.

Саме тому компанії був потрібен інструмент для точного прогнозування попиту і використання цього прогнозу в плануванні.

Як стартував проєкт

Проєкт між Юрія-Фарм і RBC Group почався наприкінці липня 2025 року. До цього моменту сторони вже мали чітке розуміння, що саме потрібно зробити: основні задачі, очікуваний результат і критерії прийняття були погоджені ще на етапі комерційної пропозиції.

Тому після підписання угоди не було довгого «підготовчого періоду» — команди одразу перейшли до роботи.

Перший місяць став найбільш інтенсивним. Команда одночасно займалася кількома напрямами: збирала та нормалізувала дані з різних систем, будувала архітектуру моделі та запускала її навчання. У класичних аналітичних проєктах ці етапи часто виконуються послідовно, але тут їх вдалося організувати паралельно, що значно прискорило весь процес.

Окрему роль у швидкості проєкту відіграла команда клієнта. З боку Юрія-Фарм задача була сформульована дуже чітко: без завищених очікувань, але з чітким розумінням того, який результат потрібен бізнесу. Дані готувалися оперативно, запитання вирішувалися швидко, а робоча комунікація між командами дозволяла не втрачати темп.

Уже до середини вересня — приблизно через 8 тижнів після старту — модель пройшла повну валідацію. Команди детально розібрали результати прогнозування, перевірили складні кейси та погодили наступний крок — автоматизацію процесу.

Наступний етап зайняв ще близько місяця. Прототип моделі перетворився на повністю автоматизовану систему: дані почали надходити без ручної підготовки, прогноз формувався регулярно, а бізнес-команда отримала можливість працювати з результатами самостійно.

«Від моменту підписання угоди до запуску повністю автоматизованої системи прогнозування минуло менше ніж три місяці. Для проєкту такої складності на фармацевтичному ринку це радше виняток, ніж звична практика», — команда RBC Group.

Як була побудована модель прогнозування

Одним із ключових рішень у проєкті стало те, що модель прогнозування будувалася не як універсальна формула для всіх продажів, а як система, що враховує різну природу попиту в різних каналах.

Передусім команда розділила прогнозування на три незалежні моделі: для роздрібного каналу, FMCG та для госпітальних закупівель. Це дозволило врахувати принципово різну поведінку попиту — споживчу динаміку аптечного ринку з одного боку і тендерну логіку державних закупівель з іншого.

Наступним кроком стало формування набору факторів, які впливають на попит. Модель аналізує не лише історію продажів, а й зовнішні та ринкові фактори: сезонність, динаміку ринку, маркетингові активності, а також специфічні для фармринку ефекти — наприклад, дефектуру або запуск нових препаратів.

Окрему увагу приділили роботі з «шумом» у даних. Модель навчилася відрізняти реальне зростання попиту від тимчасових ефектів — таких як компенсація дефіциту після відсутності товару або первинне наповнення точок продажу після запуску нового препарату.

У результаті система формує прогноз на горизонті до 18 місяців із місячною деталізацією для кожного SKU. При цьому користувачі бачать не лише прогнозне значення, а й ключові фактори, які вплинули на розрахунок.

Такий підхід дозволяє використовувати модель не тільки як інструмент прогнозування, а й як основу для управлінських рішень — від планування закупівель сировини до формування виробничих планів.

Результати: єдина система прогнозування для планування бізнесу

У результаті проєкту Юрія-Фарм отримала повноцінну систему прогнозування попиту, яка охоплює весь асортимент і використовується як регулярний інструмент для планування.

Ключовим рішенням стало розділення прогнозування за каналами. Для кожного SKU система формує три незалежні прогнози — для аптечного роздрібу, FMCG та госпітального сегменту. Це дозволяє точніше враховувати специфіку попиту в кожному каналі та уникати спотворень у загальному прогнозі.

Прогноз будується на горизонті до 18 місяців із місячною деталізацією. Такий горизонт дозволяє бізнесу планувати закупівлі сировини та пакувальних матеріалів з урахуванням довгого виробничого циклу.

Ще одна важлива особливість — прозорість прогнозу. Команда бачить не лише фінальну цифру, а й ключові фактори, які вплинули на розрахунок: сезонність, ринкові тренди, промоактивності та інші драйвери попиту.

Окремим результатом стала повна автоматизація процесу. Дані надходять у систему автоматично, прогноз оновлюється регулярно, а бізнес-команда може запускати розрахунок у будь-який момент без залучення розробників.

У підсумку компанія отримала не просто аналітичний інструмент, а й єдине джерело прогнозу для всіх ключових функцій бізнесу — комерційної команди, supply chain, виробництва та фінансів.

Саме на цій основі формується узгоджене планування між підрозділами, і модель поступово стає ядром процесів S&OP та IBP у компанії.

Що далі

Головне ж досягнення — поява єдиного прогнозу, на який можуть спиратися всі ключові функції компанії: продажі, виробництво, supply chain і фінанси.

Саме на цій основі в компанії формується узгоджене планування та поступово вибудовується повноцінний процес S&OP та Integrated Business Planning (IBP).