Поток клиентов по часам: где розница, услуги и общепит теряют деньги на расписании смен

Стандартное расписание собирается по среднему: выручку или число чеков за неделю делят на количество смен и расставляют людей «примерно поровну». Получается аккуратная цифра, которой не существует ни в один реальный час. Внутри дня поток в одной точке различается кратно: утро пустое, в обед короткий всплеск, после работы и ближе к закрытию плотный поток. Расписание по среднему гарантированно даёт две ошибки сразу: в пик людей не хватает, в затишье оплаченные часы уходят в простой. Это не компромисс, а две неоптимальности, оплаченные дважды.

Альфа-Банк решил эту задачу для своих отделений: команда построила модель почасового прогноза клиентопотока и связала её с планированием штата. В контуре две модели. Prophet — база: раскладывает ряд на понятные составляющие (суточная и недельная сезонность, тренд, праздники, аномалии). Temporal Fusion Transformer работает с большим числом признаков и выдаёт не одно число, а набор квантилей — диапазон от осторожного до оптимистичного сценария. Разбор опубликован в корпоративном блоге на Habr и описывает полный путь: от прогноза потока до расстановки сотрудников.

Ключевое: почасовой прогноз — не «тот же прогноз, только чаще», а другая задача с другой математикой и другой ценой ошибки. У ряда несколько наложенных сезонностей одновременно: час внутри дня, день недели, месяц, плюс календарные эффекты вроде праздников, зарплатных дней и локальных событий. В ряду есть нули — закрытые часы, выходные, — и обычные модели на них ломаются. И главное: ошибка в один час не сглаживается соседними. Если модель ошиблась на вечернем пике, клиент это заметил и ушёл.

Отсюда самый практичный вывод: для расстановки людей нужна не средняя оценка, а верхняя. Стоимость ошибки несимметрична. Недокрытый пиковый час — ушедшие клиенты, испорченное впечатление и выручка, которую не вернуть. Лишний оплаченный час в затишье — просто деньги, потраченные ровно на известную величину. Поэтому в прогнозе нужны квантили: расписание строится по осторожному сценарию (условно, восьмидесятый-девяностый процентиль), а не по математическому ожиданию.

Второй вывод спрятан в названии разбора: «От прогноза потока клиентов к оптимальному штату сотрудников». Прогноз сам по себе не экономит ни рубля — экономит расписание. Между моделью и деньгами стоит задача оптимизации: есть предсказанный по часам спрос и люди с разной квалификацией, есть жёсткие ограничения — длина смены, перерывы, междусменный отдых, минимум сотрудников по требованиям безопасности и кассовой дисциплины. Уложить прогноз в сетку смен с этими ограничениями — отдельная инженерная работа, без неё красивая модель остаётся красивой моделью.

Переносимость подхода шире банковских отделений: розница, общепит, салоны и клиники, автосервисы, пункты выдачи, линии поддержки и колл-центры живут в той же логике. Чтобы повторить, нужны почасовые данные о числе обращений или чеков хотя бы за три-шесть месяцев, календарь ваших событий и честная стоимость часа работы сотрудника. Без почасовой истории задача не решается — это первый пункт в списке, даже если до прогноза вы дойдёте не скоро.

1. Начинайте с дешёвой и понятной модели. В кейсе Prophet стоит базой, а нейросеть добавлена сверху: Prophet быстро показывает, что поток определяется суточной и недельной сезонностью, и его результат можно показать руководителю точки без перевода на человеческий. Обобщение: если простая модель объясняет большую часть колебаний, тяжёлая нейросеть должна доказать, что приносит сверх этого. Иначе вы платите за сложность, а не за точность.
2. Планируйте по верхнему сценарию, а не по среднему. Пример: прогноз на вечерний час — восемьдесят клиентов в среднем, но в плохом сценарии сто двадцать. Расписание по среднему оставит очередь, по верхнему сценарию — нет. Обобщение: где цена нехватки выше цены избытка, берите квантиль, а не ожидание.
3. Читайте название задачи целиком: прогноз и расписание — два разных проекта. Прогноз потока сам по себе не меняет график, нужен второй шаг — оптимизация смен с учётом ограничений по труду. Обобщение: если после внедрения прогноза расписание по-прежнему собирается вручную в таблице, выгоды не будет.
4. Признаки важнее архитектуры. Почасовой поток определяется календарём: день недели, праздники, предпраздничные короткие дни, зарплатные даты, часы работы точки, сезон отпусков. Обобщение: прежде чем усложнять модель, соберите аккуратный календарь событий — на практике он даёт больше точности, чем смена алгоритма.
5. Эффект измеряйте двумя счётчиками, а не одним. Первый — недокрытые пиковые часы: сколько раз очередь превысила допустимую. Второй — оплаченные часы с неполной загрузкой. Обобщение: если считать только экономию на часах, вы неизбежно срежете штат до уровня, при котором начнёте терять клиентов.