חיזוי ביקושים הוא הערכת הכמות של מוצר או שירות שלקוחות ירכשו בתקופה הבאה, בהתחשב בתנאים כלכליים ובעונתיות. זו אחת ההחלטות היקרות ביותר בכל עסק המחזיק מלאי, משום שטעות לשני הכיוונים עולה כסף: מלאי עודף תופס הון ומקום ולעיתים נזרק, ואילו חוסר במלאי גורם למכירה שלא נעשתה ולעיתים גם ללקוח שלא חוזר. אותו חישוב חוזר בתכנון כוח אדם, בהזמנת חומרי גלם ובקביעת מחירים.
הספרות המקצועית מונה כמה סיבות מרכזיות לחיזוי: עמידה ביעדי הארגון, קבלת החלטות אסטרטגיות על קיבולת ועל שווקי יעד, תכנון התרחבות בקצב שהעסק יכול לעמוד בו, תכנון כוח אדם כדי לא לאבד לקוחות בשעת עומס, וניהול פיננסי — בעיקר צמצום מלאי הביטחון היקר.
שיטות החיזוי מתחלקות לשתי משפחות. שיטות איכותניות נשענות על שיפוט אנושי — סקרים, פאנל מנהלים, הערכות אנשי מכירות — ומשמשות בעיקר כשאין היסטוריה מספקת, למשל במוצר חדש לגמרי. שיטות כמותיות נשענות על הנתונים עצמם: ניתוח סדרות עתיות בשיטות כמו ממוצע נע והחלקה מעריכית; מודלים סיבתיים כמו רגרסיה ואינדיקטורים מובילים, המקשרים בין הביקוש לבין משתנה חיצוני; ובעשור האחרון גם למידת מכונה — רשתות עצביות ושיטות חיזוק גרדיאנט.
התהליך המקובל בנוי משלבים: ניסוח השערה, בחירת מודל, איסוף נתונים, אמידת פרמטרים, בדיקת דיוק, בחינת ההשערה, ורק אז הפקת התחזית בפועל. מערכות מסחריות מודרניות משלבות שיטות סטטיסטיות קלאסיות עם למידת מכונה, ומורצות כשירות בענן המתעדכן בזמן אמת.
מגבלה שכדאי להכיר: עלות השגיאה אינה סימטרית. עודף וחוסר אינם עולים אותו דבר, אך מדדי הדיוק הסטטיסטיים המקובלים מתייחסים אליהם באופן שווה, ולכן מודל שנראה מדויק במדידה יכול להיות יקר במציאות. בישראל פועלת בתחום הסמוך של תמחור דינמי חברת Fetcherr, שנוסדה ב-2018 ומתאימה מחירים בזמן אמת לפי ביקוש ותנאי שוק משתנים.