Существуют фундаментальные принципы, которые необходимо учитывать, прогнозируя спрос на любом уровне иерархии плановых решений. Несоблюдение этих принципов приводит к тому, что прогноз спроса становится либо невысоким по качеству, либо нерелевантным с позиций принимаемых предприятием решений.
Горизонт прогнозирования спроса. Разницу во времени между моментом, когда прогнозируется спрос, и тем плановым периодом, на который прогнозируется спрос, называют временным лагом. Выбор необходимого временного лага зависит от того, сколько времени предприятию нужно, чтобы разработать и принять все необходимые меры для того, чтобы отреагировать на информацию о прогнозе спроса. Если для наращивания производственной мощности в соответствии с прогнозом о будущем росте спроса требуется год, прогноз спроса с горизонтом менее года недостаточен, он не позволит решить необходимую задачу управления производственной мощностью. Или, например, если длительность производственного цикла при «производстве на заказ» составляет один месяц, нелогично иметь горизонт прогнозирования более коротким, ибо на такой прогноз предприятие не сумеет вовремя среагировать, подготовив необходимые запасы сырья и материалов.
При выборе горизонта прогнозирования спроса необходимо учитывать, что на более отдаленные плановые периоды прогноз будет менее точным, чем на более близкие. Соответственно, выбор горизонта прогнозирования спроса должен быть обоснован теми решениями, которые принимаются на основе сформированного прогноза — слишком короткий горизонт прогнозирования не позволяет адекватно решить поставленную задачу, а более долгий — создает проблемы с качеством прогноза.
Выбор объекта прогнозирования спроса . Чем детальнее прогноз, тем менее он точен. Соответственно, для каждого уровня иерархии планов необходимо выбирать тот уровень детализации объекта прогнозирования, который позволит решить поставленную задачу, но не приводит к ненужной детализации. Ненужной считается детализация, которая, увеличивая трудоемкость и стоимость прогноза спроса, не прибавляет прогнозу ценности с точки зрения принятия решений.
В целом, можно сказать, что параметры прогнозов спроса определяются целью использования прогноза. Чем выше уровень принятия решений и чем крупнее по масштабу принимаемые решения, тем более крупно и на более далекую перспективу строится прогноз спроса.
Качество прогноза спроса. Любому прогнозу присущ риск ошибки. Трудно представить прогноз, не содержащий ошибку. Можно выделить два типа ошибки прогноза спроса: ошибка оценки объема спроса и ошибка оценки структуры спроса. Эти типы ошибок необходимо рассматривать в зависимости от того, о каком уровне принятия решений на предприятии идет речь.
Риск ошибки оценки объема спроса при прогнозировании спроса может быть на любом уровне планирования. При долгосрочном прогнозировании спроса риск проявляется на уровне категорий продукции и товарных групп. Риск влияет на доступность необходимого объема ключевых ресурсов и на исполнение финансовых планов предприятия. При оперативном прогнозировании спроса риск проявляется на уровне номенклатурных позиций продукции, и влияет на фактический уровень обслуживания клиентов.
Риск ошибки оценки структуры спроса при прогнозировании спроса проявляется только при долгосрочном прогнозировании спроса на уровне категорий продукции и товарных групп. Предполагается одна структура спроса внутри товарной группы по номенклатурным позициям, а фактически структура оказывается иной.
Учесть указанные риски можно двумя способами: повышением качества прогнозов и/или резервированием ресурсов, предназначенных специально для покрытия этих рисков. На практике, как правило, используют оба способа одновременно — работают над повышением качества прогнозов спроса, и (поскольку стопроцентное качество прогноза на практике недостижимо) формируют резервные величины ресурсов (резервные товарно-материальные запасы, резервное время, резервную производственную мощность).
Для оценки качества прогноза выделяют две основные измеряемые характеристики: ошибка прогноза и точность прогноза.
Ошибка прогноза — разница между фактическим значением спроса и его прогнозным значением. Она может быть выражена как в абсолютном выражении, так и в относительном — в процентах от фактического значения спроса.
Точность прогноза — это выраженная в процентах величина, равная разнице между 100% и выраженной в процентах ошибкой прогноза спроса.
Основной для оценки точности и качества прогноза спроса является измеренная ошибка и точность прогноза для каждого отдельно взятого планового периода.
Однако чаще интерес представляет не отдельно взятый плановый период, а то, в какой степени хорош тот или иной метод прогнозирования спроса. Для этого принято рассчитывать сводные характеристики точности прогноза спроса. Двумя основными способами оценить точность метода прогнозирования спроса являются средняя абсолютная ошибка в процентах (MAPE – Mean Absolute Percentage Erro) и средняя процентная ошибка (MPE – Mean Percentage Error).
Ошибки прогноза спроса можно классифицировать на две категории: случайные отклонения и смещение.
Случайные отклонения означают, что в сумме ошибки прогноза стремятся к нулю, и плановые периоды, для которых спрос был переоценен, чередуются с плановыми периодами, для которых спрос был недооценен, то есть, в ошибке прогноза спроса нет тенденциозности, отрицательные и положительные значения ошибок прогноза спроса в целом погашают друг друга.
Смещение же означает, что есть серьезная проблема — значительно более серьезная, нежели случайные ошибки — систематическое завышение или занижение прогноза спроса. Смещение прогноза может объясняться как объективными, так и субъективными обстоятельствами. К объективным можно отнести выбор модели прогнозирования спроса, которая может быть не вполне релевантна, например, не учитывать существенные факторы, влияющие на спрос. Объективные обстоятельства поддаются оценке и корректировке путем улучшения модели прогнозирования, сбора и подготовки данных для прогнозирования спроса, обучения сотрудников прогнозированию.
Субъективные же обстоятельства связаны с намеренным занижением или завышением величины прогноза. Это означает, что прогнозист заинтересован, в силу тех или иных причин, в смещении прогноза, поскольку он получает те или иные выгоды от смещения прогноза. Например, если прогноз спроса формирует отдел продаж предприятия, и при этом он получает премию за перевыполнение плана продаж, трудно ожидать от него оптимистического прогноза спроса. И наоборот, если отдел маркетинга формирует прогноз спроса, а при этом бюджет маркетинга считается как процент от плановой выручки, не стоит ждать пессимистического прогноза спроса. Нейтрализация влияния субъективных факторов в некоторой мере достигается правильной организацией процесса прогнозирования спроса.
В заключение следует сказать, что, помимо понятия «точность прогноза », можно выделить понятие «качество прогноза». Под качеством прогноза понимают способность процесса прогнозирования спроса формировать такие прогнозы, которые устойчиво отличались бы от фактических значений спроса не более чем на заданную величину ошибки. То есть качество прогноза означает способность удерживать ошибку прогноза в заданных пределах. Это очень важно с точки зрения управления, поскольку к заданным границам ошибки прогноза предприятие может заранее подготовиться, и такой масштаб ошибки не ставит под угрозу уровень обслуживания заказчиков.
Замечено, что качество прогноза спроса определяется в большей мере хорошей организацией процесса прогнозирования спроса, чем отдельно взятыми сколь угодно сложными математическими моделями. Тем не менее, рассмотрим далее, какие типы методов прогнозирования спроса существуют, и в каких обстоятельствах их целесообразно применять.
Научное прогнозирование спроса необходимо для выработки долгосрочной экономической политики и принятия тактических управленческих решений в области производства продукции и торговли товарами народного потребления.
Спрос должен прогнозироваться на всех уровнях управления экономикой.
На макроуровне на основе прогнозов спроса на товары народного потребления разрабатывается механизм государственного воздействия на потребительский рынок с целью обеспечения сбалансированности спроса и предложения и наиболее полного удовлетворения потребностей населения в товарах как в текущем периоде, так и в перспективе. Подобного рода проблемы решаются и на региональном уровне.
На микроуровне прогнозы спроса разрабатываются как торговыми организациями, так предприятиями-потребителями и изготовителями.
Торговые организации в условиях рыночных отношений могут требовать от предприятий-производителей поставок товаров, необходимых населению.
Предприятия-производители на основе результатов прогнозных расчетов спроса заключают договоры на поставку продукции и формируют производственную программу.
Разрабатываются долго-, средне- и краткосрочные прогнозы спроса. Различия целей отдельных видов прогнозов временного аспекта придают каждому из них специфические особенности. Так, краткосрочные прогнозы реализуются в рамках уже сложившейся структуры спроса и возможностей производства продукции. Результаты прогнозов используются для обоснования заказов и заявок на товары народного потребления, расчетов товарного обеспечения розничного товарооборота и для принятия управленческих коммерческих решений. Краткосрочные прогнозы разрабатываются на месяц, квартал, год. Они должны отличаться более высокой степенью точности. При краткосрочном прогнозировании определяется достаточно широкий круг показателей (совокупный спрос, спрос на группы товаров, ассортиментная структура и др.).
При разработке среднесрочных прогнозов учитываются сложившаяся структура, возможности производства и влияние инвестиций на развитие производственной деятельности. В течение трех - пяти лет ассортимент товаров в стране существенно обновляется и заметно изменяется структура спроса. В этих условиях нет необходимости детализировать прогноз спроса до моделей и марок товаров. Достаточно определить совокупный спрос с выделением основных товарных групп.
Долгосрочные прогнозы (свыше пяти лет) служат средством разработки стратегии производства товаров и торговли. Особенностью долгосрочного прогнозирования спроса является то, что оно не обусловливает необходимость увязки прогнозных оценок со складывающейся структурой производства. Долгосрочный прогноз спроса служит основой разработки перспективных направлений развития производства товаров и торговли.
Различные по срокам упреждения прогнозы отличаются также методами прогнозирования.
Для повышения точности прогнозов необходимо применять комплекс методов прогнозирования с целью получения нескольких вариантов прогноза и выбора оптимального варианта.
Спрос выступает в качестве определяющего фактора при принятии решений о производстве или импорте того или иного вида продукции, поэтому он должен изучаться как внутри страны по регионам, так и на мировом рынке.
Процесс прогнозирования спроса включает ряд этапов:
Комплексное исследование рынка, конкурентной среды, выделение сегментов рынка;
Анализ состояния спроса и предложения, определение степени удовлетворения спроса населения в конкретных товарах, совокупного спроса; анализ факторов, влияющих на спрос и установление взаимозависимости показателей;
Выбор методов прогнозирования;
Осуществление прогноза спроса;
Оценка надежности прогноза;
Определение перспектив развития спроса населения;
Разработка конкретных мероприятий по более полному удовлетворению спроса населения.
Прогнозирование платежеспособного спроса базируется на статистике ретроспективного периода и на прогнозе ряда факторов, определяющих спрос.
Для осуществления прогнозных расчетов необходима следующая исходная информация:
Сведения о численности населения, половозрастном составе в прогнозном периоде, количестве городских и сельских жителей;
Динамика спроса и предложения;
Данные о развитии сельскохозяйственного производства и производства товаров народного потребления;
Балансы денежных доходов и расходов населения;
Распределение населения по размеру доходов;
Бюджеты семей рабочих, служащих, колхозников;
Данные специальных единовременных выборочных
обследований запасов предметов длительного пользования
у населения, доходов и расходов;
Сведения об индексах потребительских цен (общих и индивидуальных - по конкретным товарам), соотношении внутренних и мировых цен;
Данные опроса покупателей с целью выявления их желания в приобретении определенных товаров;
Изменение денежных доходов населения в предшествующих и прогнозном периодах;
Доля расходов населения на продовольственные, непродовольственные товары, отдельные группы товаров в предшествующие периоды.
На начальном этапе прогнозирования выявляются тенденции изменения спроса.
Для анализа тенденций изменения спроса целесообразно использовать графики и различного рода диаграммы и картограммы.
На основе выявленных тенденций спрос на краткосрочный период целесообразно определять с помощью методов экстраполяции: метода подбора функции, экспоненциального сглаживания с регулируемым трендом и др.
В случае устойчивой тенденции изменения спроса прогнозные расчеты можно производить путем выравнивания динамических рядов и подбора функции (у = at + b - линейная, у = at 2 + bt + с - параболическая и др.).
При изменяющихся условиях целесообразно применять метод экспоненциального сглаживания с регулируемым трендом. Развитие спроса подвержено сезонным колебаниям, которые необходимо учитывать при краткосрочных прогнозах на квартал, месяц. Учет влияния сезонных колебаний продаж (спроса) целесообразно проводить с помощью расчетных индексов сезонности.
На практике для изучения спроса широко используются наблюдения, опросы покупателей о покупательских намерениях (анкетные опросы, интервьюирование), ярмарки, выставки, книги предложений, тестирование, реклама.
На макроуровне наиболее широкое распространение для прогнозирования спроса получил нормативный метод, предполагающий использование норм потребления продуктов (товаров) на душу населения. При этом в зависимости от прогнозного периода необходимо применять следующие подходы.
При определении спроса на длительную перспективу целесообразно использовать рекомендуемые (рациональные) нормы потребления. Например, рациональная норма потребления мяса и мясопродуктов на душу населения - 82 кг в год. На основе этой нормы и численности населения в стране (регионе) рассчитывается потребность в мясе и мясопродуктах на прогнозный период. Потребности выступают в качестве ориентира для развития производства и разработки мер с целью достижения рациональных норм потребления.
Краткосрочные прогнозы спроса следует строить с учетом корректировки норм потребления. Для этого фактическое потребление на душу населения анализируется по периодам и сопоставляется с рекомендуемыми нормами. Выявляются тенденции потребления продукции, темпы падения или увеличения спроса, причины его изменения.
Затем с учетом влияния факторов, прежде всего изменения доходов населения и потребительских цен, определяется реальное потребление на душу населения в прогнозном периоде.
Прогнозы спроса по важнейшим товарам разрабатываются для анализа и прогнозирования состояния товарных рынков и выработки рекомендаций о мерах государственного воздействия на эти рынки, а также обеспечения заинтересованных организаций информацией о динамике спроса.
В рыночной экономике спрос на товары народного потребления формируется под влиянием ряда факторов, поэтому для осуществления прогнозных расчетов рекомендуется использовать многофакторные модели - линейные или нелинейные:
y 1 = а 1 х 1t + a 2 x 2t + ...+ а n х nt + b;
y 1 = bx 1t a1 * x 2t a2 *….. * x nt an
где у - показатель спроса на товар; x 1 , x 2 , … х n: - факторы, влияющие на спрос.
С помощью корреляционно-регрессионного анализа устанавливается связь между спросом и факторами, определяются ее форма (линейная, нелинейная) и теснота связи.
Целесообразно разрабатывать несколько вариантов прогнозов спроса на товары народного потребления, отличающихся значениями определяющих их факторов. Сравнение различных вариантов позволяет выбрать тот, который обеспечивает наиболее полное удовлетворение потребностей населения в отдельных товарах.
Прогнозирование спроса можно осуществлять на основе однофакторных моделей. Их целесообразно применять при необходимости учета влияния важнейшего фактора на спрос. Например, при стабильном уровне цен можно определить зависимость спроса на товары от изменения доходов населения.
Спрос на товары народного потребления можно определять с помощью коэффициента эластичности.
Экономический смысл коэффициента эластичности состоит в том, что он является показателем, характеризующим степень изменения (роста или снижения) спроса на 1 % изменения (роста или снижения) фактора. Спрос формируется в основном под влиянием изменения доходов и цен. К э показывает, как изменяется спрос в процентах при изменении этих факторов.
В переходный период при усилении дифференциации доходов населения для прогнозирования спроса целесообразно использовать регрессионную модель, построенную на основе данных о дифференциации доходов населения и расходов по товарным группам, суть которой заключается в следующем. Население в соответствии с доходом на одного человека разбивается на процентильные (децильные) группы, т.е. выделяют 10 % населения с наименьшим доходом, затем следующие 10 % и т.д., заканчивая распределение группой, состоящей из 10 % населения с наибольшим доходом. В качестве единственного фактора формирования перспективной структуры спроса рассматриваются доходы населения. Данные о доходах населения и расходах по товарным группам формируются в виде таблицы. В ней отражаются группы населения по доходам, интервал дохода на одного человека в год (месяц), доля населения в процентах по интервалам доходов, средний доход на одного человека, расходы по товарным группам на одного человека в год (месяц).
Прогноз спроса на каждую товарную группу будет формироваться под влиянием изменения доходов на душу населения.
Для прогнозирования спроса на товары можно использовать модель поведения потребителей в условиях товарно-денежных отношений, базирующуюся на принципах оптимального удовлетворения потребностей по группам потребителей. Модель имеет вид:
∑ Y j → max;
∑ P j Y j ≤ D;
Qj ≤ Y j ≤ Qj
где Y j - спрос на j-й товар; P j - цена на j-й товар; D - доходы потребителей; Qj , Qj - нижний и верхний пределы спроса j-го товара с учетом предложения.
Потребители предварительно подразделяются на однородные группы по социально-демографическим признакам. Считается, что внутри каждой группы предпочтения на множество товаров и услуг одинаковы.
При прогнозировании спроса с учетом особенностей товаров могут применяться различные подходы. Так, на товары легкой промышленности спрос определяется в условиях их широкого ассортимента. Разработать прогноз по такому широкому кругу позиций затруднительно, поэтому отдельные позиции необходимо агрегировать. Например, в группе швейных изделий можно выделить модную одежду, рабочую одежду и другие подгруппы. Следует также учитывать сроки износа изделий и обновления гардероба, подразделять товары на группы с учетом половозрастного признака потребителей (например, товары для молодежи, детей, лиц пожилого возраста).
Прогнозы спроса на товары культурно-бытового назначения должны базироваться на числе семей, их обеспеченности этими товарами, покупательских намерениях на приобретение, наличии денежных сбережений, жилищных условиях и т.д.
Общий объем спроса на товары длительного пользования состоит из двух частей: спроса на замену и спроса на расширение парка этих изделий. Спрос на замену можно определить исходя из данных о реализации этих товаров в предшествующие годы и средних сроков их использования в семьях. Согласно статистическим данным, средние сроки службы телевизоров, электропылесосов, часов всех видов, магнитофонов составляют 10 лет, холодильников - 20, стиральных машин - 15 лет.
Прогноз спроса на конкретные виды товаров следует выполнять с учетом данных об изменении доли отдельных товаров в общем объеме товарооборота.
Исходя из прогнозных расчетов спроса определяется структура платежеспособного спроса населения и разрабатывается сводный заказ торговли на производство важнейших товаров народного потребления на плановый период.
Прогноз спроса предприятий-производителей на выпускаемую продукцию предполагает:
Анализ тенденций изменения доли фирмы в общем рынке;
Оценку рыночной стратегии конкурентов и перспектив освоения новых видов изделий;
Анализ рыночной стратегии фирмы и качества продукции;
Прогноз спроса на продукцию фирмы.
Для фирмы главное - завоевание доверия потребителей к ее продукции. Для того чтобы прогнозировать будущие потребности людей, необходимо проанализировать, как потребитель реагирует на появление на рынке принципиально новых изделий.
Зарубежные исследователи выделяют среди возможных следующие направления стратегии фирмы по производству продукции:
Внешнее отличие товара в глазах покупателя от товара конкурентов;
Выход на рынок с новым товаром;
Разработка пионерного товара, который будет лидером на ближайшие годы, обеспечивая превосходство над конкурентами.
Для реализации этих направлений собираются идеи по созданию нового товара и до минимума сокращаются сроки между выдвижением идей и пробной продажей товара. С целью поиска идей широко применяются методы экспертных оценок: метод коллективной генерации идей, метод "635", метод "Дельфи".
Лидером в выработке стратегии фирмы является Япония. Японские фирмы гордятся тем, что их служащие ежегодно вносят огромное количество идей, из которых отбираются 7 - 10 оригинальных, имеющих практическое значение.
Прежде чем принять решение о выпуске новых изделий, наряду с прогнозом спроса необходимо спрогнозировать издержки производства, цену и прибыль.
Для выявления реакции потребителей целесообразно использовать рекламу, пробную продажу. Изучение спроса на новые товары может также осуществляться на выставках-продажах, выставках-просмотрах, ярмарках. Определяются степень соответствия изделий запросам покупателей, их предпочтения другим товарам-аналогам и условия, при которых население отдает предпочтение новым товарам (цена, оформление и др.).
Товары рыночной новизны являются ключевыми для коммерческого успеха предприятия. Фирмы, производящие такие товары, имеют возможность устанавливать монопольные цены и получать более высокую прибыль.
Каждый товар имеет свой жизненный цикл (ЖЦТ). Концепция ЖЦТ исходит из того, что товар имеет определенный период рыночной устойчивости. ЖЦТ или описывающую его в координатах "прибыль-время" кривую можно разделить на стадии внедрения, роста, зрелости, насыщения и спада. Переход от стадии к стадии происходит без резких скачков, в связи с чем необходимо следить за изменениями темпов продажи или прибыли, чтобы уловить границы стадий и внести изменения в товар или производственную программу.
При прогнозных исследованиях товарного рынка наряду с комплексным анализом большую роль играет разрабатываемая стратегия ценообразования, так как цена является важным рычагом продвижения товара на рынок и определяющим фактором объема продаж и прибыли.
Вы сможете спрогнозировать продажи, не прибегая к сложным формулам, рассчитать коридор спроса, определив верхнюю и нижнюю границы будущих продаж, использовать универсальный метод прогноза продаж для любого периода.
Вместо громоздких формул для прогноза спроса на продукцию мы используем один график в Excel, который строим исходя из данных о продажах компании. Алгоритм вывели самостоятельно, опираясь на советы знакомых бизнесменов и материалы из интернета. С помощью графика прогнозируем продажи на месяц, несколько месяцев или год. Чтобы повторить опыт, вам потребуется версия Excel 2003–2016 года. Кроме того, в конце статьи вы найдете альтернативный способ, который позволит построить прогноз за несколько минут. Однако он подходит исключительно для версии Excel 2016 года.
Чтобы приступить к анализу, вам понадобятся данные о продажах компании за весь период ее существования. Чем больше информации, тем точнее прогноз. У нас, к примеру, есть сведения о продажах с января 2013 года по август 2015-го. Заносим их в таблицу (рисунок 1).
Мы подготовили статью, которая:
✩покажет, как программы слежения помогают защитить компанию от краж;
✩подскажет, чем на самом деле занимаются менеджеры в рабочее время;
✩объяснит, как организовать слежку за сотрудниками, чтобы не нарушить закон.
С помощью предложенных инструментов, Вы сможете контролировать менеджеров без снижения мотивации.
Чтобы спрогнозировать продажи, к примеру, на месяц или на будущий год, используем функцию «ПРЕДСКАЗ» в Excel. Функция основана на линейной регрессии и предназначена для прогнозирования продаж, потребления товара и пр.
В ячейку C34 записываем функцию:
ПРЕДСКАЗ(x; известные_значения_у; известные_значения_х),
х - дата, значение для которой необходимо предсказать (ячейка A34);
Чтобы учесть сезонные спады и рост продаж, с помощью стандартных функций вычисляем коэффициент сезонности. Для этого суммы продаж за первый и второй год делим на общую сумму продаж за два года и умножаем на 12. С помощью клавиши F4 устанавливаем абсолютные ссылки, чтобы расчет шел исключительно из нужного нам диапазона (рисунок 1).
=(($B$2:$B$13+$B$14:$B$25)/СУММ($B$2:$B$25))*12
Далее копируем формулу и вставляем в ячейки F2:F13 как формулу массива. Завершаем ввод сочетанием клавиш: Ctrl+Shift+Enter. Если этого не сделать, функция вернет значение ошибки #ЗНАЧ! В результате для января получим коэффициент 0,974834224106574, для февраля - 0,989928632237843 и т. д. Для наглядности можно назначить ячейкам процентный формат. Правой кнопки мыши выбираем «Формат ячеек», затем вкладку «Число» и далее вкладку «Процентный, два знака после запятой».
Добавим рассчитанные коэффициенты в имеющуюся функцию «ПРЕДСКАЗ» (ячейки C34:C45):
Чтобы скорректировать продажи, учитывая коэффициент, используем функцию «ИНДЕКС» (рисунок 2).
Первым аргументом в функции указываем ссылку на 12 ячеек с коэффициентами сезонности ($F$2:$F$13), вторым - номер месяца, чтобы вернуть коэффициент для нужного месяца (для этого используем функцию «месяц», которая возвращает только номер месяца из указанной даты). Для сентября 2015 года формула индекса выглядит так:
ИНДЕКС($F$3:$F$14;МЕСЯЦ(A35))
Чтобы скорректировать прогноз, нужно значение «ИНДЕКС» умножить на значение «ПРЕДСКАЗ», которое рассчитывали в шаге 2. Вот что мы получим:
ПРЕДСКАЗ(A34; $B$2:$B$33; $A$2:$A$33)*ИНДЕКС ({97,48%:98,99%:90,38%:94,66%:100,86%:99,02%:100,66%:110,39%:100,47%:104,82%:105,13%:97,14%}; 9)
Распространяем функцию на дальнейшие периоды и получаем скорректированный прогноз с учетом сезонности в ячейках C34:С45 (рисунок 1).
Реальные продажи редко в точности соответствуют прогнозам. Поэтому компании дополнительно строят допустимые верхние и нижние границы - прогноз продаж по оптимистичному и пессимистичному сценариям. Это помогает отследить тенденцию и понять, выходят ли реальные показатели продаж за спрогнозированные значения. При большом отклонении можно в срочном порядке принять необходимые меры.
Верхние и нижние границы коридора спроса строим по формуле (ячейка G2 на рисунке 1):
ДОВЕРИТ(0,05 (АЛФА); СТАНДОТКЛОН(C34:C45); СЧЕТ(C34:C45)),
«ДОВЕРИТ» возвращает доверительный интервал, используя нормальное распределение. Функция учитывает колебания продаж компании, включая сезонные.
«АЛФА» - уровень значимости для вычисления доверительного уровня. Показатель 0,05 означает, что мы получим прогноз с точностью 95%.
«СТАНДОТКЛОН» - стандартное отклонение генеральной совокупности. Показывает, насколько прогнозируемые продажи отличаются от реальных.
«СЧЕТ» подсчитывает количество месяцев, по которым мы прогнозируем продажи.
Чтобы получить оптимистичный и пессимистичный сценарии, в ячейки D34 и D35 записываем формулы (рисунок 1).
Оптимистичный: =$C34+$G$2 (прибавляем к сумме прогноза сумму рассчитанного доверительного интервала)
Пессимистичный: =$C34–$G$2 (вычитаем из суммы прогноза сумму доверительного интервала)
Чтобы по полученным данным построить график, в ячейки C33, D33 и E33 копируем значения из ячейки B33. Далее выделяем все данные (A1:E45), переходим на вкладку «Вставка», находим вкладку «Диаграммы» и затем вкладку «График». В итоге получаем график с коридором спроса (рисунок 3).
Вывод. Построив коридор спроса, внимательно следим за продажами в новом году. В 99 % случаев они развиваются в рамках коридора. Если нет - анализируем продажи еще раз и строим новый график.
Мнение эксперта
Максим Люлин,
генеральный директор «Актион-пресс»
Я бы советовал использовать метод для прогноза в отношении одного артикула - тогда он будет максимально точным. В целом метод понравился мне своей простотой и тем, что позволяет избежать ошибок. Его также можно применять для прогноза продаж группы товаров, схожих по характеристикам и близких по цене.
К недостаткам метода отнесу сложность учета изменения цен, влияния аукционной деятельности. Кроме того, при оценке продаж в рублях вы не можете объективно оценить долю продаж компании в отраслевой нише, поэтому рискуете потерять долю рынка. Ваши конкуренты могут этим воспользоваться и предложить товар по более низкой цене.
Мнение эксперта
Кирилл Чихачев,
генеральный директор «МЦФЭР-пресс»
До прочтения статьи я был знаком с методом в теории. Теперь, попробовав его на практике, могу сказать, что он мне понравился. Метод идеален для анализа продаж по зафиксированным показателям: количество продуктов, сбытовая мощность и пр. Его также стоит применять для малого числа продуктов: рост и падение спроса на каждый из них зависит от разных причин. Прогноз предельно понятен, логичен и точен. Однако для еще большей точности я бы учел следующие моменты.
Максимальное и минимальное значения продаж проще рассчитывать исходя из двух точек в начале и конце периодов, а не искать точки, через которые должна проходить прямая.
При прогнозировании продаж на месяц разницу верхнего и нижнего значений для оптимистичного и пессимистичного сценариев логичнее делить не на 12, а на количество месяцев внутри отрезка. Так вы более точно рассчитаете ежемесячный прирост продаж.
На первый взгляд, вопрос звучит абсурдно, но если внимательнее разобраться, то можно выявить следующее: «если у товара значительное число фактов нулевых продаж (спрос на товар редкий), то все методы точечного прогнозирования (в том числе и сложные), будут давать плохой результат»
Выходом из ситуации может стать применение специальных методов математического моделирования, позволяющих рассчитать накопительную вероятность возникновения спроса. То есть оценить не стараясь угадать число проданного, а посмотреть с какой вероятность может быть продан тот или иной объем товара. Это позволит нам понять, сколько товара необходимо хранить, чтобы обеспечить тот или иной уровень сервиса.
При упрощении механизм следующим образом. Специальное программное обеспечение проводит серию экспериментов (100 000 раз) о возможном спросе на товар на период поставки (в западной практике - lead time LT). Анализируется, сколько раз случился спрос разного объема. После этого строится накопительная вероятность распределения спроса (не более какого объема товара будет продано с разной вероятностью)
После этого учитывается уровень сервиса и рассчитывается оптимальный товарный запас, как значение спроса, соответствующее накопительной вероятности, равной уровню сервиса.
Более наглядно это можно посмотреть на следующем графике или таблице: (из программы Forecast NOW!):
Рис. 1 Уровень сервиса и оптимальный товарный запас на примере программы Forecast NOW!
Вероятность Сумма,% |
Объём,ед |
На рисунке светло-синим построена накопительная вероятность. Оптимальный запас находится на пересечении выставленного уровня сервиса и накопительной вероятности.
Таким образом, применение подобных методов поможет сразу рассчитать оптимальный товарный запас для товаров редкого спроса.
Важным вопросом остается критерий отнесения товаров к редкому спросу:
Для этого считается среднее расстояние в днях между соседними фактами продаж. Если это число больше 1.25 дней, то перед нами редкий спрос, если меньше - гладкий.
История продаж товара:
Среднее расстояние между соседними фактами продаж = ((3-1)+(4-3)+(7-4)+(8-7))/4 = 1,75 >1,25 -> спрос редкий
Но для товаров гладкого спроса без прогнозирования спроса не обойтись:
Работа любого торгового предприятия неизбежно связана с проблемой оптимизации товарных запасов. Избыток товаров приводит к дополнительным финансовым издержкам, а недостаток - к потере постоянных покупателей и снижению объемов продаж. В обоих случаях происходит недополучение возможной прибыли, что в условиях острой конкуренции может стать причиной банкротства предприятия.
Одной из важнейшей составляющих поддержания оптимального ассортимента товаров является оперативное и долгосрочное прогнозирование спроса. Конечно, при планировании закупок можно ничего и не прогнозировать, используя как источник исходной информации устоявшийся или возникший уровень спроса. Однако такой устаревший подход в условиях динамично изменяющегося рынка и "избалованного" покупателя трудно назвать эффективным (за исключением небольших поселений, где имеется всего один магазин).
Прогнозирование спроса позволяет не только разработать оптимальный план закупок, но и эффективно управлять ресурсами предприятия. Так, например, зная, что в следующем месяце возникнет повышенный спрос не мороженое, можно будет заранее принять на работу продавцов, закупить холодильное оборудование и предусмотреть дополнительное финансирование. Если же все подобные мероприятия начать проводить в пик сезона, то все усилия могут оказаться напрасными и, даже убыточными.
Чтобы спрогнозировать спрос, разработано огромное количество теорий и специальных инструментов.
Так, например, при планировании закупок для супермаркета не обойтись без специализированного программного обеспечения. Основная проблема здесь в огромном ассортименте товаров, который просто физически невозможно "удержать в голове". Кроме того, специальное ПО позволяет автоматизировать процесс подготовки заявок, что при больших объемах закупок дает возможность сэкономить массу времени.
При небольшом ассортименте товаров отличные результаты в прогнозировании спроса можно получить с помощью стандартного приложения Microsoft Excel. Специальные статистические функции, такие как, например, ТЕНДЕНЦИЯ и РОСТ, позволяют без ввода сложных формул мгновенно обработать большие массивы информации. Богатые оформительские возможности Microsoft Excel помогут представить полученные данные не только в табличном виде, но и в более наглядном - в форме графиков и диаграмм.
Прогноз спроса на отдельные позиции товаров можно составлять и вручную. Так, например, если товар является новинкой, то даже самые мудреные статистические формулы и ранее накопленная информация не помогут предугадать его популярность. В таких случаях приходится надеяться не на расчеты, а на интуицию и на дополнительные факторы (мнения покупателей, рекламная поддержка и т.п.).
Методы, используемые при прогнозировании спроса, отличаются большим разнообразием - от наивных (предполагается, что спрос в следующем месяце будет такой же, как и в прошедшем) до применения в расчетах сложных экономических и математических теорий и их программных реализаций (нейронные сети).
Простейшим из подобных методов является использование вычислений по формуле "простого среднего". Прогноз спроса на следующий период при этом способе высчитывается как среднее арифметическое показателей спроса за все предыдущие периоды. Недостатком этого метода является его высокая "консервативность" - устаревшая информация о прежних продажах помешает проявиться последним тенденциям спроса.
Более оперативно на изменение спроса реагирует метод "скользящее среднее". Расчет при этом производится не на основании данных за весь срок наблюдения, а за несколько последних периодов.
Ключевым вопросом является определение «окна скольжения» - за сколько последних периодов необходимо проводить усреднение. Чем больше этот период, тем больше совпадает прогноз по скользящему среднему с простым средним.
Определить период можно эмпирически на основании ошибки прогноза (RMSE) - рассчитать эту ошибку для разных периодов и выбрать оптимальный.
Очевидно, что оптимальным является период в 4 дня.
Интересной вариацией метода является расчет скользящей средней по определенным дням (то есть - для всех понедельников считается скользящая средняя за n последних понедельников, и т.д.) Такой метод может подойти товаров, обладающих ярко выраженной внутри недельной сезонностью (например, хлеб).
Сочетанием вышеописанных методов является "метод взвешенного скользящего среднего". В этой модели вычисляется средневзвешенное значение на основании нескольких периодов, но более отдаленным периодам придаются меньшие веса. Таким образом, для расчетов можно брать более длительные наблюдения, но ограничить влияние на расчеты неактуальных данных.
К сожалению, вышеперечисленные методы расчетов "по среднему" позволяют получить лишь очень приближенные результаты. Более точного прогноза можно добиться при использовании моделей "экспоненциального сглаживания" и "экспоненциального сглаживания с трендом". В первом методе последний прогноз объема продаж, корректируется на основе ошибки прогноза, допущенной в последнем периоде. При втором методе расчетов (называемом еще методом "двойного экспоненциального сглаживания") учитываются данные с трендами - благодаря этому данный метод может использоваться даже для среднесрочного прогнозирования.
Для учета сезонности и общего тренда спроса применяется модель "Хольта-Уинтерса" (трехпараметрическое экспоненциальное сглаживание). Чтобы получить прогноз спроса в этом методе необходимо правильно подобрать три параметра. Для этого можно использовать как специальные алгоритмы, так и ограничиться простым перебором.
При желании получить еще более совершенные прогнозы можно использовать модели "авторегрессии". Эта методика позволяет провести очень подробный анализ имеющихся данных, выявить любые тенденции и отсеять случайные влияния. Однако, в отличие от предыдущих методов, подбор множества параметров потребует от пользователя очень много усилий и времени.
Следует отметить, что чем более сложные методы прогнозирования используются, тем труднее их практическое применение и тем выше вероятность возникновения ошибок. Анализ огромных объемов информации, подбор оптимальных параметров, оперативный учет колебаний рынка - все это порой находится на пределе человеческих возможностей. Наиболее перспективным в решении этой проблемы является использование алгоритмов "нейронных сетей". В этой методике специальная программа после предварительного обучения способна самостоятельно найти лучшее решение - при этом пользователю не нужно вникать во все премудрости используемых теорий. Кроме того "нейронные сети" способны учесть скрытые тенденции и создать достоверный прогноз в такой нестабильной ситуации, где ранее прогнозирование считалось вообще невозможным.
По проведенным специалистами проекта «Forecast NOW» исследованиям прогнозирование нейронными сетями дает лучший результат, чем по всем вышеприведенным методам:
По оси Х показано количество товаров при анализе, по Y- а сколько процентов нейронные сети оказывается лучше, чем другой алгоритм в относительном выражении.
Рис. 2 Нейронные сети + Генетические алгоритмы (ГА) и экспоненциальное сглаживание
Рис. 3 Нейронные сети + Генетические алгоритмы (ГА) и авторегрессия
Рис. 4 Нейронные сети + Генетические алгоритмы (ГА) и метод Хольта Винтерса
Из рисунков видно, что прогнозирование нейронными сетями дает значительно лучший результат.
Выводы
Для прогнозирования спроса нужно:
Особенностью измерения спроса является тот факт, что его можно осуществить опосредованно через показатели продажи товаров или расходов населения на приобретение тех или иных предметов потребления.
Методы измерения потенциального спроса
Потенциальный спрос - это максимально возможный размер спроса, который могут предъявить потенциальные потребители той или иной продукции. Величинами измерения являются:
Численность потенциальных потребителей;
Потенциально возможное количество продаж в натуральных единицах;
Размер потенциальных продаж в стоимостном выражении.
Потенциальный спрос представляет собой теоретически рассчитываемую величину, которая в действительности, как правило, не достигается. Однако его измерение необходимо для проведения сравнения потенциальных возможностей с реальным спросом.
Существуют два подхода к измерению потенциального спроса :
Метод «поиска» заключается в промежуточных оценках исчисления конечных потребителей, исходя из общего количества людей.
Метод «построения» заключается сначала в определении всех возможных групп потенциальных потребителей и последующем их суммировании.
Методы измерения реального спроса
Реальный спрос представляет собой размер фактической реализации товаров за определенный срок, выраженный в натуральных или стоимостных показателях. Поскольку величина продаж не соответствует в полной мере величине спроса, а служит лишь косвенным его измерением, используются различные способы оценок.
Расчет, исходя из объемов производства, экспорта, импорта и товарных запасов.
Замеры поступлений, продаж и запасов товаров в ассортименте по выборочной совокупности магазинов в течение определенного периода времени (исчисление так называемого индекса Нильсена).
Оценки расходов потребителей по бюджетной статистике.
Методы прогнозирования спроса:
Прогнозирование спроса осуществляется различными методами. На практике, как правило, реализуется комплексный подход, учитывающий сильные и слабые стороны применяемых методов.
Различают методы прогнозирования спроса общего и специального назначения .
Общие методы прогнозирования спроса основываются на экстраполяции, экспертных оценках, нормативах и на экономико-математическом моделировании.
1) Методы экстраполяции . Наиболее простые методы, основанные на статистическом анализе временных рядов, позволяют прогнозировать темпы роста продажи товаров в ближайшей перспективе, исходя из тенденций, сложившихся в прошедшем периоде времени.
2) Методы экспертных оценок. Методы строятся на получении объективных оценок как результата субъективных мнений экспертов и специалистов. Предполагается знание определенных процедур («Дельфийский метод», «мозговой штурм», «адвокат дьяволами др.).
3) Нормативные методы. Чаще используются при прогнозировании спроса на товары производственного назначения. Размеры покупок определяются требованиями технологических, строительных и тому подобных норм и нормативов.
4) Методы экономико-математического моделирования. Наиболее сложные методы, требующие специальной подготовки. Основаны на учете корреляции спроса и факторов, определяющих его развитие.
Специальные методы прогнозирования учитывают особенности спроса на различные товары. Они исходят из раздельного прогнозирования основных составляющих спроса с последующим их суммированием.
Эластичность спроса по цене показывает, на сколько процентов изменится величина спроса при изменении цены на 1 %. На эластичность спроса по цене влияют следующие факторы:
Наличие товаров-конкурентов или товаров-заменителей (чем их больше, тем больше возможность найти замену подорожавшему товару, то есть выше эластичность);
Незаметное для покупателя изменение уровня цен;
Консерватизм покупателей во вкусах;
Фактор времени (чем больше у потребителя времени на выбор товара и обдумывание - тем выше эластичность);
Удельный вес товара в расходах потребителя (чем больше доля цены товара в расходах потребителя, тем выше эластичность).
Товары с эластичным спросом по цене:
Предметы роскоши (драгоценности, деликатесы)
Товары, стоимость которых ощутима для семейного бюджета (мебель, бытовая техника)
Легкозаменяемые товары (мясо, фрукты)
Товары с неэластичным спросом по цене:
Предметы первой необходимости (лекарства, обувь, электричество)
Товары, стоимость которых незначительна для семейного бюджета (карандаши, зубные щётки)
Труднозаменяемые товары (хлеб, электрические лампочки, бензин)
Эластичность спроса по доходу показывает, на сколько процентов изменится величина спроса при изменении дохода на 1 %. Она зависит от следующих факторов:
Значимость товара для бюджета семьи.
Является ли товар предметом роскоши или предметом первой необходимости.
Консерватизм во вкусах.
Перекрестная эластичность спроса -это отношение процентного изменения спроса на один товар к процентному изменению цены на какой-либо другой товар. Положительное значение величины означает, что эти товары являются взаимозаменяемыми (субститутами), отрицательное значение показывает, что они взаимодополняющие (комплементы).