Prognozowanie sprzedaży i popytu przy użyciu technologii informacyjnej nie jest już niezwykłym. Nowoczesne rozwiązania IT umożliwiają łatwe przetwarzanie dużych tablic danych, aby obliczyć wszelkiego rodzaju wskaźniki sprzedaży statystycznych - proste i wykładnicze - na podstawie których powstają prognozy większości firm.

Metody prognozowania produkcji

Metody średniej pozwalają wystarczająco równoległy na sprzedaż towarów z regularnym popytem, \u200b\u200bumożliwiają nagrywanie emisji, czynniki sezonowe. Jednak w przypadku, gdy chodzi o produkty nieregularne, metody te nie zapewniają właściwego poziomu precyzji prognoz.

Będziemy przewidzieć zapotrzebowanie na towary z nieregularnym popytem w dużych okresach czasu (kwartał, pół roku, rok) nie będzie miało znaczenia trudności, ale prognoza traci dokładność w przypadku tygodniowego horyzontu planowania.

Z reguły, biorąc pod uwagę wysokie obniżki o nieregularnym zapotrzebowaniu, jest dość trudno określić optymalny poziom dostępności magazynowej według tych stanowisk i zdecydować o zamówieniach z nadmiarem. Analiza ABC i XYZ tych towarów również nie podawają odpowiedzi na pytanie kluczowe.

• Ile towarów o nieregularnym zapotrzebowaniu powinien zostać zakupiony, aby utrzymać rozsądny poziom usług?

Nadmierne zapasy drogich towarów o nieregularnym zapotrzebowaniu będą prowadzić, najlepiej, do "instillacji" w magazynie dużej ilości kapitału obrotowego, który może być wykorzystany do innych celów. Lub do powstawania "martwych pozostałości" lub nie-płytki - w przypadku stanowiska towarowego, których kolekcje są aktualizowane co roku: kosztowne elektronarzędzia, duże urządzenia gospodarstwa domowego Premium klasy, luksusowe przedmioty sprzedawane wraz z konwencjonalnymi pozycjami .

Jednocześnie brak takich towarów w magazynie znacznie zmniejsza możliwy zysk ze sprzedaży, ponieważ zysk ze sprzedaży jednej jednostki drogich towarów może czasami przekraczać zysk ze sprzedaży typowego produktu dziesięć razy.

Przykład BRT Sprzedaż Prognozowanie sprzedaży

Przypuśćmy, że dane dotyczące sprzedaży takich towarów można przesyłać do poniższej tabeli:

Załóżmy, że czas dostawy towarów od momentu jego kolejności od dostawcy przed przyjazdem do magazynu wynosi cztery dni, a obecna pozostałość w magazynie jest 1 sztuka. Liczba nazw sprzedanych w danym okresie - 30 sztuk.

• W jakiej ilości konieczne jest zakup towarów teraz, biorąc pod uwagę czas dostawy towarów?

Przy obliczaniu na podstawie średniej sprzedaży otrzymaliśmy wartość średniej sprzedaży towarów w wysokości: 30 sztuk / 31 dni \u003d 0,97 sztuk dziennie, a sprzedaż podczas dostawy wynosiłaby około 4 jednostek, raczej 0,97 sztuk * 4 dni \u003d 3,9 sztuk.

Mając w magazynie Jeden jednostka towarów, możemy założyć, że musimy zamówić trzy kolejne rzeczy do uzupełnienia zapasów. Jednak analiza sprzedaży pokazuje, że realizacja pięciu towarów i nie jest już tak niezwykłą sytuacją. A przy zakupie tylko trzech towarów nie będziemy mogli zaspokoić sprzedaży popytu i pozbawienia.

• Ile towarów musi być w magazynie, a który poziom usług może być zagwarantowany klientom w tej sytuacji, aby zapewnić zadowolenie maksymalnego popytu, bez wydawania niepotrzebnych pieniędzy na duże zakupy?

Analiza przeprowadzona powyżej na podstawie średniej kalkulacji sprzedaży nie odpowiada na te pytania.

Dlatego w celu przewidywania nieregularnych sprzedaży, niezwykle ważne jest użycie specjalnych metod analizy nieregularnych zdarzeń. Stosunkowo niedawno metody oparte na tak zwanych statystykach bootstring, które zaczęły być rozwijane. Jedną z tych metod stosowanych w analizie nieregularnych i rozrachowanych wierszy jest metoda zwana Czas reakcji bootstring (BRT) *.

Różnica między metodą BRT w sprawie obliczenia średniej polega na określeniu najbardziej prawdopodobnej wielkości sprzedaży w okresie dostarczania zamówienia, a nie do obliczenia średniej dziennej wielkości sprzedaży. W naszym przypadku ten okres dostawy wynosi cztery dni.

• Jaką opcją jest najbardziej akceptowalna prognoza sprzedaży, na podstawie dostępnych danych?

Aby wyszukać odpowiedź, wykonaj tabelę wszystkich możliwych opcji na podstawie dostępnych danych. W tym celu dzielimy nasz rząd w kolejności przez okresy reakcji (czasy dostawy zamówienia): najpierw od 1 do 4 dni, a następnie C2 do 5, a następnie od 3 do 6 itd. - Całkowita 28 możliwych opcji.

W prawym górnym kolumnie otrzymaliśmy wiele opcji, w jaki sposób wolumen towarów może być sprzedawany dla wybranego okresu (cztery dni) - dostał rozproszenie od 0 do 11 sztuk. Jak zrozumieć, które z tych wartości spełniają nasze wymagania? Aby to zrobić, wykonaj histogram częstotliwości - pokazuje, jak często występuje jedna lub inna wartość w próbce:

• Ilu klientów jest gotowa, że \u200b\u200bnasza firma jest gotowa zapewnić bezwarunkową dostępność towarów?

W ramach "bezwarunkowej dostępności" zrozumiemy następującą sytuację: Jeśli jesteśmy średnio, kupujesz 10 sztuk dziennie, ale był przypadek, że ktoś kupił 100 sztuk, a następnie "bezwarunkowa dostępność" oznacza, że \u200b\u200bw naszym magazynie powinno być w naszym magazynie obecność 100 sztuk towarów.

Wysoki poziom dostępności produktu oznacza, że \u200b\u200bmożesz zapewnić klientom wyższy poziom usług, ale jednocześnie istnieje duża liczba towarów w magazynie.

Brak towarów w magazynie - niski poziom dostępności - oznacza, że \u200b\u200bkupujemy mniej produktów do pracy, ale zmniejszamy jakość usługi, bez konieczności wysyłania towarów do klienta na czas.

• Jaki procent klientów możemy służyć - sprzedać towary, upuszczając czynnik obecności w magazynie?

Z reguły ta wartość waha się w regionie 80-91%. Dla naszego przykładu zatrzymamy się na poziomie dostępności - 80%. Pozostali klienci - 20% - "Wyrzucić", wierząc, że dla nich nie jesteśmy gotowi do przechowywania dużych zapasów towarów w magazynie i nie uwzględniają planu zamówień.

Co oznaczają te dane dotyczące naszej analizy? Oznacza to, że na podstawie naszego histogramu musisz określić maksymalną wartość sprzedaży w taki sposób, że całkowita częstotliwość popytu na mniejsze wolumeny sprzedaży jest jak najbliżej poziomu dostępności wybranej przez nas.

W logiku kierowniczym można go interpretować w następujący sposób: Musimy wybrać możliwy maksymalny popyt, który pojawi się od 80 z 100 naszych klientów w wybranym czasie reakcji (czas dostawy zamówienia).

Dla naszej próbki wartość ta wynosi 8 sztuk, która pokrywa wymóg 21 z 28 możliwych rezultatów (jeśli wybraliśmy poziom dostępności 70/10, byłoby to wartość 5 sztuk, które obejmowałyby 20 możliwych wyników od 28 możliwy).

W Logikach Menedżerski, znaleźliśmy wartość 8 sztuk, można interpretować w następujący sposób: Podczas serwisowania 8 z 10 klientów, przez 4 dni kupią łączną łączną łączną niż 8 sztuk towarów, a zakup będzie 8 - 1 \u003d 7 kawałki. Wynik ten znacznie różni się od wartości uzyskanej przez obliczenie "średniej prostej".

W ten sposób metoda BRT daje dokładniejszy i rozsądny analityk dla towarów, które powinny być dostępne dla klientów, nawet jeśli są rzadko kupowane, ale z pewną stałością.

Prognoza sprzedaży Excel.

Pobierz plik używany w języku wideo:

("Dolny pasek" :( "Tekstyl": "statyczny", "TextPozycjonistyczny": "Dolny", "Textautohide": True, "TextPositionMarginstic": 0, "TextPositionDynstic": "Bottomleft", "TextPositionMarginalleft": 24, " TextpositionMarginightright ": 24," TextpositionMargintop ": 24," TextPositionMarginbottom ": 24," TextEffect ":" Slide "," TextEffecting ":" EaseoutCubic "," TextEffectionuration ": 600," TextEffersEfectionIciction ":" Left "," TextEffersIDLIDEDistance " : 30, "TextEffectdelay": 500, "TextEffersEgotate": False, "TextEffect1": "Slajd", "TextEffectlidirection1": "Prawa", "TextEffectslidistance1": 120, "TextEffecting11": "Uspokaja", "TextEffectdation1": 600 , "TextEffectDelay1": 1000, "TextEffect2": "Slajd", "TextEffectledEilection2": "Right", "TextEffersEffersIDedistance2": 120, "TextEffectle2": "Uspokój", "TextEffectdation2": 600, "TextEffectdelay2": 1500 "," TEXTCSSSSS ":" Wyświetlacz: blok; Wypełnienie: 12px; Tekst-Wyrównuj: W lewo; "," TextBGCSS ":" Wyświetlacz: blok; Pozycja: Absolute; Top: 0px; Lewo: 0px; Szerokość: 100%; Wysokość: 100% ; kolor - kolor: # 333333; nieprzezroczystość: 0,6; Filtr: a LPHA (Kiń \u003d 60); "," Titlecss ":" Wyświetlacz: blok; Pozycja: krewna; Czcionka: Bold 14px "Lucida Sans Unicode \\", "Lucida Grande", Sans-Serif, Arial; Kolor: #FFF; "," OpisCSS ":" Wyświetlacz: blok; Pozycja: krewna; Czcionka: 12px "Lucida Sans Unicode \\", "Lucida Grande", Sans-Serif, Arial; Kolor: #FFF; Margin-Top: 8px; "," Buttercss ":" Wyświetlacz: blok; Pozycja: krewna; Margin-Top: 8px; "," TextEffectresponsive ": True," TextEffecktResponsize ": 640," TitlecSsponssive ":" Czcionka-rozmiar: 12px; "," OpisSSresponssive ":" Wyświetlacz: Brak! "", "AddgoooOgonts": false, "Googlefonts": "", "TextleftrighterCorCorstic": 40))

Prognozowanie jest bardzo ważnym elementem niemal dowolnej dziedziny aktywności, od ekonomii i zakończenia inżynierią. W tym kierunku jest duża liczba oprogramowania. Niestety, nie wszyscy użytkownicy wiedzą, że zwykły procesor tabeli Excel w jego arsenalnych narzędzi do przewidywania, co w jego skuteczności jest niewiele gorsze od programów zawodowych. Dowiedzmy się, jakie są narzędzia i jak dokonać prognozy w praktyce.

Celem wszelkich prognozowania jest zidentyfikowanie bieżącego trendu oraz definicję zamierzonego wyniku w odniesieniu do badanego obiektu w pewnym punkcie w przyszłości.

Metoda 1: Linia Trendu

Jednym z najpopularniejszych gatunków graficznych w Excele jest ekstrapolacja wykonana przez budowę linii trendów.

Spróbujmy przewidzieć kwotę zysków Spółki po 3 latach na podstawie danych dotyczących tego wskaźnika na poprzednie 12 lat.

Metoda 2: Operator przewidywania

Ekstrapolacja danych tabeli można dokonać za pomocą standardowej funkcji Excel Predic.. Argument ten odnosi się do kategorii instrumentów statystycznych i ma następującą składnię:

Przewiduje (x; znane_stations_y; znane wartości_x)

"X" - Jest to argument, wartość funkcji, dla której musisz zdefiniować. W naszym przypadku, jako argument będzie rokiem, do którego należy podjąć prognozowanie.

"Znane wartości y" - Podstawa znanych wartości funkcyjnych. W naszym przypadku, w swojej roli, wielkość zysków dla poprzednich okresów.

"Znane znaczenie x" - Są to argumenty pasujące do znanych wartości funkcyjnych. W swojej roli mamy numeracji lat, dla których zebrano informacje o zyskach z poprzednich lat.

Oczywiście, jako argument niekoniecznie jest tymczasowym segmentem. Na przykład mogą być temperaturą, a funkcja funkcji może być poziom rozszerzalności wody podczas ogrzewania.

Przy obliczaniu tej metody stosuje się metodę regresji liniowej.

Spójrzmy na niuanse zastosowania operatora Predic. Na konkretnym przykładzie. Weź tę samą tabelę. Musimy znaleźć prognozę zysku na 2018 r.

Ale nie zapominaj, że, jak w budowie linii trendu, czas, aż do przewidywanego okresu nie powinien przekraczać 30% całkowitego okresu, dla którego gromadzi się bazę danych.

Metoda 3: Trend operatora

W celu przewidywania możesz użyć innej funkcji - TENDENCJA. Odnosi się również do kategorii operatorów statystycznych. Jego składnia jest w dużej mierze przypominająca składnię narzędzi Predic. i wygląda tak:

Trend (znane wartości_y; znane wartości_x; new_stations_x; [const])

Jak widać, argumenty "Znane wartości y" i "Znane znaczenie x" w pełni odpowiada podobnym elementom operatora Predic.i argument. "Nowe wartości x" odpowiada argumentowi "X" Poprzednie narzędzie. Dodatkowo, TENDENCJA Jest dodatkowy argument "Stały"Ale nie jest to obowiązkowe i używane tylko wtedy, gdy są stałe czynniki.

Operator ten jest najskuteczniej używany w obecności zależności zależności liniowej.

Zobaczmy, jak to działa wszystko za pomocą tej samej tablicy danych. Aby porównać uzyskane wyniki, punkt prognozowania określi 2019.

Metoda 4: Wzrost operatora

Inną funkcją, z którą można przewidzieć w Excele, jest wzrost operatora. Odnosi się również do statystycznej grupy instrumentów, ale w przeciwieństwie do poprzednich, nie stosuje się metody zależności liniowej, ale wykładniczej. Składnia tego narzędzia wygląda jak:

Wzrost (znane wartości_y; znane wartości_x; new_stations_x; [const])

Jak widać, argumenty dla tej funkcji są dokładnie wielokrotnymi argumentami operatora TENDENCJAPo raz drugi na ich opisie nie zatrzyma się, a my natychmiast przejdziemy do korzystania z tego narzędzia w praktyce.

Metoda 5: Operator Linene

Operator Linene Przy obliczaniu wykorzystuje metodę przybliżenia liniowego. Nie należy go mylić z liniową metodą zależności używaną przez narzędzie TENDENCJA. Jego składnia ma ten rodzaj:

Linene (znane wartości_y; znane wartości_x; new_stations_x; [const]; [Statystyki])

Ostatnie dwa argumenty są opcjonalne. W pierwszych dwóch jesteśmy znani na poprzedni sposób. Ale prawdopodobnie zauważyłeś, że w tej funkcji nie ma argumentu, wskazując nowe wartości. Faktem jest, że to narzędzie określa jedynie zmianę ilości przychodów na jednostkę okresu, co w naszym przypadku jest rok, ale musimy obliczyć całkowity wynik, dodając wynik obliczenia operatora do ostatniej wartości rzeczywistej. Linenepomnożone przez liczbę lat.

Jak widać, przewidywana wartość zysku obliczona przez metodę przybliżenia liniowego, w 2019 r. Wyniesie 4614,9 tysięcy rubli.

Metoda 6: Operator LGRFPriBl

Ostatnie narzędzie, na które przyjrzymy się woli Lgrpribl.. Ten operator dokonuje obliczeń na podstawie metody przybliżenia wykładniczego. Jego składnia ma następującą strukturę:

LGRFPriblin (znane wartości_y; znane wartości_x; new_stations_x; [const]; [Statystyki])

Jak widać, wszystkie argumenty całkowicie powtarzają odpowiednie elementy poprzedniej funkcji. Algorytm obliczeń prognozy zmieni się trochę. Funkcja obliczy tendencję wykładniczą, która pokaże, ile razy ilość przychodów zmienia się w jednym okresie, czyli w ciągu roku. Będziemy musieli znaleźć różnicę w zyskach między ostatnim okresem a pierwszym planowaniem, pomnóż go przez liczbę planowanych okresów. (3) i dodaj do rezultatu ostatniego okresu rzeczywistego.

Przewidywana ilość zysków w 2019 r., Która została obliczona przez metodę przybliżenia wykładniczego, będzie wynosić 4639.2 tys. Rubli, co znów nie różni się od wyników uzyskanych przy obliczaniu poprzednich metod.

Dowiedzieliśmy się, jakie metody mogą przewidzieć w programie Excel. Można to zrobić graficznie dzięki zastosowaniu linii trendu i analitycznego - przy użyciu wielu wbudowanych funkcji statystycznych. W wyniku przetwarzania identycznych danych, operatorzy mogą okazać się inny wynik. Ale to nie jest zaskakujące, ponieważ wszystkie wykorzystują różne metody obliczeń. Jeśli oscylacja jest niewielka, wszystkie te opcje mające zastosowanie do konkretnego przypadku można uznać za stosunkowo niezawodne.

Do tej pory nauka ma wystarczająco dużo zaawansowanych w rozwoju technologii prognozowania. Specjaliści są dobrze znani metodami prognozowania sieci neuronowych, logiki flarskiej itp. Opracowano odpowiednie pakiety oprogramowania, ale w praktyce, niestety nie są zawsze dostępne dla zwykłego użytkownika, a jednocześnie wiele z tych problemów można skutecznie rozwiązać, przy użyciu metod badań operacji, w szczególności modelowanie imitacja, gra Teoria, analiza regresji i trendu poprzez wdrażanie tych algorytmów w dobrze znanym i wspólnym pakiecie programów aplikacji MS Excel.

W artykule przedstawiono jedną z możliwych algorytmów budowy wdrażania wysokości sprzedaży produktów z sezonową przyrodą sprzedaży. Należy zauważyć, że lista takich towarów jest znacznie szersza niż wydaje się. Faktem jest, że pojęcie "sezonu" w prognozowaniu ma zastosowanie do jakichkolwiek systematycznych oscylacji, na przykład, jeśli mówimy o studiach obrotów w ciągu tygodnia w ramach terminu "sezon" jest rozumiany przez jeden dzień. Ponadto cykl oscylacyjny może się znacznie różnić (zarówno w dużym, jak i mniejszym bokiem) z wielkości jednego roku. A jeśli uda ci się zidentyfikować wielkość cyklu tych oscylacji, taka seria czasu może być stosowana do przewidywania stosowania modeli dodatków i mnożliwych.

Model predykcji dodatku może być reprezentowany jako formuła:

gdzie: FA. - przewidywana wartość; T. - Trend; S. - składnik sezonowy; MI. - Błąd prognozy.

Wykorzystanie modeli multiplicyjnych wynika z faktu, że w niektórych wierszach wartości składnika sezonowego jest pewną udziałem wartości trendów. Modele te można składać według wzoru:

W praktyce możliwe jest odróżnienie modelu addytywnego z multiplikatywnej możliwej zmiany sezonowej. Model dodatkowy jest nieodłączny w niemal stałej zmianie sezonowej, podczas gdy multiplitwacyjnego zwiększa się lub zmniejsza, jest graficznie wyrażany w zmianie amplitudy wahania czynnika sezonowego, jak pokazano na rysunku 1.

Figa. 1. modele predykcji dodatków i multiplikatywnych.

Algorytm do budowy modelu prognozy

Aby przewidzieć sprzedaż przyrody sezonowej, proponuje się następujący algorytm do budowania modelu prognozy:

1. Trend jest określony, najlepsze przybliżone rzeczywiste dane. Istotnym momentem jest propozycję korzystania z trendu wielomianowego, co zmniejsza błąd modelu prognozy.

2. Wartość trendu wartości trendu z rzeczywistych wartości wolumenu sprzedaży określać kleje składników sezonowych i skorygowane w taki sposób, że ich ilość jest równa zero.

3. Dystrybucja błędów modelu jako różnicę między rzeczywistymi wartościami a wartościami modelu .

4. Model przewidywania:

gdzie:
Wartość przewidywana F;
T. - Trend;
S. - składnik sezonowy;
E - Model błędu.

5. Podstawą modelu opiera się na ostatecznym niezbadaniu sprzedaży. W tym celu proponuje się stosować metody wyładunku wykładniczego, co umożliwia uwzględnienie możliwych przyszłych zmian w trendach gospodarczych, na podstawie którego zbudowany jest model trendu. Istotą tej poprawki polega na tym, że poziomuje brak modeli adaptacyjnych, a mianowicie, pozwala szybko wziąć pod uwagę pojawiające się nowe trendy gospodarcze.

F t \u003d a f f t-1 + (1-a) f m t

gdzie:

F 1 - rzeczywista wartość sprzedaży w poprzednim roku;
F M T. - wartość modelu;
ale - stała wygładzająca

Praktyczna realizacja tej metody ujawniła następujące funkcje:

• aby przygotować prognozę, musisz dokładnie wiedzieć, że wielkość sezonu. Badania pokazują, że wiele produktów ma charakter sezonowy, wielkość sezonu może być inna i wahani od jednego tygodnia do dziesięciu lat i więcej;
• zastosowanie trendu wielomianowego zamiast liniowego pozwala znacząco zmniejszyć błąd modelu;
• jeśli istnieje wystarczająca ilość danych, metoda zapewnia dobre przybliżenie i może być skutecznie stosowany w przewidywaniu sprzedaży w projektowaniu inwestycji.

Zastosowanie algorytmu uważa się za poniższy przykład.

Dane źródłowe: sprzedaż produktów przez dwa sezony. Wraz z informacjami wstępnymi, zastosowano informacje o objętości sprzedaży lodów "Siler" jednej z firm w Nizhny Novgorod. Statystyki te charakteryzują się faktem, że wartości sprzedaży mają wyraźny charakter sezonowy z rosnącym trendem. Informacje początkowe przedstawiono w tabeli. jeden.

Tabela 1.
Rzeczywiste wolumeny sprzedaży

Zadanie: Utwórz prognozę sprzedaży produktów na przyszły rok do miesięcy.

Wdrażamy algorytm do budowy opisanego powyżej modelu prognozy. Rozwiązanie tego zadania zaleca się wdrożenie w środowisku MS Excel, co znacznie zmniejszy liczbę obliczeń i czas konstruowania modelu.

1. Określ tendencjęTo najlepsze przybliżone rzeczywiste dane. Aby to zrobić, zaleca się stosowanie trendu wielomianowego, co zmniejsza błąd modelu prognozowania).

Figa. 2. Analiza porównawcza trendu wielomianowego i liniowego

Figura pokazuje, że tendencja wielomianowa przybliża rzeczywiste dane znacznie lepiej niż system zaproponowany zwykle w literaturze. Współczynnik determinacji trendu wielomianowego (0,7435) jest znacznie wyższa niż liniowa (4E-05). Aby obliczyć tendencję, zaleca się korzystanie z opcji "Linia Trendu" Excel PPP.

Figa. 3. Opcja "linia Trind"

Zastosowanie innych rodzajów trendów (logarytmiczne, mocy, wykładniczo, przenoszenie) również nie daje również tak skutecznego wyniku. Są niezadowalające przybliżone rzeczywiste wartości, współczynniki ich determinacji są znikome:

• logarytmiczny R2 \u003d 0,0166;
• moc R2 \u003d 0,0197;
• wykładnik R 2 \u003d 8E-05.

2. Respektowane z rzeczywistych wartości sprzedaży wartości trendu , Definiujemy wartości składnika sezonowegoKorzystanie z pakietu aplikacji MS Excel (Rys. 4).

Figa. 4. Obliczanie wartości składników sezonowych w MS Excel PPP.

Tabela 2.
Obliczanie wartości składnika sezonowego

Dostosuj wartości składnika sezonowego, aby ich ilość wynosi zero.

Tabela 3.
Obliczanie średnich wartości składnika sezonowego

3. Oblicz błędy modelu jako różnicę między rzeczywistymi wartościami a wartościami modelu.

Tabela 4.
Obliczanie błędów

Znajdujemy solidny kwadratowy błąd modelu (E) według wzoru:

E \u003d σ O 2: σ (T + S) 2

gdzie:
T- Wartość trendu sprzedaży;
S. - składnik sezonowy;
O - Odchylenia modelu z rzeczywistych wartości

E \u003d 0,003739 lub 0,37%

Wartość uzyskanego błędu sugeruje, że konstruowany model jest dobrze przybliżeniemamizamizamy rzeczywiste dane, tj. W pełni odzwierciedla trendy ekonomiczne, które określają kwotę sprzedaży i jest warunkiem wstępnym budowania prognoz wysokiej jakości.

Zbuduj model predykcji:

Wykonany model jest przedstawiony graficznie na FIG. pięć.

5. Na podstawie modelu budujemy ostateczną prognozę sprzedaży. Aby złagodzić wpływ przeszłych trendów na dokładność modelu prognozy, proponuje się łączenie analizy trendu z wygładzeniem wykładniczym. Ograniczy to brak modeli adaptacyjnych, tj. Rozważ wschodzące nowe trendy gospodarcze:

F t \u003d a f f t-1 + (1-a) f m t

gdzie:
F T - Przewidywana wartość sprzedaży;
F t t-1 - rzeczywista wartość sprzedaży w poprzednim roku;
F M T. - wartość modelu;
ale - stała zarzuta.

Stała anty-aliasiona zaleca się określenie sposobu oceny ekspertów, jako prawdopodobieństwo utrzymania istniejącej sytuacji rynkowej, tj. Jeżeli główne cechy zmieniają / wahają się w tej samej prędkości / amplitudzie, jak poprzednio, dlatego nie ma żadnych warunków wstępnych zmiany sytuacji rynkowej, a zatem A ® 1, jeśli jest przeciwnie, a następnie A ® 0.

Figa. 5. Model prognozy prognozy sprzedaży

Tak więc prognoza na stycznia trzeciego sezonu jest określona w następujący sposób.

Określ przewidywaną wartość modelu:

F M T \u003d 1 924.92 + 162.44 \u003d 2087 ± 7,8 (RUB)

Rzeczywista wartość sprzedaży w poprzednim roku (F T-1)wyniósł 2 361 rubli. Akceptujemy współczynnik wygładzający 0,8. Otrzymujemy przewidywaną wartość wolumenu sprzedaży:

F T \u003d 0,8 * 2 361 + (1-0,8) * 2087 \u003d 2306,2 (RUB)

Ponadto, aby zwiększyć niezawodność prognozy, zaleca się zbudowanie wszystkich możliwych scenariuszy prognozowanych i obliczyć zakres zaufania prognozy.

Dmitriev Mikhail Nikolaevich, szef Departamentu Ekonomii i Przedsiębiorczości Nizhny Novgorod University University (Ngasu), Doktor Ekonomicznych, profesor.
Adres: 603000, N. Novgorod, ul. Gorky, d. 142a, kwadrat. 25.
Tel. 37-92-19 (dom) 30-54-37 (Slave)

Koshechekin Sergey Aleksandrovich, Kandydat Nauk Ekonomicznych, Sztuka. Wykładowca Departament Ekonomii i Przedsiębiorczości Nizhny Novgorod Architectural University (NGNGASU).
Adres: 603148, N. Novgorod, ul. Chaadaeva, d. 48, kwadrat. 39.
Tel. 46-79-20 (dom) 30-53-49 (Slave)

Proces prognozowania sprzedaży jest jednym z ważnych instrumentów informacyjnych do planowania działalności gospodarczej producenta. Opracowane i są już używane przez zarządców produktów Różnorodność modeli przewidywania opartych na danych statystycznych dla poprzednich okresów i analizy istniejącego środowiska. Jednak skutecznie stosować istniejące modele w firmie, musisz zorganizować zautomatyzowaną gromadzenie informacji i ustalić kryteria oszacowania dokładności prognozy. Ponadto przy sporządzaniu prognozy sprzedaży produktu należy wziąć pod uwagę następujące czynniki:

• zachowania konsumentów;
• Poprzednie i planowane strategie promocji produktów;
• Działania konkurentów - producentów;
• Zewnętrzne środowisko korporacyjne, jego zmiana.

Wszystkie istniejące metody przewidywania sprzedaży można podzielić na cztery główne grupy: na podstawie oceny; zorientowany na konsumenta; sprzedaż ekstrapolacji; modelowanie.

1. Metody oparte na wyroku. Grupa ta obejmuje metody, takie jak badając intencje kontrahentów, gier odgrywania ról, ocen ekspertów, metody Delphi, ataku mózgu, skonsolidowanej prognozowania usług sprzedaży.

Badanie intencji kontrahentów. Istotą tej metody jest to, że konsumenci proszeni są o opisanie ich zachowania w różnych sytuacjach. Takie badania w celu studiowania intencji i zachowań konsumentów są skuteczne, jeśli nie ma danych na temat woluminów poprzedniej sprzedaży. Metoda ta może być zalecana przez menedżerów w przygotowaniu prognozy, gdy pojawia się nowy produkt.

Gry do gry ról. Metoda służy do uwzględnienia tak zwanego współczynnika ludzkiego. Jest niezwykle skuteczny w analizowaniu możliwych reakcji kontrahentów na określoną wersję wybranej polityki. Jednakże tutaj jest to konieczne, aby odtworzyć sytuację jako realistyczną reprodukcję sytuacji, w której występuje interakcja. Metoda praktyki 11a jest rzadko stosowana.

Oceny ekspertów. Istotą tej metody jest opracowanie zbiorowej opinii grupy specjalistów w konkretnym produkcie. W praktyce wyróżnia się kilka metod oceny ekspertów. Rozważ jednego z nich - metoda punktu, Podczas których grupa ekspertów od specjalistów w tej dziedzinie powstaje w pierwszym etapie, z których liczba powinna być równa lub więcej niż 9 osób, skład grupy musi być jednolita. Na następnym etapie wszyscy członkowie grupy ekspertów określają najważniejsze parametry (3-5) obiektu, które mogą wpływać na sprzedaż. Wtedy ekspert jest stopień ważny lub rangi, każdy dedykowany parametr. Aby przewidzieć lub obliczyć przydatny efekt i każdy element kosztowy, ale każda klasa obiektów jednego miejsca przeznaczenia jest zbudowana własny system punktów, ponieważ przydatny efekt i elementy kosztów wpływają na ich czynniki lub parametry.

Ważne jest, aby pamiętać!

Metoda ocen ekspertów znacznie różni się od badania intencji kontrahentów, ponieważ gdy ekspert sugeruje ocenę dynamiki rynkowej, reprezentatywność nie jest wymagana, tylko odwrotnie - każdy ekspert jest wyjątkowy. Z reguły przyciąga się od 5 do 20 ekspertów, a najskuteczniejszym sposobem uzyskania jednolitej oceny jest ważące indywidualne wyniki z równymi wagami. Dokładność prognoz uzyskanych przy użyciu tej metody można podnieść, stosując procedury typu Delphi.

Metoda Delphi. Jest to jeden z gatunków metody oceny ekspertów. Jego istotą jest procedura iteracyjna do uzyskania integralnego wskaźnika o spójnym spadku dyspersji rozbieżności szacunków ekspertów. Specyfika tego sposobu jest to, że uogólnienie wyników badania przeprowadza się poprzez indywidualną pisemną ankietę ekspertów w kilku wycieczkach o specjalnie opracowanej procedurze. Niezawodność metody jest uważana za wysoki w przewidywaniu okresu PA od jednego do trzech lat i przez bardziej odległość czasu. W zależności od celu prognozy można przyciągnąć od 10 do 150 ekspertów, aby uzyskać szacunki eksperckie.

Metoda ataku mózgu (lub burza mózgów). Podobnie jak metoda Delphi, jest to rodzaj metody oceny ekspertów. Jego podstawa jest rozwój rozwiązań po wspólnej dyskusji na temat problemu przez ekspertów. Jako eksperci, z reguły specjaliści nie tylko na tym problemie, ale także w innych dziedzinach wiedzy. Dyskusja jest prowadzona na określonym scenariuszu.

Zaletą metod ekspertów jest ich względna prostota i stosowalność przewidywania niemal wszelkich sytuacji, w tym pod względem niepełnych informacji. Cechą tych metod jest możliwość przewidywania charakterystyki jakościowych rynku (na przykład zmianę sytuacji społeczno-politycznej, wpływ ekologii na produkcję i zużycie niektórych towarów).

Wady metod ekspertów obejmują podmiotowość opinii ekspertów i ograniczony wyrok.

oglądane okresy czasu i obejmują metodę przenoszenia średniej, wykładniczej analizy wygładzania i regresji.

Metoda przenoszenie średniej. Jedną z szeroko znanych metod wygładzania serii czasu na podstawie faktu, że losowe odchylenia są wzajemnie spłacane średnio ze względu na wymianę początkowego poziomu serii czasu średniej wartości arytmetycznej w wybranym okresie czasu. Uzyskana wartość odnosi się do środka wybranego przedziału czasu (okres).

Okres jest następnie przesunięty do jednej obserwacji, a obliczenie średniej jest powtarzane. W tym samym czasie okresy określania średniej są traktowane przez cały czas. W ten sposób rozważany przypadek średnia koncentruje się, tj. Zastąpiony środkiem przedziału wygładzającego i jest poziomem tego punktu.

Podczas wygładzania serii czasu wszystkie poziomy wiersza są zaangażowane w obliczenia. Szerszy przedział wygładzający, tym bardziej gładka tendencja okazuje się. Wygładzone pierścienie krótsze początkowe (P - 1) Obserwacje, gdzie p. - Wielkość odstępu wygładzającego. Wybór przedziału wygładzającego zależy od celów prognozowania.

gdzie t +. 1 - okres prognozy; t - okres poprzedzający okres prognozy (rok, miesiąc itp.) ;; /, + jest przewidywany wskaźnik; t, _ i - przenoszenie średniej w dwóch okresach do prognozy; p. - liczba poziomów zawartych w przedziale wygładzającym; y t Rzeczywiste znaczenie zbadanego zjawiska w poprzednim okresie; y, _ (- Rzeczywista wartość zbadanego zjawiska w dwóch okresach poprzedzających prognozę.

Podczas korzystania z tej metody należy wziąć pod uwagę, że dane dla poprzednich okresów charakteryzuje się podstawową wartością, trendem, cyklicznością (sezonowością), wypadkiem.

Zastosowanie metody przenoszenia średniej pozwala menedżerom w dużej mierze w dużym stopniu wygładzić losowe odchylenia i sprawiają, że trendy (cykle) bardziej oczywiste.

Wygładzanie wykładnicze. Przewidywanie metodą wygładzania wykładniczego jest jednym z najprostszych sposobów prognozowania, ale jest to dopuszczalne tylko podczas przewidywania przez jeden okres do przodu. Formuła robocza wykładniczego metody wygładzania jest przedstawiona poniżej.

gdzie t. - okres poprzedzający prognozę; t +. 1 - okres prognozy; U [+ I - przewidywany wskaźnik; ale - Parametr wygładzający; y t. - rzeczywisty

znaczenie wskaźnika w ramach studiów na okres poprzedzający prognozę; U T. - Średnia podwieszana wykładniczo na okres poprzedzający prognozę.

Podczas przewidywania tej metody trudności pojawiają się związane z wyborem parametru wygładzającego a i definicji wartościowej wartości T / 0.

Sposób wyładowania wykładniczego jest najbardziej skuteczny w rozwijaniu prognoz średnich not.

Analiza regresji. Ta metoda jest uogólnieniem modelu serii tymczasowej. Jest powszechnie stosowany w praktyce przez specjalistów-elementy sterujące i jest łatwo obliczane za pomocą programu Excel. Ta forma ekstrapolacji opiera się na analizie regresji, w której okres jest uważany za zmienną niezależną.

4. Metody oparte na modelowaniu (kategoria asocjacyjna metod prognozowania). Obejmują one metodę zaawansowanych wskaźników i modeli ekonometrycznych.

Zaawansowane wskaźniki. Podczas budowy prognoz w gospodarce wykorzystują niektóre wskaźniki makroekonomiczne. Jeśli wartości tych wskaźników zmieniają zmiany w gospodarce, wskaźniki te nazywane są zaawansowane wskaźniki. Wskaźniki palców są dostępne w każdej branży gospodarki, a wszystkie muszą je nawigować. Na przykład, jako zaliczkowe wskaźniki dla przemysłu motoryzacyjnego, istnieją wskaźniki zastrzeżeń samochodów w miejscach ich sprzedaży. Bardzo często zmiany w gospodarce rozważają zmiany poziomu zatrudnienia.

Modele ekonometryczne Istnieją wielkie modele regresji na podstawie kilku równań. Obecnie menedżerowie nie są szczególnie popularne ze względu na ich wysokie koszty i pragnienie spółek, aby zmniejszyć wszystkie jego koszty. Jednak z ich pomocą możliwe jest przeanalizowanie konsekwencji wdrażania różnych strategii, planowanie dynamiki środowiska rynku i biznesu, generując w ten sposób różne scenariusze rozwoju. Przy wyborze tej metody należy wziąć pod uwagę, że konieczne będzie przewidzieć wartości czynników objaśniających. Z niektórymi z nich (na przykład moda), mogą pojawić się duże problemy.

Ogólnie rzecz biorąc, stosowanie modeli ekonometrycznych będzie skutecznie, jeśli istnieje silna zależność przyczynowa między wartością badaną (na przykład sprzedażą) a zestawem czynników, aw przypadku, gdy forma uzależnienia jest znana i może być oceniana.

Wybór sposobu budowy prognozy w każdej konkretnej sytuacji jest procesem złożonym. Z reguły, menedżer zawsze ma możliwość wyboru kilku alternatyw. Zwykle w praktyce eksperci służą do przygotowywania prognoz krótkich i średnioterminowych, metod opartych na sądy i z metod ilościowych najbardziej popularnych jest metoda przenoszenia średniej.

• Fathutdinov R. L. Marketing strategiczny: samouczek. M.: CJSC "Szkoła biznesu" Intel-Synthesis ", 2000. P. 198-200.
• Skonsolidowana prognoza serwisu sprzedaży. Prognoza Sprzedaż Komponenty Specjalistyczne Departament Służby Sprzedaży. Zaletą tej metody jest to, że specjaliści Departamentu Sprzedaży są w bliskich kontaktach przez sprzedawców, którzy doskonale znają swoich konsumentów, specyficzne zachowanie, zakupy produktów. Na podstawie tych szacunków, kwoty sprzedaży są często instalowane. Jednakże, jak pokazuje praktyka, czasami ich rozmiar jest nieco niedoceniany przez sprzedawców.
• Metody zorientowane na konsumenta. Wśród nich podkreśla główne - badania rynku i status rynkowy Recenzje. Testowanie rynku. Istotę tego podejścia polega na prowadzeniu badań rynku badań marketingowych pierwotnego. Aby zbierać informacje, specjaliści są często uciekali się do rynku produktów, specjaliści często uciekają się do grup ostrości i ankiet konsumenckich w miejscach sprzedaży. Przypomnijmy, że zazwyczaj w ramach grupy ostrości jest rozumiane jako bandaże, które obejmuje od ośmiu do dziesięciu potencjalnych konsumentów zebranych razem w celu omówienia tematu, w którym każdy z nich jest z jednego lub innego zainteresowania. Proces dyskusji opiera się na z góry określonym scenariuszu pod kierownictwem wiodącego moderatora. Obsługa może trwać do dwóch godzin, chociaż czasami istnieje potrzeba pracy dłużej. Dyskusje w grupach fokusowych odnoszą się do metod analizy wysokiej jakości, ponieważ uzyskane dane nie mogą być nazywane przedstawicielami tej konkretnej grupy w sensie statystycznym. Recenzje statusu rynkowego. Istotą tej metody jest zbadanie rynku i odpytywania potencjalnych konsumentów produktu zmniejszającego stopień ich gotowości do nabycia analizowanych towarów. Ogromno potencjalny konsument jest proszony o ocenę stopnia gotowości, aby kupić określony produkt na a 10-punktowa skala, gdzie 10 punktów odpowiada stałym intencjom pozwanego na zakup tego produktu. Następnie uzyskane wyniki dotyczące intencji zakupu są przekazywane do całkowitej populacji w kraju. Biorąc pod uwagę tendencję konsumentów w prawdziwym życiu, aby przecenić prawdopodobieństwo zakupu produktu, menedżerów w przygotowaniu prognozy sprzedaży często korzystają z "ale maksimum", tj. Tylko liczba maksymalnych szacunków (10 punktów) oblicza.
• Metody ekstrapolacji ruchu (metody metod czasowej). Opierają się na dostępnych danych dotyczących woluminów sprzedaży
• 2 URL: http://www.ekonomika-st.ru
• Ibid.
• URL: http://www.ekonomika-st.ru.