Прогнозирование спроса - это научно обоснованное предсказание развития рынка во времени на основе изучения причинно-следственных связей, тенденций и закономерностей.

Прогнозирование спроса в торговом предприятии - это прогноз будущих продаж, определение потребности в товарах и необходимых объемов закупок, составление заказов на поставку товаров.

В зависимости от времени различают следующие виды прогнозирования спроса:

оперативное - до 1 месяца;

конъюнктурное - от 3 до 6 месяцев;

краткосрочное - от 1 года до 2 лет;

среднесрочное - от 2 до 5 лет;

долгосрочное - от 5 до 10 лет;

перспективное - свыше 10 лет.

Методы прогнозирования спроса

Прогнозирование спроса осуществляется с помощью различных методов, которые подразделяют на:

эвристические, в которых преобладают субъективные начала:

социологические - основаны на опросах конечных покупателей, выявлении их мнений и намерений;

экспертные методы - основаны на подборе и формировании группы достаточно компетентных специалистов, которые высказывают свое мнение на основе знаний, опыта, интуиции, и оно рассматривается как экспертная оценка (метод Дельфи, метод мозгового штурма);

экономико-математические, где преобладают объективные начала:

статистические методы - моделирование (строится прогнозная модель, которая характеризует зависимость изучаемого параметра от ряда факторов), расчет коэффициента эластичности спроса, экстраполяция (базируется на прошлом опыте, который пролонгируется на будущее);

специальные методы (трендовые модели в графическом или математическом виде). Тренд - временной фактор, который характеризует основную тенденцию изменения показателей - учитывают особенности спроса на различные товары (товары длительного пользования - тестирование рынка, панельные опросы; товары единовременного пользования - метод пробных покупок, повторных покупок).

Тема 4. Теория и анализ производства

ПРОИЗВОДСТВЕННАЯ ФУНКЦИЯ - функция, отображающая зависимость между максимальным объемом производимого продукта и физическим объемом факторов производства при данном уровне технических знаний.

Поскольку объем производства зависит от объема использованных ресурсов, то зависимость между ними может быть выражена в виде следующей функциональной записи:

где Q - максимальный объем продукции, произведенной при данной технологии и определенных факторах производства;

L - труд; К - капитал; М - материалы; f - функция.

Производственная функция при данной технологии обладает свойствами, которые определяют соотношение между объемом производства и количеством используемых факторов. Для разных видов производства производственные функции различны, тем не менее все они имеют общие свойства. Можно выделить два основных свойства.

1. Существует предел для роста объема выпуска, который может быть достигнут ростом затрат одного ресурса при прочих равных условиях. Так, в фирме при фиксированном количестве машин и производственных помещений имеется предел роста выпуска путем увеличения дополнительных рабочих, поскольку рабочий не будет обеспечен машинами для работы.

2. Существует определенная взаимная дополняемость (комплектарность) факторов производства, однако без уменьшения объема выпуска вероятна и определенная взаимозаменяемость данных факторов производства. Так, для выпуска блага могут быть использованы различные комбинации ресурсов; можно произвести это благо при использовании меньшего объема капитала и большего объема затрат труда, и наоборот. В первом случае производство считается технически эффективным в сравнении со вторым случаем. Однако существует предел того, насколько труд может быть заменен большим объемом капитала, чтобы не сократилось производство. С другой стороны, имеется предел применения ручного труда без использования машин.

В графической форме каждый вид производства может быть представлен точкой, координаты которой характеризуют минимально необходимые для выпуска данного объема продукции ресурсы, а производственная функция - линией изокванты.

Рассмотрев производственную функцию фирмы, перейдем к характеристике следующих трех важных понятий: общего (совокупного), среднего и предельного продукта.

На рис. 22.1, а показана кривая общего продукта (ТР), который изменяется в зависимости от величины переменного фактора X. На кривой ТР отмечены три точки: В - точка перегиба, С - точка, которая принадлежит касательной, совпадающей с линией, соединяющей данную точку с началом координат, D - точка максимального значения ТР. Точка А перемещается по кривой ТР. Соединив точку А с началом координат, получим линию ОА. Опустив перпендикуляр из точки А на ось абсцисс, получим треугольник ОАМ, где tg а есть отношение стороны AM к ОМ, т. е. выражение среднего продукта (АР).

Рис. 22.1. а) Кривая общего продукта (ТР); б) кривая среднего продукта (АР) и предельного продукта (МР)

Проведя через точку А касательную, получим угол Р, тангенс которого будет выражать предельный продукт МР. Сопоставляя треугольники LAM и ОАМ, находим, что до определенного момента тангенс Р по величине больше tg а. Таким образом, предельный продукт (МР) больше среднего продукта (АР). В том случае, когда точка А совпадает с точкой В, тангенс Р принимает максимальное значение и, следовательно, предельный продукт (МР) достигает наибольшего объема. Если точка А совпадает с точкой С, то значение среднего и предельного продукта равны. Предельный продукт (МР), достигнув максимального значения в точке В (рис. 22, б), начинает Сокращаться и в точке С пересечется с графиком среднего продукта (АР), который в этой точке достигает максимального значения. Затем и предельный, и средний продукт сокращаются, но предельный продукт уменьшается опережающими темпами. В точке максимума общего продукта (ТР) предельный продукт МР = 0.

Мы видим, что наиболее эффективное изменение переменного фактора X наблюдается на отрезке от точки В до точки С. Здесь предельный продукт (МР), достигнув своего максимального значения, начинает уменьшаться, средний продукт (АР) еще увеличивается, общий продукт (ТР) получает наибольший прирост.

В теории маржинального анализа (анализа безубыточности) выделяется такое понятие, как маржинальный доход, рассчитываемый в целом по предприятию как разность между выручкой и совокупными переменными затратами. Для единичного изделия маржинальный доход рассчитывается как разница между ценой реализации и удельными переменными затратами на единицу продукции.

Маржинальный анализ призван обеспечить объективную оценку состояния резервов производства и степени их использования, очевидный реальный дефицит или избыток ресурсов. На базе операционного анализа разрабатываются пути мобилизации резервов, возможности их ресурсного и финансового обеспечения.

Экономический смысл маржинального дохода заключается в том, что он обеспечивает покрытие постоянных затрат и формирует чистую прибыль от основной деятельности предприятия. Маржинальный доход (прибыль) – это предельная прибыль, которую может получить предприятие от производства и продажи каждого вида продукта.

Концепция маржинального дохода вписывается в метод управления и учета затрат, получивший название директ-костинг. Суть данного метода состоит в том, что к себестоимости относятся только прямые затраты, накладные же расходы, не зависящие от объема продаж, в себестоимость продукции не включаются, а периодически списываются на финансовый результат.

Основной смысл данной концепции в том, что самая точная калькуляция не та, в которую после трудоемких расчетов и распределения накладных расходов в соответствии с принятой на предприятии базой включаются все затраты предприятия, а та, в которую вносятся издержки, непосредственно обеспечивающие выпуск данной продукции.

В практической деятельности зачастую возникает ситуация, когда в выпускаемом предприятием ассортименте существуют отдельные продукты с отрицательной рентабельностью по себестоимости, но имеющие положительный маржинальный доход. Такие продукты полностью покрывают переменные затраты, связанные с их производством, и часть общих постоянных затрат предприятия.

Более глубокий анализ эффективности выпускаемой продукции с использованием понятия маржинального дохода показывает, что снятие с производства продукта с отрицательной рентабельностью по себестоимости не всегда оказывается оправданным и зачастую приводит к парадоксальным на первый взгляд результатам в виде снижения прибыли предприятия в целом.

Как правило, в операционном анализе наиболее часто используются следующие показатели: Коэффициент маржинального дохода; Коэффициент изменения валовых продаж; Коэффициент валового дохода; Коэффициент операционной прибыли; Прибыльность продаж.

1. Коэффициент маржинального дохода, который рассчитывается как отношение маржинального дохода к выручке:

КМД = (выручка - совокупные переменные затраты) / выручка

Данный коэффициент показывает в выручке долю, идущую на покрытие постоянных затрат и обеспечение прибыли. Рост данного коэффициента является положительным фактором, он возможен за счет повышения отпускных цен или снижения переменных затрат. Возможна ситуация, при которой выручка у предприятия

2. Коэффициент изменения валовых продаж. Показатель характеризует изменение объема валовых продаж текущего периода по отношению к объему валовых продаж предыдущего периода. Рассчитывается по формуле:

КВП = (Выручка за текущий год - Выручка за прошлый год) / Выручка за прошлый год

Следует иметь в виду то что, данный показатель содержит в себе инфляционную компоненту, что приводит к некоторому искажению значений данного показателя.

3. Коэффициент валового дохода (или коэффициент валовой маржи). Валовый доход (сумма для покрытия постоянных затрат и формирования прибыли) определяется как разница между выручкой и переменными затратами. Формула расчета:

КВД = Валовый доход / Выручка от реализации

Коэффициент валового дохода (валовой маржи) служит для оценки прибыльности продаж предприятия. По определению, валовой доход должен покрыть издержки, связанные с общим управлением компании и реализацией готовой продукции и, кроме того, обеспечить прибыль предприятию.

Иными словами коэффициент способность менеджмента компании управлять производственными издержками. Чем выше этот показатель, тем успешнее менеджмент предприятия управляет производственными издержками.

4. Коэффициент операционной прибыли (операционной маржи), характеризует отношение операционной прибыли, т.е. валового дохода за вычетом общих, административных и реализационных издержек, к объему продаж. Коэффициент рассчитывается по формуле:

КОП = Операционная прибыль / Выручка от продаж

Данный показатель показывает, насколько эффективна собственно производственная деятельность предприятия.

5. Прибыльность продаж или коэффициент чистой прибыли, формула расчета имеет вид:

КПП = Чистая прибыль / Выручка от реализации

Тема 5. Теория и анализ затрат

Определение и использование издержек в экономическом ана­лизе. Первоначальная стоимость и восстановительная стоимость. Альтернативные и прямые издержки. Связь между производством и издержками. Эффект масштаба.

Издержки производства - затраты на покупку экономических ресурсов, потребленных в процессе выпуска тех или иных благ.

Любое производство товаров и услуг, как известно, связано с использованием труда, капитала и природных ресурсов, которые представляют собой факторы производства, стоимость которых определяется издержками производства.

В связи с ограниченностью ресурсов возникает проблема наилучшего их использования из всех отвергнутых альтернатив.

Альтернативные издержки - это издержки выпуска благ, определяемые стоимостью наилучшей упущенной возможности применения ресурсов производства, обеспечивающие максимальную прибыль. Альтернативные издержки предприятия называются экономическими издержками. Эти издержки необходимо отличать от бухгалтерских издержек.

Бухгалтерские издержки отличаются от экономических издержек тем, что они не включают стоимость факторов производства, являющихся собственностью владельцев фирм. Бухгалтерские издержки меньше экономических на величину неявного заработка предпринимателя, его жены, неявной земельной ренты и неявного процента на собственный капитал владельца фирмы. Иначе говоря, бухгалтерские издержки равны экономическим минус все неявные издержки.

Варианты классификации издержек производства многообразны. Начнем с установления различий между явными и неявными издержками.

Явные издержки - это альтернативные издержки, принимающие форму денежных платежей собственникам ресурсов производства и полуфабрикатов. Они определяются суммой расходов фирмы на оплату покупаемых ресурсов (сырья, материалов, топлива, рабочей силы и т. п.).

Неявные (вмененные) издержки - это альтернативные издержки использования ресурсов, которые принадлежат фирме и принимают форму потерянного дохода от использования ресурсов, являющихся собственностью фирмы. Они определяются стоимостью ресурсов, находящихся в собственности данной фирмы.

Классификация издержек производства может быть осуществлена с учетом мобильности факторов производства. Выделяются постоянные, переменные и общие издержки.

Постоянные издержки (FC) - издержки, величина которых в коротком периоде не изменяется в зависимости от изменения объема производства. Их иногда называют "накладными расходами" или "безвозвратными издержками". К постоянным издержкам относятся расходы на содержание производственных зданий, закупку оборудования, рентные платежи, процентные выплаты по долгам, жалованье управленческого персонала и т. д. Все эти расходы должны финансироваться даже тогда, когда фирма ничего не производит.

Переменные издержки (VC) - издержки, величина которых изменяется в зависимости от изменения объема производства. Если продукция не производится, то они равны нулю. К переменным издержкам относятся расходы на покупку сырьевых ресурсов, топливо, энергию, транспортные услуги, заработную плату рабочим и служащим и т. д. В супермаркетах оплата услуг работников-контролеров входит в переменные издержки, поскольку управляющие могут приспособить объем данных услуг к числу покупателей.

Общие издержки (ТС) - совокупные издержки фирмы, равные сумме ее постоянных и переменных издержек, определяются по формуле:

Общие издержки увеличиваются по мере увеличения объема производства.

Издержки на единицу производимых благ имеют форму средних постоянных издержек, средних переменных издержек и средних общих издержек.

Средние постоянные издержки (AFC) - это общие постоянные издержки на единицу продукции. Они определяются путем деления постоянных издержек (FC) на соответствующее количество (объем) выпущенной продукции:

Поскольку общие постоянные издержки не изменяются, то при делении их на увеличивающийся объем производства средние постоянные издержки будут падать по мере увеличения количества выпускаемой продукции, ибо фиксированная сумма издержек распределяется на все большее и большее количество единиц продукции. И наоборот, при сокращении объема производства средние постоянные издержки будут расти.

Средние переменные издержки (AVC) - это общие переменные издержки на единицу продукции. Они определяются путем деления переменных издержек на соответствующее количество выпущенной продукции:

Средние переменные издержки вначале падают, достигая своего минимума, затем начинают расти.

Средние (общие) издержки (АТС) - это общие издержки производства на единицу продукции. Они определяются двумя способами:

а) путем деления суммы общих издержек на количество произведенной продукции:

б) путем суммирования средних постоянных издержек и средних переменных издержек:

АТС = AFC + AVC.

Вначале средние (общие) издержки высокие, поскольку производится небольшой объем продукции, а постоянные издержки большие. По мере увеличения объема производства средние (общие) издержки снижаются и достигают минимума, а затем начинают расти.

Предельные издержки (МС) - это издержки, связанные с выпуском дополнительной единицы продукции.

Предельные издержки равны изменению общих издержек, деленному на изменение объема произведенной продукции, т. е. они отражают изменение издержек в зависимости от количества выпускаемой продукции. Поскольку постоянные издержки не меняются, то постоянные предельные издержки всегда равны нулю, т. е. MFC = 0. Поэтому предельные издержки - это всегда предельные переменные издержки, т. е. MVC = МС. Из этого следует, что увеличивающаяся отдача переменных факторов сокращает предельные издержки, а понижающаяся отдача - наоборот, их увеличивает.

Предельные издержки показывают, какова величина затрат, которые фирма понесет при росте производства на последнюю единицу продукции, или тех средств, которые она сэкономит в случае уменьшения производства на данную единицу. В том случае, когда дополнительные издержки на производство каждой дополнительной единицы продукции меньше средних издержек уже произведенных единиц, производство данной следующей единицы понизит средние общие издержки. Если же издержки на следующую дополнительную единицу будут выше, чем средние издержки, ее производство повысит средние общие издержки. Изложенное относится к короткому периоду.

В практике российских предприятий и в статистике используется понятие "себестоимость", под которой понимается денежное выражение текущих издержек производства и реализации продукции. В состав затрат, включаемых в себестоимость, включаются расходы на материалы, накладные расходы, заработная плата, амортизация и т. д. Различают следующие виды себестоимости: базисная - себестоимость прошлого периода; индивидуальная - сумма затрат на изготовление конкретного вида изделий; перевозок - затраты на транспортировку грузов (продукции); реализованной продукции, текущая - оценка реализованной продукции по восстановленной себестоимости; технологическая - сумма затрат на организацию технологического процесса изготовления продукции и оказания услуг; фактическая - на основе данных фактических затрат по всем статьям себестоимости за данный период.

Эффект масштаба производства

После того, как фирма определит для себя наиболее эффективный способ производства, расширение объемов выпуска возможно исключительно за счет изменения масштабов производства, т.е. пропорционального увеличения использования всех производственных ресурсов.

Пусть исходная зависимость между объемом выпуска и ресурсами описывается производственной функцией вида

Увеличение в некоторое количество раз (например, в z раз) всех применяемых ресурсов приведет к изменению объема выпуска с Q0 до Q1, так что

Если новый объем выпуска увеличится более, чем в z раз (Q1 > zQ0), то имеет место положительный эффект масштаба производства.

Если новый объем выпуска увеличится менее, чем в z раз (Q1< zQ0), то имеет место отрицательный эффект масштаба производства.

И наконец, если новый объем выпуска увеличится также в z раз (Q1= zQ0), то имеет место постоянный эффект масштаба производства.

Для большинства производственных процессов характер эффекта масштаба меняется в зависимости от достигнутых объемов выпуска. Первоначально эффект может быть постоянным или даже положительным, однако после расширения размеров предприятия сверх некоторого предела эффект становится отрицательным.

Графически эффект масштаба производства может быть проиллюстрирован через кривые долгосрочных средних издержек, как это представлено на рис. 3.3-3.5.

Положительный эффект масштаба предполагает возрастание отдачи используемых ресурсов. Как следствие этого, объем выпуска (Q) растет более быстрыми темпами, чем совокупные затраты (ТС) на факторы производства. Другими словами, средние издержки долгосрочного периода убывают, или

LATC0 > LATC1.

Рис. 3.3. Положительный эффект масштаба производства

Существует несколько причин, объясняющих положительный эффект масштаба.

Во-первых, крупное массовое производство позволяет использовать большую специализацию ресурсов и разделение труда, что в свою очередь повышает производительность всех применяемых ресурсов;

во-вторых, крупные предприятия могут применять более передовую технологию и дорогостоящую автоматизацию производства, недоступное мелким фирмам;

в-третьих, осуществлять специализацию управления и максимально полно использовать труд высококвалифицированных специалистов, так что расходы на управленческий персонал будут расти более медленными темпами, чем производство;

в-четвертых, эффект может быть связан с технологической спецификой отдельных видов производства (в том числе, как следствие геометрического закона соответствия площади поверхностей и объемов, или сечений). Утроение производительности сборочного конвейера может потребовать лишь одного, а не двух дополнительных контролеров. Увеличение диаметра трубы нефтепровода увеличит объем перекачиваемой нефти в более чем два раза и другие случаи, когда объем выпуска увеличивается раньше, чем потребуется дополнительная единица оборудования.

Отрицательный эффект масштаба производства Если объем выпуска (Q) растет более медленными темпами, чем совокупные затраты (ТС) на факторы производства, то в отрасли имеет место отрицательный эффект, а средние издержки долгосрочного периода увеличиваются, или

LATC0 < LATC1

Рис. 3.4. Отрицательный эффект масштаба производства

Отрицательный эффект связан:

во-первых, с ограниченными возможностями эффективного управления крупномасштабным производством. По мере расширения предприятия процесс принятия решений все более и более усложняется, нарастает чрезмерные формализация и бумаготворчество, усиливается бюрократизация управленческого персонала, и как результат, постепенно снижается эффективность производства;

во-вторых, с наличием технологических барьеров на пути чрезмерного увеличения размеров предприятия.

Постоянный эффект масштаба производства

Постоянный эффект предполагает неизменность отдачи используемых ресурсов. Это означает, что объем выпуска (Q) растет такими же темпами, как и совокупные затраты (ТС) на ресурсы. В этих условиях средние издержки долгосрочного периода остаются неизменными, или

Рис. 3.5. Постоянный эффект масштаба производства

Нахождение оптимального размера предприятия для производства той или иной продукции позволяет фирме поддерживать этот оптимум достаточно долго, уже после того, как иссякнут источники положительного эффекта. Это происходит путем создания в рамках единого технологического процесса не одного, а нескольких производственных единиц оптимального размера. Так, если Q*=5 тыс. ед., то крупная компания может производить 15 тыс. ед., построив три завода, и повышая эффективность за счет централизации закупок, сбыта, управления и т.д.

Тема 5 . Рыночные структуры и анализ ценообразования

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.

Ша г 1. Чтобы прогнозировать спрос на товары, собираем данные о продажах компании

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).

Лучшая статья месяца

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.

Шаг 2. Делаем прогноз спроса на продукцию на заданный период

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);

Шаг 3. Делаем расчет коэффициента сезонности для прогноза спроса

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».

• Сезонные спады в бизнесе: 3 способа вытянуть продажи

Шаг 4. Корректируем прогноз спроса на продукцию, учитывая сезонность

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).

Шаг 5. Рассчитываем отклонение и строим два сценария

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.

• Как регулярное изучение спроса повышает динамику продаж на 648%

Мнение эксперта

Метод эффективен для прогнозирования продаж малого количества SKU

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

Метод идеален для анализа продаж по зафиксированным показателям

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.

Прогнозирование спроса возможно, если известны примерное количество потребителей и примерные нормы расхода товаров на каждого потребителя в определенный период времени. Ориентировочная потребность в товарах будет равна норме расхода товара, умноженной на количество потребителей. Затем при помощи различных методов ориентировочную потребность корректируют, учитывая возможное влияние экономической ситуации, сезонность сбыта, возможное сокращение или увеличение количества потребителей и т. п. Модель спроса обычно включает в себя представление среднего значения спроса, а также уровней постоянно растущего, циклического, ускоренно и замедленно растущего спроса и т. д. - и случайных изменений спроса вблизи среднего значения. Данные могут быть получены из самого анализа спроса, как, например, спроса в прошлом, или из внешних источников, включая экономические показатели или внешние оценки. Большинство краткосрочных прогнозов зависит от экстраполяции данных о процессе спроса, хотя сезонные или годовые прогнозы часто используют внешние данные для установления явных величин. Применение метода сглаживания (выборка лучших оценок параметров модели спроса), или коррекции параметров модели дает оценку ожидаемого уровня ¦спроса и ожидаемой величины ошибки, например, в виде среднего абсолютного отклонения или математического ожидания. Процесс спроса меняется во времени, и если модель спроса должна отображать современное состояние спроса, нужно найти способ модификации параметров модели, которые будут отображать эти изменения.
Краткосрочные прогнозы составляют на финансовый год плюс квартал. Они используются в качестве основы для планирования потребности в денежных средствах, товарах и рабочей силе в течение года с разбивкой на полугодовые, квартальные или сезонные. Разработав прогноз сбыта по всем районам рынка, составляют программу заказов и складирования на весь год, чтобы быть готовыми к сезонным увеличениям продаж в каждом районе.
Среднесрочные прогнозы охватывают период от двух до пяти лет и обычно являются экстраполяцией существующих тенденций на будущее с учетом воздействия предполагаемых изменений в конъюнктуре рынка. Прогнозы используются для установления сроков выполнения мероприятий, из которых складывается стратегия сбыта.
Некоторые изготовители пытаются прогнозировать спрос и на более отдаленную перспективу - от 5 до 20 лет. Разработка такого долгосрочного прогноза зависит от компании, срока жизни ее товаров на рынке. Когда наступает время выхода на рынок, изготовители разрабатывают планы маркетинга с учетом накопленного прогностического опыта и исследований.
Прогноз на базе анализа тенденций и циклов учитывает четыре фактора: долгосрочные тенденции роста фирмы, циклические колебания деловой активности, сезонные изменения сбыта и возможные события нерегулярного характера, влияющие на масштабы торговли, - политические события, появление новых конкурентов, технические изменения и т. д.
Прогнозирование методом корреляционного анализа основывается на данных статистики. Выявляют тенденции в развитии экономики, которые могут повлиять на деловую активность компании. Предположим, фирма продает автомобильные запасные части. Увеличение продаж автомобилей, по-видимому, повлечет за собой увеличение сбыта деталей. Для того чтобы выяснить, насколько больше запасных частей будет покупать возросшее количество владельцев автомобилей, определяют, во-первых, степень корреляции между объемом сбыта запасных частей и количеством проданных автомобилей; во-вторых, тот момент, когда увеличение парка машин скажется на объеме сбыта запасных частей; в-третьих, факторы, которые могут влиять на соотношение между увеличением парка машин и объемом сбыта. По возможности выявляют множественную корреляцию. Например, торговцы автомобилями и запасными частями могут обнаружить зависимость между их сбытом и общими расходами населения на транспорт. Эту зависимость можно проследить на примере корреляции между изменениями сбыта и изменениями каждого из остальных факторов за прошлый период.
Прогноз объема сбыта в целом в весовом, объемном или стоимостном выражении выполняется несколькими методами, для того чтобы сравнить полученные результаты и внести необходимые поправки. В торговле получили распространение следующие методы: прогноз на основе прошлого товарооборота, на основе анализа тенденций и циклов, корреляционный анализ. Прогнозирование на основе прошлого товарооборота исходит из того, что объем сбыта в планируемом году будет выше или ниже Товарооборота предыдущего года на ожидаемый процент. Разумеется, этот метод неприемлем при выходе на рынок, когда нет прошлого опыта. Ориентировочный стоимостной прогноз емкости рынка производится обычно путем умножения среднего объема продаж на 1 или 1 тысячу клиентов на количество ожидаемых Потребителей. Средний объем продаж устанавливают на основе собственной статистики, данных конкурентов или товаров!|СОго же поставщика на рынке другой страны. Важно только Определить, какую долю этого объема потребности сможете Удовлетворить вы, а какую у вас отберут конкуренты. Более ручные показатели вы можете получить только из собственной Практики, на основании статистики сбыта.
Специфика некоторых товаров требует прогноза сбыта по каждому наименованию в целях определения сроков и объемов их завоза на склады для обеспечения готовности к сбыту в любой период года. С этой целью решаются задачи прогнозирования спроса по каждому наименованию при помощи математических методов. Проблемы долгосрочного прогнозирования для планирования производства подробно рассматриваются в специальной литературе. Текущее прогнозирование включает прогнозирование величины спроса в интервале между двумя поставками и оценку законов распределения спроса в этом интервале, причем информация о спросе и особенностях его распределения в интервале между поставками должна обновляться, так как без специальной корректировки оказывается недостаточной. Как показал опыт крупных поставщиков, математические методы прогнозирования спроса и расчета запасов в равной степени полезны и в оптовой, и в розничной торговле
Математический подход к прогнозированию покупательского спроса заключается в расчленении его на основные составляющие элементы, среди которых выделяются: развитие спроса как основная тенденция, сезонные колебания спроса и случайные его колебания, для чего используют инструмент математической статистики. Нередко на практике прогнозирование спроса осуществляют только на базе средних значений. Некоторые компании для упрощения расчетов нередко осуществляют краткосрочное прогнозирование на базе значений величин спроса, которые в лучшем случае являются средними и не учитывают элемента неопределенности. Прогнозирование выполняется в зависимости от потребностей, по методу экспоненциального выравнивания.
Такие прогнозы обычно бывают чрезмерно оптимистическими, не учитывают элемента неопределенности и приводят к значительным колебаниям величин запасов. Более реальным является такое прогнозирование, в котором наряду со средним значением (математическим ожиданием) определяется и оценивается возможная ошибка. В связи с этим решаются задачи улучшения прогнозов и стратегии управления запасами с учетом ошибок прогнозирования спроса.
Компания “Renault”, например, при подготовке краткосрочных прогнозов спроса определяет текущий запас необходимых
деталей в сети распределения и сбыта как среднюю величину ожидаемого спроса, путем графической экстраполяции данных прошлого спроса, а страховой запас-как величину, пропорциональную типовому отклонению закона распределения спроса в заданном периоде, учитывающую имевшиеся тенденции колебаний спроса.
Компания установила в результате исследований, что распределение спроса в заданном интервале следует:
Эти закономерности облегчают расчет страхового запаса. По соответствующим этим законам формулам подсчитывается типовое отклонение, которое, будучи умноженным на коэффициент обслуживания, установленный руководством компании (уровень удовлетворения спроса), дает величину страхового запаса.
В долгосрочных прогнозах кроме параметров, характеризующих ожидаемый спрос и его распределение в интервалах между поставками, а также параметров, характеризующих отклонение интервалов поставок, учитываются изменения потребности в зависимости от срока службы машин, применяется корреляция объемов ожидаемого сбыта и планируемых к выпуску количеств новых машин и другие параметры.
Любой прогноз, полученный в результате применения математических методов при помощи компьютеров, требует обязательной корректировки с использованием данных, которые ре могут быть учтены при базировании на величинах прошлого спроса и факторов, не поддающихся программированию. К таким данным относятся социальные и политические события, климатические и экономические условия рынка и т. п. Корректировку Прогнозов осуществляют специалисты по сбыту, знающие конъюнктуру рынка.
При прогнозах спроса на товары следует учитывать следующие факторы. Горизонт прогноза - отчетные периоды, спрос ра которые должен быть учтен при формировании следующего Заказа на пополнение. Время ожидания пополнения и частоту Заказов при определении горизонта прогноза. Учитывать соответствующий горизонт прогноза в формуле, использующей Прошлые показатели спроса. При отдаленном горизонте прогноза назначить удельные веса показателям спроса, зафиксированным в соответствующий рассматриваемому и последующие отчетные периоды прошлого года. Показатели прошлых продаж часто служат хорошим индикатором будущих продаж. Использовать средневзвешенный показатель прошлого спроса для расчета будущего спроса. Назначать удельные веса предыдущим месяцам такие же, как прошлым шести месяцам или постепенно уменьшать веса для нескольких прошлых месяцев.
Принимать во внимание прошлогодние показатели спроса за отчетные периоды, соответствующие предстоящим: использовать разные системы весов для товаров сезонного и несезонного спроса; использовать разные системы весов для товаров с различающейся динамикой потребления.
Если товары со склада поставляются в прочие подразделения, следует аккумулировать для него спрос принимающих подразделений.
Анализировать прошлые показатели спроса с целью выявления типичных: спрос за только что окончившийся отчетный период превышает в X раз (например, в 3 раза) прогноз; спрос за только что окончившийся период на Y% (например, на 20%) меньше прогноза.
Контроль тенденций - изменения реализации, вызванные экономическими переменами, сменой покупательских предпочтений или сезонными факторами. Определять тенденции по изменениям показателей реализации за несколько прошлых месяцев (в штуках, а не в денежном выражении). Рассчитывать коэффициенты тенденции для товара или для товарной группы по каждому складу. Не следует рассчитывать коэффициенты тенденции для склада или компании целиком. Даже если сбыт в целом увеличился на 10%, для одних товарных групп он мог вырасти на 30%, а для других - снизиться на 40%. Установить, позволить ли торговому персоналу рассчитывать коэффициенты тенденции и вносить коррективы в случае ожидания роста/сни- жения операций.
Следует регламентировать определение ожидаемых изменений потребления, не отраженных в прошлых показателях: установить, кто должен делать экспертные оценки (т. е. торговый персонал или покупатели); определить, как учитывать эти оценки в прогнозе и при закупках; установить, как отслеживать точность этих оценок; решить, поощрять ли покупателей и/или торговый персонал за предоставление точных прогнозов.

Обычно именно отдел логистики жалуется на отсутствие точных прогнозов, поскольку слишком многое в его работе зависит от них. Но не всегда менеджеры понимают, о какой степени точности можно говорить в данном случае и как можно решать эту проблему.

Прогнозирование спроса или другого по определению есть взгляд в будущее, поэтому оно никогда не будет абсолютно точным. То есть разрабатывать логистическую систему нужно таким образом, чтобы она не полностью зависела от точности прогнозирования спроса, а была гибкой и могла адекватно реагировать на те или иные изменения в спросе. Пронозирование спроса позволяет эффективно наладить работу отдела логистики, так как исходя из прогнозирования спроса логист может составить прогноз поставок, т.е. прогнозирование спроса помогает отделу логистики составить прогноз предложения. При прогнозировании спроса надо быть очень акккуратным, так как любая ошибка в прогнозировании спроса может привести к плачевным результатам. Прогнозирование спроса не должно стать целью, а только средством. Причем каждый день надо обновлять прогнозирование спроса, чтобы оно было актуальным, ведь прогнозирование спроса есть взгляд в будущее продаж, а это очень важно.

И в то же время нельзя считать, что прогнозы ничего не дают. Разумеется, они должны быть неотъемлемой частью работы отдела логистики (планирования). Но чтобы правильно их использовать, нужно знать их основные свойства.сайт ЛОГИСТ рекомендует:

Для оптимизации процессов разгрузки и погрузки, используйте мобильные рампы AUSBAU.

Высокая эффективность, снижение затрат, рост прибыли.

компания "АВ-эксим", эксклюзивные прямые поставки в по Украине, России, Беларусь, Казахстан и др. страны СНГ. Связаться

1. Точность прогнозирования спроса выше для групп продуктов, чем для индивидуальных продуктов. Попытайтесь, например, предсказать рост первого встречного прохожего. Требуется большое везение, чтобы сделать это точно: он может оказаться как баскетболистом, так и карликом. Но прогноз «среднего» роста ста прохожих может быть достаточно точным. Прогноз для группы точнее прогноза для ее отдельного представителя, поскольку в этом случае происходит «взаимопогашение» отклонений: в одном случае прогноз завышен, в другом – занижен, но в целом он вполне приемлем. Это отражено на рис. 1.

Рисунок 1. Точность прогнозов зависимости от анализируемого параметра

2. Точность прогнозов выше для близкой перспективы, чем для дальней. Так, прогнозировать семейный бюджет на следующий месяц гораздо проще, чем на тот же период, но через год. Прогнозирование подобно стрельбе: чем дальше от цели, тем труднее в нее попасть. Часто от руководителя отдела логистики приходится слышать: «Вы только дайте нам заказы на как можно более продолжительный период, и мы обеспечим их на 100%». Однако по указанной причине подобный подход к прогнозированию спроса работает против заказчиков: при разработке плана закупок и производства вероятность ошибки в этом случае резко возрастает.

Менеджеру по планированию производства в действительности не нужно знать, какие наименования он будет производить в какой-то отдаленный период времени. Он должен знать, какие мощности ему потребуются. Этот прогноз менее сложен и вместе с тем более точен, чем детальное прогнозирование спроса.

В таблице 1 представлена матрица прогнозирования спроса в зависимости от уровня детализации и горизонта планирования.

Таблица 1. Матрица прогнозов спроса

Эта таблица позволяет сделать следующие выводы.

Квадранта I нужно избегать.

Квадрант II можно использовать для долгосрочных прогнозов.

Квадрант III можно применять для среднесрочного и краткосрочного прогнозирования спроса с вовлечением клиентов в формирование графика заказов.

Систему управления производством и запасами нужно проектировать таким образом (например, за счет сокращения времени на выполнение заказов), чтобы прогнозирование спроса находилось только в квадранте IV.

ЗАЧЕМ ДЕЛАТЬ ПРОГНОЗИРОВАНИЕ СПРОСА

Существуют условия, при которых делать прогнозирование спроса вообще не целесообразно:

когда приемлемое время на ожидание клиентом, пока выполнится его заказ, превышает время на производство и закупку компонентов; другими словами, клиент готов ждать свой заказ столько времени, сколько организации потребуется для выполнения заказа без предварительного планирования;

если мощности и прочие необходимые ресурсы для выполнения заказов клиентов этих организаций могут быть изменены быстро и не требуют существенных затрат;

когда нет необходимости в финансовом планировании.

Во всех остальных случаях без прогнозирования спроса не обойтись. Однако формировать прогнозы спроса нужно ровно настолько, насколько этого требуют конкретные цели. Каждый из перечисленных ниже параметров прогнозов спроса должен быть обоснован целью его использования и определен до начала формирования прогноза.

– Горизонт планирования. На какой период в будущем должен быть составлен прогноз? 10 лет? 12 месяцев? Неделя?

– Уровень детализации. Должен ли прогноз спроса отражать конечные продукты по заказчикам? Или достаточно суммарного плана по категориям?

– Частота пересмотра. Требуется ли прогноз спроса пересматривать раз в год? Раз в квартал? Раз в месяц? Раз в неделю? Каждый день? Каждый час?

– Интервал прогнозирования. Какие временные промежутки должен отражать прогноз спроса? Годы? Месяцы? Недели? Дни?

МЕТОДЫ ПРОГНОЗИРОВАНИЯ СПРОСА

Существует много классификаций методов прогнозирования спроса. Для удобства можно выделить всего две группы: экспертные и статистические.

Первые основаны на экспертных оценках и по своей природе субъективны. Суть их заключается в переведении различных экспертных мнений в формулы, из которых формируется прогноз. К экспертным методам относятся: метод комиссии, «мозговая атака», анкетный опрос, метод Дельфи.

Статистические методы предполагают применение статистических расчетов для построения будущего на основе прошлого. Типичный пример – методы исчисления средних. Один из них – применение скользящей средней величины. Предположим, компания захотела использовать скользящую среднюю величину за 12 недель для прогноза спроса какого-либо товара. Для этого суммируют продажи за последние 12 недель, сумму делят на 12, получая таким образом среднюю величину. Через 7 дней добавляют продажи за последнюю неделю и отбрасывают первую неделю, получая данные опять за 12 недель. В этом случае мы говорим об использовании простой средней. Пример расчета:

Старый прогноз (месячные продажи) – 100 ед.

Фактические продажи (последний месяц) – 80 ед.

Новый прогноз (простая средняя) – 90 ед.

Один из очевидных недостатков этого метода заключается в том, что фактическим продажам придается такой же вес, как и старому прогнозу. Обычно лучше придать больший вес старому прогнозу и меньший – текущим продажам, так как последние могут представлять собой случайную вариацию, единственную в своем роде.

Весовые коэффициенты логичнее определить в 0,8 и 0,2 (в сумме они обязательно должны равняться 1,0). Тогда среднюю величину исчисляют так:

Старый прогноз – 100 x 0,8 = 80 ед.

Фактические продажи – 80 x 0,2 = 16 ед.

Новый прогноз (взвешенная средняя) – 80 + 16 = 96 ед.

Этот метод называется экспоненциальным сглаживанием. Весовой коэффициент, приданный текущим продажам (в данном случае 0,2) называют альфа-множителем. Экспоненциальное сглаживание представляет собой исчисление взвешенной скользящей средней. Преимущество этого метода в том, что он упрощает вычисления и часто позволяет хранить меньший объем данных. При экспоненциальном сглаживании требуются данные о «старом прогнозе» и альфа-множителе. Еще более важна гибкость метода. Если прогноз занижает действительный спрос, аналитик способен вручную ввести скорректированный прогноз в систему и приступить к сглаживанию. Это значительно удобнее, чем пытаться скорректировать расчет скользящей средней величины.

При использовании регрессионного и корреляционного анализа рассчитывают формулы, которые придают различный вес «индикаторам», связанным с прогнозируемыми товарами или группами товаров. Например, закладка жилых домов оказывает определенное влияние на продажу металлических изделий строительным фирмам. Динамика валового национального продукта (ВНП), вероятно, тоже оказывает влияние. Таким образом, учитывая степень важности влияния того или иного фактора, можно построить формулу для прогноза суммарных продаж металлоизделий для строительства. При этом особенное внимание нужно уделять ведущим индикаторам, то есть тем, значение которых увеличивается или уменьшается до того, как начнут изменяться прогнозируемые продажи. Правда, использование такого рода индикаторов может принести пользу лишь в том случае, если оно опирается на здравый смысл. Влияние факторов, которые были очень существенны в прошлом, может измениться с течением времени, а потому для них нужно будет применять другой весовой коэффициент. И здесь не обойтись без экспертной оценки.

Следует также помнить, что ни один из указанных методов не может компенсировать или учесть воздействие на спрос других факторов. Например, если продавцы металлических изделий из-за финансовых затруднений решили сократить запасы, зависимость между закладкой домов и продажей металлоизделий не даст точного прогноза. Возросшая иностранная конкуренция также может оказать решающее влияние на динамику продаж.

В реальной практике необходимо использовать простые статистические методы в сочетании с разумным экспертным суждением. Кроме того, выбор метода прогнозирования может и должен определяться параметрами необходимого прогноза (горизонт планирования, уровень детализации и пр.). Например, для составления прогноза спроса для бизнес-плана на 10 лет целесообразнее использовать методы экспертных оценок, нежели статистические.

ИЗМЕРЕНИЕ ОШИБКИ ПРОГНОЗА

Для эффективного прогнозирования спроса необходимо регулярно измерять отклонения фактических продаж от прогноза.

Ошибка прогноза (Forecast Error) – это абсолютная разница между фактическим и прогнозируемым спросом. Для измерения отклонений может использоваться стандартное отклонение (SD, сигма) или среднее абсолютное отклонение (MAD).

Стандартное отклонение – это широко известная статистам мера измерения разброса и вариабельности. Но практики прогнозирования спроса предпочитают среднее абсолютное отклонение из-за легкости его расчета: MAD рассчитывается как сумма абсолютных отклонений, разделенная на количество измерений (периодов). Пример приведен в таблице 2, из которой видно, что среднее абсолютное отклонение отражает вариабельность отклонений в течение периода (несмотря на то что общая сумма отклонений равна нулю). Пример иллюстрирует случайные отклонения (random variation). Это такие отклонения, при которых сумма прогнозов за период равна или почти равна сумме фактических продаж.

Таблица 2. Расчет среднего абсолютного отклоненияМесяц Прогноз Факт Отклонение MAD

1 500,00 550 50 50

2 500,00 700 200 200

3 500,00 300 –200 200

4 500,00 400 –100 100

5 500,00 600 100 100

6 500 450 –50 50

Итого 3000 3000 0 117

Кроме случайных, встречаются систематические отклонения в одну сторону, именуемые смещением (BIAS). Пример показан на рис. 2. Смещение оказывает значительное негативное влияние на систему управления производством и запасами. Другими словами, оно означает занижение или завышение прогноза спроса. Кроме очевидной неопределенности, причинами смещения могут быть различные факторы.

Рисунок 2. Смещение (BIAS)

1. Занижение прогноза спроса может совершаться с целью:

перевыполнения плана продаж и получения премий;

снижения запасов.

2. Завышение прогноза спроса может совершаться с целью:

получения большего бюджета расходов;

поддержания равномерной загрузки производства;

увеличения запасов.

В результате смещения прогнозов спроса в ту или иную сторону возникают самые печальные последствия: невыполнение заказов клиентам в срок, незапланированные простои производства либо переработки, увеличение уровня запасов и т. д. Соответственно необходимо в первую очередь анализировать причины смещений, чтобы избегать их в будущем.

С ЧЕГО НАЧАТЬ?

Эффективное прогнозирование спроса, равно как и любой другой бизнес-процесс, состоит из трех взаимосвязанных элементов: люди, процесс, инструменты.

При проектировании процесса прогнозирования спроса нужно учесть следующие факторы:

каким образом организованы функции маркетинга и продаж;

кто в компании имеет возможность влиять на спрос;

где находится информация, необходимая для формирования прогнозов.

Рассмотрим несколько базовых вариантов организации маркетинга и продаж.

Пример 1. Функции маркетинга и продаж находятся в одном подразделении, руководитель которого подчиняется непосредственно первому лицу организации.

Пример 2. Подразделения маркетинга и продаж обособлены, их руководители подчиняются непосредственно первому лицу организации.

Пример 3. В компании более одного подразделения маркетинга и продаж, каждое из которых подчиняется непосредственно первому лицу организации (например, подразделения разделены по группам клиентов).

В первом случае все просто: процесс прогнозирования спроса находится в зоне ответственности руководителя подразделения маркетинга и продаж. Во втором и третьем примерах передача функций прогнозирования спроса одному из подразделений может спровоцировать дисбаланс в продажах. В этих случаях уместнее сделать ответственным за прогнозирование спроса третью сторону – департамент логистики (цепи поставок). Многие организации, соответствующие второму и третьему примерам, создают даже специальную должность менеджера по планированию спроса (Demand Manager).

Эффективное прогнозирование начинается с повышения качества входящей информации. Сбор входных данных должен быть организован с определенной регулярностью и в определенном формате. В частности, нужно выполнять следующие правила.

1. Необходимо собирать статистические данные с теми же параметрами, которые нужны для прогноза спроса. Если требуется составить прогноз спроса на продукцию, должны использоваться статистические данные, основанные на спросе, а не на отгрузках промежуточным звеньям цепи поставок. Интервал сбора данных должен быть таким же, как интервал для прогнозирования (для прогнозов спроса с разбивкой помесячно следует использовать статистику с разбивкой по месяцам). Группировка товаров в статистических данных должна соответствовать группировке в прогнозе спроса (для прогнозов спроса по категориям следует использовать статистику по категориям).

2. Необходимо фиксировать все события, имеющие отношения к данным. Спрос подвержен влияниям некоторых событий, и эти события следует хранить вместе с прогнозом, составленным с их учетом. Например, колебания спроса могут быть вызваны акциями по его стимулированию, изменением цен или погодными условиями. Фиксировать события необходимо, поскольку их анализ является основой для обсуждения новых прогнозов спроса.

3. Необходимо собирать отдельно статистические данные по разным группам клиентов. Многие компании распределяют продукцию через разные каналы дистрибуции, у каждого из которых свои отличительные характеристики спроса. Например, сетевой магазин может приобретать товар равномерными небольшими партиями два раза в неделю, а крупный региональный оптовик производит крупную закупку дважды в месяц. Поэтапная схема процесса прогнозирования спроса представлена на рис. 3. Циклы прогнозирования лучше всего организовывать раз в месяц: это оптимально с точки зрения временных изменений спроса и затрат на проведение этой работы.

Рисунок 3. Этапы прогнозирования

Таким образом прогнозирование спроса на основании статистических и исторических методов дает общую картину, но никогда прогнозирование спроса не дат четкого ответа СКОЛЬКО, ЧЕГО, КОГДА. Это не цель прогнозирования спроса. Прогнозирование спроса необходимо, чтобы товары, которые будут поставляться, были в рамках общего прогноза. К примеру на зиму можно сделать прогнозирование спроса в теплой обуви, но не значит что это будут именно валенки. Прогнозирование спроса, это как астрологический прогноз - очень близко, но не 100%. В любом случае прогнозирование спроса должно опираться на опыт предприятия в данной области.

ИНСТРУМЕНТЫ

Один из главных инструментов при использовании статистических методов прогнозирования – соответствующее программное обеспечение. Оно не должно быть слишком сложным, а заложенные в основу его работы алгоритмы обязаны быть четкими и понятными. Кроме ПО к инструментам также относится методика составления прогнозов спроса. В частности, при определении методики прогнозирования спроса можно использовать принцип Парето (см. таблицу 3).

Таблица 3. Принцип Парето при определении методики прогнозированияГруппа товаров Факторы, определяющие качество прогноза

Таким образом, основные принципы прогнозирования должны быть следующими.

1. Применение процессного подхода к действиям по разработке, согласованию и утверждению прогнозов спроса.

2. Измерение ошибки прогнозов спроса на регулярной основе; контроль отсутствия смещения.

3. Использование основных характеристик прогнозов при формировании методики прогнозирования спроса

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.