В современных цепях поставок процесс планирования и прогнозирования спроса будет отличаться в зависимости от выбранной компаниями стратегии спроса/предложения: "производство на склад", "производство на завершающей стадии" и "производство на заказ".
Планирование спроса для "производства на склад" и "производства на завершающей стадии"
Для компаний, осуществляющих производство на склад, планирование необходимо, чтобы создавать оптимальный уровень запасов в сети распределения для максимального удовлетворения клиентов и избегать ситуации дефицита или затоваривания складов. К основным причинам необходимости составления плана спроса можно отнести:
- а) несбалансированность времени выполнения заказа. Время выполнения заказа превышает время, которое потребитель готов ждать. Предназначение планирования спроса гарантировать наличие продукта в любой момент времени и возможность его поставки клиенту в течение того периода, которого он готов ждать;
- 6) управление распределением. Точный план спроса используется для принятия многих решений, необходимых для размещения нужного продукта в нужном количестве тогда, когда он нужен, и там, где нужен;
- в) планирование производственной деятельности и ресурсов.
План спроса позволяет организациям формировать более стабильный и обеспечивающий эффективное производство план и одновременно удовлетворять запросы потребителей.
Планирование спроса – это определение потребностей рынка в товаре цепи поставок. Как мы уже говорили, в рамках данного учебника, в качестве товара могут пониматься как продукция или услуги, так и то и другое вместе. Результатом планирования спроса является максимально точный план по потребностям в готовой продукции для планирования поставок. Спрос и поставки – суть разные понятия.
Разработка плана спроса состоит из пяти этапов.
Этап I. Прогнозирование спроса. Прогноз – первоначальная оценка будущего спроса, основанная на статистических данных за прошлые периоды.
Выделяют четыре основные характеристики прогноза.
- 1. Горизонт планирования – срок, на какой период в будущем должен быть составлен прогноз. При определении горизонта планирования следует помнить, что точность прогнозов выше для близкой перспективы, чем для отдаленного будущего. Чтобы составлять прогнозы на максимально короткий горизонт времени, организация должна стремиться сокращать время выполнения заказа.
- 2. Уровень агрегирования. Определяет, что должен отражать прогноз: спрос на ассортимент или на номенклатуру продукции по заказчикам. Точность прогнозирования спроса выше для группы продуктов, чем для индивидуальных продуктов.
- 3. Частота пересмотров. Прогноз не является статичным, для обеспечения точности прогнозирования необходимо его периодично пересматривать (раз в год, раз в квартал, раз в неделю, каждый день или каждый час).
- 4. Интервал прогнозирования. Показывает, какие временные промежутки должен отражать прогноз спроса (годы, месяцы, недели, дни).
Неверное прогнозирование спроса может привести к следующим негативным последствиям:
- избыточный запас. Неточность спроса приводит к увеличению объемов страховых запасов, требующихся для обеспечения желательного уровня обслуживания потребителей, тем самым увеличивая затраты на содержание запасов;
- ненужные распродажи. При завышении объемов спроса могут оставаться излишки продукции, которые придется реализовывать ниже установленной цены, что приводит к сокращению маржинальной прибыли;
- дефицит товара. Без обоснованного прогноза спроса организации трудно понять будущие требования своих потребителей. Возможно возникновение ситуации, когда на складе не будет достаточного запаса, позволяющего удовлетворять запросы клиентов.
Следствием перечисленных выше результатов плохих прогнозов является упущенная выгода для всех предприятий, входящих в цепь поставок.
Точность прогноза обеспечивается выбранным методом и моделью прогнозирования. Рассмотрим наиболее часто используемые модели прогнозирования спроса.
- 1. Модели временных рядов. Модели временного ряда представляют собой экспоненциальное сглаживание, скользящее среднее значение и более сложные модели, которые соотносят одну и более (зависимые) переменные спроса в особой точке времени к значениям тех же самых (независимых) переменных спроса ранее. Модели временного ряда могут применяться в краткосрочном прогнозировании с горизонтами планирования от одной недели до трех месяцев или в прогнозировании на средний срок с горизонтами планирования от трех месяцев до одного года. Модели временного ряда среднего срока должны составлять сезонный, циклический и трендовый факторы в данных временного ряда.
- 2. Причинно-следственные модели. Причинно-следственные модели используют методы статической регрессии для установления отношений между зависимыми переменными в особой точке в будущем и независимыми переменными, которые могут не только включать в себя те же самые переменные спроса в более ранних точках, но и другие переменные, значения которых затрагивает спрос.
- 3. Модели новых изделий. Предсказание спроса на новые изделия не может быть связано со статистическими данными, описывающими продажи. Модели новых изделий работают с априорными данными, параметры которых получены на основе информации о существующих аналогах изделия, и описывают ожидаемую форму роста нового продукта. По мере того как рынки для новых изделий обнаруживаются, априорные данные уточняются и обновляются, чтобы улучшить прогнозы. Прогнозы, в свою очередь, используются для того, чтобы анализировать стратегию цепи поставок нового изделия, используя модели оптимизации.
- 4. Оценочные модели. Оценочные модели используются для прогнозирования спроса на новые изделия, для которых не существует никаких статистических данных и данных, имеющих к ним отношения. К этим моделям относятся метод экспертных оценок, метод Делфи, метод "мозгового штурма".
Высокое качество прогноза составляет хорошую основу для построения планов спроса, но прогноз необходимо регулярно уточнять с учетом внешних видов деятельности, оказывающих влияние на спрос того продукта, в отношении которого составляется прогноз.
Этап II. Учет реальных трендов и влияния сезонности. Прогноз состоит из трех основных компонентов.
1. Тренд (T ) – общая динамика объема продаж (которая может быть положительной, отрицательной или нейтральной):
где В t – средний спрос в период t; Вt-1 – средний спрос в период f-1.
Если Т > 1, то объем продаж постоянно растет; если Т < 1, то сокращается. Если же Т = 1, то объем продаж не меняется.
2. Сезонность (S) – регулярно повторяющийся образец (паттерна), выделяемый в рамках прогноза (например, повышение объема продаж к Новому году и Рождеству, продажа спортивного инвентаря для зимних видов спорта):
где –средний месячный объем спроса, ед.; –средний объем спроса за весь период наблюдений, ед.
Среднее значение коэффициента сезонности для всех периодов составляет 1, но в отдельных месяцах оно может колебаться от 0 до 12. Например, если коэффициент сезонности равен 1,2, то ожидается увеличение продаж на 20% среднего значения за год.
3. Шум (I ) – изменения спроса, которые происходят случайным образом и появление которых возможно прогнозировать.
Таким образом, прогнозное значение объема продаж рассчитывают по следующей формуле:
где В – средняя величина спроса за прошедшие периоды.
Пример 4.1
Ниже указан объем продаж за последние 11 кварталов. Составить на основе этих данных прогноз объема продаж на следующие два квартала.
Решение
Шаг 1. Исключение влияния сезонной вариации методом скользящей средней. Заполним табл. 4.1.
Таблица 4.1. Оценка сезонной вариации
Номер квартала |
Объем продаж, ТЫС. руб. |
Скользящая средняя за четыре квартала |
Центрированная скользящая средняя |
Оценка сезонной вариации |
Значения 4-го столбца представляют собой округленные до третьей цифры после запятой результаты деления чисел 1-го столбца на числа 3-го столбца и результат.
Затем проведем корректировку коэффициентов сезонности, для чего создадим следующую таблицу (табл. 4.2).
В таблицу вносим оценки сезонной вариации под соответствующим номером квартала в году. В каждом столбце вычисляем среднее значение и результат записываем в строке "Среднее". Сумма чисел в строке "Среднее" равна 3,994.
Чтобы усреднить значения сезонной вариации в целом за год, скорректируем значения в строке "Среднее". Так как значения сезонной вариации – это доли, а число сезонов в году – 4, следовательно, сумма средних коэффициентов сезонности должна быть равна 4. Корректирующий фактор определяется как отношение числа кварталов в году (4) к сумме средних оценок сезонной вариации (3,994).
Таблица 4.2. Корректировка сезонной вариации
Показатель |
Номер квартала |
||||
Скорректированная сезонная вариация |
Таким образом, итоговые коэффициенты сезонности нужно умножить на множитель 4/3,994. В строке "Скорректированная сезонная вариация" указываются окончательные коэффициенты сезонности. Исключим сезонную вариацию из фактических данных, для чего проведем десезонализацию данных. Числа 1-го столбца поделим на числа 2-го столбца, результат округлим до одной цифры после запятой и запишем в 3-й столбец (табл. 4.3).
Таблица 4.3. Десезонализация данных по объему продаж
Номер квартала |
Объем продаж, тыс. руб., А |
Сезонная вариация, S |
AIS =Т I |
2 |
|||
Шаг 2. Определение линии тренда. Уравнение линии тренда имеет вид Т = а + bх.
Для вычисления коэффициентов а и b необходимо воспользоваться в Excel статистическими функциями ОТРЕЗОК (изв_знач_у; изв_знач_х) и НАКЛОН (изв_знач_у; изв_знач_х). Изв_знач_у; изв_ знач_х – это ссылки на ячейки, содержащие значения переменных десезонализированного объема продаж (у) и номера квартала (х ). В результате расчета трендовое значение объема продаж будет иметь следующий вид:
Т = 81,6 + 1,2 (номер квартала).
Шаг 3. Расчет ошибок. Рассчитаем ошибку I и заполним табл. 4.4.
Таблица 4.4. Оценка ошибки прогнозирования
Номер квартала |
Объем продаж, тыс. руб., А |
Десезонализированный объем продаж, тыс. руб., AIS= Τ Ι |
Трендовое значение |
Ошибка, |
||
2 |
||||||
Из чисел 2-го столбца вычтем числа 3-го столбца и результат запишем в 4-м столбце.
Таким образом, среднее абсолютное отклонение , среднеквадратическая ошибка . Ошибки достаточно малы, составляют около 1%, что гарантирует получение хорошего прогноза.
Шаг 4. Прогноз объема продаж на XII и XIII кварталы. Прогноз объема продаж на XII квартал составит, тыс. руб.:
(81,6 + 1,2 12) 1,41 1 = 135,4.
Прогноз объема продаж на XIII квартал составит, тыс. руб.:
(81,6 + 1,2 13) 0,757 1 = 73,6.
Чтобы прогноз был достаточно точным, необходимо добиться правильного учета уровня тренда и сезонности, включенных в модель. По мере изменения внешних факторов важно, чтобы аспекты, связанные с трендом и (или) сезонностью, в модели уточнялись.
Этап III. Учет стимулов/продвижения продаж при прогнозировании и планировании спроса. При прогнозировании и планировании спроса необходимо учитывать историю стимулирующих маркетинговые мероприятий (рекламные презентации, распродажи со скидкой, бесплатные предложения пробных продуктов, рекламные акции и т.д.) и их влияние на объемы продаж. Такие изменения часто характеризуются возрастанием спроса непосредственно во время рекламной кампании и падением спроса после ее завершения, когда потребители уже разобрали запасы, выделенные на стимулирование продаж.
Для прогнозирования регулярное стимулирование продаж играет роль сезонного фактора. Если же такие мероприятия проводятся нерегулярно, их следует выявлять и учитывать отдельно.
Точность плана спроса зависит и от информации о будущих маркетинговых мероприятиях, включенных в прогноз. Важно, чтобы эти мероприятия были включены в план спроса так, чтобы план обязательно учитывал их воздействие. Если эти мероприятия не включаются, точность плана спроса снижается.
Стимулирование маркетинговых мероприятий, влияющих на точность прогноза и плана спроса, не ограничивается только теми мероприятиями, которые проводит производственное предприятие. Большое влияние на продажи могут оказать стимулирующие мероприятия конкурентов.
Помимо деятельности конкурентов следует учитывать и стимулирующие действия посредников, также сказывающиеся на объеме продаж.
Этап IV. Учет жизненного цикла продукции. Влияние новых продуктов или вывод из ассортимента прежних продуктов также может повлиять на точность прогноза спроса продуктов.
Вывод на рынок нового продукта часто приводит к поглощению им доли рынка у существующих продуктов. Поэтому приблизительный прогноз объема продаж для новых продуктов должен быть известен заранее, так как он является исходным для прогнозирования спроса на существующие продукты.
Подобные действия необходимо учитывать в плане спроса, составляемом по всем релевантным продуктам.
ВОПРОСЫ ПРАКТИКИ
В сентябре 2004 г. компания Sony представила новую, уменьшенную версию приставки Sony PlayStation. При подготовке к запуску продаж новой модели SCPH-70000 летом 2004 г. Sony остановила производство старой модели SCH-5000x с тем, чтобы на складах каналов распределения приставки опустели текущие запасы. Позже в отдельных городах это привело к задержке с продажами новой модели. Так произошло в Великобритании из-за того, что российский нефтяной танкер застрял в Суэцком канале, заблокировав корабль из Китая с грузом приставок PS2, предназначенных для Великобритании; в течение одной из недель ноября продажи приставки в этой стране составили 6000 экземпляров при 70000 продаж за предыдущую неделю. Дефицит поставок ощущался также в Северной Америке в канун Рождества.
Этап V. Оценка плана спроса. Процесс планирования и прогнозирования спроса, как и любой другой бизнес-процесс, должен оцениваться. Основными показателями его эффективности можно считать следующие .
- 1. Точность прогноза и плана спроса.
Она должна определяться в важнейших пунктах процесса разработки. К таким важнейшим пунктам относятся:
- первоначальный статистический прогноз, на основании которого оценивается качество модели и при необходимости вносятся в модель требующиеся корректировки;
- план спроса после учета в нем стимулирующих действий, который используется для оценки качества добавленных данных по стимулирующим мероприятий;
- окончательный вариант плана спроса, когда оценивается его качество.
- 2. Точность стимулирующих действий и случайных мероприятий, добавленных к прогнозу. Эта точность также должна быть измерена. Когда имеются фактические данные по спросу, влияние мероприятия должно сравниваться с тем влиянием, которое было реально достигнуто. Это позволяет более точно оценить аналогичные будущие мероприятия и события, тем самым обеспечивая точность плана спроса.
- 3. Незапланированные изменения.
Этап VI. Согласование плана спроса между всеми участниками цепи поставок. При традиционном прогнозировании и планировании спроса, т.е. когда каждая организация планирует спрос самостоятельно, изолированно друг от друга, точность прогноза существенно ниже, чем при согласованном процессе планирования (рис. 4.2, 4.3).
Рис. 4.2.
Рис. 4.3.
Таким образом, в цепи поставок в процессе выработки согласованного плана должны участвовать все организации, составляющие цепь поставок. Типовая схема взаимодействия между производственным предприятием, выпускающим конечный продукт, и дистрибутором в процессе совместного планирования спроса в цепи поставок приведена на рис. 4.4.
Схема планирования, показанная на рис. 4.4, состоит из следующих шагов.
- 1. Дистрибуторы при взаимодействии с потребителями собирают информацию о предполагаемых объемах потребностей клиентов. В результате формируется план продаж.
- 2. Параллельно служба маркетинга производственного предприятия исследует спрос, факторы, на него воздействующие, влияние на спрос проведенных и запланированных в будущем стимулирующих маркетинговых мероприятий, активности конкурентов. На основе этих данных с использованием статистических моделей формируется прогноз маркетинга.
- 3. Представители дистрибуторов и производственного предприятия один раз в плановый период собираются на совместное совещание и вырабатывают совместный план спроса.
- 4. Совместный план проходит процедуры сравнения с целевыми показателями, оценки выполнимости и утверждения и становится принятым к исполнению планом.
Рис. 4.4.
Таким образом, согласованное планирование спроса позволяет учесть все возможные незапланированные изменения в процессах, выполняемых в производстве и дистрибуции, тем самым повышает точность плана спроса.
Планирование спроса для "производства на заказ"
Компании, производящие и собирающие продукт после получения заказов от клиента, обычно устанавливают три различные временные зоны для обязательств по поставкам (рис. 4.5). Зона твердых заказов содержит только подтвержденные заказы. Зона частичных твердых заказов содержит как подтвержденные заказы, так и, частично, прогноз. Зона прогнозов содержит только прогноз.
Месяц
Рис. 4.5.
Задача планирования спроса при производстве на заказ концентрирует внимание:
- на подтверждении и уточнении заказов клиентов в зоне твердых заказов;
- подтверждении и уточнении заказов клиентов и прогнозировании объемов ожидающихся заказов в зоне частичных твердых заказов. Для этой зоны входными данными являются деятельность по квотированию, проекты в активной фазе и т.д.;
- прогнозировании ожидаемых к получению объемов заказов в зоне прогнозов.
Последовательность действий при планировании спроса для "производства на заказ" такая же, как для "производства на склад"/"завершения на заказ". Различие заключается в отсутствии процесса статистического прогнозирования на уровне единиц хранения запасов.
В этом процессе большую роль играет контакт с клиентами. Нужно получить представление об их планах закупок, понять их отношение к вашим инициативам по выпуску новых продуктов и т.п.
Для понимания сущности данного вопроса необходимо предварительно дать определения понятий - метод.
Применительно к экономической науке и практике - метод - это: 1) система правил и приемов подхода к изучению явлений и закономерностей природы, общества и мышления; 2) путь, способ достижения определенных результатов в познании и практике; 3) прием теоретического исследования или практического осуществления чего-нибудь, исходящий из знания закономерностей развития объективной действительности и исследуемого предмета, явления, процесса.
Методы прогнозирования - это совокупность приёмов и способов мышления, позволяющих на основе анализа ретроспективных данных об исследуемом объекте вывести суждения определённой достоверности относительно будущего развития объекта.
По оценкам отечественных и зарубежных учёных, в настоящее время насчитываются сотни методов прогнозирования, однако на практике регулярно используются несколько десятков базовых методов (рис. №1).
Рис.
Из рисунка №1 видно, что вся совокупность методов прогнозирования может быть представлена двумя группами - в зависимости от степени их однородности:
- · простые методы;
- · комплексные методы.
Группа простых методов объединяет однородные по содержанию и используемому инструментарию методы прогнозирования (например, экстраполяция тенденций, морфологический анализ и др.).
Комплексные методы отражают совокупности, комбинации методов, чаще всего реализуемые специальными прогностическими системами.
Кроме того, все методы прогнозирования поделены еще на три класса:
- · фактографические методы;
- · экспертные методы;
- · комбинированные методы.
В основу их выделения положен характер информации, на базе которой составляется прогноз:
- 1) фактографические методы базируются на фактическом информационном материале о прошлом и настоящем развитии объекта прогнозирования. Чаще всего применяются при поисковом прогнозировании для эволюционных процессов;
- 2) экспертные (интуитивные) методы основаны на использовании знаний специалистов-экспертов об объекте прогнозирования и обобщении их мнений о развитии (поведении) объекта в будущем. Экспертные методы в большей мере соответствуют нормативному прогнозированию скачкообразных процессов;
- 3) комбинированные методы включают методы со смешанной информационной основой, в которых в качестве первичной информации наряду с экспертной используется и фактографическая.
В свою очередь, каждый из перечисленных классов также подразделяется на группы и подгруппы. Так, среди фактографических методов выделяются группы:
- · статистических (параметрических) методов;
- · опережающих методов.
Группа статистических методов включает методы, основанные на построении и анализе динамических рядов характеристик (параметров) объекта прогнозирования. Среди них наибольшее распространение получили экстраполяция, интерполяция, метод аналогий (модель подобия), параметрический метод и др.
Группа опережающих методов состоит из методов, основанных на использовании свойства научно-технической информации опережать реализацию научно-технических достижений. Среди методов этой группы выделяется публикационный, основанный на анализе и оценке динамики публикаций.
Среди экспертных методов выделяют группы по следующим признакам:
- · по количеству привлеченных экспертов;
- · по наличию аналитической обработки данных экспертизы (табл. 1).
Прогнозирование спроса в теории осуществляется различными методами. На практике, как правило, реализуется комплексный подход, учитывающий сильные и слабые стороны применяемых методов. Общие методы прогнозирования спроса основываются на:
- · Метод экспертных оценок;
- · Статистические методы (фактографические);
- · Комбинированные методы.
Методы экспертных оценок
Под экспертными оценками понимают комплекс логических и математических пpoцeдyp, направленных на получение от специалистов инфopмaции, ee aнaлиз и oбoбщeниe c цeлью пoдгoтoвки и выpaбoтки paциoнaльныx peшeний.
Таблица № 1
Классификация экспертных методов прогнозирования
Экспертные методы прогнозирования, как правило, используются в случаях:
- · когда невозможно учесть влияние многих факторов из-за значительной сложности объекта прогнозирования;
- · наличия высокой степени неопределенности информации, имеющейся в прогностической базе, или вовсе при отсутствии информации об объекте прогнозирования.
Мeтoды экcпepтныx oцeнoк мoжнo paздeлить нa двe гpyппы:
- · мeтoды кoллeктивнoй paбoты экcпepтнoй гpyппы;
- · мeтoды пoлyчeния индивидyaльнoгo мнeния члeнoв экcпepтнoй гpyппы.
Мeтoды кoллeктивнoй paбoты экcпepтнoй гpyппы пpeдпoлaгaют пoлyчeниe oбщeгo мнeния в xoдe coвмecтнoгo oбcyждeния peшaeмoй пpoблeмы. Инoгдa эти мeтoды нaзывaют мeтoдaми пpямoгo пoлyчeния кoллeктивнoгo мнeния. Оcнoвнoe пpeимyщecтвo этиx мeтoдoв зaключaeтcя в вoзмoжнocти paзнocтopoннeгo aнaлизa пpoблeм. Нeдocтaткaми мeтoдoв являeтcя cлoжнocть пpoцeдypы пoлyчeния инфopмaции, cлoжнocть фopмиpoвaния гpyппoвoгo мнeния пo индивидyaльным cyждeниям экcпepтoв, вoзмoжнocть дaвлeния aвтopитeтoв в гpyппe.
Мeтoды кoллeктивнoй paбoты включaют мeтoды "мoзгoвoй aтaки", "cцeнapиeв", "дeлoвыx игp", "coвeщaний" и "cyдa".
· Мeтoд "мoзгoвoй aтaки".
Мeтoды этoгo типa извecтны тaкжe пoд нaзвaниeм кoллeктивнoй гeнepaции идeй, мoзгoвoгo штypмa, диcкyccиoнныx мeтoдoв. Вce эти мeтoды ocнoвaны нa cвoбoднoм выдвижeнии идeй, нaпpaвлeнныx нa peшeниe пpoблeмы. Зaтeм из этиx идeй oтбиpaютcя нaибoлee цeнныe.
Дocтoинcтвoм мeтoдa "мoзгoвoй aтaки" являeтcя выcoкaя oпepaтивнocть пoлyчeния тpeбyeмoгo peшeния. Оcнoвным нeдocтaткoм eгo - cлoжнocть opгaнизaции экcпepтизы, тaк кaк инoгдa нeвoзмoжнo coбpaть вмecтe тpeбyeмыx cпeциaлиcтoв, coздaть нeпpинyждeннyю aтмocфepy и иcключить влияниe дoлжнocтныx взaимooтнoшeний.
· Мeтoд "cцeнapиeв" пpeдcтaвляeт coбoй coвoкyпнocть пpaвил пo излoжeнию в пиcьмeннoм видe пpeдлoжeний cпeциaлиcтoв пo peшaeмoй пpoблeмe.
Сцeнapий пpeдcтaвляeт coбoй дoкyмeнт, coдepжaщий aнaлиз пpoблeмы и пpeдлoжeния пo ee peaлизaции. Пpeдлoжeния внaчaлe пишyт экcпepты индивидyaльнo, a зaтeм oни coглacyютcя и излaгaютcя в фopмe eдинoгo дoкyмeнтa.
Оcнoвным пpeимyщecтвoм cцeнapия являeтcя кoмплeкcный oxвaт peшaeмoй пpoблeмы в дocтyпнoй для вocпpиятия фopмe. К нeдocтaткaм мoжнo oтнecти вoзмoжныe нeoднoзнaчнocть, нeчeткocть излaгaeмыx вoпpocoв и нeдocтaтoчнyю oбocнoвaннocти oтдeльныx peшeния.
· "Дeлoвыe игpы" ocнoвaны нa мoдeлиpoвaнии фyнкциoниpoвaния coциaльнoй cиcтeмы yпpaвлeния пpи выпoлнeния oпepaций, нaпpaвлeнныx нa дocтижeниe пocтaвлeннoй цeли.
В oтличиe oт пpeдыдyщиx мeтoдoв, гдe экcпepтныe oцeнки фopмиpyютcя в xoдe кoллeктивнoгo oбcyждeния, дeлoвыe игpы пpeдпoлaгaют aктивнyю дeятeльнocть экcпepтнoй гpyппы, зa кaждым члeнoм кoтopoй зaкpeплeнa oпpeдeлeннaя oбязaннocть в cooтвeтcтвии c зapaнee cocтaвлeнными пpaвилaми и пpoгpaммoй.
Оcнoвным дocтoинcтвoм дeлoвыx игp являeтcя вoзмoжнocть выpaбoтки peшeния в динaмикe c yчeтoм вcex этaпoв иccлeдyeмoгo пpoцecca пpи взaимoдeйcтвии вcex элeмeнтoв oбщecтвeннoй cиcтeмы yпpaвлeния. Нeдocтaтoк зaключaeтcя в cлoжнocти opгaнизaции дeлoвoй игpы в ycлoвияx, пpиближeнныx к peaльнoй пpoблeмнoй cитyaции.
· Мeтoд "coвeщaний" ("кoмиccий", "кpyглoгo cтoлa") - caмый пpocтoй и тpaдициoнный.
Он пpeдпoлaгaeт пpoвeдeниe coвeщaния или диcкyccии c цeлью выpaбoтки eдинoгo кoллeктивнoгo мнeния пo peшaeмoй пpoблeмe. В oтличиe oт мeтoдa "мoзгoвoй aтaки" кaждый экcпepт мoжeт нe тoлькo выcкaзывaть cвoe мнeниe, нo и кpитикoвaть пpeдлoжeния дpyгиx. В peзyльтaтe тaкoгo тщaтeльнoгo oбcyждeния yмeньшaeтcя вoзмoжнocть oшибoк пpи выpaбoткe peшeния.
Достоинствoм мeтoдa являeтcя пpocтoтa eгo peaлизaции. Однако на совещании может быть пpинятo oшибoчнoe мнeниe oднoгo из yчacтникoв в cилy eгo aвтopитeтa, cлyжeбнoгo пoлoжeния, нacтoйчивocти или opaтopcкиx cпocoбнocтeй.
· Мeтoд "cyдa" являeтcя paзнoвиднocтью мeтoдa "coвeщaний" и peaлизyeтcя пo aнaлoгии c вeдeниeм cyдeбнoгo пpoцecca.
В poли "пoдcyдимыx" выcтyпaют выбиpaeмыe вapиaнты peшeния; в poли "cyдeй" - лицa, пpинимaющиe peшeниe; в poли "пpoкypopoв" и "зaщитникoв" - члeны экcпepтнoй гpyппы. Рoль "cвидeтeлeй" выпoлняют paзличныe ycлoвия выбopa и дoвoды экcпepтoв. Пpи вeдeнии тaкoгo "cyдeбнoгo пpoцecca" oтклoняютcя или пpинимaютcя тe или иныe peшeния.
Мeтoд "cyдa" цeлecooбpaзнo иcпoльзoвaть пpи нaличии нecкoлькиx гpyпп экcпepтoв, пpидepживaющиxcя paзличныx вapиaнтoв peшeния.
Мeтoды пoлyчeния индивидyaльнoгo мнeния члeнoв экcпepтнoй гpyппы ocнoвaны нa пpeдвapитeльнoм пoлyчeнии инфopмaции oт экcпepтoв, oпpaшивaeмыx нeзaвиcимo дpyг oт дpyгa, c пocлeдyющeй oбpaбoткoй пoлyчeнныx дaнныx. К этим мeтoдaм мoжнo oтнecти мeтoды aнкeтнoгo oпpoca, интepвью и мeтoды "Дeльфи".
Оcнoвныe пpeимyщecтвa мeтoдa индивидyaльнoгo экcпepтнoгo oцeнивaния cocтoят в иx oпepaтивнocти, вoзмoжнocти в пoлнoй мepe иcпoльзoвaть индивидyaльныe cпocoбнocти экcпepтa, oтcyтcтвии дaвлeния co cтopoны aвтopитeтoв и в низкиx зaтpaтax нa экcпepтизy. Глaвным иx нeдocтaткoм являeтcя выcoкaя cтeпeнь cyбъeктивнocти пoлyчaeмыx oцeнoк из-зa oгpaничeннocти знaний oднoгo экcпepтa.
· Мeтoд "Дeльфи", или мeтoд "дeльфийcкoгo opaкyлa", пpeдcтaвляeт coбoй итepaтивнyю пpoцeдypy aнкeтнoгo oпpoca.
Пpи этoм coблюдaeтcя тpeбoвaниe oтcyтcтвия личныx кoнтaктoв мeждy экcпepтaми и oбecпeчeния иx пoлнoй инфopмaциeй пo вceм peзyльтaтaм oцeнoк пocлe кaждoгo тypa oпpoca c coxpaнeниeм aнoнимнocти oцeнoк, apгyмeнтaции и кpитики.
Пpoцeдypa мeтoдa включaeт нecкoлькo пocлeдoвaтeльныx этaпoв oпpoca. Нa пepвoм этaпe пpoизвoдитcя индивидyaльный oпpoc экcпepтoв, oбычнo в фopмe aнкeт. Экcпepты дaют oтвeты, нe apгyмeнтиpyя иx. Зaтeм peзyльтaты oпpoca oбpaбaтывaютcя и фopмиpyeтcя кoллeктивнoe мнeниe гpyппы экcпepтoв, выявляютcя и oбoбщaютcя apгyмeнтaции в пoльзy paзличныx cyждeний. Нa втopoм - вcя инфopмaция cooбщaeтcя экcпepтaм и иx пpocят пepecмoтpeть oцeнки и oбъяcнить пpичины cвoeгo нecoглacия c кoллeктивным cyждeниeм. Нoвыe oцeнки внoвь oбpaбaтывaютcя и ocyщecтвляeтcя пepexoд к cлeдyющeмy этaпy. Пpaктикa пoкaзывaeт, чтo пocлe тpex-чeтыpex этaпoв oтвeты экcпepтoв cтaбилизиpyютcя, и нeoбxoдимo пpeкpaщaть пpoцeдypy.
Дocтoинcтвoм мeтoдa "Дeльфи" являeтcя иcпoльзoвaниe oбpaтнoй cвязи в xoдe oпpoca, чтo знaчитeльнo пoвышaeт oбъeктивнocть экcпepтныx oцeнoк. Однaкo дaнный мeтoд тpeбyeт знaчитeльнoгo вpeмeни нa peaлизaцию вceй мнoгoэтaпнoй пpoцeдypы.
Оcнoвныe этaпы пpoцecca экcпepтнoгo oцeнивaния:
- · фopмиpoвaниe цeли и зaдaч экcпepтнoгo oцeнивaния;
- · фopмиpoвaниe гpyппы yпpaвлeния и oфopмлeниe peшeния нa пpoвeдeниe экcпepтнoгo oцeнивaния;
- · выбop мeтoдa пoлyчeния экcпepтнoй инфopмaции и cпocoбoв ee oбpaбoтки;
- · пoдбop экcпepтнoй гpyппы и фopмиpoвaниe пpи нeoбxoдимocти aнкeт oпpoca;
- · oпpoc экcпepтoв (экcпepтизa);
- · oбpaбoткa и aнaлиз peзyльтaтoв экcпepтизы;
- · интepпpeтaция пoлyчeнныx peзyльтaтoв;
- · cocтaвлeниe oтчeтa.
Статистические методы прогнозирования
В методическом плане основным инструментом любого прогноза является схема экстраполяции. Сущность экстраполяции заключается в изучении сложившихся в прошлом и настоящем устойчивых тенденций развития объекта прогноза и переносе их на будущее.
Методы экстраполяции трендов, основанные на статистическом анализе временных рядов, позволяют прогнозировать темпы роста продажи товаров в ближайшей перспективе, исходя из тенденций, сложившихся в прошедшем периоде времени. Обычно методы экстраполяции трендов применяются в краткосрочном (не более одного года) прогнозировании, когда число изменений в среде минимально. Прогноз создается для каждого конкретного объекта отдельно и последовательно на каждый следующий момент времени. Если прогноз составляется для товара, в задачи прогнозирования, основанного на экстраполяции трендов, входят анализ спроса и анализ продаж этого товара. Результаты прогнозирования используются во всех сферах внутрифирменного планирования, включая общее стратегическое планирование, финансовое планирование, планирование производства и управления запасами, маркетинговое планирование и управление торговыми потоками и торговыми операциями.
Наиболее распространенными методами экстраполяции трендов являются:
- · метод скользящего среднего;
- · метод экспоненциального сглаживания;
- · Прогнозирование на основе метода сезонных колебаний;
Необходимость применения скользящей средней вызывается следующими обстоятельствами. Бывают случаи, когда имеющиеся данные динамического ряда не позволяют обнаруживать какую-либо тенденцию развития (тренд) того или иного процесса (из-за случайных и периодических колебаний исходных данных). В таких случаях для лучшего выявления тенденции прибегают к методу скользящей средней.
· Экстраполяция по скользящей средней - может применяться для целей краткосрочного прогнозирования.
Метод скользящей средней состоит в замене фактических уровней динамического ряда расчетными, имеющими значительно меньшую колеблемость, чем исходные данные. При этом средняя рассчитывается по группам данных за определенный интервал времени, причем каждая последующая группа образуется со сдвигом на один год (месяц). В результате подобной операции первоначальные колебания динамического ряда сглаживаются, поэтому и операция называется сглаживанием рядов динамики (основная тенденция развития выражается при этом уже в виде некоторой плавной линии).
Метод скользящей средней называется так потому, что при вычислении средние как бы скользят от одного периода к другому; с каждым новым шагом средняя как бы обновляется, впитывая в себя новую информацию о фактически реализуемом процессе. Таким образом, при прогнозировании исходят из простого предположения, что следующий во времени показатель по своей величине будет равен средней, рассчитанной за последний интервал времени.
· Экспоненциальная средняя. При рассмотрении скользящей средней было отмечено, что чем "старше" наблюдение, тем меньше оно должно оказывать влияние на величину скользящей средней. То есть влияние прошлых наблюдений должно затухать по мере удаления от момента, для которого определяется средняя.
Одним из простейших приемов сглаживания динамического ряда с учетом "устаревания" является расчет специальных показателей, получивших название экспоненциальных средних, которые широко применяются в краткосрочном прогнозировании. Основная идея метода состоит в использовании в качестве прогноза линейной комбинации прошлых и текущих наблюдений. Экспоненциальная средняя рассчитывается по формуле:
Qt+1 = L*yt + (1 - L) * Q t-1
где Q - экспоненциальная средняя (сглаженное значение уровня ряда);
L - коэффициент, характеризующий вес текущего наблюдения при расчете экспоненциальной средней (параметр сглаживания), 0 t - индекс текущего периода; y - фактическое значение уровня ряда. Метод экспоненциального сглаживания (рис. № 2) представляет прогноз показателя на будущий период в виде суммы фактического показателя за данный период и прогноза на данный период, взвешенных при помощи специальных коэффициентов. Рис.
Из графика видно, что кривая прогнозов продаж по сравнению с кривой фактических продаж представляет собой более плавную линию (сглаженную тенденцию). Применение скользящей и экспоненциальных средних в качестве основы для прогностической оценки имеет смысл лишь при относительно небольшой колеблемости уровней. Данные методы прогнозирования относятся к числу наиболее распространенных методов экстраполяции трендов. · Прогнозирование на основе сезонных колебаний. Сезонные колебания -- повторяющиеся из года в год изменения показателя в определенные промежутки времени. Наблюдая их в течение нескольких лет для каждого месяца (или квартала), можно вычислить соответствующие средние, или медианы, которые принимаются за характеристики сезонных колебаний. Одним из статистических методов прогнозирования является расчет прогнозов на основе сезонных колебаний уровней динамического ряда. При этом под сезонными колебаниями понимаются такие изменения уровня динамического ряда, которые вызываются влияниями времени года. Проявляются они с различной интенсивностью во всех сферах жизни общества: производстве, обращении и потреблении. Их роль очень велика в торговле продуктами питания, на транспорте и др. Сезонные колебания строго цикличны - повторяются через каждый год, хотя сама длительность времен года имеет колебания. Возникновение собственных циклов в одномерном точечном отображении исследовано М. Фейгенбаумом, а то, что аналогичная динамика присутствует в экономических моделях, отмечалось неоднократно Нижегородцевым Р.М. Для изучения сезонных колебаний необходимо иметь уровни за каждый квартал, а лучше за каждый месяц, иногда даже за декады, хотя декадные уровни могут уже сильно исказиться мелкомасштабной случайной колеблемостью. прогнозирование автомобиль стоимостной оценка Методика статистического прогноза по сезонным колебаниям основана на их экстраполяции, т.е. на предположении, что параметры сезонных колебаний сохраняются до прогнозируемого периода. В общем виде индексы сезонности определяются отношением исходных (эмпирических) уровней ряда к теоретическим (расчетным) уровням, выступающих в качестве базы сравнения. Индексы сезонности рассчитываются по формуле: где Is t - индивидуальный индекс сезонности; Yt - эмпирический уровень ряда динамики; Yi - теоретический уровень ряда динамики. В результате того, что в формуле измерение сезонных колебаний проводится на базе соответствующих теоретических уровней тренда, в индивидуальных индексах сезонности влияние основной тенденции развития устраняется. Поскольку на сезонные колебания могут накладываться случайные отклонения, для их устранения производится усреднение индивидуальных индексов сезонности одноименных внутригодовых периодов анализируемого ряда динамики. Поэтому для каждого периода годового цикла определяются обобщенные показатели в виде средних индексов сезонности (Is): где n - число периодов годового цикла. Рассчитанные таким образом средние индексы сезонности свободны от влияния основной тенденции развития и случайных отклонений. · Прогнозирование методом линейной регрессии. Прогнозирование методом линейной регрессии - является одним из наиболее широко применяемых формализованных методов прогнозирования. Метод базируется на взаимосвязи (линейной зависимости) факторного и результативного показателя: где x - факторный показатель; Y - результативный показатель. Приведенные методы измерения сезонных колебаний не являются единственными. Так, для выявления сезонных колебаний можно применять и рассмотренный выше метод скользящей средней, и другие методы. Комбинированные методы На практике существует тенденция сочетать различные методы прогнозирования спроса. Поскольку итоговый прогноз играет очень важную роль для всех аспектов внутрифирменного планирования, то желательно создать прогнозную систему, в которой может использоваться любой вводимый фактор. Понятие и виды Другими словами, это прогноз будущих продаж, определение потребности в товарах и необходимых объемов закупок, составление заказов на поставку товаров. В зависимости от временного периода выделяют следующие виды прогнозов спроса: Прогнозирование спроса основывается на сборе статистики продаж. Причем эта статистика должна состоять из более-менее однородной по своему объему совокупности элементов и из достаточного их количества. Для рынка B2C объем покупок в месяц достаточно высок –может достигать нескольких тысяч, и этого объема будет достаточно для анализа. Если же речь идет о рынке B2B, то количество сделок в месяц должно быть не менее 100, чтобы прогноз был максимально реалистичным. Стоит также отметить, что для чистоты прогноза необходимо исключать из статистики крупные сделки, «выбивающиеся» из общей совокупности, например, около 10% от месячной выручки. Если такие сделки не исключить, то они будут создавать в динамике «выбросы», которые ухудшат точность прогноза. Факторы, которые необходимо учитывать, при построении прогноза: Составление прогнозов спроса осуществляется различными методами, которые делятся на: Эвристические.
Такие прогнозы характеризуются субъективизмом. Бывают двух видов: Экономико-математические.
Данный тип прогнозов считается наиболее объективным, так как построен на анализе имеющихся данных с помощью математических формул, графиков и моделей. К экономико-математическому прогнозированию относятся такие статистические методы, как моделирование (прогнозная модель, характеризующая зависимость одного параметра от ряда факторов), расчет коэффициента эластичности спроса, экстраполяция (прогноз опирается на прошлый опыт, который затем транслируется на будущее). Специальные методы.
Такие методы предполагают, например, построение трендовой модели 9в графическом или математическом виде). Тренд – это временной фактор, характеризующий основную тенденцию изменения показателей. Все прогнозы, независимо от метода и способа их получения, бывают оптимистичные и пессимистичные. Замечание 1
Оптимистичный прогноз
– такой прогноз, в котором превалируют наилучшие возможные показатели для данного периода. В пессимистичном же прогнозе учитываются минимально возможные показатели объемов продаж и выручки. Такой разбег позволяет компании, во-первых, предвидеть возможные варианты развития событий в будущем, а во-вторых, дает ей возможность и время, чтобы подготовить финансовую подушку безопасности на случай неблагоприятной ситуации на рынке. На первый взгляд, вопрос звучит абсурдно, но если внимательнее разобраться, то можно выявить следующее: «если у товара значительное число фактов нулевых продаж (спрос на товар редкий), то все методы точечного прогнозирования (в том числе и сложные), будут давать плохой результат» Выходом из ситуации может стать применение специальных методов математического моделирования, позволяющих рассчитать накопительную вероятность возникновения спроса. То есть оценить не стараясь угадать число проданного, а посмотреть с какой вероятность может быть продан тот или иной объем товара. Это позволит нам понять, сколько товара необходимо хранить, чтобы обеспечить тот или иной уровень сервиса. При упрощении механизм следующим образом. Специальное программное обеспечение проводит серию экспериментов (100 000 раз) о возможном спросе на товар на период поставки (в западной практике - lead time LT). Анализируется, сколько раз случился спрос разного объема. После этого строится накопительная вероятность распределения спроса (не более какого объема товара будет продано с разной вероятностью) После этого учитывается уровень сервиса и рассчитывается оптимальный товарный запас, как значение спроса, соответствующее накопительной вероятности, равной уровню сервиса. Более наглядно это можно посмотреть на следующем графике или таблице: (из программы Forecast NOW!): Рис. 1 Уровень сервиса и оптимальный товарный запас на примере программы Forecast NOW!
Вероятность Сумма,%
Объём,ед
На рисунке светло-синим построена накопительная вероятность. Оптимальный запас находится на пересечении выставленного уровня сервиса и накопительной вероятности. Таким образом, применение подобных методов поможет сразу рассчитать оптимальный товарный запас для товаров редкого спроса. Важным вопросом остается критерий отнесения товаров к редкому спросу: Для этого считается среднее расстояние в днях между соседними фактами продаж. Если это число больше 1.25 дней, то перед нами редкий спрос, если меньше - гладкий. История продаж товара: Среднее расстояние между соседними фактами продаж = ((3-1)+(4-3)+(7-4)+(8-7))/4 = 1,75 >1,25 -> спрос редкий Но для товаров гладкого спроса без прогнозирования спроса не обойтись: Работа любого торгового предприятия неизбежно связана с проблемой оптимизации товарных запасов. Избыток товаров приводит к дополнительным финансовым издержкам, а недостаток - к потере постоянных покупателей и снижению объемов продаж. В обоих случаях происходит недополучение возможной прибыли, что в условиях острой конкуренции может стать причиной банкротства предприятия. Одной из важнейшей составляющих поддержания оптимального ассортимента товаров является оперативное и долгосрочное прогнозирование спроса. Конечно, при планировании закупок можно ничего и не прогнозировать, используя как источник исходной информации устоявшийся или возникший уровень спроса. Однако такой устаревший подход в условиях динамично изменяющегося рынка и "избалованного" покупателя трудно назвать эффективным (за исключением небольших поселений, где имеется всего один магазин). Прогнозирование спроса позволяет не только разработать оптимальный план закупок, но и эффективно управлять ресурсами предприятия. Так, например, зная, что в следующем месяце возникнет повышенный спрос не мороженое, можно будет заранее принять на работу продавцов, закупить холодильное оборудование и предусмотреть дополнительное финансирование. Если же все подобные мероприятия начать проводить в пик сезона, то все усилия могут оказаться напрасными и, даже убыточными. Чтобы спрогнозировать спрос, разработано огромное количество теорий и специальных инструментов. Так, например, при планировании закупок для супермаркета не обойтись без специализированного программного обеспечения. Основная проблема здесь в огромном ассортименте товаров, который просто физически невозможно "удержать в голове". Кроме того, специальное ПО позволяет автоматизировать процесс подготовки заявок, что при больших объемах закупок дает возможность сэкономить массу времени. При небольшом ассортименте товаров отличные результаты в прогнозировании спроса можно получить с помощью стандартного приложения Microsoft Excel. Специальные статистические функции, такие как, например, ТЕНДЕНЦИЯ и РОСТ, позволяют без ввода сложных формул мгновенно обработать большие массивы информации. Богатые оформительские возможности Microsoft Excel помогут представить полученные данные не только в табличном виде, но и в более наглядном - в форме графиков и диаграмм. Прогноз спроса на отдельные позиции товаров можно составлять и вручную. Так, например, если товар является новинкой, то даже самые мудреные статистические формулы и ранее накопленная информация не помогут предугадать его популярность. В таких случаях приходится надеяться не на расчеты, а на интуицию и на дополнительные факторы (мнения покупателей, рекламная поддержка и т.п.). Методы, используемые при прогнозировании спроса, отличаются большим разнообразием - от наивных (предполагается, что спрос в следующем месяце будет такой же, как и в прошедшем) до применения в расчетах сложных экономических и математических теорий и их программных реализаций (нейронные сети). Простейшим из подобных методов является использование вычислений по формуле "простого среднего". Прогноз спроса на следующий период при этом способе высчитывается как среднее арифметическое показателей спроса за все предыдущие периоды. Недостатком этого метода является его высокая "консервативность" - устаревшая информация о прежних продажах помешает проявиться последним тенденциям спроса. Более оперативно на изменение спроса реагирует метод "скользящее среднее". Расчет при этом производится не на основании данных за весь срок наблюдения, а за несколько последних периодов. Ключевым вопросом является определение «окна скольжения» - за сколько последних периодов необходимо проводить усреднение. Чем больше этот период, тем больше совпадает прогноз по скользящему среднему с простым средним. Определить период можно эмпирически на основании ошибки прогноза (RMSE) - рассчитать эту ошибку для разных периодов и выбрать оптимальный. Очевидно, что оптимальным является период в 4 дня. Интересной вариацией метода является расчет скользящей средней по определенным дням (то есть - для всех понедельников считается скользящая средняя за n последних понедельников, и т.д.) Такой метод может подойти товаров, обладающих ярко выраженной внутри недельной сезонностью (например, хлеб). Сочетанием вышеописанных методов является "метод взвешенного скользящего среднего". В этой модели вычисляется средневзвешенное значение на основании нескольких периодов, но более отдаленным периодам придаются меньшие веса. Таким образом, для расчетов можно брать более длительные наблюдения, но ограничить влияние на расчеты неактуальных данных. К сожалению, вышеперечисленные методы расчетов "по среднему" позволяют получить лишь очень приближенные результаты. Более точного прогноза можно добиться при использовании моделей "экспоненциального сглаживания" и "экспоненциального сглаживания с трендом". В первом методе последний прогноз объема продаж, корректируется на основе ошибки прогноза, допущенной в последнем периоде. При втором методе расчетов (называемом еще методом "двойного экспоненциального сглаживания") учитываются данные с трендами - благодаря этому данный метод может использоваться даже для среднесрочного прогнозирования. Для учета сезонности и общего тренда спроса применяется модель "Хольта-Уинтерса" (трехпараметрическое экспоненциальное сглаживание). Чтобы получить прогноз спроса в этом методе необходимо правильно подобрать три параметра. Для этого можно использовать как специальные алгоритмы, так и ограничиться простым перебором. При желании получить еще более совершенные прогнозы можно использовать модели "авторегрессии". Эта методика позволяет провести очень подробный анализ имеющихся данных, выявить любые тенденции и отсеять случайные влияния. Однако, в отличие от предыдущих методов, подбор множества параметров потребует от пользователя очень много усилий и времени. Следует отметить, что чем более сложные методы прогнозирования используются, тем труднее их практическое применение и тем выше вероятность возникновения ошибок. Анализ огромных объемов информации, подбор оптимальных параметров, оперативный учет колебаний рынка - все это порой находится на пределе человеческих возможностей. Наиболее перспективным в решении этой проблемы является использование алгоритмов "нейронных сетей". В этой методике специальная программа после предварительного обучения способна самостоятельно найти лучшее решение - при этом пользователю не нужно вникать во все премудрости используемых теорий. Кроме того "нейронные сети" способны учесть скрытые тенденции и создать достоверный прогноз в такой нестабильной ситуации, где ранее прогнозирование считалось вообще невозможным. По проведенным специалистами проекта «Forecast NOW» исследованиям прогнозирование нейронными сетями дает лучший результат, чем по всем вышеприведенным методам: По оси Х показано количество товаров при анализе, по Y- а сколько процентов нейронные сети оказывается лучше, чем другой алгоритм в относительном выражении. Рис. 2 Нейронные сети + Генетические алгоритмы (ГА) и экспоненциальное сглаживание
Рис. 3 Нейронные сети + Генетические алгоритмы (ГА) и авторегрессия
Рис. 4 Нейронные сети + Генетические алгоритмы (ГА) и метод Хольта Винтерса
Из рисунков видно, что прогнозирование нейронными сетями дает значительно лучший результат. Выводы
Для прогнозирования спроса нужно: Научное прогнозирование спроса необходимо для выработки долгосрочной экономической политики и принятия тактических управленческих решений в области производства продукции и торговли товарами народного потребления. Спрос должен прогнозироваться на всех уровнях управления экономикой. На макроуровне на основе прогнозов спроса на товары народного потребления разрабатывается механизм государственного воздействия на потребительский рынок с целью обеспечения сбалансированности спроса и предложения и наиболее полного удовлетворения потребностей населения в товарах как в текущем периоде, так и в перспективе. Подобного рода проблемы решаются и на региональном уровне. На микроуровне прогнозы спроса разрабатываются как торговыми организациями, так предприятиями-потребителями и изготовителями. Торговые организации в условиях рыночных отношений могут требовать от предприятий-производителей поставок товаров, необходимых населению. Предприятия-производители на основе результатов прогнозных расчетов спроса заключают договоры на поставку продукции и формируют производственную программу. Разрабатываются долго-, средне- и краткосрочные прогнозы спроса. Различия целей отдельных видов прогнозов временного аспекта придают каждому из них специфические особенности. Так, краткосрочные прогнозы реализуются в рамках уже сложившейся структуры спроса и возможностей производства продукции. Результаты прогнозов используются для обоснования заказов и заявок на товары народного потребления, расчетов товарного обеспечения розничного товарооборота и для принятия управленческих коммерческих решений. Краткосрочные прогнозы разрабатываются на месяц, квартал, год. Они должны отличаться более высокой степенью точности. При краткосрочном прогнозировании определяется достаточно широкий круг показателей (совокупный спрос, спрос на группы товаров, ассортиментная структура и др.). При разработке среднесрочных прогнозов учитываются сложившаяся структура, возможности производства и влияние инвестиций на развитие производственной деятельности. В течение трех - пяти лет ассортимент товаров в стране существенно обновляется и заметно изменяется структура спроса. В этих условиях нет необходимости детализировать прогноз спроса до моделей и марок товаров. Достаточно определить совокупный спрос с выделением основных товарных групп. Долгосрочные прогнозы (свыше пяти лет) служат средством разработки стратегии производства товаров и торговли. Особенностью долгосрочного прогнозирования спроса является то, что оно не обусловливает необходимость увязки прогнозных оценок со складывающейся структурой производства. Долгосрочный прогноз спроса служит основой разработки перспективных направлений развития производства товаров и торговли. Различные по срокам упреждения прогнозы отличаются также методами прогнозирования. Для повышения точности прогнозов необходимо применять комплекс методов прогнозирования с целью получения нескольких вариантов прогноза и выбора оптимального варианта. Спрос выступает в качестве определяющего фактора при принятии решений о производстве или импорте того или иного вида продукции, поэтому он должен изучаться как внутри страны по регионам, так и на мировом рынке. Процесс прогнозирования спроса включает ряд этапов: Комплексное исследование рынка, конкурентной среды, выделение сегментов рынка; Анализ состояния спроса и предложения, определение степени удовлетворения спроса населения в конкретных товарах, совокупного спроса; анализ факторов, влияющих на спрос и установление взаимозависимости показателей; Выбор методов прогнозирования; Осуществление прогноза спроса; Оценка надежности прогноза; Определение перспектив развития спроса населения; Разработка конкретных мероприятий по более полному удовлетворению спроса населения. Прогнозирование платежеспособного спроса базируется на статистике ретроспективного периода и на прогнозе ряда факторов, определяющих спрос. Для осуществления прогнозных расчетов необходима следующая исходная информация: Сведения о численности населения, половозрастном составе в прогнозном периоде, количестве городских и сельских жителей; Динамика спроса и предложения; Данные о развитии сельскохозяйственного производства и производства товаров народного потребления; Балансы денежных доходов и расходов населения; Распределение населения по размеру доходов; Бюджеты семей рабочих, служащих, колхозников; Данные специальных единовременных выборочных Сведения об индексах потребительских цен (общих и индивидуальных - по конкретным товарам), соотношении внутренних и мировых цен; Данные опроса покупателей с целью выявления их желания в приобретении определенных товаров; Изменение денежных доходов населения в предшествующих и прогнозном периодах; Доля расходов населения на продовольственные, непродовольственные товары, отдельные группы товаров в предшествующие периоды. На начальном этапе прогнозирования выявляются тенденции изменения спроса. Для анализа тенденций изменения спроса целесообразно использовать графики и различного рода диаграммы и картограммы. На основе выявленных тенденций спрос на краткосрочный период целесообразно определять с помощью методов экстраполяции: метода подбора функции, экспоненциального сглаживания с регулируемым трендом и др. В случае устойчивой тенденции изменения спроса прогнозные расчеты можно производить путем выравнивания динамических рядов и подбора функции (у
= at + b
- линейная, у
= at 2 + bt
+ с
- параболическая и др.). При изменяющихся условиях целесообразно применять метод экспоненциального сглаживания с регулируемым трендом. Развитие спроса подвержено сезонным колебаниям, которые необходимо учитывать при краткосрочных прогнозах на квартал, месяц. Учет влияния сезонных колебаний продаж (спроса) целесообразно проводить с помощью расчетных индексов сезонности. На практике для изучения спроса широко используются наблюдения, опросы покупателей о покупательских намерениях (анкетные опросы, интервьюирование), ярмарки, выставки, книги предложений, тестирование, реклама. На макроуровне наиболее широкое распространение для прогнозирования спроса получил нормативный метод,
предполагающий использование норм потребления продуктов (товаров) на душу населения. При этом в зависимости от прогнозного периода необходимо применять следующие подходы. При определении спроса на длительную перспективу целесообразно использовать рекомендуемые (рациональные) нормы потребления. Например, рациональная норма потребления мяса и мясопродуктов на душу населения - 82 кг в год. На основе этой нормы и численности населения в стране (регионе) рассчитывается потребность в мясе и мясопродуктах на прогнозный период. Потребности выступают в качестве ориентира для развития производства и разработки мер с целью достижения рациональных норм потребления. Краткосрочные прогнозы спроса следует строить с учетом корректировки норм потребления. Для этого фактическое потребление на душу населения анализируется по периодам и сопоставляется с рекомендуемыми нормами. Выявляются тенденции потребления продукции, темпы падения или увеличения спроса, причины его изменения. Затем с учетом влияния факторов, прежде всего изменения доходов населения и потребительских цен, определяется реальное потребление на душу населения в прогнозном периоде. Прогнозы спроса по важнейшим товарам разрабатываются для анализа и прогнозирования состояния товарных рынков и выработки рекомендаций о мерах государственного воздействия на эти рынки, а также обеспечения заинтересованных организаций информацией о динамике спроса. В рыночной экономике спрос на товары народного потребления формируется под влиянием ряда факторов, поэтому для осуществления прогнозных расчетов рекомендуется использовать многофакторные модели - линейные или нелинейные: y 1
= а
1 х
1t
+ a 2 x 2t
+ ...+ а
n
х
nt
+ b;
y 1
= bx 1t
a1 *
x 2t
a2 *…..
*
x nt
an
где у
- показатель спроса на товар; x 1 , x 2 , …
х n: - факторы, влияющие на спрос. С помощью корреляционно-регрессионного анализа устанавливается связь между спросом и факторами, определяются ее форма (линейная, нелинейная) и теснота связи. Целесообразно разрабатывать несколько вариантов прогнозов спроса на товары народного потребления, отличающихся значениями определяющих их факторов. Сравнение различных вариантов позволяет выбрать тот, который обеспечивает наиболее полное удовлетворение потребностей населения в отдельных товарах. Прогнозирование спроса можно осуществлять на основе однофакторных моделей. Их целесообразно применять при необходимости учета влияния важнейшего фактора на спрос. Например, при стабильном уровне цен можно определить зависимость спроса на товары от изменения доходов населения. Спрос на товары народного потребления можно определять с помощью коэффициента эластичности. Экономический смысл коэффициента эластичности состоит в том, что он является показателем, характеризующим степень изменения (роста или снижения) спроса на 1 % изменения (роста или снижения) фактора. Спрос формируется в основном под влиянием изменения доходов и цен. К э показывает, как изменяется спрос в процентах при изменении этих факторов. В переходный период при усилении дифференциации доходов населения для прогнозирования спроса целесообразно использовать регрессионную модель, построенную на основе данных о дифференциации доходов населения и расходов по товарным группам, суть которой заключается в следующем. Население в соответствии с доходом на одного человека разбивается на процентильные (децильные) группы, т.е. выделяют 10 % населения с наименьшим доходом, затем следующие 10 % и т.д., заканчивая распределение группой, состоящей из 10 % населения с наибольшим доходом. В качестве единственного фактора формирования перспективной структуры спроса рассматриваются доходы населения. Данные о доходах населения и расходах по товарным группам формируются в виде таблицы. В ней отражаются группы населения по доходам, интервал дохода на одного человека в год (месяц), доля населения в процентах по интервалам доходов, средний доход на одного человека, расходы по товарным группам на одного человека в год (месяц). Прогноз спроса на каждую товарную группу будет формироваться под влиянием изменения доходов на душу населения. Для прогнозирования спроса на товары можно использовать модель поведения потребителей в условиях товарно-денежных отношений, базирующуюся на принципах оптимального удовлетворения потребностей по группам потребителей. Модель имеет вид: ∑ Y j → max; ∑ P j Y j ≤ D; Qj
≤ Y j ≤ Qj где Y j
- спрос на j-й товар; P j
- цена на j-й товар; D
- доходы потребителей; Qj
, Qj
- нижний и верхний пределы спроса j-го товара с учетом предложения. Потребители предварительно подразделяются на однородные группы по социально-демографическим признакам. Считается, что внутри каждой группы предпочтения на множество товаров и услуг одинаковы. При прогнозировании спроса с учетом особенностей товаров могут применяться различные подходы. Так, на товары легкой промышленности спрос определяется в условиях их широкого ассортимента. Разработать прогноз по такому широкому кругу позиций затруднительно, поэтому отдельные позиции необходимо агрегировать. Например, в группе швейных изделий можно выделить модную одежду, рабочую одежду и другие подгруппы. Следует также учитывать сроки износа изделий и обновления гардероба, подразделять товары на группы с учетом половозрастного признака потребителей (например, товары для молодежи, детей, лиц пожилого возраста). Прогнозы спроса на товары культурно-бытового назначения должны базироваться на числе семей, их обеспеченности этими товарами, покупательских намерениях на приобретение, наличии денежных сбережений, жилищных условиях и т.д. Общий объем спроса на товары длительного пользования состоит из двух частей: спроса на замену и спроса на расширение парка этих изделий. Спрос на замену можно определить исходя из данных о реализации этих товаров в предшествующие годы и средних сроков их использования в семьях. Согласно статистическим данным, средние сроки службы телевизоров, электропылесосов, часов всех видов, магнитофонов составляют 10 лет, холодильников - 20, стиральных машин - 15 лет. Прогноз спроса на конкретные виды товаров следует выполнять с учетом данных об изменении доли отдельных товаров в общем объеме товарооборота. Исходя из прогнозных расчетов спроса определяется структура платежеспособного спроса населения и разрабатывается сводный заказ торговли на производство важнейших товаров народного потребления на плановый период. Прогноз спроса предприятий-производителей на выпускаемую продукцию предполагает: Анализ тенденций изменения доли фирмы в общем рынке; Оценку рыночной стратегии конкурентов и перспектив освоения новых видов изделий; Анализ рыночной стратегии фирмы и качества продукции; Прогноз спроса на продукцию фирмы. Для фирмы главное - завоевание доверия потребителей к ее продукции. Для того чтобы прогнозировать будущие потребности людей, необходимо проанализировать, как потребитель реагирует на появление на рынке принципиально новых изделий. Зарубежные исследователи выделяют среди возможных следующие направления стратегии фирмы по производству продукции: Внешнее отличие товара в глазах покупателя от товара конкурентов; Выход на рынок с новым товаром; Разработка пионерного товара, который будет лидером на ближайшие годы, обеспечивая превосходство над конкурентами. Для реализации этих направлений собираются идеи по созданию нового товара и до минимума сокращаются сроки между выдвижением идей и пробной продажей товара. С целью поиска идей широко применяются методы экспертных оценок: метод коллективной генерации идей, метод "635", метод "Дельфи". Лидером в выработке стратегии фирмы является Япония. Японские фирмы гордятся тем, что их служащие ежегодно вносят огромное количество идей, из которых отбираются 7 - 10 оригинальных, имеющих практическое значение. Прежде чем принять решение о выпуске новых изделий, наряду с прогнозом спроса необходимо спрогнозировать издержки производства, цену и прибыль. Для выявления реакции потребителей целесообразно использовать рекламу, пробную продажу. Изучение спроса на новые товары может также осуществляться на выставках-продажах, выставках-просмотрах, ярмарках. Определяются степень соответствия изделий запросам покупателей, их предпочтения другим товарам-аналогам и условия, при которых население отдает предпочтение новым товарам (цена, оформление и др.). Товары рыночной новизны являются ключевыми для коммерческого успеха предприятия. Фирмы, производящие такие товары, имеют возможность устанавливать монопольные цены и получать более высокую прибыль. Каждый товар имеет свой жизненный цикл
(ЖЦТ). Концепция ЖЦТ исходит из того, что товар имеет определенный период рыночной устойчивости. ЖЦТ или описывающую его в координатах "прибыль-время" кривую можно разделить на стадии внедрения, роста, зрелости, насыщения и спада. Переход от стадии к стадии происходит без резких скачков, в связи с чем необходимо следить за изменениями темпов продажи или прибыли, чтобы уловить границы стадий и внести изменения в товар или производственную программу. При прогнозных исследованиях товарного рынка наряду с комплексным анализом большую роль играет разрабатываемая стратегия ценообразования, так как цена является важным рычагом продвижения товара на рынок и определяющим фактором объема продаж и прибыли. Сбор данных
Методы прогнозирования
Для чего нужно прогнозировать спрос
Как прогнозировать спрос
Специальное ПО
Microsoft Excel
Вручную
Формулы и методы прогнозирования спроса
Метод Простой средней
Метод скользящего среднего
Метод средневзвешенной
Метод экспоненциального сглаживания
Метод "Хольта-Уинтерса"
Метод Авторегрессии
Нейронные сети, генетические алгоритмы
Моделирование и прогнозирование спроса населения на товары и услуги
обследований запасов предметов длительного пользования
у населения, доходов и расходов;