Прогнозирование спроса

Подобные системы  поддерживают функцию рассылки уведомлений  о проблемных ситуациях и узких  местах. Например, коммерческий отдел  система предупредит о росте  продаж определенного товара и может  подсказать о необходимости заключения дополнительного соглашения с поставщиком  об увеличении объемов, а отдел планирования о допущенных ошибках при прогнозировании  спроса на определенный товар.

Существуют условия, при которых прогнозировать спрос  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?

2.2. Методы прогнозирования

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.

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

Люди

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).

Процесс

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.

Циклы прогнозирования  лучше всего организовывать раз  в месяц: это оптимально с точки  зрения временных изменений спроса и затрат на проведение этой работы.

2.3. Прогнозирование  в городе

Потребительский рынок города функционирует как  крупная составная часть единого  комплекса городского хозяйства. Его  главные задачи - создание условий  для удовлетворения спроса населения  на потребительские товары и услуги, обеспечение качества и безопасности их предоставления, обеспечение доступа  к товарам и услугам для  всех социальных групп жителей города.

Прогнозирование потребительского спроса в условиях города решается современными супермаркетами и торговыми розничными сетями. Для  эффективного управления торговой сетью  необходимо прогнозировать объёмы продаж для каждого товара на заданное число  дней вперёд. На основе этих прогнозов  осуществляется планирование закупок, управление ассортиментом, формирование ценовой политики, планирование промоакций (рекламных кампаний).

Специфика задачи в том, что количество товаров  может исчисляться десятками  или даже сотнями тысяч. Прогнозирование  и принятие решений по каждому  товару «вручную» просто немыслимо. Исходными данными для прогнозирования  являются временные ряды цен и объёмов продаж по товарам и по отдельным магазинам. Современные технологии позволяют снимать эти данные непосредственно с кассовых аппаратов.

Для увеличения точности прогнозов необходимо также  учитывать различные внешние  факторы, влияющие на потребительский  спрос: уровень инфляции, погодные условия, рекламные кампании, социально-демографические  условия, активность конкурентов. В  зависимости от целей анализа  в роли объектов выступают либо товары, либо магазины, либо пары «магазин, товар».

Ещё одна особенность  задачи - несимметричность функции потерь. Если прогноз делается с целью планирования закупок, то потери от заниженного прогноза существенно выше потерь от завышенного.

Современное институциональное  изменение национальной экономики  требует совершенствования системы  стратегического управления городом, и в частности потребительским  рынком (ПР). Выступая основным источником расширенного воспроизводства населения, рынок потребительских услуг оказывает долговременное и все возрастающее воздействие на преобразование городской экономики.

В настоящее  время ПР рассматривается с позиций отраслевого подхода как некоторая механическая совокупность отдельных отраслей, с приоритетом торговли и общественного питания, бытового обслуживания. Управление им строится, как правило, на традиционных подходах, технологиях и методах. Критический анализ предлагаемых в последнее время концепций и представлений о потребительском рынке позволяет нам сделать вывод о том, что проблема институционального обеспечения развития ПР не только не решена, но даже практически по-настоящему и не поставлена.

По нашему мнению, потребительский рынок как объект управления - это подсистема социально-ориентированной  экономики, главным активом которой  являются социально- трудовые отношения. Интеграционный потенциал ПР формируют субъекты хозяйствования, создающие как материальные товары и услуги, так и нематериальные (социально-культурные), обеспечивающие поддержание и восстановление здоровья, духовное и физическое развитие человека. При этом системообразующими блоками и компонентами ПР выступают и элементы инфраструктуры рынка: финансово-кредитный комплекс, информационно-коммуникационный комплекс и др. Таким образом, создается возможность изучать рынок потребительских услуг как открытую систему, ориентируя управление ею на единую цель - формирование человеческого потенциала. В этой связи ПР необходимо и возможно представлять в качестве объекта экономических исследований и управления.