Техника прогнозирования
Логистика нуждается в периодических прогнозах, а для их получения следует выбрать подходящий математический или статистический аппарат. Техника прогнозирования работает эффективно только тогда, когда её возможности соответствуют особенностям ситуации.
Существуют критерии оценки применимости техники прогнозирования:
1. требуемая точность;
2. временной горизонт прогноза;
3. ценность прогноза;
4. доступность данных;
5. тип вводных данных;
6. квалификация и опыт составителя прогноза.
На основании этих критериев можно дать количественную и качественную оценку каждого из имеющихся методов прогнозирования.
Благодаря развитию статистических и аналитических методов в последние полстолетия техника прогнозирования существенно усложнилась. По идее, применение более сложной и изощрённой техники прогнозирования должно оборачиваться большей точностью прогнозов. Зачастую так оно и есть, однако многие серьёзные исследования свидетельствуют о том, что простые методы порой дают лучшие результаты. Усложнение методов не всегда себя оправдывает, особенно если учитывать связанное с ним повышение требований к качеству информации и квалификации прогнозистов.
Было бы хорошо в каждом конкретном случае иметь возможность выбрать самую подходящую технику прогнозирования (простую или сложную), но оценка их пригодности не так однозначна. Такой выбор – не столько наука, сколько искусство. Проще говоря, стоит выбирать метод или методы, дающие лучший результат. Примером такого подхода, нацеленного на результат, служит концепция фокусировки прогнозирования. Она предполагает использование многих методов – от самых простых до самых сложных. При этом подходе для каждой единицы хранения на каждый период времени составляют ряд прогнозов. Затем выбирают тот метод прогнозирования, который оказался бы самым точным применительно к последнему прошедшему периоду.
Пример: допустим, организации нужен прогноз на июнь. В конце мая с помощью разных методов составляем прогнозы на май, используя все имевшиеся на конец апреля данные. Затем прогнозные оценки, полученные каждым из методов, сравним с фактическим объёмом продаж в мае, чтобы определить, какой метод дал самый точный прогноз на май. Предпосылка заключается в том, что лучший метод прогнозирования на июнь – тот самый, который был лучшим для мая.
Методы прогнозирования.
Существует три основные категории методов прогнозирования:
1. качественные методы (выводят прогнозы на будущее из экспертных оценок и специальной информации, можно учитывать результаты прошлых периодов, а можно ими пренебречь);
2. методы динамических рядов (оперируют исключительно данными прошлых периодов и их динамикой);
3. причинно-следственные методы (нацелены на выявление взаимосвязей между изменением независимых переменных и прогнозируемыми событиями).
Качественные методы прогнозирования.
Качественные методы ориентируются на суждения экспертов, требуют довольно много времени и являются относительно дорогостоящими. Они идеальны в ситуациях, где не нужно много статистики, а главное – это опыт и суждения менеджеров.
Пример: использование мнения торговцев о перспективах сбыта нового продукта или перспективах торговли в новом районе.
Но эти методы отнимают слишком много времени, а потому малопригодны в логистике. Качественные методы прогнозирования опираются на результаты опросов, анкетирования и конференций.
Методы динамических рядов.
Это методы статистического анализа данных за прошлые периоды, для которых характерны относительно ясные и стабильные тенденции и взаимосвязи.
Динамический анализ используют для выявления:
1. систематических колебаний под влиянием сезонных факторов;
2. циклических колебаний;
3. выраженных тенденций;
4. темпов роста в рамках выраженных тенденций;
Методы динамических рядов опираются на предпосылку, что будущее похоже на прошлое, а, следовательно, существующая структура спроса сохранится и в будущем. В краткосрочной перспективе такое предположение часто оказывается верным. Поэтому для краткосрочных прогнозов именно эта техника является наиболее подходящей. Но точность результатов здесь напрямую зависит от стабильности модели спроса.
Когда темпы роста или устойчивая тенденция резко меняются, в модели спроса возникает точка перелома. Поскольку методы динамических рядов оперируют данными за прошлые периоды и средневзвешенными величинами, они обычно не пригодны для выявления точек перелома. Поэтому, когда есть основания ожидать возникновения точки перелома, нужно применять и другие методы прогнозирования.
Техника динамических рядов включает в себя несколько методов разной степени сложности. Далее мы рассмотрим четыре из них в порядке усложнения: метод скользящей средней, метод экспоненциального сглаживания, метод расширенного сглаживания и метод адаптивного сглаживания.
Скользящая средняя.
В прогнозировании по методу скользящей средней используют средние показатели продаж за последние периоды.
Можно рассчитать средние величины за любое число периодов, но обычно берут средние за один, три, четыре или двенадцать периодов.
Когда используют среднюю за один период, то именно её значение и служит прогнозной оценкой объёма продаж на будущий период.
Если нужна скользящая средняя за двенадцать периодов (месяцев), то её вычисляют на основе средних каждого из двенадцати последних месяцев. Когда оканчивается очередной месяц, берётся средняя за этот месяц и отбрасывается средняя за первый, поэтому данные всё время обновляются, а количество учитываемых периодов остаётся постоянным.
Скользящую среднюю легко вычислить, но у этого показателя есть ограничения:
1. нечувствительность к изменениям;
2. необходимость хранения и постоянного обновления крупного массива данных для составления прогнозов;
Пример: если в прошлом объём продаж испытывал значительные колебания, средняя величина не может служить надёжной основой для прогноза.
3. учитывает только базовый элемент прогноза (базовый спрос) и оставляет в стороне другие элементы.
Для преодоления этих недостатков был разработан модифицированный метод скользящей средневзвешенной, в котором больший вес присваивается данным за более поздние периоды.
Одна из разновидностей метода скользящей средневзвешенной – экспоненциальное сглаживание.
Скользящая средняя рассчитывается по следующей формуле:
где | ![]() ![]() |
![]() ![]() | |
![]() |
Пример: прогноз на апрель по методу скользящей средней при объёме продаж в предыдущие три месяца 120, 150 и 90 единиц вычисляют следующим образом: