Прогнозирование объема продаж

К разработке системы прогнозирования объема продаж пред­приятия следует подходить реалистично, понимая, что абсолют­но надежного метода не существует.

Методы прогнозирования можно представить в виде статисти­ческих и оценочных прогнозов. Статистические прогнозы вклю­чают следующие методы:

- наименьших квадратов;

- регрессионно­го и корреляционного анализа;

- скользящей средней;

- экспонен­циального сглаживания (взвешенной скользящей средней);

- сле­дящего сигнала и др.

Оценочные прогнозы основаны на мнении экспертов. Экспер­тами являются специалисты, работающие в области сбыта: знаю­щие рынок, продукцию конкурентов, новые тенденции движения цен, а также любую другую информацию о возможных измене­ниях потребности товара.

То обстоятельство, что все методы прогнозирования не обла­дают полной надежностью, не означает, разумеется, что прогно­зирование не имеет смысла. Прогнозирование объема продаж является основой для планирования производственной програм­мы. В условиях реальной хозяйственной практики целесообраз­нее всего использовать простые статистические методы в сочета­нии с разумным суждением.

Метод наименьших квадратов — это способ нахождения наилучшего приближения прогнозируемого объема продаж по результатам совокуп­ное™ наблюдений. Например, потребление бензина (х) и рынок запас­ных частей для автомобилей (у) можно представить в виде у_х = а + в_х.

На основании статистической выборки по объему продаж бензина (х) и запчастей (у) составляется статистический ряд (n-наблюдений) за ретроспективу. Для нахождения "а" и "в" составляют стандартные урав­нения:

Еу = па + bЕx

Еxy = ax + вЕх²

Полученные суммы статистических данных за 7 месяцев подставляют в формулы и получают уравнения, например: 74 = 7а + 28в

347 = 28а + 140в

отсюда у_х = 3,28 + 1,82х.

Следовательно, изменение продаж бензина может быть положено в ос­нову расчета прогноза выпуска запчастей к автомобилям. Результаты расче­та анализируют эксперты и принимается решение об объеме продаж.

Метод корреляционной и регрессионной зависимости также основан на статистической выборке объема продаж (у) и различных факторов, влияющих на этот показатель (х₁, х₂, х₃... х_п).

Зависимость показателей может быть линейной, параболической, гиперболической и экспоненциальной.

Линейная зависимость представлена формулой

у = а_о + a₁x₁ + а₂х₂ + а₃х₃ +... а_пх_п.

Форма корреляционной связи выражается коэффициентами регрес­сии а₁... а_п .

В расчетах корреляционной и регрессионной зависимости использу­ют соответствующие математические программы для ЭВМ, которые поз­воляют определить форму связи, тесноту связи и различные показатели пригодности выборки для анализа и прогнозирования.

Наиболее простым и распространенным методом прогнози­рования объема продаж является расчет средней величины. Один из таких методов — «среднегодовая на текущую дату».

Среднего­довая рассчитывается путем деления фактического объема про­даж по месяцам или неделям на продолжительность анализируе­мого периода. Скользящая средняя определяется аналогично, только изменяется ретроспективная выборка.

Например, фир­ма захотела использовать скользящую среднюю на 12 недель для объема продажи какого-либо товара. Для этого суммируют продажи за последние 12 недель и делят на 12, получая среднюю величину. Через неделю добавляют продажи за последнюю неде­лю и отбрасывают первую неделю, получая опять 12 недель.

Взвешенная средняя рассчитывается с учетом значимости ис­ходных данных. Например, по старому прогнозу месячные про­дажи должны составить 100 машин, а фактическая продажа пос­леднего месяца — 80.

Обычно предпочтение отдается старому прогнозу и реже — текущим продажам, так как они могут пред­ставлять случайную величину, выходящую за рамки тенденции.

Сумма весовых коэффициентов должна быть равна единице (например, 0,8 и 0,2).

Новый прогноз: 100 + 0,8 + 80 х 0,2 = 96

Метод экспоненциального сглаживания представляет собой ис­числение взвешенной скользящей средней. Он упрощает вычис­ления и позволяет хранить меньший объем данных. Метод экспоненциального сглаживания представляет собой исчисле­ние взвешенной скользящей средней. Он упрощает вычисления и позво­ляет хранить меньший объем данных. Требуются данные о предыдущем прогнозе и альфа-множителе (весовом коэффициенте). С учетом теку­щих продаж исчисляется новый прогноз. Особой проблемой этого мето­да является определение альфа-множителя. На практике руководствуются следующими коэффициентами: при использовании скользящей сред­ней за 19 периодов — 0,1; за 9 периодов — 0,2. Когда речь идет о модных товарах, более удачным может оказаться множитель 0,3 и интервале прогнозирования 1 неделя.

Взаимосвязь между альфа-множителем (А) и количеством периодов, по которым рассчитывается показатель (N), описывается двумя форму­лами:

А = 2 : (N + 1), N = (2 - А) : А

Пример расчета: 0,1 = 2 : (19 + 1) 3 = (2 - 0,5) : 0,5.

Если применен множитель 0,5, то прогноз предполагает скользящую среднюю за три периода.

В условиях случайного, разового спроса для прогнозирова­ния объема продаж следует руководствоваться не статистически­ми, а экспертными методами. Опытный работник, проанализи­ровав ход продаж с медленной оборачиваемостью, почти всегда определяет разумный уровень производства продукции без фор­мул расчета.

Прогноз объема продаж нужно сравнивать с фактической ре­ализацией за рассматриваемый период (таблица 1).

Таблица Анализ осуществления прогноза

Месяц	Прогноз	Факт	Отклонение (+, -)
			-100
			+50
			+110
			-160
			-10
			+30
Итого 360 Среднее отклонение 60

«Следящий сигнал», учитывающий ошибку прогноза, рас­считывается путем деления абсолютной суммы отклонений (зна­ками «плюс» и «минус» пренебрегают) на среднее отклонение: 360 / 60 = 6.

Нормальным признается колебание «следящего сигнала» в пре­делах 3,0—7,0. По ходовым товарам следует задавать более узкие пределы, в результате чего данные будут анализироваться чаще. По менее ходовым, недорогостоящим товарам, продажи, можно анализировать реже, следовательно, уместны более широкие пределы. Накопленная сумма ошибок прогноза, позволяет опре­делить, имеет ли прогноз какое-либо положительное смещение. Хороший прогноз должен включать примерно равное количест­во отклонений со знаками «плюс» и «минус». В завышенном прогнозе преобладают отклонения со знаком «минус».

Для того чтобы избежать больших отклонений в прогнозе объема продаж, необходимо знать, что точность прогнозов выше:

- для более широких групп товаров;

- более коротких периодов времени.