Все методы прогнозирования спроса можно разделить на две группы: качественные и количественные.
Качественные методы прогнозирования субъективны, основаны на суждении экспертов и лиц, принимающих решения, или даже на интуиции. Как правило, эти методы применяются в следующих случаях:
- для долго- и среднесрочного прогнозирования, так как:
в такой перспективе весьма вероятны изменения спроса, которые не носят чисто инерционного характера, а могут отражать существенное изменение условий на том или ином рынке сбыта (макроэкономические изменения, изменение структуры рынка, значительное усиление или ослабление важных участников рынка и т.п.);
при долгосрочном прогнозировании необходимо опираться на поведенческие данные, полученные проведением маркетинговых исследований;
- для прогнозирования спроса на новую продукцию, не имеющую аналогов, что делает недоступным применение метода исторической аналогии;
- профили спроса и связи нестабильны;
- есть необходимость основываться на мнении руководителей или экспертов по субъективным причинам;
- когда нет возможности даже для краткосрочного прогнозирования применить количественные методы (например, когда нет необходимого для применения количественных методов объема исходных данных или когда прогноз должен быть получен очень быстро, и нет времени на то, чтобы выполнить необходимый количественный анализ).
Качественные методы имеют определенные недостатки, которые необходимо осознавать при их применении:
- в силу субъективности прогноза есть большая вероятность смещения прогноза, то есть его систематического отклонения от факта в ту или иную сторону;
- как правило, неполнота документирования – редко, когда получение прогноза таким способом сопровождается развернутыми объяснениями экспертов о том, почему они выбрали именно такой прогноз, а не иной.
- они не практичны, когда необходимо подготовить прогноз спроса для сотен или даже тысяч номенклатурных позиций продукции — человек не в состоянии оперировать такими объемами информации;
- есть опасность доминирования одной точки зрения над остальными (например, точки зрения руководителя или ведущего признанного эксперта) при консолидации экспертных мнений (например, при применении метода консенсус-панели), и не факт, что эта доминирующая точка зрения окажется ближе к истине.
Количественные методы можно разделить на две подгруппы: экстраполяционные и регрессионные.
Экстраполяционные методы (основанные на продлении наблюдающейся тенденции в будущее) основаны на нескольких важных предположениях:
- будущее будет похоже на прошлое, не произойдет никаких существенных изменений в расстановке сил на рынке;
- есть качественные ряды исходных данных достаточной длины;
- профиль спроса в будущем будет таким же, как и в прошлом.
Существует множество различных экстраполяционных методов: метод скользящей средней, метод экспоненциального сглаживания, метод экстраполяции тренда, нейросетевые модели и др.
В рядах динамики могут выделяться следующие основные профили (компоненты):
- тренд, показывающий основное направление движения ряда динамики;
- сезонная компонента, показывающая колебания сезонного характера (лето, зима; последние недели месяца, последние дни недели, и т.п.);
- случайная компонента — то, что невозможно спрогнозировать в принципе;
- циклическая компонента — выделяется для очень длинных рядов динамики и на практике редко используется на предприятиях, поскольку требует накопления многолетней статистики и относительно неизменных условий.
Любой из экстраполяционных методов подразумевает, что для прогнозирования спроса достаточно опираться на данные о спросе в прошедших плановых периодах. Эти данные, как правило, хранятся в базах данных предприятия (в ERP-системе или СКЬ-системе), поэтому экстраполяционные методы относительно недороги в их использовании.
Регрессионные методы основаны на построении причинно-следственных связей между величиной спроса и факторами, на нее влияющими. Факторы могут при этом иметь как демографический, так и экономический характер. Для применения регрессионных методов необходимы ряды данных достаточной длины, причем как данные о спросе, так и данные о факторах, влияющих на спрос. Для вычисления прогнозных значений спроса строится модель регрессии, связывающая факторы и результативный признак. Можно сказать, что эти методы самые сложные и дорогостоящие, поскольку они требуют сбора и обработки не только внутренней, но и внешней для предприятия информации на регулярной основе. Построение модели регрессии (однофакторной или, в более сложном случае, многофакторной) требует нескольких шагов:
- выделение состава факторов (обычно этот шаг выполняется экспертами);
- проверка факторов на предмет меры их влияния на результативный признак;
- проверка факторов на их взаимную корреляцию (связь) с целью отсева лишних факторов, действующих однонаправленно;
- построение регрессионной зависимости;
- прогнозирование значений каждого из факторов регрессионной модели на будущий плановый период (будущие плановые периоды);
- формирование прогноза результативного признака (то есть спроса) на основе применения модели регрессии.
Из приведенного выше списка очевидно, что регрессионные методы требуют большого объема исходной информации и немалых навыков ее статистической обработки. Поэтому применяют эти методы в бизнесе, как правило, тогда, когда прогноз, полученный более простыми и дешевыми методами, не дает устраивающее предприятие качество.
Прогнозирование спроса представляет собой обоснованное исследованиями рынка предсказание его развития. Основывается прогнозирование на изучение закономерностей в динамике рынке, причинно-следственных связей и основных тенденций. Для торгового предприятия прогнозирование является основой для планирования продаж, совершения закупок и составления заказов на поставку.
Основные особенности прогнозирования
Чтобы прогнозирование было точным и давало максимально полезный результат, следует помнить несколько основных правил составления прогнозов спроса на рынке.
- Для группы продуктов можно составить более точный прогноз, чем для отдельных товаров.
- На короткий срок прогнозирование более точно, чем на длительный.
В зависимости от срока, на который составляется прогноз, выделяют следующие виды прогнозирования спроса:
- Оперативное – на срок не более 30 дней.
- Конъюнктурное – на срок от квартала до полугода.
- Краткосрочное – на один-два года.
- Среднесрочное – на срок от двух до пяти лет.
- Долгосрочное – на срок от пяти до десяти лет.
- Перспективное – на срок более десятилетия.
Когда нужно и когда не нужно прогнозирование спроса?
Прогнозирование спроса – незаменимый инструмент ведения бизнеса. Он позволяет избежать лишних расходов на создание нереализуемой продукции и в максимальной степени удовлетворить потребности клиентов. Существует лишь несколько случаев, когда прогнозирование не актуально:
- Когда продукция создается по заказу клиенты. В этом случае, как правило, клиент готов подождать определенный срок, которого хватит и на приобретение компонентов, и на производство самого товара. В таком случае планирование закупок и, как следствие, спроса, не требуется.
- Если необходимые для выполнения заказов клиентов мощности можно быстро, без существенных затрат, изменить.
- Когда финансовое планирование в принципе не целесообразно
Во всех прочих ситуациях планирования спроса проводится в обязательном порядке. Однако формирование прогноза зависит от того, какие цели преследует проводящий анализ спроса на продукцию. Перед началом проведения анализа следует ответить на несколько основных вопросов, которые оказывают решающее влияние на характер прогнозирования:
- Каковы сроки планирования? Прогноз должен соответствовать горизонту планирования, будь то один месяц или десяток лет.
- Какой уровень детализации прогноза? Должен ли он содержать суммарный план по регионам или рассматривать каждого отдельного заказчика.
- Как часто пересматривается прогноз? Требуется ли пересмотр результатов прогнозирования через определенный период после формирования прогноза? Если да, то через какой промежуток времени – год, месяц или неделю?
- Какой интервал прогнозирования? Какие временные промежутки должен отображать прогноз – дни, недели, месяцы и т.д.
Методы прогнозирования спроса
Самое главное в прогнозировании спроса – это выбор методов прогнозирования. Все методы, которые используются при анализе и прогнозировании спроса, можно поделить на три категории:
- Эвристические – эти методы основываются в первую очередь на субъективных началах.
- Экономико-математические – объективные методы, имеющие четкое научное обоснование.
- Специальные – представляют собой особую категорию, в равной степени основывающуюся и на объективных, и на субъективных началах.
Эвристические методы прогнозирования спроса, в свою очередь, включают более мелкие категории. Это могут быть как социологические методики, основывающиеся на опросах покупателей и выявлении их мнений, так и экспертные методики, которые базируются на информации, полученной от специалистов в определенной области, которые высказывают мнение на основе своего опыта, интуиции и профессиональных навыков. Недостатком таких методик является невозможность точно определить, какие факторы были учтены при прогнозе, а какие нет. Неявная форма учета различных критериев подвергает анализ потребительского спроса на основе эвристических методик сомнению, поэтому оптимальным вариантом является сочетание эвристических методик с экономико-математическими.
Экономико-математические методы включают в себя более точные способы прогнозирования. К числу этих методов относится моделирование, которое заключается в формировании прогнозной модели на основе ряда существенных факторов. Также к этой категории относится экстраполяция, которая заключается в пролонгировании опыта прошлого на будущий период. Также в категории экономико-математических методов прогнозирования находится расчет коэффициента эластичности спроса. Развитие математической статистики и экономики, а также активное включение в процесс прогнозирования современных технических средств делает экономико-математические методы особенно точными.
Специальные методы прогнозирования представляют собой трендовые модели в виде математической или графической информации. Тренд является временным фактором, который позволяет охарактеризовать тенденции в динамике основных показателей рынка. Он учитывает и особенности спроса на те или иные товары. Также к специальным методам можно отнести панельные опросы, методы пробных покупок, метод повторной покупки, тестирование рынка и т.д. Все эти методы позволяют изучить тренд и на его основе сделать прогноз о развитии рынка.
Значение прогнозирования спроса
Изучение и прогнозирование покупательского спроса позволяет оптимизировать планирование производства. Хотя точный на 100% прогнозов до сих пор не существует, чем вше точность прогноза, тем эффективнее вы сможет вести бизнес. При помощи прогнозирования спроса можно оптимизировать поставки дилерам или в магазины, предотвратить затоваривание складов, дефицит или, напротив, порчу просроченных продуктов. Именно поэтому профессиональное прогнозирование спроса на рынке необходимо каждой компании, занимающейся производством тех или иных товаров.
- Почему прогнозы спроса оказываются неточными
- Как выстроила процесс прогнозирования спроса компания Nestle
Руководители розничных и дистрибьюторских компаний часто не удовлетворены объемом продаж, а также избытком или дефицитом товарных позиций. Отправная точка для изменения ситуации – прогнозирование спроса. Чем прогноз точнее, тем меньше будет на складе запасов непродаваемых товаров, востребованные же всегда будут в наличии. Кроме того, компания сможет вовремя вводить в ассортимент новые товары и убирать устаревшие, устанавливать конкурентоспособные розничные цены и оптимизировать цепочку поставки.
Как формируется прогноз спроса
Все данные о фактических продажах, проведенных и планируемых маркетинговых акциях, изменениях розничных цен и других событиях нужно проанализировать. Самый простой инструмент для этого – программа Excel. Тем самым компания получит статистические прогнозы спроса. Далее их выборочно корректирует аналитик и передает на согласование соответствующим подразделениям: отделам продаж, закупок, маркетинга и др. Итоговый прогноз утверждает руководство компании.
Формирование прозноза спроса
1. | Данные | Сведения о продажах, остатках, поставках, прочих движениях, а также о маркетинговых акциях и других внешних событиях. |
2. | Инструмент | Программа, с помощью которой можно сформировать статистический прогноз спроса (в нашем случае Excel) |
3. | Статистический прогноз | Прогноз, сформированный при помощи инструмента прогнозирования спроса |
4. | Скорректированный прогноз | Ручная корректировка статистического прогноза аналитиоки или специалистом по планированию |
5. | Согласованный прогноз | Ручная корректировка и согласование итогового прогноза между департаментами (продажи, маркетинга и пр.) |
6. | Утвержденный прогноз | Утверждение итогового прогноза ответственным менеджером и передача отделам для выполнения. |
Сегмент | Точность статистического прогноза спроса, % | Точность прогноза после корректировки экспертами, % |
«Лошади» - товары с высокими продажами и низкой вариативность | 92,1 | 92,7 |
«Зайцы» - товары с низкими продажами и высокой вариативностью | 56,3 | 55,5 |
«Безумные быки» - товары с высокими продажами и высокой вариативностью, например кофе марки Nescafe | 55,2 | 82,4 |
«Мулы» - товары с низкими продажами и низкой вариантивностью | 90,9 | 91,2 |
В каждой компании свои примеры, Nestle раскрывает информацию только для сегмента «безумные быки» – напиток Nescafe. Эта таблица дает директорам повод задуматься и попытаться составить аналогичную для своего ассортимента. Ведь Nescafe в «Пятерочке» может оказаться совсем в другой категории, нежели Nescafe в «Азбуке Вкуса».
Копирование материала без согласования допустимо при наличии dofollow-ссылки на эту страницу
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:
Для чего нужно прогнозировать спрос
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.
Как прогнозировать спрос
Чтобы спрогнозировать спрос, разработано огромное количество теорий и специальных инструментов.
Специальное ПО
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.
Microsoft Excel
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.
Вручную
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.).
Формулы и методы прогнозирования спроса
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).
Метод Простой средней
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.
Метод скользящего среднего
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).
Метод средневзвешенной
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.
Метод экспоненциального сглаживания
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.
Метод "Хольта-Уинтерса"
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.
Метод Авторегрессии
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.
Нейронные сети, генетические алгоритмы
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:
- Определить характер спроса на товар (если гладкий - прогнозирование нужно, если редкий - прогнозирование не нужно, можно рассчитывать оптимальный запас методами математического моделирования)
- Определить способы прогнозирования спроса (если товарный ассортимент небольшой, то можно вручную или при помощи Excel, если большой - лучше использовать специальное программное обеспечение
- Определить методы прогнозирования спроса (для некоторых товаров хорошо работают стандартные методы (см про скользящее среднее), в общем случае лучшие результаты достигаются нейронными сетями
- Важно помнить, что прогнозирование спроса - лишь первое звено цепочки поставок, и даже самый точный прогноз спроса в случае неправильного управления запасами и пополнением не сможет обеспечить эффективность всей цепочки поставок.
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Подобные документы
Предложение товаров и его связь с потребительским спросом. Прогнозирование общей емкости регионального рынка потребительских товаров и спроса на торговом предприятии. Оценка и прогнозирование покупательского спроса населения Кемеровской области.
курсовая работа , добавлен 20.12.2007
Понятие спроса. Виды и экономическое содержание спроса. Механизм государственного воздействия на активизацию потребительского спроса в условиях российской экономики. Потребительский спрос в городе. Особенности и методы прогнозирования спроса в городе.
курсовая работа , добавлен 04.08.2010
Основные объективные экономические законы рынка. Связь между относительной ценой на товар и величиной спроса на него. Фармацевтические товары длительного и кратковременного пользования. Зависимость величины спроса от цены. Основные факторы спроса.
презентация , добавлен 25.10.2016
Сущность спроса как основной категории современного рынка, факторы формирования, классификация и разновидности, сбалансированность и удовлетворенность. Основные методы стимулирования спроса. Государственное регулирование рынка потребительских товаров.
контрольная работа , добавлен 25.03.2010
Методы прогнозирования конъюнктуры рынка: экстраполяция, экспертные оценки, математическое моделирование. Составление прогноза конъюнктуры рынка легковых автомобилей Самарской области. Определение соотношения спроса и предложения на товары данного вида.
курсовая работа , добавлен 04.01.2015
Характеристика, принципы маркетинговой политики компании. Платежеспособный спрос и факторы, влияющие на его развитие. Определение общего объема спроса населения. Прогнозирование спроса на продукцию общественного питания на примере ресторана "Тинькофф".
курсовая работа , добавлен 30.03.2009
Характеристика и методы реализации основных мероприятий по формированию спроса на новые товары и услуги: реклама, презентация, личная продажа, брендинг, паблик рилейшнз. Анализ эффетиквности применения данных мероприятий на предприятии "МЕГАМАРТ".
курсовая работа , добавлен 18.04.2010
Анализ взаимосвязи потребительского спроса и дохода покупателей. Изучение рынка розничной торговли продуктов питания, парикмахерских услуг, рынка жилья, фармацевтических товаров, мебели, оргтехники. Рассмотрение состояния пищевой промышленности в городе.
отчет по практике , добавлен 30.03.2011