• декомпозиции.
Метод скользящего среднего
Метод скользящего среднего достаточно прост. Рассмотрим прогноз, который сводится к тому, что объем сбыта в следующем году будет равен объему продаж в году текущем. При значительных колебаниях объемах продаж из года в год такой прогноз чреват негативными последствиями. Чтобы учесть все нюансы, можно рассчитать среднее значение нескольких показателей объемов продаж за определенные периоды времени, например произвести усреднение объемов продаж за два, три, пять последних лет или за другое количество удобных для расчетов периодов. При таком подходе прогноз продаж оказывается обычным средним значением объемов сбыта. Количество показателей, используемых в вычислении, определяется экспериментальным путем. В конечном итоге число периодов, которое обеспечит наиболее точные прогнозы подающихся проверке данных, будет использоваться для разработки модели прогноза. Термин «скользящее среднее» используется потому, что вычисленное новое среднее значение служит прогнозом на каждом этапе наблюдения при появлении новых данных.
Пример использования метода скользящего среднего при помощи MS Excel вы найдете на веб-странице книги по адресу http://www.williamspublishing.com/Books/978-5-8459-1687-7.html.
Метод экспоненциального сглаживания
При прогнозировании следующего значения метод скользящего среднего придает равный вес каждому из последних значений n, где n – количество используемых лет. Таким образом, когда n = 4 (т. е. используется четырехгодичное скользящее среднее), при прогнозировании объема сбыта на следующий год одинаковый вес назначается объемам сбыта за каждый год из последних четырех лет.
Метод экспоненциального сглаживания – это разновидность метода скользящего среднего. Его отличие в том, что наибольшие весовые коэффициенты назначаются не всем наблюдениям, а самым последним, поскольку они несут в себе больше информации о вероятном развитии событий в ближайшем будущем.
Эффективность метода экспоненциального сглаживания во многом зависит от выбора так называемой константы сглаживания, которая в алгоритме вычисления обозначается как α и находится в диапазоне от 0 до 1. Высокие значения α придают больше веса последним наблюдениям и меньше – более ранним. Если объемы продаж с течением времени изменяются незначительно, то целесообразно использовать низкие значения α. Однако когда объемы сбыта колеблются в широком диапазоне, следует использовать высокие значения α, в результате чего прогнозируемый ряд будет отражать эти изменения. Обычно значение α определяется эмпирическим путем, т. е. проверяются разные значения α и в итоге принимается то, которое обеспечивает наименьшую погрешность прогноза для определенного количества наблюдений за предыдущие периоды времени.
Пример использования метода экспоненциального сглаживания при помощи MS Excel вы найдете на веб-странице книги по адресу http://www.williamspublishing.com/Books/978-5-8459-1687-7.html.
Метод декомпозиции
В случае необходимости анализа данных за более короткие периоды времени, например месяц или квартал, при наличии сезонных колебаний продаж, когда руководство хочет получить прогнозы продаж не только на год, но и на отдельные его периоды, используется метод прогнозирования продаж, называемый декомпозицией. Здесь важно определить, какая доля изменения объемов продаж обусловлена тенденциями на рынке, а какая объясняется сезонностью спроса. Суть метода декомпозиции заключается в выявлении четырех составляющих временного ряда:
• тренд;
• циклический фактор;
• сезонный фактор;
• случайный фактор.
Тренд отражает долгосрочные изменения, которые наблюдаются во временном ряде, когда циклический, сезонный и нерегулярные компоненты исключены. Обычно предполагается, что тренд можно представить в виде прямой линии.
Циклический фактор присутствует не всегда, поскольку отражает подъемы и спады («волны») во временном ряде, когда сезонный и случайный компоненты исключены. Циклические подъемы и спады, как правило, проявляются на протяжении достаточно длительного периода времени – примерно от двух до пяти лет. Для некоторых товаров (например, для консервированной кукурузы) отмечаются незначительные циклические колебания, в то время как продажи других (например, строительство жилья) претерпевают весьма существенные изменения.
Сезонность отражает ежегодные колебания во временном ряде, вызванные естественной сменой сезонов. Сезонный фактор, как правило, проявляется ежегодно, хотя точная картина продаж с каждым годом может меняться.
Случайный фактор отражает воздействие, которое может наблюдаться после исключения влияния тренда, циклического и сезонного факторов.
Пример использования метода декомпозиции при помощи MS Excel вы найдете на веб-странице книги по адресу http://www.williamspublishing.com/Books/978-5-8459-1687-7.html.
Статистический анализ спроса
Взаимосвязь объемов продаж и определенных периодов времени, которая используется в методе временных рядов, формирует основу для составления прогноза на будущее. Статистический анализ спроса – это попытка определить взаимосвязь объемов продаж и основных факторов влияния и составить на этой основе прогноз на будущее. Как правило, для оценки такой взаимосвязи используется регрессионный анализ. При этом акцент делается на выделении не всех факторов, влияющих на объемы сбыта, а лишь на самых значимых, оказывающих наибольшее влияние на объемы сбыта. Например, компания по производству пластиковых окон при прогнозировании сбыта может учитывать такие факторы, как цикличность строительства жилья, колебания процентных ставок и сезонное повышение спроса в весенне-летний период.
Все методы прогнозирования продаж имеют свои преимущества и недостатки, поэтому решение об использовании того или иного метода далеко не очевидно. В первую очередь, решение об использовании метода прогнозирования зависит от самого товара или услуги. Например, для прогнозирования продаж абсолютно нового и ни на что не похожего товара (например, игрушки тамагочи) не может быть использован ни один из методов, так как возможные продажи могут колебаться от нуля до миллиардов рублей. О том, как правильно выбрать метод прогнозирования продаж, мы поговорим ниже в этой главе.
