Прогнозирование спроса, структуры и объема продаж

Таблица 5. Расчет сезонной компоненты для модели с линейным трендом.

Месяц	Сезон 1	Сезон 2	Среднее	Сезонная компонента
июль	4037,5537	4830,438	4433,996	4433,981
август	939,4374	1422,712	1181,075	1181,059
сентябрь	366,2611	792,4255	579,3433	579,3281
октябрь	-1885,7952	-1684,63	-1785,21	-1785,23
ноябрь	-744,3415	-428,827	-586,584	-586,6
декабрь	-1178,3678	-906,053	-1042,21	-1042,23
январь	-2001,9841	-1811,83	-1906,91	-1906,92
февраль	-2825,6104	-2717,61	-2771,61	-2771,62
март	-1862,2667	-1657,72	-1759,99	-1760,01
апрель	-1201,923	-931,149	-1066,54	-1066,55
май	58,9707	456,0451	257,5079	257,4927
июнь	4068,2134	4866,415	4467,314	4467,299
ИТОГО:	0,1827	0

В таблице 5 по сумме средних величин видно, что наблюдается сезонность колебаний, т.к. сумма средних величин сезонных колебаний близка к 0.

Чтобы довестисредние колебания до 0, необходимо итоговую сумму средних разделить на количество периодов в сезоне (в нашем случае - это 12). Полученный результат вычитаем из значений среднего по каждому периоду. В итоге - сумма колебаний составит абсолютный 0.

Таблица 6. Расчет сезонной компоненты для модели с логарифмическим трендом.

Месяц	Сезон 1	Сезон 2	Среднее	Сезонная компонента
июль	3191,6	4933,089	4062,344	4062,386
август	345,2432033	1554,107	949,675	949,7166
сентябрь	-79,81393688	950,7222	435,4541	435,4957
октябрь	-2226,183593	-1501,04	-1863,61	-1863,57
ноябрь	-1002,293898	-221,347	-611,82	-611,779
декабрь	-1368,590734	-675,935	-1022,26	-1022,22
январь	-2134,62641	-1560,19	-1847,41	-1847,36
февраль	-2908,10039	-2445,44	-2676,77	-2676,73
март	-1900,277874	-1365,93	-1633,1	-1633,06
апрель	-1199,930694	-620,551	-910,241	-910,199
май	97,34575098	784,7031	441,0244	441,066
июнь	4139,98147	5212,452	4676,217	4676,258
ИТОГО:	-0,49899	0



По данным таблицы 6 можно утверждать, что в модели с логарифмическим трендом также существуют сезонные колебания, т.к. сумма средних близка к 0.

Рассчитанные сезонные компоненты для каждого из уравнений тренда при прогнозировании просто переносятся на соответствующие месяцы прогнозного периода.

1.5. Получив 3 сезонных компоненты (S) с 3 уравнениями тренда (T), мы можем рассчитать ошибки построенных моделей (E). Для этого из исходных значений задачи необходимо отнять сумму S+T, E=F-(S+T). Данные расчета представлены в таблице 7.

Таблица 7. Значения моделей (T+S) и их ошибок (E).

Месяц	ФАКТ	значение полнином. модели	значение лин. модели	значение логарифм.модели	Ошибки полином.модели	Ошибки лин. модели	Ошибки логарифм.модели
июль	8174,4	9851,65	8570,83	9045,19	-1677,25	-396,43	-870,79
август	5078,33	5919,26	5319,95	5682,80	-840,93	-241,62	-604,47
сентябрь	4507,2	4690,95	4720,27	5022,51	-183,75	-213,07	-515,31
октябрь	2257,19	1956,96	2357,76	2619,80	300,23	-100,57	-362,61
ноябрь	3400,69	3106,30	3558,43	3791,21	294,39	-157,74	-390,52
декабрь	2968,71	2872,65	3104,85	3315,08	96,06	-136,14	-346,37
январь	2147,14	2369,79	2242,20	2434,40	-222,65	-95,06	-287,26
февраль	1325,56	1822,24	1379,55	1556,93	-496,68	-53,99	-231,37
март	2290,95	2898,04	2393,21	2558,17	-607,09	-102,26	-267,22
апрель	2953,34	3200,04	3088,71	3243,07	-246,70	-135,37	-289,73
май	4216,28	3509,27	4414,80	4560,00	707,01	-198,52	-343,72
июнь	8227,569	5977,61	8626,65	8763,85	2249,96	-399,09	-536,28
июль	8991,84	8523,95	8595,38	8121,14	467,89	396,46	870,70
август	5586,16	5954,59	5344,51	4981,77	-368,43	241,65	604,39
сентябрь	4957,92	5983,53	4744,82	4442,69	-1025,61	213,10	515,23
октябрь	2482,91	3992,50	2382,31	2120,38	-1509,59	100,60	362,53
ноябрь	3740,76	5244,51	3582,99	3350,33	-1503,75	157,77	390,43
декабрь	3265,58	4571,00	3129,41	2919,29	-1305,42	136,17	346,29
январь	2361,85	3348,56	2266,76	2074,67	-986,71	95,09	287,18
февраль	1458,12	2170,80	1404,10	1226,83	-712,68	54,02	231,29
март	2520,05	3122,32	2417,76	2252,92	-602,27	102,29	267,13
апрель	3248,67	4211,33	3113,27	2959,02	-962,66	135,40	289,65
май	4637,91	6554,28	4439,36	4294,27	-1916,37	198,55	343,64
июнь	9050,33	12509,64	8651,21	8514,13	-3459,31	399,12	536,19

прогнозирование продажа экспертный оценка

На основании рассчитанных ошибок (E) рассчитаем среднеквадратическое отклонение (СКО) для каждого из периодов (см. Таблицу 8).

Таблица 8. Среднеквадратическое отклонение значений модели от фактических данных.

№	Месяц	СКО полином.модели	СКО лин. модели	СКО логарифм.модели
1	июль	0,0290	0,0021	0,0093
2	август	0,0202	0,0021	0,0113
3	сентябрь	0,0015	0,0020	0,0105
4	октябрь	0,0235	0,0018	0,0192
5	ноябрь	0,0090	0,0020	0,0106
6	декабрь	0,0011	0,0019	0,0109
7	январь	0,0088	0,0018	0,0139
8	февраль	0,0743	0,0015	0,0221
9	март	0,0439	0,0018	0,0109
10	апрель	0,0059	0,0019	0,0080
11	май	0,0406	0,0020	0,0057
12	июнь	0,1417	0,0021	0,0037
13	июль	0,0030	0,0021	0,0115
14	август	0,0038	0,0020	0,0147
15	сентябрь	0,0294	0,0020	0,0134
16	октябрь	0,1430	0,0018	0,0292
17	ноябрь	0,0822	0,0019	0,0136
18	декабрь	0,0816	0,0019	0,0141
19	январь	0,0868	0,0018	0,0192
20	февраль	0,1078	0,0015	0,0355
21	март	0,0372	0,0018	0,0141
22	апрель	0,0523	0,0019	0,0096
23	май	0,0855	0,0020	0,0064
24	июнь	0,0765	0,0021	0,0040
Среднее значение:	0,0495	0,0019	0,0134

1.6. Рассчитав среднее значение СКО, полученных для каждой модели, рассчитаем точность по формуле:

(точность модели) = [1- (среднее значение СКО)]*100%

Точность модели с полиномиальным трендом = 95.05%

Точность модели с линейным трендом =99.81%

Точность модели с логарифмическим трендом = 98.66%

Таким образом, высокой точностью обладают все 3 модели (см. рисунок 3).

Т.к. в случае, если точность модели колеблется в районе 90%-100%, то можно утверждать, что модель достаточно точная. Однако, модель с линейным трендом является наиболее точной, т.к. ее показатель точности наиболее высокий. Следовательно, прогноз, сделанный на основании данных линейной модели будет наиболее точным. И только на данном этапе моделирования мы можем сделать окончательный вывод о предпочтительности модели. Выбрав модель с линейным трендом, в дальнейшем, будем работать только с ней.

1.7. Чтобы построить доверительный интервал воспользуемся данными СКО для модели с линейным трендом (СКО=0,0019). Доверительный интервал примет вид:

(F*[1-СКО];F*[1+СКО])

Данные такого расчета приведены в таблице 9.



Таблица 9. Доверительный интервал для модели с линейным трендом.

F-СКО	F+СКО
8552,491	8589,163
5308,978	5330,926
4710,649	4729,885
2353,467	2362,047
3551,439	3565,425
3098,882	3110,822
2238,172	2246,232
1377,434	1381,66
2388,838	2397,576
3082,779	3094,645
4405,875	4423,729
8608,192	8645,117
8577,096	8613,669
5333,581	5355,434
4735,252	4754,393
2378,065	2386,56
3576,04	3589,935
3123,482	3135,333
2262,768	2270,747
1402,024	1406,181
2413,435	2422,09
3107,379	3119,157
4430,477	4448,238
8632,797	8669,623

2. Построение прогноза.

Определив наиболее точную модель, можем построить прогноз изменений продаж мороженого на 3-й сезон.

2.1. Для расчета прогнозных значений в пакете MS Excel, укажем условия прогнозирования:

трендовая компонента (Т) зависит от последовательности чисел от 1 до 24. Следовательно, чтобы построить прогноз, необходимо продолжить эту последовательность до 36. Значения трендовой компоненты MS Excel рассчитает в автоматическом режиме. Достаточно выделить последнюю ячейку 24-го месяца и зажав черный квадратик в нижнем правом углуячейки протащить выделение до 36 периода. В итоге получим трендовую компоненту Т. (Сделайте аналогичную операцию с полиномом и увидите: почему книжки не рекомендуют использовать полиномы в прогнозировании - уже в апреле месяце 3-го сезона продавцы мороженого станут банкротом!)

сезонная компонента (S) рассчитанная для модели, остается неизменной для 25-36 месяцев. Выделим в MS Excel сезонную компоненту и скопируем на периоды 25-36.

Для учета ошибок воспользуемся доверительным интервалом модели, рассчитанным для прогнозных значений. Доверительный интервал отражает в каких пределах может колебаться ошибка прогнозных значений.

Таблица 10. Расчет прогнозных значений модели с линейным трендом

№	Месяцы	Линейный Тренд (Т)	Сезонная компонента (S)	Прогнозные значения линейной модели (F)	Доверительный интервал
					-	+
25	июль	4185,9575	4433,981	8619,94	8193,058	9046,82
26	август	4188,0038	1181,059	5369,06	5103,174	5634,95
27	сентябрь	4190,0501	579,3281	4769,38	4533,187	5005,57
28	октябрь	4192,0964	-1785,23	2406,87	2287,674	2526,06
29	ноябрь	4194,1427	-586,6	3607,54	3428,889	3786,20
30	декабрь	4196,189	-1042,23	3153,96	2997,771	3310,15
31	январь	4198,2353	-1906,92	2291,31	2177,842	2404,78
32	февраль	4200,2816	-2771,62	1428,66	1357,908	1499,41
33	март	4202,3279	-1760,01	2442,32	2321,369	2563,27
34	апрель	4204,3742	-1066,55	3137,82	2982,431	3293,22
35	май	4206,4205	257,4927	4463,91	4242,85	4684,98
36	июнь	4208,4668	4467,299	8675,77	8246,121	9105,41

Если представить графически прогноз, рассчитанный с помощью выбранной модели, то результаты прогнозирования примут вид:



Рис. 4. Прогноз продаж мороженого в третьем сезоне

Определять константу сглаживания можно несколькими способами:

самостоятельный расчет индексов стабильности экономики и учет всех рисков изменения конъюнктурырынка и отрасли, в которой находится предприятие. При этом возможно использование и внутренней информации предприятия, и информации государственных статистических органов.

использование ранее рассчитанных показателей стабильности рынка. Таких как, динамика индекса цен, индекс инфляции, показатели покупательской способности, банковская учетная ставка и т.д.

Возникла проблема в доведении примера до логического конца - отсутствие статистической информации о Российской Федерации и, тем более, о Нижнем Новгороде.

Так что, могу повествовать лишь на идейном уровне. Т.к. Кошечкин С.А. утверждает, что константа сглаживания - это «вероятность сохранения существующей рыночной конъюнктуры», то

а=1-(учетная ставка центрального банка)

Следует отметить, что такой способ определения константы сглаживания для сезонного товара не совсем корректен, т.к. в каждом месяце конъюнктура разная из-за сезонности товара. Т.е. необходим поправочный коэффициент, который рассчитывается на основании статистических данных об отрасли.

Т.к. константу сглаживания рассчитать не получилось, то и скорректировать прогноз тоже не представляется возможным.

Таким образом, мы пришли к выводу, что:

при моделировании хозяйственного процесса ВСЕГДА необходимо строить несколько моделей, чтобы сравнить результаты;

тактический и стратегический анализ сильно отличаются. И если при построении прогноза на 1 год можно воспользоваться средними величинами при определении сезонных колебаний, то при создании стратегического плана необходимы более точные модели, а значит - более сложные методы;

полином использовать в моделировании хозяйственных процессов крайне рискованно, т.к. несмотря на высокую точность трендовой компоненты можно получить искаженные данные;

определить точность модели можно только после расчета и тренда, и сезонной компоненты;

константа сглаживания формируется на основании конкретных данных, а не на основании «экспертных оценок»;

в рассмотренном примере выбор линейного тренда более предпочтителен, чем выбор полинома;

необходим дополнительный анализ внешней среды для построения более адекватной модели (с использованием экспоненциального сглаживания).

7. Прогнозирование объёмов продаж продукции

Прогнозирование объёмов продаж продукции в современных условиях является одной из приоритетных задач и позволяет оптимизировать деятельность предприятия. Прогнозирование продаж предполагает:

1. Планирование объема продаж продукции в натуральном выражении.

2. Планирование ассортиментных поставок продукции в разрезе потребителей, регионов и др.

3. Временное распределение плана продаж продукции (планирование продаж по кварталам, месяцам и неделям года).

4. Планирование объема продаж продукции в стоимостном выражении.

5. Планирование величины сбытовых запасов.

6. Планирование заключения сделок и разработка инструкций о скидках, сроках и условиях платежа.

7. Планирование сбытовых расходов.

В данной работе проанализированы наиболее известные методики прогнозирования экономических показателей, которые могут быть использованы для прогнозирования объёмов продаж продукции.

Методы прогнозирование и виды прогнозов

Выделяются различные признаки классификации прогнозов. Мы воспользуемся подходом, разработанным в Финансовой академии при Правительстве РФ и на его основе составим следующую классификационную таблицу.

Таблица 1. Виды прогнозов



Единого, универсального, метода прогнозирования экономических показателей не существует. В связи с огромным разнообразием прогнозируемых ситуаций имеется и большое разнообразие методов прогнозирования (свыше 150). На рис. 1 представлен один из вариантов классификации методов прогнозирования.

Рассмотрим более подробно некоторые из наиболее широко применяемых в практике методы статистического и экспертного прогнозирования.

Статистическое прогнозирование

Для рассмотрения выделим следующие методы статистического прогнозирования:

1. Экстраполяция по скользящей средней - может применяться для целей краткосрочного прогнозирования. Метод скользящей средней состоит в замене фактических уровней динамического ряда расчетными, имеющими значительно меньшую колебательность, чем исходные данные. При этом средняя рассчитывается по группам данных за определенный интервал времени, причем каждая последующая группа образуется со сдвигом на один год (месяц). В результате подобной операции первоначальные колебания динамического ряда сглаживаются, поэтому и операция называется сглаживанием рядов динамики (основная тенденция развития выражается при этом уже в виде некоторой плавной линии).

2. Экспоненциальная средняя. При рассмотрении скользящей средней не учитывается, «возраст» наблюдения. То есть влияние прошлых наблюдений должно затухать по мере удаления от момента, для которого определяется средняя.

Одним из простейших приемов сглаживания динамического ряда с учетом “устаревания” является расчет специальных показателей, получивших название экспоненциальных средних, которые широко применяются в краткосрочном прогнозировании. Основная идея метода состоит в использовании в качестве прогноза линейной комбинации прошлых и текущих наблюдений. Экспоненциальная средняя рассчитывается по формуле:

Qt = a yt + (1 - a )Qt-1 (1) ,

где Qt - экспоненциальная средняя (сглаженное значение уровня ряда) на момент t;

a - коэффициент, характеризующий вес текущего наблюдения при расчете экспоненциальной средней (параметр сглаживания), причем 0 < a < 1.

Из уравнения следует, что средний уровень ряда на момент t равен линейной комбинации двух величин: фактического уровня для этого же момента и среднего уровня, рассчитанного для предыдущего периода.

Выше отмечено, что a может находиться в пределах от 0 до 1. Однако практически диапазон значений a находится в пределах от 0,1 до 0,3. В большинстве случаев хорошие результаты дает a = 0,1. При выборе значения a, необходимо учитывать, что для повышения скорости реакции на изменение процесса развития необходимо повысить значение a (тем самым увеличивается вес текущих наблюдений), однако при этом уменьшается “фильтрационные” возможности экспоненциальной средней.

Прогнозирование на основе сезонных колебаний.

Одним из статистических методов прогнозирования является расчет прогнозов на основе сезонных колебаний уровней динамического ряда. При этом под сезонными колебаниями понимаются такие изменения уровня динамического ряда, которые вызываются влияниями времени года. Методика статистического прогноза по сезонным колебаниям основана на их экстраполяции, т.е. на предположении, что параметры сезонных колебаний сохраняются до прогнозируемого периода. Для измерения сезонных колебаний обычно исчисляются индексы сезонности, или усредненные индексы сезонности.

Приведенные методы измерения сезонных колебаний не являются единственными. Так, для выявления сезонных колебаний можно применять и рассмотренный выше метод скользящей средней, и другие методы.

Индексный метод вообще очень широко применяется в прогнозировании социально-экономических явлений и, в частности, деятельности предприятий - для составления прогнозов как объемных, так и качественных показателей (в т.ч. изменения цен, производительности труда, издержек производства и обращения, прибыли и др.).

Прогнозирование методом линейной регрессии - является одним из наиболее широко применяемых методов статистического прогнозирования. Метод базируется на анализе взаимосвязи двух переменных (метод парной корреляции) - влияние вариации факторного показателя Х (например, расходов на рекламу) на результативный показатель У (например, на объем продаж):

Экспертное прогнозирование

Экспертные методы прогнозирования применяются, как правило, в случаях, когда отсутствуют какие-либо статистические данные, на которых мог бы базироваться количественный прогноз, как, например, в случае, когда предприятие собирается выпустить на рынок совершенно новый продукт.

Классификация методов экспертного прогнозирования приведена в табл.2.

Таблица 2 

Классификация экспертных методов прогнозирования

Сущность метода экспертных оценок заключается в проведении экспертами интуитивно-логического анализа проблемы с количественной оценкой суждений и формальной обработкой результатов. Получаемое в результате обработки обобщенное мнение принимается как решение проблемы (в данном случае - прогноз).

Центральным этапом экспертного прогнозирования является проведение опроса экспертов. В зависимости от целей и задач экспертизы, существа и сложности анализируемой проблемы, времени, отведенного на опрос и экспертизу в целом, и допустимой их стоимости, а также от подбора участвующих в ней специалистов, выбирается метод опроса:

· индивидуальный или групповой (коллективный); 

· личный (очный) или заочный (путем пересылки анкет); 

· устный или письменный; 

· открытый или скрытый.

Охарактеризуем наиболее популярные экспертные методы прогнозирования.

1. Метод интервью предполагает беседу организатора прогнозной деятельности с экспертом-прогнозистом о будущем состоянии предприятия и его среды. Этот метод требует от эксперта умения быстро, фактически экспромтом, давать качественные советы на поставленные вопросы.

2. Метод аналитических докладных записок (аналитических экспертных оценок в форме докладной записки) предполагает, что эксперт-прогнозист выполняет самостоятельно аналитическую работу с оценкой состояния и путей развития, излагая свои соображения письменно. При этом для выявления важности проблем и решений используют метод предпочтения, метод рангов.

3. Метод “мозговой атаки” (“мозгового штурма”). Данный метод является наиболее известным и широко используемым методом коллективной генерации идей и творческого решения проблем. Он представляет собой свободный, неструктурированный процесс генерирования всевозможных идей по поставленной проблеме, спонтанно предлагаемых участниками.

4. Метод “мозговой атаки наоборот”. “Мозговая атака наоборот” во многом напоминает обычную “мозговую атаку”, но при этом разрешается высказывать критические замечания. Вернее, не столько даже разрешается, сколько весь метод построен на том, чтобы все участники группы выявили недостатки предлагаемых идей

5. Метод “мысленного группового анализа реальной ситуации”. Этот метод применяется при достаточно большом составе группы (около 20 человек), когда вопрос касается всей ситуации (процесса), которой можно дать количественную оценку на основе интуиции или здравого смысла, и когда требуется групповое обсуждение или взаимодействие.

6. Метод составления сценариев - наиболее популярный за последние десятилетия метод экспертных оценок. Данный прогноз обычно включает в себя несколько сценариев. В большинстве случаев это три сценария: оптимистический, пессимистический и средний - наиболее вероятный, ожидаемый.

Составление сценария, как правило, включат в себя несколько этапов:

1) структурирование и формулировка вопроса. Вопрос, выбранный для анализа, должен быть определен настолько точно, насколько это возможно.

2) определение и группировка сфер влияния. Для осуществления данного этапа необходимо выделить критические среды бизнеса и оценить их влияние на будущее предприятия;

3) установление показателей будущего развития критически важных факторов среды предприятия. После того как основные сферы влияния обозначены, необходимо определить их возможное состояние в будущем исходя из намеченных предприятием целей. Показатели будущего состояния не должны быть чрезмерно благополучными, амбициозными.

4) формирование и отбор согласующихся наборов предположений. Если на предыдущем этапе предприятие определило будущее состояние среды и ее влияние на предприятие исходя из собственных целей, то на данном этапе возможное развитие сфер влияния определяется исходя из их сегодняшнего состояния и всевозможных изменений.

5) сопоставление намеченных показателей будущего состояния сфер влияния с предположениями об их развитии.

6) введение в анализ разрушительных событий. Разрушительное событие - это внезапно случившийся инцидент, который не был ранее спрогнозирован и который может изменить направление тенденции.

7) установление последствий. На этом этапе сопоставляются стратегические проблемы предприятия (например, возможность роста за счет более широкого освоения рынка) и выбранные варианты развития среды. Определяется характер и степень воздействия тех или иных вариантов развития на стратегические области действий предприятия;

8) принятие мер. В узком смысле этот этап уже не относится к анализу, но он естественно вытекает из предыдущих этапов.

В целом сценарий подчинен стратегической функции предприятия и разрабатывается в процессе долгосрочного планирования. Широкий временной охват предполагает усиление неопределенности среды бизнеса и поэтому для сценария, как правило, характерны некоторая недостоверность и повышенное количество ошибок. Поскольку определение количественных параметров будущего затруднено (так, трудно определить величину продаж предприятия через 5 лет), при составлении сценариев чаще всего используются качественные методы и интервальные прогнозы показателей. В то же время сценарий предполагает комплексный подход для его разработки: помимо качественных могут использоваться и количественные методы - экономико-математические, моделирование, анализ перекрестного влияния, корреляционный анализ и др.

7. Метод дерева целей - широко применяется для прогнозирования возможных направлений развития науки, техники, технологий. Так называемое дерево целей тесно увязывает между собой перспективные цели и конкретные задачи на каждом уровне иерархии. При этом цель высшего порядка соответствует вершине дерева, а ниже в несколько ярусов располагаются локальные цели (задачи), с помощью которых обеспечивается достижение целей верхнего уровня.

8. Матричный метод - широко используется в планировании и прогнозировании. Например, в практике маркетинга матричный метод применяется как метод оценки позиции предприятия на рынке, что позволяет принять решение о выборе одной из возможных стратегий: 

· стратегии атаки при благоприятной позиции;

· стратегии обороны при средней, неопределенной позиции; 

· стратегии отступления при неблагоприятной позиции.

9. Метод Дельфи является наиболее формальным из всех методов экспертного прогнозирования и наиболее часто используется в технологическом прогнозировании, данные которого используются затем в планировании производства и сбыта продукции. Это групповой метод, при котором проводится индивидуальный опрос группы экспертов относительно их предположений о будущих событиях в различных областях, где ожидаются новые открытия или усовершенствования.

10. Метод получения мнений жюри - наиболее старый и наиболее простой метод прогнозирования сбыта, поскольку в этом случае просто объединяются и усредняются взгляды, нередко основанные всего лишь на интуиции высших администраторов. В большинстве случаев окончательная оценка представляет собой мнение президента фирмы, основанное на рассмотрении мнений прочих руководящих работников. Преимущества метода состоят в его доступности и простоте, недостатки - в том, что прогнозы основываются на предположениях, а не на фактах и их анализе; усреднение мнений уменьшает ответственность за точность прогноза; прогнозы обычно не разбиты на подразделы (по видам продукции), периоды времени или структурные подразделения.

Метод совокупных мнений работников сбыта - один из наиболее часто применяемых методов прогнозирования. Он состоит в том, что на основании мнений агентов по сбыту и руководителей подразделений сбыта составляется совокупная оценка вероятного объема сбыта.

Метод ожидаемых запросов потребителей (модель ожидания потребителей). Как можно судить по названию, модель ожидания потребителей является прогнозом, основанным на результатах опроса клиентов предприятия. Их просят оценить собственные потребности в будущем, а также новые требования. Собрав все полученные таким путем данные и сделав поправки на пере- или недооценку, исходя из собственного опыта, руководитель зачастую оказывается в состоянии точно предсказать совокупный спрос.

Дедуктивные методы. Каждый составитель прогнозов должен не забывать о том, что всегда необходимо руководствоваться здравыми суждениями и уметь делать логические выводы из фактов и взаимосвязей. В общем случае дело сводится к тому, чтобы выяснить, какова сейчас ситуация, какое положение со сбытом и почему, а затем дедуктивно проанализировать, исходя как из объективных обстоятельств, так и из субъективных суждений, факторы, оказывающие решающее влияние на сбыт. Полученные подобным образом данные могут быть введены в математическую модель, но могут и остаться неиспользованными, если они представляют собой неточно скоррелированный конгломерат фактов и оценок. Тем не менее, они часто служат полезным средством проверки результатов, полученных с помощью точных методов.

Основные проблемы использования рассмотренных выше методов

Основные трудности, которые могут возникнуть в процессе прогнозирования можно условно разделить на четыре группы:

1. Исходная статистическая информация зачастую бывает недостоверной. Однако даже при наличии достоверных данных о прошлом, они не всегда могут служить надежной базой для принятия плановых решений, направленных в будущее;

2. Некоторая часть информации, необходимой для выбора наилучшего варианта планового решения, имеет качественный характер и не поддается количественным измерениям (например, невозможно разработать формулу для прогнозирования (оценки) поведения людей в той или иной ситуации, в производственном коллективе);

3. В момент принятия решения необходимая статистическая информация отсутствует, а ее получение требует времени или средств;

4. Существует большая группа факторов, которые будут влиять на реализацию планов, но при подготовке плановых решений их нельзя точно предсказать.

Для применения статистических методов прогнозирования необходимо проводить исследовательскую работу и пользоваться услугами квалифицированных статистиков - и то и другое может дорого стоить. Кроме того, в условиях динамичного развития общества, когда происходят какие-то кардинальные изменения - в экономике, в социальной сфере, в технике, в технологии и в других областях - эффективность применения статистических методов для прогнозирования и планирования, особенно на длительный период, снижается. Существует также опасность, что управляющие станут чрезмерно полагаться на статистические методы и на полученные на их основе результаты и поэтому могут не заметить существенных изменений, значение которых мог бы оценить другой специалист.

Указанные трудности хотя и являются весьма существенными, однако не исключают эффективного прогнозирования того или иного экономического показателя. Вопрос очевидно должен ставиться о выборе наиболее эффективного для конкретной задачи метода прогнозирования.

Один из возможных методов прогнозирования продаж продукции предприятия предлагается в данной работе.

2. Использование методов нечёткой логики для прогнозирования продаж

Большинство из рассмотренных выше методов прогнозирования основано на наблюдении прогнозируемого показателя в предыдущие периоды времени. Иногда при этом рассматривается ещё один или два сопутствующих фактора, влияющих на поведение данного показателя. В то же время мы понимаем как много всевозможных внешних и внутренних для предприятия факторов могут повлиять на поведение рассматриваемого показателя. Таких факторов может быть несколько десятков. Причём в одних условиях существенными могут быть одни факторы, при изменении условий другие. Построение аналитической зависимости прогнозируемого показателя y от вектора факторов, характеризующих состояние объекта и внешней среды x чаще всего не представляется возможным.

Перспективным в этом плане является подход, использующий алгоритмы нечеткой логики [1,2]. Данный метод позволяет создавать эффективные модели сложных объектов. К его достоинствам можно отнести универсальность (согласно теореме FAT (FuzzyApproximationTheorem), доказанной Б. Коско в 1993 г., любая математическая система может быть аппроксимирована системой, основанной на нечеткой логике), использование языка, близкого к естественному для описания условия и метода решении задачи, что позволяет применять метод для объектов, значения переменных которых представлены не в количественных шкалах, а также данный подход позволяет легко учесть имеющуюся априорную информацию. Еще лучшее качество решения отмеченной задачи идентификации удается получить при использовании адаптивных нечетких алгоритмов, использующих имеющиеся экспериментальные данные, позволяющие создавать модель, основанную на принципах нечеткого вывода, выявляя закономерности в данных и обобщая их.

Основой данного подхода составляет теория нечетких множеств, которая оперирует нечетким представлением нечетких понятий. Теоретико-множественный подход позволяет кроме чётких статистических данных и отчётов учитывать социально-психологические и экономические переменные рынка. Работа с такой прогнозирующей системой состоит из двух этапов: этапа обучения и этапа собственно прогнозирования. На этапе обучения на основе предыдущих наблюдений осуществляется настройка системы нечёткой логики. Система нечёткого логического вывода способна обучаться в процессе её эксплуатации. По сути, такая система является интеллектуальной информационной системой, обладающей элементами прогнозирования.

Изучение покупательского спроса как основа изучения рынка потребительскихтоваров.

Нынешняя ситуация доказывают актуальность и важность проблемы изучения и прогнозирования спроса на товары народного потребления, в современных условиях рынка, когда успех коммерческого предприятия зависит в первую очередь от детального знания рынка товара, умения анализировать и прогнозировать последствия изменения каких-либо его параметров и показателей. Что касается торгового предприятия, то только глубокое изучение и прогнозирование спроса позволит сформировать ассортимент предлагаемых товаров так, чтобы обеспечить максимальную прибыльность деятельности и превзойти конкурентов. Необходимость исходить из требований рынка, потребителей, при организации маркетинга определяет логику исследований, предопределяет эффективность торгово-коммерческой деятельности.

Так, например, Анализ спроса на обувьпредполагает предварительное выяснение всего окружения рынка данного товара, его состояние и тенденции развития, которые могут подсказать возможности и выявить недостатки сегодняшнего положения на рынке. Затем осуществляется выявление текущих тенденций и факторов, влияющих на спрос, и оценивается возможное увеличение или уменьшение их воздействия на формирование спроса в будущих периодах.

Основными факторами, влияние которых имеет первостепенное значение на формирование, как объема, так и структуры спроса являются следующие факторы:

-уровень цен на товары

-уровень предложения товара на рынке

-уровень доходов населения

Следует отметить, что существует множество дополнительных факторов, влияние которых на спрос практически невозможно определить количественно (влияние моды, состояния рынка взаимозаменяемых и взаимодополняемых товаров), но значением которых нельзя пренебрегать.

Следующим этапом изучения и анализа спроса на обувь является его прогнозирование на последующие периоды. Все маркетинговые исследования в области спроса осуществляются в двух последовательных направлениях: оценка тех или иных маркетинговых параметров для данного момента времени и получение их прогнозных значений. Эти исследования могут проводиться как самостоятельно, собственными силами компании, или же компания может прибегнуть к услугам специализированных организаций.

В маркетинге сочетаются прогнозы трех категорий: долгосрочный, среднесрочный и краткосрочный. При долгосрочном прогнозе предполагается, что спрос будет определяться в основном внешними факторами, такими, как изменение в экономической, социальной, технологической обстановке, а потом уже комплексом маркетинга компании. Особенностью же краткосрочного прогноза является то, что большее внимание уделяется именно стратегии фирмы (политике ценообразования, комплексу стимулирования сбыта) и возможному влиянию данных мероприятий на спрос. Среднесрочное прогнозирование представляет собой сочетание элементов краткосрочного и долгосрочного прогноза, он учитывает как влияние внешних экономических факторов, так и маркетинговую стратегию фирмы, включающую в себя комплекс мер по стимулированию и повышению спроса. Но ситуация, сложившаяся в нашей экономике не позволяет составлять прогнозы на отдаленную перспективу с достаточной точностью из-за недостатка информации и непредсказуемости событий, как в экономической, так и политической обстановке.

Общая характеристика методов прогнозирования, применяемых в маркетинговых исследованиях.

Проблема прогнозирования, вследствие быстрых, порой плохо предсказуемых изменений внешней среды, за последнее десятилетие стала особенно сложной. С учетом этих трудностей и критичности ошибок в прогнозах некоторые специалисты были вынуждены заговорить о тщетности прогнозирования. На самом деле прогнозирование - это обязанность, которую в явной или неявной форме неизбежно должны выполнять все организации.

Помимо получения возможных будущих оценок тех или иных исследуемых параметров, целью прогнозирования также является побуждение к размышлению о том, что может произойти во внешней среде и к каким последствиям для фирмы это приведет. Прогнозирование повышает бдительность менеджеров и, следовательно, их способность реагировать на изменения. Этот эффект достигается даже тогда, когда план не выполнен в связи с тем, что некоторые гипотезы, положенные в основу прогнозного сценария, не материализовались.

Методы прогнозирования, как и все методы, используемые при проведении маркетинговых исследований, можно классифицировать на эвристические, при применении которых преобладают субъективные начала и на экономико-математические методы, при применении которых преобладают объективные начала, к числу которых относятся статистические методы.

Эвристические методы предполагают, что подходы, используемые для формирования прогноза, не изложены в явной форме и неотделимы от лица, делающего прогноз, при разработке которого доминируют интуиция, прежний опыт, творчество и воображение. К данной категории методов относятся методы социологических исследований и экспертные методы. Причем опрашиваемые, давая свои оценки, могут основывать свои суждения, как на голой интуиции, так и используя определенные причинно-следственные связи, данные статистики и расчетов.

Так при прогнозировании спроса изучаются предпочтения потребителей; в качестве экспертов может рассматриваться торговый персонал, обслуживающий определенные территории, дилеры, дистрибьюторы, консультанты по маркетингу и т.д.

При использовании экономико-математических методов подходы к прогнозированию четко сформулированы и могут быть воспроизведены другими лицами, которые неизбежно придут к получению такого же прогноза.

Если при применении экспертных методов структура причинно-следственных связей, используемая разными экспертами, может быть различной, то при использовании экономико-математических методов структура моделей устанавливается и проверяется экспериментально, в условиях, поддающихся объективному наблюдению и измерению.

Определение системы факторов и причинно-следственной (казуальной) структуры исследуемого явления - исходная точка экономико-математического

моделирования.

На самом деле все эти методы являются взаимодополняющими. Эффективная прогнозная система должна обеспечить возможность использования любого из этих методов.

Примером сложной задачи прогнозирования, которая не решается с помощью какого-то одного метода, является прогнозирование объема продаж нового товара. При проведении маркетинговых исследований оцениваются объемы продаж нового товара в течение первых лет (скажем трех) после выпуска. Для этой цели могут быть применены экспертные методы, методы опросов, проведение продаж на контрольном рынке.

Экспертные оценки, сформулированные специалистами по маркетингу, базируются на сведениях, собранных на стадии предварительного анализа и учитывающих данные о продажах конкурентов, размере потенциального рынка, общем спросе, долях продуктов различных марок на рынке, доступности сбытовых сетей и др.

Недостающая информация собирается путем прямых опросов потенциальных пользователей, торговцев, поставщиков и, если это возможно, конкурентов.

Проверка рынка, или контрольная продажа, в ходе которой наблюдается реальное рыночное поведение покупателей, позволяет оценить уровень пробных и повторных закупок и объем потенциальных продаж нового товара. Можно также провести пробные продажи по месту жительства или эксперименты в специальных лабораториях-магазинах.

Данные методы обычно применяются совместно. Используя любой из перечисленных или какой-либо иной подход, служба маркетинга должна установить перспективный объем продаж нового товара, на основе которого разрабатываются стратегии запуска товара.

Ясно, что в условиях сильно изменчивой внешней среды интуиция и воображение способны стать важными инструментами восприятия реальности, дополняя количественные подходы, которые, по определению, опираются только на наблюдаемые факторы. С другой стороны, понятно, что чисто качественному методу также присущи значительные погрешности и что интуиция должна в возможно большей степени проверяться с помощью доступных фактов и знаний. Таким образом, следует обеспечить совместное использование этих двух подходов.

Что касается прогнозирования спроса, то в методологически правильной постановке - это искусство оценки будущего спроса при предположении об определенном поведении покупателей в заданных условиях. Прогнозирование спроса в данном случае должно осуществляется в три этапа. Вначале разрабатывается прогноз внешней среды, затем - прогноз развития данной отрасли, наконец, разрабатывается прогноз величины спроса на товары конкретной компании. Такие комплексные, тем более аналитические модели, разработать и реализовать чрезвычайно сложно, поэтому на практике получили применение более простые статистические модели.

Все прогнозы объема продаж строятся на использовании трех видов информации, полученных на основе изучения: что люди говорят, что люди делают, и что люди сделали. Получение первого вида информации основывается на изучении мнения потребителей и покупателей, торговых агентов и посредников. Здесь используются методы социологических исследований и экспертные методы. Изучение того, что люди делают, предполагает проведение тестирования рынка. Изучение того, что люди сделали, предполагает анализ статистических данных о сделанных ими покупках.

Обычно в данном случае речь идет о прогнозировании на основе статистических данных по объему продаж для конкретной компании или конкретного рынка величины текущего рыночного спроса на определенный товар. В литературе, в которой приводятся результаты использования тех или иных статистических моделей, очень часто не делается различия между различными видами спроса, и его прямым образом отождествляют с объемом продаж.

Прогнозирование будущих нужд и запросов потребителей.

Помимо умения предвидеть и удовлетворять те нужды и запросы потребителей, которые реально существуют, осознаются и воспринимаются ими, умения выявлять вероятные изменения в структурнее потребительских предпочтений, в в

интегрированном маркетинге есть ещё одна область анализа и прогнозирования нужд и запросов потребителей. Это прогнозирование так называемых неосознанных потребностей людей, которые могут появиться у них в будущем, и о существовании которых, о возможности их появления многие потребители сегодня еще не знают. Такие неосознаваемые потребности могут возникнуть только под воздействием НТП, в результате значительных социальных сдвигов и т.п. В данном случае речь идет об изучении поведения потребителей при формировании нового рынка сбыта, об анализе реакции потребителей на серьезные нововведения (не обязательно технологические, сегодня куда больше нововведений появляется в сфере управления и организации бизнеса), на предложение принципиально новых видов изделий и услуг.

НТП имеет такую особенность, что его результаты, достижения науки и техники, как правило, опережают, и намного, зрелость социально-экономических условий для превращения нововведений в коммерчески успешные виды изделий и услуг. Это было особенно характерно для бывшего СССР, где технологический разрыв между оборонной и гражданской промышленностью к концу 80-х гг. достиг такого уровня, что осуществить конверсию военного производства, ориентированную на внутренний рынок, можно было только путем резкого снижения научно-технического уровня оборонных предприятий. Большинство технологий в сфере военного производства бывшего СССР могло найти свое коммерческое использование только при экспортной ориентации оборонных заводов (не важно -- гражданской или военной). Общая технологическая отсталость гражданской промышленности бывшего СССР (и нынешней РФ) просто не позволяла задействовать многие нововведения из сферы военно-промышленного комплекса.

Продукты превращаются в товары массового спроса тогда, когда сравнительно несложным делом становятся диффузия нововведений, выпуск аналогов этих продуктов, заимствование и дублирование технологий их изготовления, когда различия между продуктами различных фирм сводятся к минимуму.

Происходит это не сразу. Между научным открытием, техническим изобретением и продуктом для рынка могут пройти годы и десятилетия. Сроки превращения нововведения в коммерчески состоятельный продукт зависят от того, насколько быстро потребители осознают необходимость именно этого изобретения в их повседневной жизни, способность нового продукта или технологии удовлетворять вновь появившиеся или сильно видоизменившиеся желания, нужды и запросы.

Поэтому анализ будущих нужд и запросов потребителей заключается в исследовании того, каким образом потребители отреагируют на появление на рынке принципиально новых продуктов и технологий. Это ключевой элемент при оценке перспектив развития рынка любых принципиально новых изделий, возможностей для превращения новой технологии или самых передовых достижений науки в коммерчески успешный продукт. Его (этот элемент) необходимо учитывать тем предприятиям и фирмам, которые стремятся основывать свои сравнительные конкурентные преимущества на постоянном опережении конкурентов по части нововведений, выпуская продукты, базирующиеся на трудно воспроизводимой или поддающейся копированию технологии.

Когда принципиально новое изделие появляется на рынке, его производителю приходится иметь дело с двумя взаимосвязанными процессами:

1)диффузией нововведения -- распространением за пределы вашей организации информации о возможности его практического, коммерческого использования и о тех выгодах, которые новый продукт сулит его пользователю;

2)принятием или одобрением нового продукта потребителем. Это своего рода процесс принятия потенциальным потребителем на базе изучения имеющейся информации и собственного опыта решения о том, подходит ли нововведение для его нужд.

Диффузия нововведений -- это, прежде всего, обмен идеями, передача информации о достоинствах продукта от производителя к потребителю. В процессе диффузии нововведений необходимо классифицировать все возможные источники появления информации (например, в результате обсуждения, обмена мнениями между потребителями и торговыми посредниками) и каналы передачи данных о вашем продукте и определить те из них, на которые можно будет оказать непосредственное влияние или эффективное воздействие (прямо или косвенно).

Источники информации о новом для потребителя продукте можно разделить на 2 группы:

* зависимые, оказывающие положительное воздействие на продвижение вашего нового продукта на рынке (заказные статьи в газетах и журналах, рекомендации и советы ваших дилеров, пресс-релизы, презентации и пр. -- все, кому вы платите за рекламу и продвижение ваших продуктов).

* независимые (различного рода оценки независимых экспертов, заключения обществ защиты прав потребителей, профессиональных ассоциаций, издания с репутацией объективных аналитиков, доклады специалистов на научных конференциях, наконец, сами потребители вашей продукции -- быть может самый важный источник независимой информации- и т.п., короче -- все, кто может доказать свою неангажированность вашему предприятию). Процесс распространения информации о вашем новом продукте на рынке представляет собой прямое или косвенное воздействие на обе группы источников информации.

Потребитель всегда более склонен полагаться в оценке нового продукта на суждения независимого источника информации, нежели на сведения, почерпнутые из рекламных сообщений или проспектов фирмы.

Поэтому при диффузии нововведений важно, как можно быстрее привлечь внимание независимых источников информации и получить их объективную оценку своей продукции (например, рубрика "Экспертиза" газеты "Известия", журнал "Спрос", заключения экспертов Российского общества защиты прав потребителей и т.п.). Особенно в РФ стоит избегать услуг любых государственных органов (особенно организаций Росстандарта, различных министерств), имеющих повсеместно (практически во всех регионах РФ) сильно подмоченную репутацию. Иное дело США или другие высокоразвитые страны мира, где контроль за собственной репутацией в госаппарате очень строгий и прозрачный для средств массовой информации. Их заключение пусть и не будет столь значимым для российского потребителя, как мнение общества защиты прав потребителей, например, но все же будет отнесено к числу независимых. (Особняком здесь стоит маркетинг продуктов и технологий, предназначенных для государственных нужд (Минобороны, Минобразования и т.п. Здесь иные условия работы, исключающие законы рынка. И заключение госорганов является подчас решающим).

В случае положительных результатов можно быть уверенным в том, что процесс восприятия потребителями нововведений начался, и можно говорить о начале появления новых запросов потребителей. Если результат получился отрицательным или даже неоднозначным, то предстоит еще один этап доработки нового продукта или технологии с тем, чтобы они могли быть действительно одобрены потребителями и можно было говорить о зарождении на рынке спроса на них.

При этом всегда нужно поддерживать баланс между степенью новизны продукта и его преемственностью с предшествующими продуктами и технологиями предприятий. Если же ваше новое изделие представляет только косметически обновленную ранее выпускавшуюся модель или носит откровенно имитационный характер, повторяя основные инженерные или конструкторские идеи ваших конкурентов, то вряд ли потребители, дилеры, независимые источники уделят ему должное внимание. И наоборот, если изделие окажется чересчур необычным, вряд ли потребители смогут в полной мере оценить его достоинства. Так что баланс между степенью новизны и преемственностью с ранее известными на рынке моделями необходим. И особенно важно поддерживать этот баланс в процессе диффузии нововведения, движения информации о новом продукте от производителя к конечному потребителю и обратно, учитывать это в повседневной практике (табл.1).

Таблица 1. Варианты действий при диффузии нововведений.

 



Но, помимо эффективной организации информационного обеспечения внедрения на рынок нового продукта или технологии, необходимо еще проанализировать процесс одобрения и восприятия нововведения потенциальными конечными потребителями, верно оценить особенности их поведения и отношения к новому продукту. В общем виде процесс одобрения и восприятия нововведения представлен в виде блок-схемы (рис2):

Рис. 2 Стадии восприятия нововведений

Распространение информации о новом изделии и обмен идеями между производителем и потребителем -- это лишь необходимое условие для успешного продвижения нового продукта на рынке. Достаточным же условием является одобрение нововведения потребителем. Только после того, как потребитель узнает о новом продукте, в полной мере с ним ознакомится, оценит преимущества перед другими, прежними продуктами и технологиями, он будет в состоянии принимать решение относительно одобрения нововведения. Варианты действий предприятия в зависимости от основных стадий диффузии нововведений показаны в табл.3:



Варианты действий по стимулированию восприятия потребителями нововведения на рынке



Как уже отмечалось, информация о новом продукте сначала поступает потребителю непосредственно от предприятия и из других источников информации. После того, как потребитель достаточно осведомлен о ситуации на рынке, знает, какое место занимает новое изделие или вид услуги по отношению к уже существующим на рынке (т. е. по завершении стадий 1,2 и 3, характеризующих процесс диффузии нововведений), начинается процесс восприятия потребителем нового продукта, в ходе которого его мнение претерпевает ряд изменений и корректировок, как бы проходит через несколько последовательных этапов анализа. На каждом из этапов потребитель пользуется теми же источниками информации, что и в процессе диффузии нововведений, но при этом он уже сам принимает окончательное решение, отбирая ту информацию, которая для этого необходима. Естественно, что в процессе одобрения и восприятия нового продукта личные качества потребителей играют куда более важную роль, чем в ходе диффузии нововведений. Для предприятия-производителя здесь важно знать не только, через какие источники к потребителю поступает информация о новом продукте, но и состав самих потребителей, к которым эта информация передается, их психографические и поведенческие параметры. Ведь, в конечном счете, каждый конкретный потребитель делает собственное заключение о том или ином нововведении и принимает самостоятельное решение. Внешние факторы и источники информации лишь оказывают влияние на процесс принятия решений, но не являются при этом единственными обстоятельствами, предопределяющими окончательный выбор в каждом конкретном случае. Многое зависит от личных качеств, стиля жизни, уровня образования и других индивидуальных особенностей потребителя, принимающего решение.