Выбор интервала данных

Выбор периода агрегации данных.

Используя современные информационные системы для управления продажами, вы будете постоянно получать новые данные о результатах и характеристиках процессов продаж. При желании вы можете с помощью технических специалистов получать обновленный вариант прогноза хоть каждую минуту на основе самых свежих данных, но есть ли смысл делать это настолько часто? С другой стороны, очевидно, что чем чаще вы получаете прогноз, тем больше у вас информации о том, насколько точна заложенная в его основу модель, и в случае необходимости можете оперативно ее корректировать.

Как вы видели в предыдущих параграфах, все описанные методики прогнозирования основываются на агрегированных данных за определенный временной период (например, продажи за неделю, декаду, месяц и т. п.) или по определенной группе (средний прогноз продаж от нескольких экспертов). Наиболее сложен в данном случае вопрос о длительности периода агрегации по времени.

Например, если вы в качестве показателя объема продаж используете данные о поступлении денег на счет, а система мотивации ваших менеджеров по сбыту рассчитывается по результатам продаж за месяц, то будьте уверены, что в начале месяца менеджеру больше нацелены на поиск новых клиентов, а вот в конце -- на «выбивание» платежей из тех, кому уже выставлены счета. В результате можно уверенно утверждать, что объем продаж на 10-е число месяца не будет говорить ни о чем. И вообще, использовать периоды агрегации длительностью менее месяца в таком случае просто бессмысленно.

В большинстве случаев для прогнозирования объемов продаж используют помесячные или поквартальные данные, для анализа тенденций изменения рынка -- полугодовые и годовые, но в вашем конкретном случае все может быть совсем иначе.

При использовании данных из групп 2-3 при прочих равных лучше выбирать настолько длинный интервал данных, насколько это возможно. А в случае если спрос на вашу продукцию подвержен серьезным колебаниям, рекомендуется использовать как минимум двухлетний интервал. Например, практически для любых продуктов бесполезно прогнозировать объем продаж в январе на основе результатов продаж за предыдущие шесть месяцев -- до декабря традиционно идет подъем, а в январе неминуемо настанет спад, так как вся страна почти полмесяца не будет работать.

С другой стороны, понятно, что при прогнозировании объема продаж на 1999 г. было бы бессмысленно использовать данные о продажах по России в 1998 г., так как в то время произошел кризис, заметно повлиявший на спрос на товары. Аналогичная ситуация может возникнуть и в вашей компании, если, например:

вы резко изменили технологию продаж, отказавшись от работы напрямую с региональными клиентами и передав эту работу партнерам вашей компании;

вы значительно изменили число людей, занимающихся продажами вашей продукции;

у вас появился серьезный конкурент, который отвоевал часть вашего рынка в определенный момент в прошлом.

Во всех этих случаях нельзя говорить, что вы всегда можете использовать данные только с момента последнего серьезного изменения. Иногда данные можно подкорректировать, чтобы изменения были нивелированы (например, вычесть из объемов продаж за прошлые периоды продажи тем клиентам, которые сейчас перешли к вашему конкуренту), или строить прогноз на основе только части данных, а полученные результаты применять ко всем (например, вы прогнозируете по одной группе товаров, но предполагаете, что подобная тенденция изменения объема продаж будет верна и для других групп).

В любом случае необходимо точно обосновать, почему именно такой интервал данных используется для прогнозирования, -- это поможет намного точнее проинтерпретировать полученные результаты.

Дата добавления: 2014-01-11