Основные положения теории прогнозирования в логистике

Конкретный продукт.

Группы продуктов.

Общий объем продаж.

Измеряем точность прогнозов

После того как мы построили прогнозы продаж, нужно начать измерять их точность. Так мы сможем понять, насколько им можно доверять и как их улучшить. Для этого нужно просто сравнить то, сколько мы планировали продать, и то, сколько мы продали, по формуле:

Реально продано (шт.) / Планировали продать (шт.)

К примеру, мы планировали продать 80 iPhone, а продали 68. Значит, показатель точности прогнозов составляет 68/80 = 0,85.

Если показатель точности планирования окажется больше 1, значит, случилась перепродажа. Возможно при прогнозировании продаж на следующий месяц, нужно заложить большее количество. И наоборот, показатель меньше 1 означает «недопродажи». Возможно, мы слишком оптимистичны, и в следующем месяце следует ожидать меньшего количества продаж.

Точность планирования можно рассчитывать на разных уровнях, таких как:

При этом прогноз всегда будет точнее на более высоком уровне группировки.

Один из основных способов улучшить точность прогнозов — накопить большую статистику.

Она не только позволит с высокой точностью определить средний объем продаж, но и поможет рассчитать корректировки на сезонность, праздники, маркетинговые активности и прочее.

Итак, сегодня мы поговорили о том, как работать с тем ассортиментом, который у вас уже есть: группировать его, вести и обрабатывать статистику, контролировать и прогнозировать продажи. В следующей статье продолжим обсуждать тему управления запасами. Из нее вы узнаете, как правильно заполнить свой склад так, чтобы товар всегда был в наличии, и избежать при этом чрезмерных затрат.

В снабженческой, производственной и распределительной логистиках широко используются методы прогнозирования, поскольку значения прогнозных оценок развития анализируемых процессов или явлений являются основой принятия управленческих решений при оперативном, тактическом и стратегическом планировании. Очевидно также, что точность и надежность прогноза определяет эффективность реализации различных логистических операций и функций — от оценки вероятности дефицита продукции на складе до выбора стратегии развития фирмы.

Различным аспектам теории прогнозирования посвящено значительное количество исследований. В большинстве работ по прогнозированию прогноз определяется как вероятностное научно обоснованное суждение о перспективах, возможных состояниях того или иного явления в будущем и (или) об альтернативных путях и сроках их осуществления. Под методологией прогнозирования понимается область знаний о методах, способах и системах прогнозирования, а именно:

• метод прогнозирования — способ исследования объекта, направленный на разработку прогноза;

• методика прогнозирования — совокупность одного или нескольких методов;

• система прогнозирования — упорядоченная совокупность методик и средств реализации.

Известно, что теория прогнозирования включает анализ объекта прогнозирования; методы прогнозирования, подразделяющиеся на математические (формализованные) и экспертные (интуитивные); системы прогнозирования, в частности непрерывного, при котором за счет мониторинга осуществляется корректировка прогнозов в процессе функционирования объекта.

В работах по теории прогнозирования при анализе объектов производится классификация прогнозов, при этом в качестве основных признаков указываются следующие:

• масштабность, отражающая количество значащих переменных при описании объекта;

• сложность, характеризующая степень взаимосвязи переменных;

• детерминированность или стохастичность переменных;

• информационная обеспеченность периода ретроспекции, включая все возможные варианты от объектов с полным количественным обеспечением до объектов, у которых такое обеспечение отсутствует.

Одним из основных классификационных признаков является также период прогноза, при этом большинство авторов выделяют три вида прогнозов: краткосрочные, среднесрочные и долгосрочные. Естественно, что временные интервалы прогнозов зависят от природы объекта, т. е. изучаемой области деятельности. Так, при рассмотрении технико-экономических показателей деятельности фирм период краткосрочного прогноза не превышает 1 года, среднесрочного прогноза — от 1 до 5 лет, долгосрочного — свыше 5 лет.

Наконец, математические методы прогнозирования подразделяются на три группы:

1. симплексные (простые) методы экстраполяции по временным рядам;

2. статистические методы, включающие корреляционный и регрессионный анализ и др.;

3. комбинированные методы, представляющие собой синтез различных вариантов прогнозов.

При формировании методики прогнозирования целесообразно, на наш взгляд, рассматривать прогноз в узком (I тип прогноза) и в широком (II тип прогноза) смысле.

В узком смысле прогноз выполняется при условии, что основные факторы, определяющие развитие прогнозируемого процесса или явления, не претерпят существенных изменений.

Прогнозы I типа:

• осуществляются с применением симплексных или статистических методов на основе временных рядов;

• число значимых переменных включают от 1 до 3 параметров, т. е. по масштабности они относятся к сублокальным прогнозам;

• при использовании одного параметра, например времени, такие прогнозы считаются сверхпростыми, при двух-трех взаимосвязанных параметрах — сложными;

• по степени информационной обеспеченности периода ретроспекции прогнозы I типа могут быть отнесены к объектам с полным информационным обеспечением.

Для повышения точности и достоверности прогнозных оценок I типа целесообразно использование комбинированных методов, при этом желательно использование большого количества вариантов прогноза, рассчитанных на основе различных подходов или альтернативных источников информации.

Прогноз II типа (в «широком» смысле) подразумевает, что исходные данные для получения оценок определяются с использованием опережающих методов прогнозирования: патентного, публикационного и др. Как правило, прогнозы II типа используются для долгосрочного прогнозирования и разбиваются на два этапа: первый — получение прогнозных оценок основных факторов; второй — собственно прогноз развития процесса или явления. Учитывая объективную сложность и трудоемкость выполнения прогнозов II типа, можно констатировать, что наибольшее распространение получили методы прогнозирования I типа.

Наиболее часто для прогнозирования I типа используется метод экстраполяции. В общем случае модель прогноза включает три составляющие и записывается в виде:

y_t = ŷ_t + v_t + e_t,

где y_t — прогнозные значения временного ряда; ŷ_t — среднее значение прогноза (тренд); v_t — составляющая прогноза, отражающая сезонные колебания (сезонная волна); e_t — случайная величина отклонения прогноза.

В частных случаях количество составляющих модели меньше, например только ŷ_t и v_t.

Подробно вопросы прогнозирования с использованием методов экстраполяции изложены в ряде работ, но ввиду отсутствия общепринятого алгоритма обработки временных рядов может быть предложена следующая последовательность расчета:

1. На основе значений временного ряда на предпрогнозном периоде (интервале наблюдения) с использованием метода наименьших квадратов определяются коэффициенты уравнения тренда ŷ_t видом которого задаются. Обычно для описания тренда используются полиномы различных порядков, экспоненциальные, степенные функции и т. п.

2. Для исследования сезонной волны значения тренда исключаются из исходного временного ряда. При наличии сезонной волны определяют коэффициенты уравнения, выбранного для аппроксимации v_t.

3. Случайные величины отклонения e_t определяются после исключения из временного ряда значений тренда и сезонной волны на предпрогнозном периоде. Как правило, для описания случайной величины e_t используется нормальный закон распределения.

4. Для повышения точности прогноза применяются различные методы (дисконтирование, адаптация и др.). Наибольшее распространение в практике расчетов получил метод экспоненциального сглаживания, позволяющий повысить значимость последних уровней временного ряда по сравнению с начальными.

Дата добавления: 2015-05-08