Логин
Пароль
 
 
 

Прогноз выполнения плана


В этой статье мы на примере рассмотрим один из статистических методов прогнозирования продаж. Мы будем прогнозировать прибыль, а точнее размер месячной прибыли. Совершенно аналогично можно делать прогнозы и других показателей продаж: Описанный в статье метод прост относительно, конечно и не привязан к специализированным программам. В принципе, для составления прогноза достаточно было бы бумаги, карандаша, калькулятора и линейки.

Однако, это очень трудоемкий способ, поскольку в процессе возникает много рутинных вычислений. Поэтому мы будем использовать Microsoft Excel версии Помимо простоты у метода есть еще один важный плюс: Сделать прогноз на месяца вперед можно, если есть статистика хотя бы за месяцев. Ну а большая статистика дает возможность и прогноз делать на больший период.

Сбор и подготовка статистики продаж Прогнозирование начинается, конечно, со сбора статистики продаж. Даже в небольшом магазине в месяц могут делаться тысячи и даже десятки тысяч покупок. Сумма каждой покупки, по сравнению с месячной выручкой, весьма мала — 0, Это хорошая ситуация для прогнозирования. Если прогноз делается для компании, работающей на корпоративном рынке, то нужно следить, чтобы количество сделок в месяц было хотя бы не менее , иначе для прогнозирования нужно применять другие методы.

Далее мы будем рассматривать пример со статистикой из таблицы 1. На рисунке 1 данные таблицы представлены в виде графика. По этим данным мы будем составлять прогноз на 12 месяцев вперед. Помесячная статистика прибыли, тыс. Для удобства все месяцы периоды пронумерованы подряд, с 1-го по тый.

График помесячной прибыли, данные из таблицы 1. Существуют две основные модели временного ряда: Разница между моделями хорошо видна на рисунке 2 , где приведены два ряда, с одинаковыми трендами, один ряд — по мультипликативной модели, другой — по аддитивной.

Могут встречаться такие показатели продаж, у которых сезонные колебания практически отсутствуют. В нашем примере мы будем использовать мультипликативную модель. Для каких-либо других данных, возможно лучше подошла бы аддитивная модель.

Узнать на практике, какая модель подходит лучше, можно либо интуитивно, либо методом проб и ошибок. Поэтому мы будем рассматривать приближенные тренды. Самый простой способ получения приближенного тренда — сглаживание ряда методом скользящего среднего с периодом сглаживания равным максимальному периоду сезонных колебаний. Сглаживание почти полностью устранит сезонные колебания и шум. В рядах с детализацией по месяцам сглаживание нужно делать по ти точкам то есть по ти месяцам. Формула скользящего среднего с периодом сглаживания 12 месяцев: Где M t — значение скользящего среднего в точке t ; Y t — значение величины временного ряда в точке t.

В таких случаях колебания, видимо, вызваны не сезонными изменениями, а какими-то другими, более мощными факторами. Не смотря на то, что тренд, полученный методом скользящего среднего — это не точный, а приближенный да еще и с запаздыванием , он вполне подходит для нашей задачи. Прологарифмируем уравнение мультипликативной модели, и если шум e t не очень большой, то получим аддитивную модель.

Тренд мы выделим скользящим средним за 12 месяцев именно для такой преобразованной модели. На рисунке 3 — графики и показателя и тренда M t. График прологарифмированной величины показателя и тренда М и скользящего среднего по ти месяцам. Слева на одном графике и величина и тренд. Справа — тренд в увеличенном масштабе. По оси X — номера периодов.

Прогноз тренда Тренд мы получили, теперь нужно его спрогнозировать. Прогноз можно бы было получить, например, методом экспоненциального сглаживания см. В качестве функций приближения используем следующий набор: Maple, Matlab, MathCad и т. Качество приближения мы будем оценивать по величине достоверности аппроксимации R 2. Чем ближе эта величина к 1 — тем лучше функция приближает тренд.

Это верно не всегда, но в Excel нет других критериев оценки качества аппроксимации.

Прогнозирование объема продаж

Впрочем, критерия R 2 нам будет достаточно. На рисунках 4, 5, 6, 7 и 8и мы сделали аппроксимацию нашего тренда различными функциями и каждая функция аппроксимации продолжена на 12 точек вперед. И еще одна аппроксимация — на рисунке 9, полиномом 5-той степени. По рисункам мы видим, что значение R 2 ближе всего к единице у параболы полином 5-той степени уже не рассматриваем.

Следующая по качеству аппроксимация — прямая линия. Хотя формально парабола аппроксимирует лучше всех, но ее поведение, особенно перевал в отдаленных точках, представляется не очень правдоподобным. Тогда можно взять аппроксимацию прямой, но мы найдем компромисс: Тренд M t и его прогноз. По оси X — номер периода. Результат прогноза тренда M t — на рисунке Итак, мы получили прогноз тренда. Прогноз показателя Прогноз тренда у нас есть. Теперь можно сделать прогноз самого показателя.

Результаты прогноза — на рисунке 11 и в таблице 2. Сравнение прогноза и реальных данных На рисунке 12 — графики прогноза и фактических данных. В таблице 3 приведено сравнение реальных данных и спрогнозированных. Посчитаны ошибки прогноза, абсолютные: Обратите внимание, что ошибки прогноза смещены в положительную сторону.

Причина этого может быть как в несовершенстве метода, так и в каких-то объективных обстоятельствах, например, в изменении ситуации на рынке в прогнозируемом периоде.

Точность прогноза Какую точность прогноза можно считать хорошей? Это во многом зависит от исходных данных и применяемой для прогноза модели. Фактические данные и спрогнозированные. Даже если модель очень хорошо описывает динамику реальных данных, что в общем-то большая редкость, то остаются еще шумы, которые вносят свою ошибку.

Плюс, как минимум, еще несколько процентов ошибки добавятся из-за несоответствия модели и динамики реальных данных. А вообще, лучший способ определить точность — это многократно делать прогнозы для одного и того же процесса и на основании такого опыта определять точность эмпирически.

Сравнение фактических и спрогнозированных данных. Тем не менее, при отсутствии резких изменений на рынке и внутри компании, даже такой простой метод дает удовлетворительную точность прогноза месяцев на 10 вперед. Главная страница Библиотека управления Форум Каталог консалтинговых компаний Войти в личный кабинет Поиск компаний Семинары Новости и пресс-релизы Конференции Программы и видеокурсы Маркетинговые исследования Бизнес-планы Тендеры, закупки, торги.

Финансовый анализ Менеджмент Маркетинг Бизнес-планирование Инвестиции и инвесторы Оценка Консалтинг Налоговое планирование и контроль Информационные технологии в управлении Программное обеспечение и корпоративные системы Компании, организации и их деятельность Антикризисные материалы Управленческий учет и аудит Полные архивы журналов Карта сайта. Александр Коренев alkorenev gmail. Metrika ; yaCounter

ПОХОЖИЕ ДОКУМЕНТЫ:
 
#1 написал:

Уведомить меня о поступлении ответа на E-mail. Для удобства все месяцы периоды пронумерованы подряд, с 1-го по тый. Пока, их использование сильно ограничено отсутствием, как необходимой информации, так и необходимых знаний у тех, кто занимается прогнозированием.
 
#2 написал:

Выполняя такую работу часто, вы в первую очередь сможете изучить особенности тех методов, которые будете использовать. Временные ряды — это данные о продажах колонка 2 в каждом месяце колонка 1 прошедшего года.
 
 
 
  • Карта сайта
  •