←предыдущая следующая→
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
взаимодействие показателя с другими рыночными факторами, не усложняя модели до ее не разрешимости.
Итак, давайте рассмотрим задачу, в которой коммерческому предприятию, не имеющему специального штата прогнозистов, необходимо спрогнозировать объем продаж по своему товару (услуге). При этом на рынке нет предприятий монополистов, поведение которых диктовало бы рыночную ситуацию - на рынке присутствует много мелких и средних предприятий. Требуется спрогнозировать объем продаж конкретной фирмы для планирования объема закупок (производства) услуги (услуг) и оценить риск принятия решения.
Этап I. Отбор факторов, вероятно определяющих количественное изменение объема продаж
Прогнозирование начнем с подбора факторов, которые "вероятно" определяют количественное изменение объема продаж. То есть мы создаем гипотезу в отношении возможных факторов, влияющих на поведение кривой продаж. Подбор факторов производится экспертным путем: эксперт по соответствующему рынку предполагает возможные параметры: которые по мнению эксперта оказывают влияние на поведение продаж;
динамика которых, выраженная математически, известна на том же промежутке, что и объем продаж (то есть это количественный параметр или качественный, который можно преобразовать к количественной характеристике);
относящиеся как к внешним (факторы "внешней среды маркетинга" фирмы), так и внутренним (факторы "внутренней среды маркетинга" фирмы).
Число выбираемых факторов не ограничено, чем больше их будет на первом этапе, тем лучше, это определит более точный результат в прогнозировании. В данном примере (табл. 6) мы выбрали три абстрактных фактора, которые мы назвали F1, F2, F3.
Таблица 6 Подбор факторов (F1-F3), которые "вероятно" определяют количественное изменение объема продаж (Q)
Дата Q F 1 F 2 F 3
Мар.03 23 22 12 223
Апр.03 34 34 2 456
Май.03 55 45 3 556
Июн.03 34 56 67 456
Июл.03 22 77 34 567
Авг.03 34 99 22 560
Сен.03 44 102 33 334
Окт.03 45 111 89 456
Ноя.03 56 122 11 678
В случае затруднения в выборе факторов рекомендуется выбрать "макро" факторы внешней и внутренней среды для конкретного рынка и конкретной фирмы, например некоторые возможные из них:
"внешние факторы среды маркетинга фирмы"
курс валют;
емкость потребительского сегмента;
суммарные продажи на сегменте;
динамика численности конкурентов;
удовлетворенность сегмента товарами на рынке;
"внутренние факторы среды маркетинга фирмы"
наличие товарного запаса;
эффективность работы штата менеджмента фирмы;
затраты на рекламу или тип рекламного сообщения;
изменение способа позиционирования товара;
изменение количества дистрибьютеров товара.
Этап II. Выделение "факторов влияния"
Теперь необходимо разобраться: какие из выбранных факторов ("факторы влияния") действительно оказывают влияние на изменение объема продаж, а какие нужно просто "отбросить" из рассмотрения. Критерием такого соответствия, безусловно, можно считать коэффициент корреляции, который показывает, насколько близки тенденции двух факторов (в данном случае - насколько связано распределение во времени факторов F1-F3.
В табл. 7 показан расчет коэффициента корреляции между объемом продаж (Q) и факторами (F1, F2, F3). Коэффициент корреляции может быть рассчитан, например, с помощью программного пакета MS Excel, в котором подобный расчет реализуется функцией "CORREL". Из расчета видно, что по коэффициенту корреляции в данном примере "факторами влияния" будут F1 и F3, а фактор F2 можно отбросить из рассмотрения.
Таблица 7 Отбор "факторов влияния" по коэффициенту корреляции
CORR F1 CORR F2 CORR F3
0.462 - 0.057 0.458
Дата Q F1 F2 F3
Мар.03 23 22 12 223
Апр.03 34 34 2 456
Май.03 55 45 3 556
Июн.03 34 56 67 456
Июл.03 22 77 34 567
Авг.03 34 99 22 560
Сен.03 44 102 33 334
Окт.03 45 111 89 456
Ноя.03 56 122 11 678
Этап III. Линейное прогнозирование "факторов влияния"
Теперь в нашем примере мы имеем динамику "факторов влияния" и объема продаж на период с марта 2003 по ноябрь 2003 г. Соответственно, мы прогнозируем по времени поведение каждого из "факторов влияния" (линейная тенденция для факторов, рассматриваемых в примере представлена в табл. 8).
Таблица 8 Линейное прогнозирование "факторов влияния" (спрогнозированная линейная тенденция для факторов F1, F3 представлена выделенными курсивом цифрами)
Дата F1 F3
Мар.03 22 223
Апр.03 34 456
Май.03 45 556
Июн.03 56 456
Июл.03 77 567
Авг.03 99 560
Сен.03 102 334
Окт.03 111 456
Ноя.03 122 678
Дек.03 140 599
Янв.04 153 577
Фев.04 166 584
Мар.04 177 613
Этап IV. Прогнозирование продаж по прогнозу "факторов влияния"
Очевидно, что мы не можем прогнозировать продажи, используя только саму тенденцию продаж во времени, это как раз и рассматривалось бы как "прогнозирование фактора по самому фактору". Но у нас имеется тенденция "факторов влияния", которая по своей сущности определяет поведение тенденции продаж (это следует из рассчитанного нами коэффициента корреляции). И именно эта предсказанная тенденция позволяет нам спрогнозировать объем продаж в соответствии с со значениями каждого из факторов. Реализация такого алгоритма на основе функций MS Excel представлена в табл. 9
Таблица 9 Реализация алгоритма предсказания объема продаж по тенденциям "факторов влияния" на основе функций MS Excel
A B C D E F
1 Дата Q F1 Q1 TREND F3 Q3 TREND
2 Мар.03 23 22 223
: : : : :
10 Ноя.03 56 122 678
11 Дек.03 =(D11+F11)/2 139 FORECAST(C11;B2;B10;C10) 598 FORECAST(E11;B2;B10;E2)
Отметим, что предсказанное значение объема продаж получается как среднеарифметическое от суммы предсказанных значений на основе каждого из "факторов влияния". Это позволяет учесть каждый из "факторов влияния" в прогнозе. Результат прогнозирования для нашего примера представлен в табл. 10.
Таблица 10 Прогнозирование продаж по прогнозу "факторов влияния"
Дата Q Q TREND F1 Q1 TREND F3 Q3 TREND
Мар.03 23 22 223
: : : :
Ноя.03 56 122 678
Дек.03 46,3 140 48,9 599 43,7
Янв.04 44,9 153 47,7 577 42,1
Фев.04 45,2 166 47,7 584 42,7
Мар.04 55,0 177 69,8 613 40,2
Этап V. Оценка риска прогнозирования
Необходимо учесть, что прогнозирование ведется с целым рядом допущений, которые могут сильно повлиять на наш прогноз:
в наше исследование может не попасть фактор, оказывающий серьезное влияние на продажи;
используем линейное прогнозирование, а тенденция может оказаться значительно сложнее;
производим расчет прогнозного значения, как среднеарифметическое от спрогнозированных по факторам значений (см. табл. 10) без учета уровня корреляции соответствующего фактора.
Эти факторы, безусловно, снижают точность прогнозирования. Более того, заметьте (см. табл. 10), что прогнозирование в нашем примере периодов последующих за декабрем 2003 года ведется на основе не проверенных временем значений, а значений также спрогнозированных математически. То есть, чем на более длительный период времени мы пытаемся сделать прогноз, тем более не точны прогнозируемые значения.
Указанные выше ограничения не влияют на использование метода (и тем более его не отменяют), а лишь указывают нам на необходимость расчета величины "риска прогнозирования". В случае нашей методики эту погрешность можно оценить как "риск прогнозирования" по соотношению между спрогнозированным значением тенденции продаж (Q TREND) и прогнозными значениями продаж от каждого "фактора влияния" (Q1 TREND и Q3 TREND). Реализация расчета "риска прогнозирования" (var) на основе пакета MS Excel представлена в табл. 11.
Таблица 11 Реализация расчета "риска прогнозирования" (var) на основе пакета MS Excel
A B C D E F G H
1 Дата Q Q
TREND F1 Q1
TREND F3 Q3
TREND var
2 Дек.03 46,3 140 48,9 599 43,7 =((ABS(C2-E2)+ +ABC(C2-G2))/2/C2
В табл. 12 расчет "риска прогнозирования" построен на расчете отношения среднеарифметического отклонения прогнозных значений по отношению к среднеарифметическому значению тенденции продаж:
var =((ABS(QTREND - Q1TREND)+ABS(QTREND - Q3TREND))/2)/QTREND.
Оценка риска прогнозирования для нашего примера представлена в табл. 12. Необходимо отметить, что с увеличением срока прогнозирования растет и "риск прогнозирования": 6% для декабря 2003 года
←предыдущая следующая→
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16