Понятия прогнозирования спроса. Методы прогнозирования

  1. Содержание……………………………………………………………………2                                              

2. Понятие прогнозирования спроса. Методы прогнозирования……………..3

3.Сущность валового дохода и факторы влияющие на его величину………14

4. Список  используемой литературы…………………………………………31

5.Задачи, 8,18,28,38,48………………………………………………………….. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

1.Понятия прогнозирования спроса. Методы прогнозирования.

Особенности прогнозирования  спроса

  Еще недавно российские предприятия  розничной торговли мало задумывались о важности составления точных прогнозов  спроса. Руководством составлялись планы  продаж, заключались договоры на поставку соответствующих товаров, а затем  склады заваливались продукцией, и  мог пройти не один месяц, прежде чем  ее раскупали. Теперь все иначе.

  Информационное  обеспечение анализа спроса –  это система сбора и обработки  данных, позволяющих изучить состояние  исследуемого предмета или объекта, измерить влияние определяющих его  факторов и выявить возможности  управления им.

  Выборочный  метод применяют также при  проведении устных и письменных опросов  потребителей в розничной торговле для изучения спроса на продукцию, причин его снижения или отсутствия.

  К анализу спроса должен быть применен системный подход – это предполагает рассмотрение его как составного элемента рынка.

  В процессе исследования спроса использование  экономико-математических методов  начинается на этапе определения  необходимой численности выборки  для проведения выборочного обследования.

  Прогнозирование спроса представляет собой определение  возможного будущего спроса на товары и услуги в целях лучшего приспособления субъектов хозяйствования к складывающейся конъюнктуре рынка.

  Прогноз спроса – это теоретически обоснованная система показателей о еще  неизвестном объеме и структуре  спроса. Прогнозирование связывает  накопленный в прошлом опыт об объеме и структуре спроса с предсказанием будущего их состояния.

  Спрос прогнозируется на отдельный товар  или группу товаров. Такой прогноз дает представление о реальном уровне спроса на товар в будущем на конкретный период. При этом чем короче период, тем точнее прогноз. Прогноз спроса представляет собой расчет влияния факторов, определяемых как детерминанты спроса. Однако включение в расчет значительного числа детерминант при построении прогнозной модели считается неоправданным: вместо повышения точности и надежности это приводит к значительному усложнению и без того громоздкой вычислительной работы.

  Прежде  всего, ужесточается конкуренция розничных  сетей, при этом лояльность покупателей  к конкретному магазину снизилась. Кроме того, ассортимент супер и гипер маркетов насчитывает десятки тысяч SKU и продолжает расширяться, что очень осложняет процесс прогнозирования и планирования. Ошибки же в прогнозах ведут к избыточным запасам, ненужным распродажам или дефициту товаров и, как следствие, упущенной выгоде. Многие компании это уже понимают, и вопрос для них состоит не в том, нужно или не нужно заниматься прогнозированием спроса, а в том, как правильно организовать этот процесс и получить на выходе точные прогнозы и планы продаж.

  С одной стороны, все торговые предприятия  сталкиваются с одинаковыми задачами: нужно отследить историю продаж товара, а затем, на ее основе, при  помощи методов статистического  анализа и экспертных корректировок, построить прогноз продаж. Однако, если присмотреться, компании различных секторов розничной торговли сталкиваются со своими, достаточно специфическими проблемами. Ведь при прогнозировании спроса учитываются жизненный цикл продукта, тип оборачиваемости товара, история продаж, стратегия дистрибуции, прогноз отдельного товара или товарной группы. И, соответственно, прогнозирование спроса на различные категории товаров носит достаточно специфичный характер.

  В качестве примера возьмем продовольственные  сети и магазины, торгующие бытовой  техникой и электроникой.

  Продовольственные сети чаще всего опираются на историю  продаж и с учетом вероятных изменений  рыночных условий, сезонных факторов и  т.д. составляют прогнозы.

  Для магазинов, торгующих бытовой техникой и электроникой, прогнозирование  спроса осложняется из-за постоянного  выхода на рынок новых моделей  и отсутствием для них истории  продаж. Для прогнозирования спроса на новинки специалисты используют истории продаж замещающих товаров, и на их основе, с помощью экспертных корректировок, составляют прогноз  продаж. Основной сложностью в прогнозировании  спроса на новые товары является правильный выбор субститута и, соответственно, правильная оценка экспертами потенциала спроса на него. Еще одной особенностью является длительный срок выполнения заказа (в среднем до 3 месяцев), соответственно, прогноз необходимо составлять как  минимум на 4 месяца.

  В целом, неточные прогнозы имеют общие  корни. Это неправильный подход к  организации прогнозирования спроса, отсутствие информационной прозрачности и несогласованность действий различных  отделов.

  Многие  компании прогнозируют возможность  поставки товаров или услуг, а  не реальный спрос. В начале прогнозного  цикла важно создать прогнозы, которые не ограничены возможностью поставок. Прогнозирование, базирующееся на истории поставок, ведет к тому, что компании воспроизводят свои ошибки, и не удовлетворяют покупательский спрос. Прогнозирование реального спроса позволяет найти узкие места и оптимизировать процессы.

  Громоздкие  неавтоматизированные процессы и таблицы  приводят к огромному объему негибких, фрагментарных систем планирования. Несопоставимые системы с несвязанной  информацией, от ориентированных на продажу планов дохода, до прогнозов  отделов, ориентированных на процессы, ведут к расхождениям, из-за чего невозможно создание связанных единых планов. Чтобы решить эту проблему, необходимо создать общее информационное пространство предприятия. Однако применить  этот подход проще на словах, чем  на деле.

  Компании  уже давно отслеживают данные о продажах с POS терминалов. Прогнозы же составляются с помощью специализированных моделирующих решений, либо по старинке, в Excel. До сих пор высока доля экспертной оценки при составлении прогнозов, что не всегда положительно отражается на их точности. Несколько лет назад в России появились системы прогнозирования класса SCM, которые многие сети на Западе уже давно используют.

  Основные  функции SCM решения можно вкратце  обозначить следующим образом: консолидация и обработка данных, анализ, поддержка  процессов и предоставление отчетности.

  Прежде  всего, системы прогнозирования  спроса синтезируют огромные массивы  различной информации. Для обработки  данных система использует многочисленные статистические инструменты, анализ на основе исключений, а также методы сценарного моделирования. Система  поддерживает многомерный анализ и  планирование. Это требуется для  того, чтобы при анализе данных учитывать различные критерии, например, информацию о месте покупки, времени покупки, покупателе. Например, при планировании промо-акций, большое значение может иметь информация о поле, возрасте и других характеристиках покупателя.

  Второй  важной функцией, которую выполняют  подобные системы, является интеграция отделов финансов, маркетинга, продаж, логистики и создание общего информационного  поля между компанией, ее клиентами  и контрагентами. Для этого система  должна легко интегрироваться с  другими информационными приложениями. Таким образом, решение по прогнозированию  спроса охватывает все основные звенья и позволяет формировать согласованные  планы. Если речь идет о компании, имеющей  региональную сеть продаж, то подобная система позволяет руководству  не только отслеживать общие, глобальные тенденции продаж, т.е. осуществлять планирование сверху вниз, но также  иметь возможность отслеживать  продажи на местах, и вносить их в общие планы. Таким образом, система поддерживает не только данные, но и процессы и позволяет проактивно управлять спросом. Это означает, что в систему постоянно поступают данные о продажах, и на их основе автоматически проводится перепланирование, причем, система обладает способностью отслеживать тенденции в продажах и учитывать их в дальнейшем при составлении прогнозов.

  Подобные  системы поддерживают функцию рассылки уведомлений о проблемных ситуациях  и узких местах. Например, коммерческий отдел система предупредит о  росте продаж определенного товара и может подсказать о необходимости  заключения дополнительного соглашения с поставщиком об увеличении объемов, а отдел планирования о допущенных ошибках при прогнозировании  спроса на определенный товар.

  Существуют  условия, при которых прогнозировать спрос вообще не целесообразно:

  · когда приемлемое время на ожидание клиентом, пока выполнится его заказ, превышает время на производство и закупку компонентов; другими  словами, клиент готов ждать свой заказ столько времени, сколько  организации потребуется для  выполнения заказа без предварительного планирования;

  · если мощности и прочие необходимые  ресурсы для выполнения заказов  клиентов этих организаций могут  быть изменены быстро и не требуют  существенных затрат;

  · когда нет необходимости в  финансовом планировании.

  Во  всех остальных случаях без прогнозирования  спроса не обойтись. Однако формировать  прогнозы спроса нужно ровно настолько, насколько этого требуют конкретные цели. Каждый из перечисленных ниже параметров прогнозов спроса должен быть обоснован целью его использования  и определен до начала формирования прогноза.

  Горизонт  планирования. На какой период в  будущем должен быть составлен прогноз? 10 лет? 12 месяцев? Неделя?

  Уровень детализации. Должен ли прогноз спроса отражать конечные продукты по заказчикам? Или достаточно суммарного плана  по категориям?

  Частота пересмотра. Требуется ли прогноз  спроса пересматривать раз в год? Раз в квартал? Раз в месяц? Раз в неделю? Каждый день? Каждый час?

Интервал  прогнозирования. Какие  временные промежутки должен отражать прогноз  спроса? Годы? Месяцы? Недели?

Методы  прогнозирования 

  Существует  много классификаций методов  прогнозирования спроса. Для удобства можно выделить всего две группы: экспертные и статистические.

  Первые  основаны на экспертных оценках и  по своей природе субъективны. Суть их заключается в переведении  различных экспертных мнений в формулы, из которых формируется прогноз. К экспертным методам относятся: метод комиссии, «мозговая атака», анкетный опрос, метод Дельфи.

  Статистические  методы предполагают применение статистических расчетов для построения будущего на основе прошлого. Типичный пример – методы исчисления средних. Один из них – применение скользящей средней величины. Предположим, компания захотела использовать скользящую среднюю величину за 12 недель для прогноза спроса какого-либо товара. Для этого суммируют продажи за последние 12 недель, сумму делят на 12, получая таким образом среднюю величину. Через 7 дней добавляют продажи за последнюю неделю и отбрасывают первую неделю, получая данные опять за 12 недель. В этом случае мы говорим об использовании простой средней. Пример расчета:

  Старый  прогноз (месячные продажи) – 100 ед.

  Фактические продажи (последний месяц) – 80 ед.

  Новый прогноз (простая средняя) – 90 ед.

  Один  из очевидных недостатков этого  метода заключается в том, что  фактическим продажам придается  такой же вес, как и старому  прогнозу. Обычно лучше придать больший  вес старому прогнозу и меньший  – текущим продажам, так как  последние могут представлять собой случайную вариацию, единственную в своем роде.

  Весовые коэффициенты логичнее определить в 0,8 и 0,2 (в сумме они обязательно  должны равняться 1,0). Тогда среднюю  величину исчисляют так:

  Старый  прогноз – 100 x 0,8 = 80 ед.

  Фактические продажи – 80 x 0,2 = 16 ед.

  Новый прогноз (взвешенная средняя) – 80 + 16 = 96 ед.

  Этот  метод называется экспоненциальным сглаживанием. Весовой коэффициент, приданный текущим продажам (в  данном случае 0,2) называют альфа-множителем. Экспоненциальное сглаживание представляет собой исчисление взвешенной скользящей средней. Преимущество этого метода в том, что он упрощает вычисления и часто позволяет хранить меньший объем данных. При экспоненциальном сглаживании требуются данные о «старом прогнозе» и альфа-множителе. Еще более важна гибкость метода. Если прогноз занижает действительный спрос, аналитик способен вручную ввести скорректированный прогноз в систему и приступить к сглаживанию. Это значительно удобнее, чем пытаться скорректировать расчет скользящей средней величины.

  При использовании регрессионного и  корреляционного анализа рассчитывают формулы, которые придают различный  вес «индикаторам», связанным с  прогнозируемыми товарами или группами товаров. Например, закладка жилых домов  оказывает определенное влияние  на продажу металлических изделий  строительным фирмам. Динамика валового национального продукта (ВНП), вероятно, тоже оказывает влияние. Таким образом, учитывая степень важности влияния  того или иного фактора, можно  построить формулу для прогноза суммарных продаж металлоизделий для  строительства. При этом особенное  внимание нужно уделять ведущим  индикаторам, то есть тем, значение которых  увеличивается или уменьшается  до того, как начнут изменяться прогнозируемые продажи. Правда, использование такого рода индикаторов может принести пользу лишь в том случае, если оно  опирается на здравый смысл. Влияние факторов, которые были очень существенны в прошлом, может измениться с течением времени, а потому для них нужно будет применять другой весовой коэффициент. И здесь не обойтись без экспертной оценки.

  Следует также помнить, что ни один из указанных  методов не может компенсировать или учесть воздействие на спрос  других факторов. Например, если продавцы металлических изделий из-за финансовых затруднений решили сократить запасы, зависимость между закладкой  домов и продажей металлоизделий не даст точного прогноза. Возросшая  иностранная конкуренция также  может оказать решающее влияние  на динамику продаж.

  В реальной практике необходимо использовать простые статистические методы в  сочетании с разумным экспертным суждением. Кроме того, выбор метода прогнозирования может и должен определяться параметрами необходимого прогноза (горизонт планирования, уровень  детализации и пр.). Например, для  составления прогноза спроса для  бизнес-плана на 10 лет целесообразнее использовать методы экспертных оценок, нежели статистические.

  Эффективное прогнозирование спроса, равно как  и любой другой бизнес-процесс, состоит  из трех взаимосвязанных элементов: люди, процесс, инструменты.

При проектировании процесса прогнозирования спроса нужно  учесть следующие факторы:

  · каким образом организованы функции  маркетинга и продаж;

  · кто в компании имеет возможность  влиять на спрос;

  · где находится информация, необходимая  для формирования прогнозов.

  Рассмотрим  несколько базовых вариантов  организации маркетинга и продаж.

  Пример 1. Функции маркетинга и продаж находятся  в одном подразделении, руководитель которого подчиняется непосредственно  первому лицу организации.

  Пример 2. Подразделения маркетинга и продаж обособлены, их руководители подчиняются  непосредственно первому лицу организации.

  Пример 3. В компании более одного подразделения  маркетинга и продаж, каждое из которых  подчиняется непосредственно первому  лицу организации (например, подразделения  разделены по группам клиентов).

  В первом случае все просто: процесс  прогнозирования спроса находится  в зоне ответственности руководителя подразделения маркетинга и продаж. Во втором и третьем примерах передача функций прогнозирования спроса одному из подразделений может спровоцировать дисбаланс в продажах. В этих случаях  уместнее сделать ответственным  за прогнозирование спроса третью сторону  – департамент логистики (цепи поставок). Многие организации, соответствующие  второму и третьему примерам, создают  даже специальную должность менеджера  по планированию спроса.

  Процесс

  Эффективное прогнозирование начинается с повышения  качества входящей информации. Сбор входных  данных должен быть организован с  определенной регулярностью и в  определенном формате. В частности, нужно выполнять следующие правила.

  1. Необходимо собирать статистические  данные с теми же параметрами,  которые нужны для прогноза  спроса. Если требуется составить  прогноз спроса на продукцию,  должны использоваться статистические  данные, основанные на спросе, а не на отгрузках промежуточным звеньям цепи поставок. Интервал сбора данных должен быть таким же, как интервал для прогнозирования (для прогнозов спроса с разбивкой помесячно следует использовать статистику с разбивкой по месяцам). Группировка товаров в статистических данных должна соответствовать группировке в прогнозе спроса (для прогнозов спроса по категориям следует использовать статистику по категориям).

  2. Необходимо фиксировать все события,  имеющие отношения к данным. Спрос  подвержен влияниям некоторых  событий, и эти события следует  хранить вместе с прогнозом,  составленным с их учетом. Например, колебания спроса могут быть  вызваны акциями по его стимулированию, изменением цен или погодными  условиями. Фиксировать события  необходимо, поскольку их анализ  является основой для обсуждения  новых прогнозов спроса.

  3. Необходимо собирать отдельно  статистические данные по разным  группам клиентов. Многие компании  распределяют продукцию через  разные каналы дистрибуции, у  каждого из которых свои отличительные  характеристики спроса.

  Например, сетевой магазин может приобретать  товар равномерными небольшими партиями два раза в неделю, а крупный  региональный оптовик производит крупную  закупку дважды в месяц.

  Циклы прогнозирования лучше всего  организовывать раз в месяц: это  оптимально с точки зрения временных  изменений спроса и затрат на проведение этой работы. 
 

  2.Сущность валового дохода и факторы влияющие на его велечину.

Валовый доход- характеризует конечный результат деятельности предприятия и представляет собой разницу между валовой выручкой и всеми затратами на производство и реализацию продукции.

                 Факторы, влияющие на величину и качество прибыли

  В процессе планирования прибыли важно  определить, за счет каких факторов она растет или снижается.

  На  величину валовой прибыли влияет совокупность многих факторов, не зависящих  и не зависящих от предпринимательской  деятельности.

  Важными факторами роста прибыли, зависящими от деятельности предприятий, являются рост объема производимой продукции  в соответствии с договорными  условиями, снижение ее себестоимости, повышение качества, улучшение ассортимента, повышение эффективности использования  производственных фондов, рост производительности труда.

  К факторам, не зависящим от деятельности организаций, относятся изменения  государственных регулируемых цен  на реализуемую продукцию, влияние  природных, географических, транспортных и технических условий на производство и реализацию продукции и т.д.

  В связи с тем, что подавляющую  часть валовой прибыли (95-97%) предприятия  получают от реализации товарной продукции, этой части прибыли должно быть уделено  главное внимание. Отмеченные выше факторы, зависящие и не зависящие  от деятельности предприятия, воздействуют главным образом на прибыль от реализации продукции. Основные из этих факторов подлежат детальному изучению и анализу.

  Предварительно  следует отметить, что на прибыль  от реализации товарной продукции влияет изменение остатков нереализованной  продукции. Чем больше этих остатков, тем меньше прибыли предприятие  получит от реализации продукции. Величина нереализованной продукции зависит  от ряда причин, обусловленных коммерческой деятельностью и условиями реализации продукции. Предприятие может больше произвести продукции, чем существующие возможности ее реализации.

  Кроме того, в нереализованных остатках готовой продукции может возрасти удельный вес более рентабельных изделий, что повлечет суммарный  рост этих остатков. Следовательно, в  целях увеличения прибыли предприятие  должно предпринять соответствующие  меры по сокращению остатков нереализованной  продукции как в количественном, так и в суммарном выражении.

  Важнейшим фактором, влияющим на величину прибыли  от реализации продукции, является изменение  объема производства и реализации продукции. Чем больше объем реализации в конечном счете, тем больше прибыли получит предприятие и наоборот. Зависимость прибыли от этого фактора при прочих равных условиях прямо пропорциональна.

  Падение объема производства при современных  экономических условиях, не считая ряда противодействующих факторов, как, например, роста цен, неизбежно влечет сокращение объема прибыли. Отсюда вывод  о необходимости принятия неотложных мер по обеспечению роста объема производства продукции на основе технического его обновления и повышения эффективности  производства. В свою очередь, совершенствование  расчетно-платежных отношений между  предприятиями будет способствовать улучшению условий реализации продукции, а следовательно, росту прибыли.

  Вторым  не менее важным фактором, влияющим на величину прибыли от реализации товарной продукции, является изменение  уровня себестоимости продукции. Между  величиной прибыли и уровнем  себестоимости существует обратно  пропорциональная зависимость: чем  ниже себестоимость продукции, определяемая уровнем затрат на ее производство и реализацию, тем выше прибыль  и наоборот. Этот фактор, в свою очередь, находится под воздействием многих причин. Поэтому при анализе изменения  уровня себестоимости должны быть выявлены причины ее снижения или повышения  с тем, чтобы разработать мероприятия  по сокращению уровня затрат на производство и реализацию продукции, а следовательно, увеличению за счет этого прибыли.

  Фактором, напрямую определяющим величину прибыли  предприятия от реализации продукции, являются применяемые цены. Свободные  цены устанавливаются самими предприятиями  в зависимости от конкурентоспособности  данной продукции, спроса и предложения  аналогичной продукции другими  производителями. Поэтому уровень  свободных цен на продукцию в  определенной степени является фактором, зависящим от предприятия. Не зависящим  от предприятия фактором выступают  государственные регулируемые цены, которые устанавливаются на продукцию  предприятий-монополистов. Очевидно, что  уровень цен определяется прежде всего качеством производимой продукции, зависящим от технического совершенствования ее производства, проведения работ по модернизации и т.д.

  В период высоких темпов инфляции рост прибыли обеспечивался за счет ценового фактора. Замедление инфляционных процессов, насыщение рынка товарами, развитие конкуренции ограничили возможности  производителей повышать цены и получать прибыль посредством этого фактора. На очередь приходит метод снижения затрат.

  В практике предпринимательской деятельности применяются различные способы  снижения себестоимости. Безусловно, используются такие приемы, как экономия топливно-сырьевых ресурсов, материальных и трудовых затрат, снижение доли амортизационных  отчислений в себестоимости, сокращение административных расходов и т.п. Однако следует иметь в виду, что уменьшение себестоимости имеет предел, после  которого оно невозможно без снижения качества продукции. То же относится  и к административным и коммерческим расходам, которые невозможно свести к нулю, поскольку без них предприятие  нормально функционировать не сможет и продукция реализовываться  не будет.

  В современном рыночном хозяйстве  большое внимание уделяется новым  методам управления затратами, таким, как управленческий учет. С его  помощью осуществляется контроль над  издержками предприятия. Особенно эффективен учет по центрам ответственности. Эта  форма управления затратами позволяет  рационализировать структуру расходов, оперативно реагировать на отклонения от нормальной запланированной величины издержек и передать часть функций  по принятию решений на уровень линейных управляющих. Они несут ответственность  за утвержденную величину расходов и  должны обеспечить выполнение запланированных  показателей.

  Учет  по центрам ответственности базируется на принципе бюджетирования. Всесторонний (полный) бюджет - это сочетание финансового и производственного планов, выраженных в числовых значениях. В хорошо организованной системе управления бюджеты используются для планирования, оценки исполнения, координации и установления коммуникаций.

  На  основе бюджетирования разрабатываются компьютерно-ориентированные модели финансового планирования прибыли. Алгоритм планирования прибыли основан на поэтапной подготовке исходных данных для финансового планирования. Здесь осуществляется взаимосвязь организационного, производственного и финансового планирования:

  Первый  этап планирования - организационный.

  На  этом этапе проводятся маркетинговые  исследования, изучаются возможности  производства и сбыта продукции. Определяющим фактором является наименьшая величина из двух возможных: объем сбыта  продукции или производственная мощность. На основе принятого решения  о планируемом объеме продаж заключаются  договора поставки и формируется портфель заказов.

  Второй  этап - производственное планирование.

  Цель  этого этапа - разработка производственной программы. Здесь определяется количество продукции, ее ассортимент, номенклатура, сроки изготовлении, комплектация. Разработка производственной программы  осуществляется с учетом уже имеющихся  запасов готовой продукции на складе, на ответственном хранении и в товарах отгруженных. Одновременно рассчитываются размеры страховых  запасов готовой продукции на конец года в целях обеспечения  непрерывности отгрузки продукции.

  Третий  этап связан со вторым и включает в  себя планирование издержек производства (производственной себестоимости).