Прогноз продаж

Содержание

Введение………………………………………………………………………3

Глава 1. Прогноз продаж

1.1Общая характеристика  прогноза продаж……………………………….4

2. Классификация компонентов прогноза продаж ……………...……….....6

2.1Экспертная оценка…………………………………………………….…...8

2.2Временной ряд продаж…………………………………………………...10

2.3Сезонные колебания……………………………………………………...12

2.4.Циклические колебания…………………………………………………13

2.5Казуальные методы……………………………………………………....14

3.Основные проблемы использования  рассмотренных методов………….19

4. Перечень факторов, влияющих на продажи …………………………….20

Глава 2Практическая часть….……………………………………………21

Заключение………………………………………………………………........23

Список использованной литературы………………………………………...25

Введение

Процесс управления предприятием представляет собой непрерывную  разработку управленческих решений  и применение их на практике. От эффективности  разработки этих решений в значительной степени зависит успех дела. И  прежде чем начинать какое-либо дело, необходимо определить цель своих действий. В процессе производства руководителям  предприятия очень часто приходится сталкиваться с критическими проблемами, и от того, на сколько оптимально принятое решение, будет зависеть конечный финансовый результат деятельности предприятия.

      Потребность в решении возникает  только при  наличии проблемы, которая в общем, виде характеризуется  двумя состояниями – заданным (желаемым) и фактическим (прогнозируемым), и именно прогнозирование будет  отправной точкой в процессе  принятия управленческого решения.  Рассогласование между этими  состояниями предопределяет необходимость  выработки – управленческого  решения и контроля за его реализацией.

      Цель  данной работы — изложить в систематизированном виде прогнозирование продаж, наиболее часто применяемые в экономической практике. Главное внимание в работе обращено на прикладное значение рассматриваемых компонентов прогноза продаж, на экономическое истолкование и интерпретацию получаемых результатов, а не на объяснение математико-статистического аппарата, который подробно освещается в специальной литературе.

      Чтобы прогнозирование было наиболее  эффективным, цели должны быть  конкретными и измеримыми. То  есть для каждой цели должны  существовать критерии, которые  позволили бы оценить  степень  достижения цели. Без этих критериев  не возможна реализация одной  из основных функций управления – контроля.

1.1Общая характеристика прогноза продаж

Прогноз продаж — это величина объема продаж, которую  возможно достигнуть при выполнении неких условий или при реализации некоторых событий. Данная величина может использоваться для уточнения  плана продаж.

Прогнозов может  быть сколь угодно много, и они  используются для поддержки принятия управленческих решений. План, как правило, один, и он напрямую или опосредованно  определяет многие управленческие решения.

Результаты прогнозирования нужны для решения следующих задач.

• Составление финансового плана и бюджета компании — в его доходной части. Объективная информация о планируемых дохо­дах позволит более эффективно использовать финансовые ресурсы, которые доступны компании. Не следует думать, что план доходов определяет, когда и на что компания сможет потратить средства. На самом деле план доходов позволит более эффективно спланировать расходы, чтобы привлекать меньше заемного капитала и/или выгодно реинвестировать свободные финансовые ресурсы. Если две последние мысли не очевидны для вашей компании, то вам стоит обратить внимание на необходимость внедрения технологий финансового менеджмента.
• Составление плана производства и закупок — данные планы связаны не только с необходимыми расходами, но и с планированием потребности в персонале, оборудовании, оптимизации производственного плана, экономии за счет снижения цен закупок, минимизации складских запасов и т. п.
• Составление плана и бюджета продвижения — обеспечение необходимого объема продаж требует привлечения определенного количества клиентов, для чего необходимо провести ряд маркетинговых мероприятий, каждое из которых обладает определенным сроком воздействия (в течение которого вы получите основную отдачу) и стоимостью.
• Мотивация сотрудников — в большинстве компаний мотивация сотрудников, занимающихся продажами, и высшего руководства компании привязана к объему продаж. Соответственно люди будут планировать свои личные доходы, опираясь на план продаж.

2.Классификация  компонентов прогноза продаж

     Самым простым способом прогнозирования рыночной ситуации является экстраполяция, т.е. распространение тенденций, сложившихся в прошлом, на будущее. Сложившиеся объективные тенденции изменения экономических показателей в известной степени предопределяют их величину в будущем. К тому же многие рыночные процессы обладают некоторой инерционностью. Особенно это проявляется в краткосрочном прогнозировании. В то же время прогноз на отдаленный период должен максимально принимать во внимание вероятность изменения условий, в которых будет функционировать рынок.

Методы прогнозирования объема продаж можно разделить на три  основные группы:

• методы экспертных оценок;
• методы анализа и прогнозирования временных рядов;
• казуальные (причинно-следственные) методы.

Методы экспертных оценок основываются на субъективной оценке текущего момента  и перспектив развития. Эти методы целесообразно использовать для  конъюнктурных оценок, особенно в  случаях, когда невозможно получить непосредственную информацию о каком-либо явлении или процессе.

Вторая и третья группы методов  основаны на анализе количественных показателей, но они существенно  отличаются друг от друга.

Методы анализа и прогнозирования  динамических рядов связаны с  исследованием изолированных друг от друга показателей, каждый из которых  состоит из двух элементов: из прогноза детерминированной компоненты и  прогноза случайной компоненты. Разработка первого прогноза не представляет больших  трудностей, если определена основная тенденция развития и возможна ее дальнейшая экстраполяция. Прогноз  случайной компоненты сложнее, так  как ее появление можно оценить  лишь с некоторой вероятностью.

В основе казуальных методов лежит  попытка найти факторы, определяющие поведение прогнозируемого показателя. Поиск этих факторов приводит собственно к экономико-математическому моделированию  — построению модели поведения экономического объекта, учитывающей развитие взаимосвязанных  явлений и процессов. Следует  отметить, что применение многофакторного  прогнозирования требует решения  сложной проблемы выбора факторов, которая не может быть решена чисто  статистическим путем, а связана  с необходимостью глубокого изучения экономического содержания рассматриваемого явления или процесса. И здесь  важно подчеркнуть примат экономического анализа перед чисто статистическими  методами изучения процесса.

Каждая из рассмотренных групп  методов обладает определенными  достоинствами и недостатками. Их применение более эффективно в краткосрочном  прогнозировании, так как они  в определенной мере упрощают реальные процессы и не выходят за рамки  представлений сегодняшнего дня. Следует  обеспечивать одновременное использование  количественных и качественных методов  прогнозирования.

2.1.Экспертная оценка

Существует  множество процессов и явлений, количественная информация для характеристики которых отсутствует или очень  быстро изменяется.

В этом случае используются экспертная оценка, сущность которых заключается в том, что в основу прогноза закладывается мнение специалиста, основанное на профессиональном, научном и практическом опыте.

 Экспертная  оценка применяется для сравнения каких-то параметров объектов (напр., комфортность самолета, сравнение автомобилей и др.), находящихся в одном "классе", одинаковой категории, и относится к разновидности мозгового штурма.

Прогнозы  продаж с помощью экспертов могут быть получены в одной из трех форм:

1. точечного прогноза;
2. интервального прогноза;
3. прогноза распределения вероятностей.

Точечный прогноз объема продаж – это прогноз конкретной цифры. Он является наиболее простым из всех прогнозов, поскольку содержит наименьший объем информации. Как правило, заранее предполагается, что точечный прогноз может быть ошибочным, но методикой не предусмотрен расчет ошибки прогноза или вероятности точного прогноза. Поэтому на практике чаще применяются два других метода прогнозирования: интервальный и вероятностный.

Интервальный прогноз  объема продаж предусматривает установление границ, внутри которых будет находиться прогнозируемое значение показателя с заданным уровнем значимости. Примером является утверждение типа: “В предстоящем году объем продаж составит от 11 до 12,4 млн. грн.”.

Прогноз распределения  вероятностей связан с определением вероятности попадания фактического значения показателя в одну из нескольких групп с установленными интервалами.

Хотя при составлении прогноза существует определенная вероятность, что фактический объем продаж не попадет в указанный интервал, но прогнозисты верят, что она  настолько мала, что может игнорироваться при планировании.

Для выявления  общего мнения экспертов необходимо получить данные о прогнозных значениях  от каждого эксперта, а затем произвести расчеты, используя систему взвешивания  индивидуальных значений по какому-либо критерию. Известны четыре метода взвешивания  различных мнений:

1. использование равных весов, если эксперты, как полагают исследователи, имеют одинаковые компетентности;
2. использование весов, пропорциональных степени “важности” экспертов, соответствующей их компетентности, известности в ученом мире, опыту в конкретной области деятельности и т.п.;
3. использование весов, пропорциональных самооценкам экспертов. Имеются свидетельства наличия прямой связи между уровнем самооценки компетентности экспертов и точностью экспертных оценок;
4. использование весов, пропорциональных относительной точности последних прогнозов конкретного эксперта.

Итак,как работает метод экспертных оценок:

1. Выбираем объект для экспертной  оценки;

2. Выбираем параметры для сравнения;

3. Определяем вес каждого параметра;

4. Задаем сравнительную шкалу;

5. Сравниваем.

2.2.Временной ряд продаж   

Временной ряд  продаж - массив данных, содержащий информацию об объемах продаж в натуральных  или денежных показателях за равные последовательные промежутки времени. Такой массив используется для анализа  влияния сезонных и других циклических  факторов, определения общих тенденций  и прогнозирования путем экстраполяции.

Временной ряд  — это ряд наблюдений, проводящихся регулярно через равные промежутки времени: год, неделю, сутки или даже минуты, в зависимости от характера  рассматриваемой переменной.

Например, значения в определенный момент времени – цена акций по дням за рабочую неделю 5 дней:

 Значения за определенный промежуток времени – продажи по месяцам:

Состав временного ряда:

• Тренд (T) – это компонента временного ряда, отражающая основную тенденцию изменения объемов продаж. Применительно к данной задаче под трендом можно понимать рост средних объемов продаж зимней одежды в год, связанный с открытием новых точек продаж, формированием положительного имиджа фирмы, широкой рекламной компанией и т.п.
• Сезонность (S) – это компонента временного ряда, отражающая повторяемость экономических процессов в течение небольших промежутков времени (не более года). Применительно к данной задаче под сезонностью можно понимать ежегодное увеличение объемов продаж во втором полугодии по сравнению с объемами продаж в первом полугодии этого же года. Это увеличение связано не с общим ростом средних объемов продаж, а с соответствующими климатическими условиями, обуславливающими необходимость покупать зимнюю одежду до наступления зимы, с одной стороны, и психологией большинства покупателей, не желающих задумываться об этом заблаговременно (например, весной) с другой стороны. По этим причинам сезонные колебания спроса повторяются каждый год, т.е. каждое первое полугодие наблюдается снижение объемов продаж относительно среднего уровня продаж текущего года, а каждое второе – увеличение. Для того чтобы подчеркнуть, что однотипное влияние сезонности повторяется каждый второй период (а не каждый четвертый, если используются квартальные данные, и не каждый двенадцатый, если используются месячные данные), с математической точки зрения говорят, что параметр сезонности равен s=2.
• Случайность (E) – это компонента временного ряда, отражающая влияние всех оставшихся факторов, которые не поддаются учету или влиянием которых можно пренебречь.

2.3.Сезонные колебания

Сезонные  колебания – повторяющиеся из года в год изменения показателя в определенные промежутки времени. Наблюдая их в течение нескольких лет для каждого месяца (или  квартала), можно вычислить соответствующие  средние, или медианы, которые принимаются  за характеристики сезонных колебаний.

Сезонные  колебания строго цикличны - повторяются  через каждый год, хотя сама длительность времен года имеет колебания. Для изучения сезонных колебаний необходимо иметь уровни за каждый квартал, а лучше за каждый месяц, иногда даже за декады, хотя декадные уровни могут уже сильно исказиться мелкомасштабной случайной колеблемостью.

Например, продавцам  оборудования знаком подъем в конце  года - ноябрь, декабрь, когда многие большие государственные организации  торопятся выбрать свои бюджеты. А летняя пора, которая для многих оборачивается "мертвым сезоном", для туристических и строительных компаний как раз самое горячее  время продаж.

Сама процедура прогноза включает в себя решение следующих задач:

• Анализ статистики предыдущих продаж
• Расчет прогнозной цифры продаж
• Определение плана (объема) продаж на следующий месяц .

В этом алгоритме  анализ сезонных колебаний продаж осуществляется, как правило, на первом этапе - в ходе анализа предыдущей статистики.

По сути дела, такой анализ как раз и затевается с целью выявления общей тенденции  в динамике продаж, а также выявления  и оценки возможных колебаний. На следующем этапе они используются для расчета и уточнения прогноза продаж.

В свою очередь, плановый объем продаж, с одной  стороны, чтобы быть обоснованным, должен опираться на прогноз продаж, а  с другой - добавлять к нему некую  дельту, вытекающую из задач предприятия  на соответствующий период.

2.4. Циклические колебания

Колебания, отражающие конъюнктурные циклы  перехода от более или менее благоприятной  рыночной ситуации к кризису, депрессии, оживлению и снова к благоприятной  ситуации, называются циклическими колебаниями. Существуют различные классификации циклов, их последовательности и продолжительности. Например, выделяются двадцатилетние циклы, обусловленные сдвигами в воспроизводственной структуре сферы производства; циклы Джанглера (7 – 10 лет), проявляющиеся как итог взаимодействия денежно-кредитных факторов; циклы Катчина (3 – 5 лет), обусловленные динамикой оборачиваемости запасов; частные хозяйственные циклы (от 1 до 12 лет), обусловленные колебаниями инвестиционной активности.

Методика  выявления цикличности заключается  в следующем. Отбираются рыночные показатели, проявляющие наибольшие колебания, и строятся их динамические ряды за возможно более продолжительный  срок. В каждом из них исключается  тренд, а также сезонные колебания. Остаточные ряды, отражающие только конъюнктурные  или чисто случайные колебания, стандартизируются, т.е. приводятся к  одному знаменателю. Затем рассчитываются коэффициенты корреляции, характеризующие  взаимосвязь показателей. Многомерные  связи разбиваются на однородные кластерные группы. Нанесенные на график кластерные оценки должны показать последовательность изменения основных рыночных процессов  и их движение по фазам конъюнктурных  циклов.

2.5. Казуальные методы

   Казуальные методы прогнозирования объема продаж включают разработку и использование прогнозных моделей, в которых изменения в уровне продаж являются результатом изменения одной и более переменных.

Казуальные  методы прогнозирования требуют  определения факторных признаков, оценки их изменений и установления зависимости между ними и объемом  продаж. Из всех казуальных методов  прогнозирования рассмотрим только те, которые с наибольшим эффектом могут быть использованы для прогнозирования  объема продаж. К таким методам  относятся:

1. корреляционно-регрессионный анализ;
2. метод ведущих индикаторов;
3. метод обследования намерений потребителей и др.

К числу наиболее широко используемых казуальных методов  относится корреляционно-регрессионный анализ. Техника этого анализа достаточно подробно рассмотрена во всех статистических справочниках и учебниках. Рассмотрим лишь возможности этого метода применительно к прогнозированию объема продаж.

Может быть построена регрессионная модель, в которой в качестве факторных  признаков могут быть выбраны  такие переменные, как уровень  доходов потребителей, цены на продукты конкурентов, расходы на рекламу  и др. Уравнение множественной  регрессии имеет вид:

где Y – прогнозируемый (результативный) показатель; в данном случае – объем продаж;

 – факторы (независимые переменные); в данном случае – уровень доходов потребителей, цены на продукты конкурентов и т.д.;

n – количество независимых переменных;

 – свободный член уравнения регрессии;

 – коэффициенты регрессии, измеряющие отклонение результативного признака от его средней величины при отклонении факторного признака на единицу его  измерения.

Последовательность  разработки регрессионной модели для прогнозирования объема продаж включает следующие этапы:

1. предварительный отбор независимых факторов, которые по убеждению исследователя определяют объем продаж. Эти факторы должны быть либо известны (например, при прогнозировании объема продаж цветных телевизоров (результативный показатель) в качестве факторного признака может выступать число цветных телевизоров, находящихся в эксплуатации в настоящее время); либо легко определяемы (например, соотношение цены на исследуемый продукт фирмы с ценами конкурентов);
2. сбор данных по независимым переменным. При этом строится временной ряд по каждому фактору либо собираются данные по некоторой совокупности (например, совокупности предприятий). Другими словами, необходимо, чтобы каждая независимая переменная была представлена 20 и более наблюдениями;
3. определение связи между каждой независимой переменной и результативным признаком. В принципе, связь между признаками должна быть линейной, в противном случае производят линеаризацию уравнения путем замены или преобразования величины факторного признака;
4. проведение регрессионного анализа, т.е. расчет уравнения и коэффициентов регрессии, и проверка их значимости;
5. повтор этапов 1 – 4 до тех пор, пока не будет получена удовлетворительная модель. В качестве критерия удовлетворительности модели может служить ее способность воспроизводить фактические данные с заданной степенью точности;

6. сравнение роли различных факторов в формировании моделируемого показателя. Для сравнения можно рассчитать частные коэффициенты эластичности, которые показывают, на сколько процентов в среднем изменится объем продаж при изменении фактора Xj на один процент при фиксированном положении других факторов. Коэффициент эластичности определяется по формуле

где b_j – коэффициент регрессии при j-м факторе.

Регрессионные модели могут использоваться при  прогнозировании спроса на потребительские  товары и средства производства. В  результате проведения корреляционно-регрессионного анализа объема продаж напитка “Тархун” была получена модель:

где Y_t+1 – прогнозируемый объем продаж в месяце (t+1);

A_t – затраты на рекламу в текущем месяце t;

Y_t – объем продаж в текущем месяце t.

Возможна  следующая интерпретация уравнения  многофакторной регрессии: величина объема продаж напитка в среднем увеличивалась  на 2,021 тыс. дал, при увеличении затрат на рекламу на 1 руб. объем продаж в среднем увеличивался на 0,743 тыс. дал., при увеличении объема продаж предыдущего месяца на 1 тыс. дал  объем продаж в последующем месяце увеличивался на 0,856 тыс. дал.

Ведущие индикаторы – это показатели, изменяющиеся в том же направлении, что и исследуемый показатель, но опережающие его во времени. Например, изменение уровня жизни населения влечет за собой изменение спроса на отдельные товары, а следовательно, изучая динамику показателей уровня жизни, можно сделать выводы о возможном изменении спроса на эти товары. Известно, что в развитых странах по мере увеличения доходов возрастают потребности в услугах, а в развивающихся странах – в товарах длительного пользования.

Метод ведущих индикаторов чаще используется для прогнозирования изменений в бизнесе в целом, чем для прогнозирования объема продаж отдельных компаний. Хотя нельзя отрицать, что уровень объема продаж большинства компаний зависит от общей рыночной ситуации, сложившейся в регионах и стране в целом. Поэтому перед прогнозированием собственного объема продаж фирмам часто бывает необходимо оценить общий уровень экономической активности в регионе.

Существенным  обоснованием прогноза объема продаж товаров потребительского назначения могут служить данные обследований намерений потребителей. Они знают о собственных перспективных покупках больше, чем кто-либо, поэтому многие компании проводят периодические обследования мнений потребителей о производимой продукции и вероятности ее покупки в будущем. Чаще всего эти обследования касаются товаров и услуг, приобретение которых планируется потенциальными покупателями заранее (как правило, это дорогие покупки типа автомобиля, квартиры или путешествия).

Конечно, нельзя недооценивать полезность такого рода обследований, но также нельзя не учитывать, что намерения потребителей относительно какого-то товара могут измениться, что скажется на отклонении фактических  данных о потреблении от прогнозных.

Итак, при  прогнозировании объема продаж могут  быть использованы все рассмотренные  выше методы. Естественно, возникает  вопрос об оптимальном методе прогнозирования  в конкретной ситуации. Выбор метода связан, по крайней мере, с тремя  ограничивающими условиями:

1. точность прогноза;
2. наличие необходимых исходных данных;
3. наличие времени для осуществления прогнозирования.

Если требуется  прогноз с точностью 5%, то все  методы прогнозирования, обеспечивающие точность 10%, могут не рассматриваться. Если нет необходимых для прогноза данных (например, данные временных  рядов при прогнозировании объема продаж нового продукта), то исследователь  вынужден прибегнуть к казуальным методам  или экспертным оценкам. Подобная ситуация может возникнуть в связи со срочной  потребностью в прогнозных данных. В этом случае исследователь должен руководствоваться временем, имеющимся  в его распоряжении, осознавая, что  срочность расчетов может сказаться  на их точности.

Необходимо  отметить, что мерой качества прогноза может служить коэффициент, характеризующий отношение числа подтвердившихся прогнозов к общему числу сделанных прогнозов. Очень важно осуществлять расчет этого коэффициента не по окончании прогнозируемого срока, а при составлении самого прогноза. Для этого можно использовать метод инверсной верификации путем ретроспективного прогнозирования. Это означает, что правильность прогнозной модели проверяется ее способностью воспроизводить фактические данные в прошлом. Других формальных критериев, знание которых позволило бы априорно заявить об аппроксимирующей способности прогнозной модели, не существует.

Прогнозирование объема продаж – неотъемлемая часть процесса принятия решения; это систематическая проверка ресурсов компании, позволяющая более полно использовать ее преимущества и своевременно выявлять потенциальные угрозы. Компания должна постоянно следить за динамикой объема продаж и альтернативными возможностями развития рыночной ситуации с тем, чтобы наилучшим образом распределять имеющиеся ресурсы и выбирать наиболее целесообразные направления своей деятельности.

3.Основные проблемы использования рассмотренных методов

Основные  трудности, можно условно разделить на четыре группы:

1. Исходная  статистическая информация зачастую  бывает недостоверной. Однако  даже при наличии достоверных  данных о прошлом, они не  всегда могут служить надежной  базой для принятия плановых  решений, направленных в будущее;

2. Некоторая  часть информации, необходимой для  выбора наилучшего варианта планового  решения, имеет качественный характер  и не поддается количественным  измерениям (например, невозможно разработать  формулу для прогнозирования  (оценки) поведения людей в той  или иной ситуации, в производственном коллективе);

3. В момент  принятия решения необходимая  статистическая информация отсутствует,  а ее получение требует времени или средств;