Прогнозування попиту

План

1. Визначення прогнозування попиту.
2. Значення прогнозування попиту.
3. Методи прогнозування попиту.

Визначення прогнозування  попиту

Здійснення успішної комерційної  діяльності на зовнішньому ринку  так само як і на внутрішньому вимагає  в першу чергу задоволення  потреб покупця. Щоб досягти цієї мети та отримати бажаний прибуток підприємству необхідно по можливості максимально точно спрогнозувати  величину попиту в часовій перспективі  на товар чи послугу, яку воно пропонує для продажу.

Прогнозування попиту — наукове передбачення загального обсягу і структури платоспроможної потреби в товарах та послугах, що буде пред'явлена на ринку в майбутньому за певних умов розвитку виробництва і рівня життя населення. Забезпечує досягнення пропорційності між попитом і пропозицією товарів народного споживання. При Л.п. визначають показники еластичності попиту, тобто встановлюють залежність зміни попиту від різних факторів, що впливають на його формування, а саме: рівня доходів і складу населення, рівня цін на окремі товари, рівня споживання окремих товарів або рівня забезпеченості населення товарами середньо- та довогострокового користування тощо. Для аналізу і П.п. використовують методи математичної статистики, зокрема регресійний аналіз. Розробка прогнозів платоспроможного попиту населення, як і інших економічних прогнозів, ґрунтується на певних теоретико-методологічних принципах, дотримання яких дає можливість досягти підвищення точності прогнозів.

Значення прогнозування  попиту

 Прогнозування попиту – це оцінка перспективного попиту на товари й послуги, необхідна для розрахунку планів виробництва й реалізації продукції.  
Як правило, прогнозування не потрібно компаніям, які працюють на неконкурентних ринках. Але як тільки компанія зустрічається з посиленням конкуренції, то практично всі методи підвищення ефективності діяльності необхідно задіяти, щоб забезпечити стійку позицію й прибутковість компанії. Прогнозування в даному ключі є ефективним елементом конкурентної боротьби.  
У прогнозуванні є одне правило – прогноз повинен бути максимально точним з урахуванням строків його складання й вартості реалізації.  
Прогнозування попиту – це відправна крапка всього процесу планування. Для прогнозування потрібна тільки концепція продукту. Коли товар або послуга будуть детально розроблені, прогноз попиту можна буде переглянути на підставі того, які переваги має нова послуга перед аналогічно пропонованими конкурентами.

Прогнозування попиту оцінює кількість послуг, які могла б  продати фірма з урахуванням  попиту на цю послугу й потенційну потужність організації, для кількості  яких згідно із прогнозом повинне  бути продане треба визначити  приблизну ціну, тому річний доход  залежить від прогнозування попиту прогнозування доходу важливо, що б  вирішити рішення послугу на чи ринок  ні, це дозволяє провести аналіз річного  бюджету й беззбитковості.

Прогнозовані послуги  виміряються:

• числом клієнтів;
• кількістю годин пост. послуги;
• розмаїтістю послуг і кількістю кожної.

Методи прогнозування  попиту

Методи прогнозування  можна класифікувати по двох вимірах: ступінь волі процесу прогнозування  від суб’єктивності й більшого або  меншого ступеня аналітичності  цього процесу. У крайніх точках цих вимірів перебувають суб’єктивні  й об’єктивні методи й методи наївні й причинно-наслідкові.  
1.    Суб’єктивні методи. Таке визначення припускає, що процеси, використовувані для формування прогнозу, не викладені в явній формі й невіддільні від імені, що робить прогноз.  
2.    Об’єктивні методи. Процеси прогнозування чітко сформульовані й можуть бути відтворені іншими особами, які неминуче прийдуть до формулювання такого ж прогнозу.  
По суті це перше вимірювання протиставляє кількісні методи якісним, у яких домінують інтуїція, творчість і уява.  
3.    Наївні методи. Прогноз формулюється на базі спостережень за минулою еволюцією досліджуваною змінної (наприклад, рівень первинного попиту), без урахування в явній формі основних рушійних факторів.  
4.    Причинно-наслідкові (казуальні) методи. Фактори, що визначають попит, ідентифіковані, і їх імовірні майбутні значення спрогнозовані; з них виводиться ймовірне значення попиту, за умови реалізації прийнятого сценарію.  
Це друге вимірювання протиставляє методи екстраполяції методам, що пояснюють взаємозв’язку, незалежно від їх якісного або кількісного характеру.  
Сполучення цих двох вимірів дозволяє ідентифікувати чотири типи прогнозних методів.  
Експертні судження. У тому випадку, коли прогноз опирається не на об’єктивні дані, а скоріше на думку менеджера або споживача, говорять про експертні судження. Передбачається, що "експерт" засновує своє судження на групі причинних факторів, оцінюючи ймовірність їхньої реалізації і їхній імовірний вплив на рівень попиту.  
В основі цього підходу лежить деяка казуальна структура, тобто сукупність суджень, що стосуються причинних факторів первинного попиту й імовірності їхньої реалізації в рамках одного або декількох сценаріїв. При цьому дана казуальна структура нерозривно пов’язана з особистістю експерта, так що інший експерт, поставлений перед тією же проблемою, може, використовуючи ту ж інформацію, прийти до інших висновків. Перевага експертного методу в порівнянні із чисто інтуїтивним підходом складається в можливості обміну й протиставлення ідей завдяки наявності явно вираженої казуальної структури. Широко застосовуються три методи, заснованих на судженнях: судження осіб, що приймає рішення, оцінки торговельного персоналу й наміру покупців.  
Судження менеджерів. У цьому випадку прогноз ґрунтується на баченні, інтуїції, уяві й досвіді того, хто його формулює. Менеджера просять дати по можливості точну оцінку виходячи з наявної в нього інформації, із вказівкою, наприклад у формі імовірнісних показників, ступеню точності або його впевненості у своїх оцінках.  
Цей варіант у тому або іншому ступені застосовується фірмою завжди. Він особливо помітний в організаціях, де домінує лідер, що реалізує своє власне бачення. Цінність цього методу, мабуть, залежить від досвіду й інтуїції особи, що формулює прогноз. Головним недоліком, безсумнівно, є труднощі комунікації й неможливість перевірки істинності або хибності прогнозу.  
Шлях до зменшення ризику суб’єктивності індивідуального судження складається у звертанні до групи менеджерів, які обговорюють свої точки зору й прагнуть прийти до консенсусу. Гарну можливість досягнення консенсусу представляє метод Дельфі.  
Відповідно до цього методу, експертні групи формулюють свої індивідуальні судження анонімно, звичайно із застосуванням анкет.  
У процесі опитування таких експертів доцільно використовувати метод Дельфі, сутність якого полягає у послідовному опитуванні експертів незалежно один від одного та формування на першому етапі узагальнюючих безособових результатів такого опитування. На другому етапі результати узагальнення повідомляють експертам і пропонують їм висловити свою думку ще раз. Процедуру повторюють доти, поки не буде досягнуто резонного результату. Рис. 1. Алгоритм опитування методом Дельфі

Оцінки торговельного  персоналу. Звичайно торговельний персонал має дуже точне уявлення про потенціал продажів, що забезпечують їхні клієнти, і, крім того, має можливість дати оцінки потенціалу ринку в цілому, принаймні на тій території, що він обслуговує. Найпростіше попросити торговельних працівників дати оцінки по кожному товару, але не абстрактно, а виходячи з конкретних гіпотез про маркетингові зусилля в питаннях цін, рекламної підтримки й т.п. Після цього менеджери служби збуту формулюють підсумкові оцінки, підсумовуючи оцінки всіх працівників.  
Включити торговельних працівників у процес прогнозування корисно насамперед для того, щоб створити в них відповідну мотивацію й сприяти прийняттю призначуваних їм квот із продажу. Крім того, вони незамінні при побудові прогнозів продажів у дуже малих сегментах, на рівні окремої території або окремого клієнта.  
Вивчення намірів покупців. Останній метод, заснований на судженні, укладається в прямому опитуванні покупців про їхні плани на покупки протягом певного періоду. Наміри зробити покупку можуть розглядатися на двох рівнях: на загальному й на рівні певної товарної категорії.  
На загальному рівні оцінюються настрій або ступінь упевненості покупців, їхнього подання про добробут і їхнього наміру зробити покупку товарів тривалого користування.  
Слід зазначити, що дослідження намірів зробити покупку стосовно до конкретного товару або марки часто виявляються менш надійними, чим дослідження загального характеру. Необхідна більша обережність у використанні результатів подібних досліджень. Кращі результати виходять, коли мова йде про товари або послуги, придбання яких покупці повинні планувати заздалегідь, що справедливо відносно дорогих покупок типу автомашини, удома або подорожі.  
Суб’єктивні методи мають очевидні обмеження, однак вони можуть бути корисною відправною крапкою при аналізі попиту і їхня корисність не можна недооцінювати. У кожному разі вони повинні застосовуватися разом з більше об’єктивними методами.  
Евристичні й екстраполяційні методи. Якщо аналітична структура прогнозного процесу слабка, але прогноз опирається на об’єктивну маркетингову інформацію, застосовуються так звані евристичні методи. Мова йде про прості методи, заснованих на попередньому досвіді або на більш-менш складній екстраполяції даних про минулі продажі.  
Метод ланцюга відношень.  
Метод ланцюга відношень припускає послідовну декомпозицію абсолютного потенціалу ринку аж до знаходження оцінки попиту на конкретний товар або марку.

Індикатор купівельної спроможності. При оцінці потенціалу територій, зон, регіонів або країн часто використовують метод індикатора купівельної спроможності. Мета заключається у вимірі привабливості ринку за середньозваженим значенням трьох ключових компонентів будь-якого потенціалу ринку, тобто: кількості споживаючих одиниць, купівельної спроможності цих споживаючих одиниць, готовності цих споживаючих одиниць до витрат.  
Статистичні індикатори цих трьох змінних визначаються для обраної територіальної бази (країна, область, район, місто), після чого визначається середньозважений індекс для кожної зони. Існує два підходи: використовувати стандартний індекс купівельної спроможності (ІКС), що пропонують фірми по вивченню ринку, або побудувати індекс спеціально для аналізованого сектора або гами товарів.  
Стандартні ІКС звичайно засновані на трьох наступних індикаторах:  
ІКС = 0, 50 (Ni) + 0, 30 (Ri) + 0, 20 (Vi)  
де N – % загального числа жителів даної зони i, R – % загального доходу в зоні i, V – % роздрібних продажів у зоні i.  
Вагові коефіцієнти в цій формулі визначені емпірично з використанням регресійного аналізу й в основному застосовні до товарів масового попиту.  
Спеціальні індекси ІКС ґрунтуються на тих же складових потенціалу ринку, але використовують індикатори, краще адаптовані до досліджуваної області діяльності, з додатковим залученням індикаторів, що характеризують місцеві умови.  
Аналіз і декомпозиція трендів. Метою аналізу тренда є розкладання тимчасового ряду продажів на головні компоненти, вимір еволюції кожної складової в минулому і її екстраполяція на майбутнє. В основі методу покладена ідея стабільності причинно-наслідкових зв’язків і регулярність еволюції факторів середовища, що уможливлює використання екстраполяції. Метод складається в розкладанні тимчасового ряду на п’ять компонентів:  
•    структурний компонент, або довгостроковий тренд, звичайно пов’язаний з життєвим циклом ринку товару;  
•    циклічний компонент, що відповідає коливанням щодо довгострокового тренда під впливом середньострокових флуктуацій економічної активності; •    сезонний компонент, або короткострокові періодичні флуктуації, обумовлені різними причинами (клімат, соціально-психологічні фактори, структура неробочих днів і т.д.);  
•    маркетинговий компонент, пов’язана з діями по просуванню товару, тимчасовими зниженнями цін і т.п.; •    випадковий компонент, що відображає сукупну дію погано вивчених комплексних процесів, які неможливо представити у кількісній формі.  
Для кожного компонента розраховується параметр, заснований на закономірностях, що спостерігалися: довгостроковому темпу приросту продажів, кон’юнктурних флуктуаціях, сезонних коефіцієнтах, специфічних факторах (експозиції, заходу щодо стимулювання збуту й т.п.). Потім ці параметри використовують для складання прогнозу.  
Зрозуміло, що такий прогноз має сенс тільки як короткостроковий, на період, у відношенні якого можна прийняти, що характеристики досліджуваного явища істотно не змінюються.

Метод аналізу  екстраполяції.

Дана група методів  є однією з найбільш поширених  в системі прогнозування

економічних явищ, зокрема  і перспективного попиту на продукцію  вугільної

промисловості. Суть методу екстраполяції полягає у перенесені минулих і

сьогоднішніх закономірностей, взаємозв'язків на майбутні періоди. Він

дає можливість показати яких результатів можна досягти в  майбутньому,

якщо рухатися з тією ж  швидкістю і з тим же прискоренням [1, с. 175]. При чому, за умови використання цього методу, необхідною умовою для отримання якісних результатів прогнозування попиту є стабільність основних факторів і тенденцій минулих років, яка зберігається на період прогнозу.

Таким чином важливою передумовою  застосування даного методу є наявність

тренду, тобто тенденції  ряду динаміки, що характеризує основну

закономірність руху в  часі. Тому першим етапом буде перевірка  гіпотези

про наявність тренду. Одним  серед найпоширеніших і найпростіших способів

такої перевірки, є метод, що базується на порівнянні середніх рівнів

ряду. Тобто, спочатку часовий  ряд розбивається на дві приблизно  однакові

частини, після чого для  кожної з них визначається середня. Якщо отримані

середні суттєво відрізняються  між собою, то тренд існує, якщо різниця  є

незначною - тренд не існує.

Крім того, з метою забезпечення реальності прогнозу слід пам'ятати

загальне емпіричне правило, суть якого полягає в тому, що термін

прогнозування не повинен  перевищувати третьої частини довжини  бази

прогнозу, тобто наявного часового ряду. Так наприклад, для  прогнозу на 

5 років необхідно мати  дані хоча би за 15 років. Відповідно  чим більша

база прогнозу і менший період прогнозу, тим надійнішими  будуть його

результати.

Для визначення перспективного попиту на продукцію регіону можливе  використання наступних методів екстраполяції:

Засновані на середньому абсолютному прирості. Використовується за умови,

що загальна тенденція  є лінійною. Для визначення показників попиту

(наприклад обсягів збуту)  на наступний період використовується  формула:

 - середній абсолютний приріст,

уn - кінцевий показник у ряді динаміки,

у1 - початковий показник у  ряді динаміки,

п - кількість показників у ряді динаміки,

уn+1 - показник на прогнозований  період.

Заснований  на середніх темпах зростання. Екстраполяція за цим методом

може здійснюватися, якщо тенденція ряду динаміки буде представлена

показниковою (експоненційною) функцією.

Метод експонентного згладжування. Автором цього методу є англійський

вчений Р.Г.Браун. Цей метод  дозволяє побудувати модель, яка враховує

різну інформаційну цінність членів динамічного ряду. Використовується для короткострокового прогнозу й заснований на середньозваженому значенні продажів по певному числу минулих періодів. При цьому найбільші вагові коефіцієнти надаються пізнішим продажам. Використання методу згладжування за експонентою має свої переваги і недоліки. Основною перевагою є його точність, яка збільшується із збільшенням кількості рівнів часового ряду. Серед недоліків -

відсутність методу, який би дав точну величину коефіцієнта  згладжування,

що веде за собою до падіння  точності прогнозу із збільшенням

прогнозованого періоду. 
Існують і могутніші методи згладжування. Головна слабість цих методів у тому, що вони не дозволяють дійсно "прогнозувати" еволюцію попиту, оскільки нездатні передбачати які-небудь "поворотні точки". У найкращому разі вони здатні швидко врахувати зміни, що відбулися. Тому їх називають "адаптивною прогнозною моделлю". Проте для багатьох проблем керування такий "апостеріорний" прогноз виявляється корисним за умови, що є досить часу для адаптації й фактори, що визначають рівень продажів, не піддані різким змінам.

Аналітичне  вирівнювання тренду (криві росту). Є досить популярним

методом прогнозування попиту. Він передбачає побудову кривої попиту на

продукцію, що відображає певну  існуючу тенденцію.

Метод вирівнювання тренду може використовуватися у випадках, коли

розвиток досліджуваного явища, тобто попиту на продукцію, досить добре описується побудованим рівнянням  кривої і за умови, що чинники, які визначають тенденцію розвитку в минулому не зазнають змін в майбутньому. Крім того, для забезпечення надійного прогнозу необхідна достатня кількість спостережень. Так наприклад, для лінійного тренду не менше 6, для квадратичного - 13, кубічного - 23.

Проте, найскладнішим моментом методу аналітичного вирівнювання тренду є

вибір кривої, яка б найкраще підходила для відображення наявної

тенденції. Для цього використовуються різні методи, найпростіший серед

них - візуальний, на основі графічного зображення часового ряду. Тобто

відповідно до вигляду  графіка підбирається рівняння кривої, яка є

найближчою до існуючого  тренду.

Інший метод вибору кривої базується на визначенні коефіцієнту  кореляції.

Даний коефіцієнт показує  наскільки вибрана модель адекватно  відображає

дійсність, чи можемо ми її використати  чи ні. Коефіцієнт кореляції

розраховується після  вибору конкретного рівняння і розрахунку невідомих

параметрів.

Метод регресивного аналізу.

Даний метод дає можливість прогнозувати попит на основі статистичної

моделі, яка характеризує залежність між об'єктом (обсягом  збуту) та

незалежними змінними, які  впливають на нього (ціни, доходи населення,

стан конкуренції тощо). Для побудови моделей потенційного попиту на

рекреаційні послуги використовують два методи: парний і багатофакторний

аналіз.

Однофакторний регресивний аналіз. Передбачає використання рівняння

прямої лінії:              у = а х + b

Для якого визначають значення показників а і b. A x - незалежна змінна.

Використання цього методу дозволяє встановити як впливає певний фактор

(наприклад зміна цін,  доходів тощо) на рівень попиту  на продукцію

і на його майбутню величину. Причому важливою умовою є стабільність всіх інших факторів.

Багатофакторний регресивний аналіз.

Перш ніж побудувати багато факторну регресивну модель для вивчення

попиту на продукцію регіону необхідно визначити перелік факторів, що чинять вплив на формування цього попиту.

Після того, як ми визначили  перелік факторів, можна приступити до

формування рівняння регресії.

Наступним етапом є розрахунок отриманого рівняння в яке входять

відібрані основні фактори. Розв'язавши це рівняння методом найменших

квадратів ми отримаємо значення показників a0, a1, a2, … , an.

Таким чином, розв'язавши це рівняння для кожного періоду (t = 1,2,...,n)

і підставивши в нього  значення основних факторів ми отримаємо  показник

попиту на продукцію регіону  для кожного з цих періодів. Тобто, ми отримаємо значення попиту з урахуванням впливу основних факторів.

Після описаної вище процедури  можна приступати до оцінки перспективного

попиту. Для цього необхідно  для кожного з основних факторів за методом

екстраполяції тренду визначити  його перспективне значення. Після  чого

підставити ці отримані значення в багатофакторну регресивну модель.

Таким чином, ми одержимо показник перспективного попиту на продукцію

регіону з урахуванням  прогнозованих показників факторів.

Експлікативні моделі.  
З наукового погляду, "об’єктивні" і "аналітичні" методи є самими потужними. Вони ґрунтуються на створенні екплікативних математичних моделей, які дозволяють імітувати ринкові ситуації в рамках альтернативних сценаріїв. У своїй концептуальній основі математичне моделювання дуже близько описаним раніше експертним методам: потрібно встановити причинну структуру, розробити один або безліч сценаріїв і для кожного відібраного сценарію вивести оцінку ймовірного попиту. Відмінність методу укладається в тім, що причинна структура встановлюється й перевіряється експериментально, в умовах, що піддаються об’єктивному спостереженню й виміру.  
Визначення причинної (казуальної) структури досліджуваного явища – вихідна точка математичного моделювання.  
Мова йде про набір гіпотез, заснованих на розумінні поводження споживачів при покупці й апріорі випливають із теорії поведінки. Цей набір гіпотез повинен потім бути прийнятий (або відкинуть) аналітиком на основі спостережень. У випадку підтвердження модель може застосовуватися для цілей керування.  
Моделі із системою рівнянь.  
Якщо досліджуване явище занадто складно для опису одним рівнянням, аналітик повинен вибрати такий метод оцінки, що дозволяє враховувати взаємозалежність змінних.  
Як приклад розглянемо проблему виміру впливу реклами на частку ринку для марки споживчого товару, продаваного через широку збутову мережу. Попередні дослідження ефективності реклами показали, що вона безпосередньо впливає на рівень дізнавання марки й на поводження продавців, відповідальних за збут марки в мережі.  
Тут є три функціональні зв’язки:  
1. поводження дистриб’ютора (у1) визначається торговельною націнкою, що він одержує (х1), і інтенсивністю рекламних зусиль відносно марки (х2);  
2. поводження продавців (у2) визначається поводженням дистриб’юторів (у1), інтенсивністю реклами (х2) і тиском конкуренції (х3);  
3. рівень частки ринку (у3) визначається поводженням дистриб’юторів (у1), поводженням продавців (у2) і відносним рівнем ціни марки (x4).  
Ефективність даного методу заснована на тому, що модель стає інструментом виявлення й дослідження численних ситуацій і змінних, які людський розум при всій своїй уяві проаналізувати не в силах.  
Необхідно, однак, ураховувати, що даний підхід осмислений лише доти, поки виявлена причинна структура залишається стабільною. Отже, прогноз на базі екплікативної моделі має на увазі екстраполяцію, але вже другого порядку. В умовах глибоких і швидких змін середовища математична модель не в змозі пророчити вплив зміни, що завжди не можуть бути в ній враховані. На відміну від експерта математична модель нездатна до імпровізації й не може пристосуватися до глибоких змін середовища.  
Більшість прогнозних помилок пов’язана з тим, що в момент формулювання прогнозу в більш-менш явній формі малося на увазі, що існуючі тенденції збережуться в майбутньому, що рідко виправдується в реальному економічному й громадському житті.  
Метод сценаріїв. Розгляд різних можливих методів прогнозування виявив переваги й недоліки кожного з них. Насправді всі ці методи є доповнюючи ми один одного й ефективна прогнозна система повинна забезпечити можливість використання кожного з них.  
Метод сценаріїв – це гарний засіб для організації взаємодії кількісного і якісного підходів і для інтегрування розглянутих прогнозних методів.  
Сценарій відрізняється від прогнозу. Прогноз – це судження, що прагне "пророчити" специфічну ситуацію й повинне бути прийняте або відкинуте на базі його переваг і недоліків. Навпроти, сценарій – це інструмент, що розробляється з метою змусити міркувати, насамперед для того, щоб:  
•    краще зрозуміти ринкову ситуацію і її еволюцію в минулому,  
•    підвищити чутливість до взаємодії фірми із середовищем,

•    оцінити її чутливість до загроз,  
•    виявити можливі напрямки своїх дій.  
Завдяки підвищенню чутливості до зовнішніх факторів метод дозволяє підвищити здатність до передбачення й розвити гнучкість і адаптивність фірми. Сценарій варто розглядати разом з іншими сценаріями, один із яких є базовим, а інші – альтернативними сценаріями, заснованими на ключових факторах.  
Цей підхід, що виходить із переконання про те, що майбутнє ніколи не може бути повністю обмірюване й кероване, володіє, з погляду управління, рядом важливих переваг:  
1.    Насамперед, він загострює увагу фірми на невизначеність, що характеризує будь-яку ринкову ситуацію; управління в турбулентному середовищі має на увазі здатність передбачати еволюцію середовища. 2.    Метод сценаріїв полегшує інтеграцію даних, отриманих різними методами, якісними або кількісними. 3.    Реалізація цього підходу вносить в управління додаткову гнучкість і сприяє розробці альтернативних планів і системи швидкого реагування.  
Сучасні досягнення комп’ютерних технологій істотно полегшили застосування цього методу, зробивши, зокрема, можливим його децентралізоване застосування на фірмах.

Використана література:

1.  Гамбаров Г. М., Журавель Н. М., Королев Ю. Г. Статистическое

прогнозирование и моделирвание: Учебное пособие. – Москва: Финансы и

статистика, 2008. – с. 383.

2. Селиверстов Д. В. Статистическое изучение спроса и потребления:

Учебное пособие. – Москва: Наука, 2008. – с. 225.

3. Eкономічна енциклопедія.

4. Стратегічний менеджмент - Кіндрацька Г.І.