< Предыдущая
  Оглавление
  Следующая >


2.3. Покупательский спрос и методика его прогнозирования

Покупательский спрос - это социально-экономическая категория, выражающая общественные потребности, представленные на рынке деньгами, т. е. и платежеспособная часть.

Прогнозирование - это оценка значения переменной (или ряда переменных) для какого-то момента времени в будущем. Обычно целью прогнозных расчетов на предприятии является обеспечение информацией процесса планирования. В прогнозировании исходят из того, что если мы можем хотя бы приблизительно спрогнозировать будущее, то сможем выбрать свое оптимальное поведение, чтобы при наступлении будущего находиться в лучшей позиции. Характерные черты прогнозов:

1) прогноз всегда ошибочен;

2) прогноз является более полным при оценке ошибки;

3) прогноз более точен для большей группы наименований;

4) прогноз более точен для более коротких промежутков времени;

5) прогноз не может заменить расчетный спрос. Качество прогноза непосредственно отражается на качестве

принимаемых решений по управлению запасами. Для эффективного управления запасами важно выбрать обоснованные методы и методику прогнозирования. Используемые методы прогнозирования зависят от вида бизнес-решений. Например, метод прогнозирования продаж на следующий месяц не подходит для прогнозирования продаж на пять лет вперед. Часто используют краткосрочный, среднесрочный, долгосрочный прогноз. При прогнозировании потребительского спроса во многих случаях прогноз до 6 мес. является краткосрочным, свыше 2 лет - долгосрочным (табл. 13).

Методы прогнозирования подразделяются на следующие категории:

o качественные методы - нет формальной математической модели из-за того, что имеющиеся данные не являются представителями будущего состояния (долгосрочный прогноз);

o метод регрессии - продолжение линейной регрессии, где предполагается, что переменная линейно зависит от ряда других переменных;

o методы множества уравнений - имеется ряд переменных, которые взаимозависят посредством ряда уравнений (эконометрические модели);

o методы анализа рядов динамики - есть одна переменная, которая изменяется во времени, и ее будущие значения зависят от прошлых лет.

Таблица 13. Методы прогнозирования в зависимости от вида бизнес-решений

Метод

Период времени

Тип решения

Пример

Краткосрочный

До 6 мес.

Оперативный

Управление товарными запасами, планирование производства и распределения

Среднесрочный

6 мес.- 2 года

Тактический

Аренда завода и оборудования, изменение кадров

Долгосрочный

Свыше 2 лет

Стратегический

Исследования, развитие завода, капитальные вложения, изменение продукта

Спрос можно разделить на следующие элементы: средний спрос для периода, тренд, сезонные влияния, циклическая составляющая, автокоррекция (связь с предшествующими значениями) и случайная вариация (то, что остается). Если высокая автокоррекция, то спрос не будет сильно изменяться по периодам.

Регрессия используется для анализа основного движения спроса, например по группе товаров. Но чем длиннее период, тем больше линия приближается к прямой, что ограничивает ее возможности. Когда трудно предсказать циклическую составляющую и если она существенная, часто можно установить математическую зависимость между спросом - зависимой переменной и ведущим индикатором - независимой переменной.

Основное назначение систем прогнозирования спроса - оптимизация поставок товаров в магазины. Система прогнозирования отвечает на вопрос: сколько данного товара будет продано в этом магазине за время между поставками. Если известно, какой спрос будет на товар, то оптимальный размер заказа легко вычисляется исходя из остатков товара и заданного уровня минимального запаса. Несмотря на такую кажущуюся простоту, потребительский спрос подвержен постоянным колебаниям и зависит от десятков факторов, начиная от уровня цен и заканчивая погодой. Ошибки в прогнозах грозят затовариванием складов, снижением оборачиваемости, списаниями по истечении срока годности товаров или, наоборот, возникновением дефицита, но в любом случае - упущенной прибылью. Несмотря на всю полезность систем прогнозирования спроса, опыт их использования не всегда оказывается удачным. Классический пример тому - произошедший в 2001 г. случай с компанией Nike.

Менеджеры крупного производителя спортивной одежды и обуви решили внедрить ИТ-инструментарий по предсказанию спроса и цепочкам поставок от i2 Techologies и потратили на этот проект около 400 млн долл. Через 9 мес. огорченное руководство призналось, что прогноз одних товаров оказался завышен настолько, что их пришлось продавать со скидкой более 50%. А другая часть ассортимента, наоборот, была сразу раскуплена, и срочно заказанные дополнительные партии пришлось транспортировать самолетом, что повысило транспортные издержки в 12 раз. Огласка этого факта спровоцировала обвал акций Nike на бирже. В этой ситуации не выглядело утешительным и заявление представителей компании i2 о том, что причиной ложного прогноза стала вовсе не "плохая система", а неполная ее "кастомизация" и отступление от рекомендуемой методологии внедрения. Удалось выяснить и некоторые общие противопоказания к использованию автоматизированных систем прогнозирования спроса.

В розничной сети ИКЕА в России установлена автоматизированная система, разработанная специально для данной компании, которая помогает прогнозировать продажи. Из недостатков можно отметить лишь то, что обслуживающий ее центр находится в Швеции и в случае сбоя или какой-то неполадки в системе, проблема решается не так быстро, как бы хотелось. При всей универсальности системы прогнозирования она, к сожалению, не позволяет делать прогноз в новом регионе, где магазин только открывается и истории продаж пока что не существует.

В нестабильных секторах рынка (таких, как рынок сотового ритейла) автоматизированные системы прогнозирования применимы лишь для решения тактических вопросов о поставках товаров и не подходят для построения долгосрочных прогнозов, поскольку существует множество мало прогнозируемых внешних факторов воздействия на рынок мобильного ритейла, например действия органов охраны правопорядка, сбои в работе таможни, приводящие сначала к дефициту товара, а затем к его "выплескиванию" на рынок, и т. д. Масштаб такого рода воздействий в некоторых случаях может приводить к изменению емкости рынка и динамики его развития в целом.

Для успешного применения автоматизированных систем прогнозирования спроса необходимо выполнить представленные ниже четыре условия.

1. Правильная постановка задачи. Не все задачи по силам автоматизированным системам. Их применение оправданно для краткосрочного прогнозирования спроса и в тех случаях, когда имеется достаточно данных о продажах за прошлые периоды.

2. Правильная система. Разумеется, не все системы прогнозируют одинаково хорошо, а их ошибки, помноженные на оборот розничной сети, обходятся весьма дорого. Кроме точности прогнозов имеют значение такие параметры, как требования к оборудованию, продолжительность расчета прогнозов, наличие встроенных инструментов для анализа и контроля точности прогнозов, а также возможность системы самостоятельно определять случаи "ненадежных" прогнозов для того, чтобы их вовремя могли рассмотреть менеджеры. На российском рынке кроме системы Goods4Cast от Forecsys возможности для прогнозирования спроса заявлены в продуктах компаний i2 (в рамках систем управления цепочками поставок, SCM), Oracle (в рамках ERP-системы JD Edwards).

3. Правильное внедрение. Цель внедрения - "кастомизация" системы для решения поставленной перед ней задачи с учетом особенностей бизнес-процессов заказчика и интеграция с другими его IT-системами. Неудачное внедрение может свести на нет все потенциальные преимущества системы. При этом важен уровень специалистов, выполняющих внедрение, и вовлеченность в процесс внедрения руководителей отдела закупок и IT-службы заказчика.

4. Правильное использование. Автоматизированная система требует периодической проверки хотя бы того, что ей передаются правильные входные данные, а в идеале следует проверять и точность ее прогнозов. Наконец, всегда есть факторы, которые система прогнозирования просто не учитывает. Поэтому время от времени любая такая система конечно же требует участия менеджера по заказам. (Например, в день футбольного матча, вероятно, следует скорректировать для ближайшего магазина прогнозы на пиво и алкоголь в сторону повышения.)

< Предыдущая
  Оглавление
  Следующая >