Управление отделом продаж

Прогнозирование продаж с помощью анализа временных рядов построено на оценке данных за прошлые периоды. Степень сложности этого анализа может в значительной степени варьироваться. В самом простом варианте считается, что объем продаж на будущий год будет равен объему продаж текущего года. Такой прогноз может быть достаточно точным для сложившего зрелого рынка, который почти не растет и не подвержен колебаниям. Тем не менее во всех прочих ситуациях нужно использовать более сложные подходы к анализу временных рядов. Ниже рассматриваются три из этих методов: скользящей средней, экспоненциального сглаживания и декомпозиции{73}.

Метод скользящей средней

Метод скользящей средней по сути достаточно прост. Возьмите прогноз, согласно которому объем продаж в будущем году будет равен текущему. Такая оценка может быть крайне ошибочна, если от года к году наблюдаются значительные колебания в уровне продаж. Чтобы все учесть, можно рассчитать средний показатель объема продаж за определенный период, например за последние два, три года, пять лет или за любое другое количество времени, и получить усредненное значение количества проданного товара. Число учитываемых наблюдений при расчете выбирается обычно методом проб и ошибок. Проверяются разные интервалы, и тот из них, который дает самые точные прогнозы на экспериментальных данных, применяется для разработки прогнозной модели. После выявления он остается неизменным. Термин скользящая средняя означает, что с появлением каждого нового наблюдения рассчитывается и используется новое значение.

Таблица 5.4. Пример прогноза по методу скользящей средней

Рисунок 5.5. График фактических и прогнозных продаж с использованием скользящей средней

В таблице 5.4 показан пример прогноза на основе скользящей средней с периодом наблюдений в 16 лет и прогнозные оценки за несколько лет, определенные с помощью двух– и четырехлетней скользящих средних. На таблице 5.5 результаты показаны графически. Значение 4305 для 2000 года, рассчитанное по двухлетней скользящей средней, является средним между продажами 1998 года (4200) и 1999 года (4410). Таким же образом прогноз на 2013 год в размере 5772 единиц по четырехлетней скользящей средней определяется как средняя величин продаж за четыре года – с 2009 по 2012-й. Очевидно, что для применения четырехлетней скользящей средней по сравнению с двухлетней требуется больше данных. Это важно учитывать при прогнозировании объемов продаж для нового продукта.

Экспоненциальное сглаживание

В методе скользящих средних каждое из последних n значений в прогнозировании следующего имеет равный вес, где n – количество лет в интервале подсчета. Таким образом, когда n = 4 (для четырехлетней скользящей средней), каждому значению за последние четыре года в прогнозировании продаж на следующий придается равный вес. При использовании четырехлетней скользящей средней значения пятилетней давности и более ранние имеют нулевой вес.

Экспоненциальное сглаживание – одна из разновидностей метода скользящей средней. Но вместо равного веса для всех участвующих наблюдений при выведении прогнозного значения в этой модели более поздним наблюдениям придается больший вес. Самые последние наблюдения содержат больше всего информации о том, что может произойти в будущем, и логично, что им должно быть придано большее значение.

Ключевое решение при использовании экспоненциального сглаживания касается выбора коэффициента сглаживания α, который принимает значения от 0 до 1. Высокие величины α придают большой вес последним значениям и меньший – отдаленным; при низком уровне α, напротив, больший вес получают более давние значения. Если продажи меняются медленно, то хороший результат дают невысокие показатели α, высокие стоит использовать, чтобы прогнозные показатели быстрее откликались на изменения. Конкретную величину α обычно определяют эмпирически, пробуя разные значения, и в итоге принимается то из них, при котором на данных за прошлый период ошибка прогноза оказывается минимальной.

Декомпозиция

Метод декомпозиции в прогнозировании сбыта обычно применяется по отношению к месячным или квартальным данным, когда очевиден сезонный характер спроса и когда менеджер хочет прогнозировать продажи не только на год, но и на меньшие периоды. Важно определить, когда изменение объема продаж отражает общие, фундаментальные процессы, а когда оно связано с сезонностью спроса. Например, Hawaiian Tropic хочет выяснить, насколько увеличение продаж защитных средств для загара связано с общей тенденцией к более активному уходу за кожей, а в какой степени его – с пиковым повышением спроса в мае – сентябре. Метод декомпозиции нацелен на то, чтобы отделить друг от друга четыре составляющих временного ряда: тренд, цикличность, сезонность и случайные факторы.