Методи прогнозування продажів товарів

Прогнозування — важлива частина процесу управління. Без нього неможливо розробляти ані тактичні, ані стратегічні плани розвитку підприємства. Як для торговельного, так і для виробничого підприємства важливим є передбачення продажів товарів на наступний період. Від цього буде залежати обсяг і створюваних запасів, і акумульованих для цього грошових коштів.

Темі прогнозування приділяють увагу багато науковців та практиків. Необхідно відмітити серед них Ю.І. Рижикова^[1], який, власне, створював на той час ще радянську школу теорії запасів. Вченому вдалося системно й послідовно викласти базові теоретичні положення теорії черг, дати практичні рекомендації щодо оптимізації складних систем збуту, зменшення часу обслуговування, ліквідації надлишкових запасів. Це дуже потужне наукове дослідження. Втім для ознайомлення з методами прогнозування на рівні первинного уявлення доцільно буде скористатися базовими положеннями (методологією прогнозування) та деякою літературою з цього питання^[2].

Під методологією прогнозування розуміють галузь знань про методи, способи й системи прогнозування, а саме:

• • метод прогнозування — спосіб дослідження об'єкта, спрямований на розробку прогнозу;
• • методика прогнозування — сукупність одного або декількох методів прогнозування;
• • система прогнозування — впорядкована сукупність методик прогнозування та засобів їх реалізації.

Відомо, що теорія прогнозування включає: аналіз об'єкта прогнозування; методи прогнозування (математичні — формалізовані, експертні — інтуїтивні); системи прогнозування.

У роботі з теорії прогнозування при аналізі об'єктів застосовують класифікацію прогнозів, при цьому як основні ознаки виступають: масштабність — кількість головних змінних для опису об'єкта; складність — характеризує ступінь взаємозв'язку змінних; детермінованість або стохастичність змінних; інформаційна забезпеченість періоду ретроспекції. Однією з головних класифікаційних ознак є також період прогнозу. Виходячи з цього, більшість авторів окреслює три види прогнозів: короткострокові, середньострокові та довгострокові. Як зазначалось раніше, часові інтервали прогнозів залежать від природи об'єкта (ми вже наводили приклад вище — стосовно вибору періоду для проведення АВС-ХУZ-аналізу).

Щодо двох груп методів прогнозування, то евристичні методи базуються на інтуїтивних оцінках, які формулюються експертами (менеджерами відповідних напрямів). Серед евристичних: індивідуальні — метод інтерв'ю, генерації ідей; колективні — метод простого ранжування, метод вагових коефіцієнтів, метод послідовних порівнянь, метод парних порівнянь; комбіновані — метод “Дельфі” та його модифікації.

Серед математичних методів розрізняють три групи: симплексні (прості) методи екстраполяції за часовими рядами — метод найменших квадратів, експоненційне згладжування тощо; статистичні методи — кореляційний та регресійний аналізи, факторний аналіз тощо; комбіновані методи — синтез різних варіантів прогнозів.

В табл. 4.9 наведено загальні рекомендації щодо вибору методу прогнозування^[3].

Метод “наївного” прогнозу ґрунтується на умові, що продажі в наступному періоді будуть дорівнювати продажам попереднього періоду.

Наприклад, якщо продажі за січень становили 100 одиниць, то, відповідно, прогноз продажів на лютий становитиме також 100 одиниць. Або якщо продажі сьогодні становили 50 одиниць, то прогноз продажів на завтра буде також 50 одиниць. Частіше за все такий метод застосовують магазини хлібобулочних виробів і тих, що працюють із товарами (запасами) сталого попиту, — тобто X категорією.

До переваг цього методу можна віднести моментальну реакцію на зміни попиту, але лише за умови наявності тренду. До недоліків — значну чутливість до випадкових коливань. Серед застережень необхідно назвати надзвичайну чутливість цього методу.

Таблиця 4.9.

Загальні рекомендації щодо вибору методу прогнозування

* Прогноз на декілька кроків можливий при дотриманні співвідношення довжини передпрогнозного періоду та періоду прогнозування 3:1.

** Т — періодичність сезонності.

*** Прогноз на один період, що вміщує сезонність (наприклад, на 1 рік щоквартально).

**** „—„ — метод не застосовують для врахування сезонності.

Річ у тому, що базувати прогноз на двох точках не завжди правильно. Уявімо собі ситуацію, коли в певній точці збуту товар було розпродано лише завдяки відвідуванню екскурсійною групою певного пам'ятника архітектури, розташованого поряд. Прогноз замовлення на наступний період — добу або місяць — з урахуванням такого разового пікового сплеску є неправильним. Тому його необхідно застосовувати лише за наявності сталого тренду та за умови виключення разових пікових сплесків споживчої активності.

Арифметичне згладжування (метод довгострокової середньої) передбачає, що продажі в наступному періоді будуть дорівнювати середній арифметичній продажів за всі попередні періоди.

Наприклад, продажі за 2011 р. становили 10 000 одиниць. Тоді прогнозне значення на січень 2012 р. становитиме: 10 000 : 12 = 834 одиниці. Реальні продажі за січень становили 500 одиниць. Тоді прогнозне значення на лютий 2012 р. буде: (10 000 + 500):(12 + 1) = 808 одиниць. І так далі, кожного разу додаючи нове значення реальних продажів до попередніх значень та ділячи отриману суму на кількість усіх періодів.

До переваг методу можна віднести згладжування випадкових коливань. Цей метод просто не бачить їх, оскільки тягне всю статистику попередніх періодів. Власне це є і недоліком, оскільки метод таким чином не відображає зміни в тенденціях, завжди реагує із затриманням на суттєві коливання попиту. Але, якщо точка збуту товару має вільні складські площі і договір з постачальником складено так, що по завершенні періоду продажу всі витрати за реверсною логістикою (тобто витрати на відкликання непроданих товарів із точок) покладено на постачальника, то точка збуту в такий спосіб має 100-відсотковий захист від коливань попиту, і несе помірні витрати на утримання.

Метод ковзної середньої (метод Хольта — Вінтерса) є удосконаленим методом експоненційного згладжування часового ряду. Експоненційне згладжування забезпечує наочне уявлення про тренд і дає змогу робити короткострокові прогнози, а при спробі поширити прогноз на більший період показує абсолютно безглузді значення: складається враження, що розвиток процесу в бік зростання або зменшення зовсім припинився. Більш досконалим є метод Хольта — Вінтерса, який успішно справляється і з середньостроковими, і з довгостроковими прогнозами, оскільки він здатний виявляти мікротренди (тренди, пов'язані з короткими періодами) в моменти часу, що безпосередньо передують прогнозним, і екстраполювати ці тренди на майбутнє. І хоч можлива тільки лінійна екстраполяція в майбутнє, в більшості реальних ситуацій її виявляється достатньо.

Отже, метод ґрунтується на умові, що продажі у наступному періоді будуть дорівнювати середній арифметичній від обсягу продажів за попередні n-періоди. Головне — обирати оптимальне значення кількості попередніх періодів для отримання коректних прогнозів. Взагалі залежно від об'єкта дослідження — конкретної позиції, товару, запасу, групи — можна обирати 2, 5, 6, 10, 12 періодів. Приклад розрахунку наведено в табл. 4.10.

Таблиця 4.10.

Приклад розрахунку прогнозного значення методом ковзної середньої (період — З місяці)

Таблиця 4.11.

Прогнозування продажів товарів сезонного попиту

Джерело: Бузукова ЕЛ. Закупки и поставщики. Курс управления ассортиментом в рознице / Е.А. Бузукова ; под ред. С. Сысоевой. СПб. : Питер, 2009. — 432 с. : ил. — (Розничная торговля).

Як бачимо, цей метод є компромісним між попередніми двома. Він достатньо гнучкий і реагує на різкі зміни у продажах достатньо швидко, проте не миттєво.

Метод експоненційної середньої зваженої схожий з попереднім, але із застосуванням певних значень коефіцієнта (ІС), який набуває значень від 0 до 1. В разі, коли мова йде про запаси (товари) з постійним плавним трендом, то значення цього коефіцієнта дорівнюватиме 0,1—0,2. Для запасів, що мають занадто сильні коливання, і£ = 0,5 і вище. Наведемо приклад^[4]. Нехай попит на продукцію в точці збуту на продукцію А є сталим. Отже, К = 0,2. За січень було реалізовано 300 одиниць товару, прогноз за ним був на рівні 290 одиниць. Таким чином, прогноз замовлення товару буде на рівні: 0,2 • 300 + (1 - 0,2) • 290 = 292 одиниці.

До переваг методу відносять те, що він базується на попередніх, найближчих до звітного періоду даних, гнучко реагує на зміни. До недоліків належить те, що всі дані всіх періодів мають однакову вагу.

Це полегшені для сприйняття основні підходи, на яких базуються певні методи прогнозування. Для прогнозування продажів товарів сезонного попиту на практиці використовують інший підхід, оснований на коефіцієнті тенденції. Цей коефіцієнт показує, наскільки змінилися продажі порівняно з попередніми роками. Але не загалом за рік, як було показано в попередніх прикладах, а лише за певним періодом — високим сезонним сплеском продажу. Отже, для прогнозування продажів товарів сезонного попиту необхідно порівнювати аналогічні періоди минулих років та коригувати отримані дані з урахуванням експертних оцінок. Порівняння періодів необхідне для врахування зміни в тенденціях — фіксації зростання або зменшення попиту порівняно з аналогічними періодами минулих років (табл. 4.11). Зробити це допомагає коефіцієнт тенденції (КД:

де Х1 — дані за звітний період;

Х2 — дані за попередній період.

Для визначення прогнозу на червень 2011 р. необхідно визначити зміни за роками. Зростання споживання за період березень

• — червень 2009 р. становило: 26 одиниць (3 + 5 + 18), за 2010 р.
• — 31 одиниця, за 2011 р. — 41 одиниця:

Тенденція збільшення продажів останніми роками не змінилася — продажі мають стійкий тренд зростання. Застосувавши Кт до звітного періоду, отримаємо прогнозне значення продажів на червень 2011 р.: 60 + 32 % = 79 одиниць.

Побутує думка, що такі розрахунки найбільше задовольняють розробку прогнозів для груп СZ, BZ^[5]. Вважається також, що для товарів, які мають значні продажі, такий підхід — коректування на аналогічні періоди минулих років — є достатньо достовірним.

У бізнесовій практиці інколи застосовують підхід “коефіцієнтів”, який, власне, також ґрунтується на даних про продажі за попередній рік. Сутність його полягає в тому, що серед усіх періодів продажів за рік знаходять найменше значення, якому задають коефіцієнт, рівний 1,0. Всі інші періоди отримують власні значення коефіцієнтів, відштовхуючись від 1,0. Наприклад: відомо місячні значення продажів товарів за 2012 р., і встановлено відповідні коефіцієнти (для лютого = 300 : 200 = 1,5 і т. д.):

Отже, план продажів на наступний рік буде коригуватися з огляду на коефіцієнти і може становити за місяцями такі дані (залежно від продажів за січень):

Липень 1250

Серпень 1000

Вересень 625

Жовтень 812,5

Листопад 1125

Грудень 1875

Цей підхід досить легкий для розуміння, завдяки чому його,

власне, й використовують здебільшого для формування планів продажів на наступний рік, але дещо недосконалий.

Правило півтора (“Правило 1,5”) частіше за все використовують у роздрібній торгівлі торгові агенти або якщо підприємство починає працювати з новим товаром, за яким немає жодної статистики продажів. Для того щоб визначити об'єм замовлення на наступний період (день, тиждень, місяць), необхідно дотримуватися кроку 1,5. Наприклад, перша поставка була в кількості 33 одиниць. Продажі за тиждень становили 25 одиниць, відповідно залишок — 8 одиниць. За “Правилом 1,5”, наступний обсяг постачання має бути: 251,5-8 = 29,5"30 одиниць. Це можна записати у вигляді такої формули:

де Замн — новий обсяг замовлення, шт.;

Зпп — залишки на початок звітного періоду, шт.;

Постп — постачання у звітному періоді, шт.;

Зкп — залишки на кінець звітного періоду, шт.

Логіка, закладена в це правило, проста: метою будь-якого комерційного підприємства є збільшення (!) доходу, а не його сталість. Отже, підприємство постійно закладає зростання продажів, збільшуючи його наполовину від попереднього значення, одночасно коригуючи на залишок. Такий підхід дозволяє досить динамічно відстежувати продажі та коригувати залишки, що не призводить ані до накопичення (затоварювання), ані до відсутності запасу (резерву). Проілюструємо це прикладом (табл. 4.12).

Отже, перше замовлення партії товару перебувало на рівні 33 одиниці, з них 25 було продано і 8 у залишку. Наступне замовлення було зроблено в об'ємі ЗО одиниць. Уявімо ситуацію, що продажі становили 28 одиниць і в залишку, відповідно, лишилося 10 одиниць. За “Правилом 1,5”, обсяг замовлення на наступний, третій період буде становити 32 одиниці (28 * 1,5 - 10). У третьому періоді з 32 замовлених одиниць було продано 22, залишок дорівнював також 20 одиниць

Таблиця 4.12.

Приклад руху запасів при використанні Правила півтора

(10 — з попереднього періоду і ще 10 з цього). Отже, на четвертий період обсяг замовлення має становити лише 13 одиниць (22 • 1,5 - 20) і т. д. Відповідно, це не призведе до затоварювання, і товари, що лишились, будуть також реалізовані. Допоки не буде певної визначеної динаміки продажів — це доволі цікавий спосіб визначення об'ємів замовлення і контролю за залишками. Одне лише зауваження: при попередніх замовленнях 33, 30, 32 шт. може статися ситуація, коли постачальник не захоче задовольняти партію в 13 одиниць, оскільки в нього визначений так званий цільовий розмір замовлення, про що йтиметься далі.

Взагалі питанню застосування методів прогнозування запасів залежно від рівня стохастичності (міри невизначеності в його поведінці) присвячено багато науково-практичної літератури. В нашому випадку можна сказати, що жоден з методів не дасть 100 % правильних результатів, тобто не забезпечить прогнозованість на 100 %, що дасть змогу звести до нуля відхилення між прогнозованими значеннями та реальними продажами. Метод прогнозування для кожного конкретного запасу має обиратися за критерієм мінімального відхилення між прогнозом і фактом (у нашому прикладі — реальними продажами). Відповідно, щоб зупинитись на певному методі прогнозування, необхідно провести розрахунки за кількома і обрати з-поміж них один, що містить найменші погрішності. Але неодмінно робити планування, адже, як казав Дуайт Ейзенхауер, “готуючись до бою, я завжди переконувався, що плани марні, але планувати необхідно!”.

• [1] Рыжиков Ю.И. Теория очередей и управление запасами / Ю.И. Рыжиков. — СПб. : Питер, 2001. — 384 с. : ил. — (Учебники для вузов).
• [2] Бузукова ЕЛ. Закупки и поставщики. Курс управления ассортиментом в рознице / Е.А. Бузукова ; под ред. С. Сысоевой. — СПб. : Питер, 2009. — 432 с. : ил. — (Розничная торговля); Лукинский В.С. Логистика / В.С. Лукинский, И.А. Цвиринько, Ю.В. Малевич. — СПб. : Изд-во СПбГИЭУ, 2000; Шрайбфедер Дж. Эффективное управление запасами : пер. с англ. / Дж. Шрайбфедер. — 2-е изд. — М. : Альпина Бизнес Букс, 2006. — 304 с.
• [3] Лукинский В.С. Логистика / В.С. Лукинский, И.А. Цвиринько, Ю.В. Малевич. — СПб. : Изд-во СПбГИЭУ, 2000.
• [4] Бузукова ЕЛ. Закупки и поставщики. Курс управления ассортиментом в рознице / Е.А. Бузукова ; под ред. С. Сысоевой. — СПб.: Питер, 2009. — 432 с. : ил. — (Розничная торговля).
• [5] 1 Бузукова ЕЛ. Закупки и поставщики. Курс управления ассортиментом в рознице / Е.А. Бузукова; под ред. С. Сысоевой. — СПб.: Питер, 2009. — 432 с. : ил. — (Розничная торговля).