Toto je prvý článok zo série „Ako nezávisle vypočítať prognózu predaja s prihliadnutím na rast a sezónnosť“, z ktorého dozviete sa o 5 spôsoboch výpočtu lineárnych trendových hodnôt v Exceli.

Aby to bolo jednoduchšie Naučte sa predpovedať predaj S prihliadnutím na rast a sezónnosť som 1 veľký článok o výpočte prognózy rozdelil na 3 časti:

1. 1. Výpočet hodnôt trendu (pozrite si príklad lineárneho trendu v tomto článku);
   2. Výpočet sezónnosti;
   3. Výpočet prognózy;

Po preštudovaní tohto materiálu si budete môcť vybrať najlepšia cesta výpočet hodnôt lineárny trend, ktorý bude pohodlné vyriešiť váš problém a následne na výpočet prognózy tým najpohodlnejším spôsobom pre vás.

Lineárny trend dobré aplikovať pre časové rady, ktorých údaje pribúdajú alebo klesajú konštantnou rýchlosťou.

Pozrime sa na lineárny trend na príklade výpočtu prognózy predaja v Exceli podľa mesiacov.

Časové rady predaja podľa mesiacov (pozri priložený súbor).

V tomto časovom rade máme 2 premenné:

1. Čas - mesiace;
2. Objem predaja;

Rovnica lineárneho trendu y(x)=a+bx, kde

y sú objemy predaja

x - číslo obdobia (poradové číslo mesiaca)

a – priesečník s osou y na grafe (minimálna úroveň);

b je hodnota, o ktorú sa zvýši ďalšia hodnota časového radu;

1. spôsob výpočtu lineárnych trendových hodnôt v Exceli pomocou grafu

Vyberieme analyzovaný objem predaja a zostavíme graf, kde pozdĺž osi X- náš časový rad (1, 2, 3... - január, február, marec...), pozdĺž osi U- objemy predaja. Pridajte do grafu trendovú čiaru a trendovú rovnicu. Dostaneme trendovú rovnicu y=135134x+4594044

Pri výpočte hodnôt lineárneho trendu budeme vedieť:

1. Čas - hodnota na osi X;
2. Hodnota "a" a "b" lineárnej trendovej rovnice y(x)=a+bx;

Počítame trendové hodnoty pre každé časové obdobie od 1 do 25, ako aj pre budúce obdobia od 26. do 36. mesiaca.

Napríklad, pre 26. mesiac sa vypočíta trendová hodnota podľa nasledujúcej schémy: dosadíme do rovnice x=26 a dostaneme y=135134* 26 +4594044=8107551

27 -th y=135134* 27 +4594044=8242686

2. spôsob výpočtu lineárnych trendových hodnôt v Exceli - funkcia LINREGRESE

1. Vypočítajte koeficienty lineárneho trendu pomocou štandardnej funkcie programu Excel:

=LINEST(známe hodnoty y, známe hodnoty x, konštanta, štatistika)

Ak chcete vypočítať koeficienty, zadajte do vzorca

známe hodnoty y (objemy predaja za obdobia),

známe hodnoty x (bodové čísla),

namiesto konštanty dáme 1,

namiesto štatistiky 0,

Dostaneme 135135 - hodnotu (b) lineárneho trendu y=a+bx;

Aby Excel vypočítal 2 koeficienty (a) a (b) lineárneho trendu y=a+bx naraz, potrebujete

Dostaneme 135135, 4594044 - hodnotu (b) a (a) lineárneho trendu y=a+bx;

2. Vypočítajme hodnoty lineárneho trendu pomocou získaných koeficientov. Do rovnice y=135134*x+4594044 dosadíme počty období - x, pre ktoré chceme vypočítať hodnoty lineárneho trendu.

2. spôsob je presnejší ako prvý, pretože Trendové koeficienty získavame bez zaokrúhľovania a tiež rýchlejšie.

3. spôsob výpočtu lineárnych trendových hodnôt v Exceli - funkcia TREND

=TREND(známe hodnoty y; známe hodnoty x; nové hodnoty x; konštanta)

Dosaďte do vzorca

1. známe hodnoty y- toto je objem predaja za analyzované obdobie (opravíme rozsah vo vzorci, vyberieme odkaz a stlačíme F4);
2. známe hodnoty x- ide o čísla období x pre známe hodnoty objemov predaja y;
3. nové hodnoty x- ide o počty období, pre ktoré chceme vypočítať hodnoty lineárneho trendu;
4. konštantný- nastavený na 1, je potrebné, aby sa hodnoty trendu vypočítali s prihliadnutím na koeficient (a) pre lineárny trend y=a+bx;

Ak chcete vypočítať hodnoty trendu pre celý časový rozsah, v " nové hodnoty x" zadajte rozsah hodnôt X, vyberte rozsah buniek rovný rozsahu s hodnotami X so vzorcom v prvej bunke a stlačte kláves F2 a potom klávesy CTRL + SHIFT + ENTER.

4. spôsob výpočtu lineárnych trendových hodnôt v Exceli - funkcia FORECAST

Vypočítajme hodnoty lineárneho trendu pomocou štandardnej funkcie Excel:

=PREDICTION(x; známe hodnoty y; známe hodnoty x)

Namiesto X Dodáme číslo obdobia, za ktoré vypočítame hodnotu trendu.

Namiesto " známe hodnoty y"- objemy predaja za analyzované obdobie (opravte rozsah vo vzorci, vyberte odkaz a stlačte F4);

"známe hodnoty x"- toto sú čísla období pre každý pridelený objem predaja.

3. a 4. metóda výpočtu hodnôt lineárneho trendu je rýchlejšia ako 1. a 2. metóda, nemožno ich však použiť na riadenie trendových koeficientov, ako je popísané v článku „O lineárnom trende“.

5. spôsob výpočtu lineárnych trendových hodnôt v Exceli - Forecast4AC PRO

1. Umiestnite kurzor na začiatok časového radu, v nastaveniach programu vyberte:
- Čo počítame - trendové hodnoty;
- Trend - Lineárny trend;
- Časové rady - mesačné;
a uložiť;

2. Prejdite do ponuky programu a kliknite na "Start_Forecast". Boli vypočítané hodnoty lineárneho trendu.

Na výpočet prognózy Zostáva len použiť sezónne koeficienty na hodnoty trendov pre budúce obdobia a predpoveď predaja zohľadňujúca rast a sezónnosť je hotová.

V nasledujúcich článkoch "Ako samostatne vytvoriť prognózu predaja s prihliadnutím na rast a sezónnosť" my:

1. vypočítať koeficient sezónnosti, očistené od rastu a vyrovnané;
2. Qlik Sense Desktop a QlikViewPersonal Edition - BI systémy pre analýzu a vizualizáciu dát.

Otestujte možnosti platených riešení:

• Novo Forecast PRO- prognózovanie v Exceli pre veľké súbory údajov.

Budete môcť predpovedať predaj bez použitia zložitých vzorcov, vypočítať koridor dopytu určením hornej a dolnej hranice budúceho predaja a použiť univerzálnu metódu predpovede predaja na akékoľvek obdobie.

Namiesto ťažkopádnych vzorcov pre prognóza dopytu po produkte Používame jeden graf v Exceli, ktorý zostavujeme na základe údajov o predaji spoločnosti. Algoritmus bol vyvinutý nezávisle, spoliehajúc sa na rady známych obchodníkov a materiály z internetu. Pomocou grafu predpovedáme predaj na mesiac, niekoľko mesiacov alebo rok. Na zopakovanie tejto skúsenosti budete potrebovať verziu Excelu 2003–2016. Okrem toho na konci článku nájdete alternatívny spôsob, ktorá vám umožní zostaviť predpoveď za pár minút. Je však vhodný len pre verziu Excelu 2016.

Sha d 1. Predpovedať dopyt po tovare, od zber údajov o predaji spoločnosti

Na začatie analýzy budete potrebovať údaje o tržbách spoločnosti za celé obdobie jej existencie. Čím viac informácií, tým presnejšia predpoveď. Máme napríklad informácie o predaji od januára 2013 do augusta 2015. Dáme ich do tabuľky (obrázok 1).

Najlepší článok mesiaca

Pripravili sme pre vás článok, ktorý:

✩ ukáže, ako sledovacie programy pomáhajú chrániť spoločnosť pred krádežou;

✩ vám povie, čo manažéri skutočne robia počas pracovnej doby;

✩vysvetľuje, ako organizovať dohľad nad zamestnancami, aby nedošlo k porušeniu zákona.

Pomocou navrhnutých nástrojov budete môcť kontrolovať manažérov bez zníženia motivácie.

Krok 2. Urobíme prognózu dopytu po produktoch na dané obdobie

Predpovedať predaj, napríklad na mesiac alebo na ďalší rok, použite funkciu “PREDICTION” v Exceli. Funkcia je založená na lineárnej regresii a je určená na prognózovanie predaja, spotreby produktov a pod.

Do bunky C34 napíšeme funkciu:

PREDICTION(x; známe_hodnoty_y; známe_hodnoty_x),

x je dátum, pre ktorý je potrebné predpovedať hodnotu (bunka A34);

Krok 3. Vypočítajte koeficient sezónnosti na predpovedanie dopytu

Ak chcete vziať do úvahy sezónne poklesy a rast predaja, pomocou štandardné funkcie Vypočítame koeficient sezónnosti. Za týmto účelom vydeľte sumy predaja za prvý a druhý rok celkovou sumou predaja za dva roky a vynásobte číslom 12. Klávesom F4 nastavíme absolútne referencie tak, aby výpočet vychádzal výlučne z rozsahu, ktorý potrebujeme (obrázok 1 ).

=(($B$2:$B$13+$B$14:$B$25)/SUM($B$2:$B$25))*12

Potom skopírujte vzorec a vložte ho do buniek F2:F13 ako vzorec poľa. Zadávanie dokončíme kombináciou kláves: Ctrl+Shift+Enter. Ak tak neurobíte, funkcia vráti chybovú hodnotu #HODNOTA! Výsledkom je, že za január dostaneme koeficient 0,974834224106574, za február - 0,989928632237843 atď. Pre prehľadnosť môžete bunkám priradiť percentuálny formát. Kliknite pravým tlačidlom myši a vyberte „Formátovať bunky“, potom kartu „Číslo“ a potom kartu „Percento, dve desatinné miesta“.

• Sezónne poklesy v podnikaní: 3 spôsoby, ako zvýšiť predaj

Krok 4. Upravujeme prognózu dopytu po produktoch, berúc do úvahy sezónnosť

Pridajme vypočítané koeficienty k existujúcej funkcii „PREDICTION“ (bunky C34:C45):

Na úpravu predaja s prihliadnutím na koeficient používame funkciu „INDEX“ (obrázok 2).

Prvý argument vo funkcii je odkaz na 12 buniek s koeficientmi sezónnosti ($F$2:$F$13), druhý je číslo mesiaca na vrátenie koeficientu pre požadovaný mesiac (na tento účel používame funkciu „mesiac“, ktorý vráti iba číslo mesiaca od zadaného dátumu). Pre september 2015 vzorec indexu vyzerá takto:

INDEX($F$3:$F$14,MESIAC(A35))

Ak chcete upraviť prognózu, musíte vynásobiť hodnotu „INDEX“ hodnotou „PREDICTION“, ktorá bola vypočítaná v kroku 2. Získame toto:

PREDICTION(A34, $B$2:$B$33, $A$2:$A$33)*INDEX ((97,48%:98,99%:90,38%:94,66%:100,86%:99 ,02%:100,66%:110,39%: 100,47%:104,82%:105,13%:97,14%);

Rozšírime funkciu na ďalšie obdobia a získame upravenú predpoveď zohľadňujúcu sezónnosť v bunkách C34:C45 (obrázok 1).

Krok 5. Vypočítajte odchýlku a zostavte dva scenáre

Skutočný predaj sa zriedka presne zhoduje s prognózami. Spoločnosti preto dodatočne konštruujú prijateľné horné a dolné limity – predpovede predaja pre optimistické a pesimistické scenáre. Pomáha to sledovať trend a porozumieť tomu, či sú skutočné údaje o predaji za predpokladanými hodnotami. Ak dôjde k veľkej odchýlke, je možné urýchlene prijať potrebné opatrenia.

Zostrojíme hornú a dolnú hranicu koridoru dopytu pomocou vzorca (bunka G2 na obrázku 1):

CONFIDENCE(0,05 (ALPHA); STDEV(C34:C45); SCORE(C34:C45)),

"DÔVERA" sa vracia interval spoľahlivosti pomocou normálneho rozdelenia. Funkcia zohľadňuje výkyvy tržieb spoločnosti, vrátane sezónnych.

"ALFA" - hladina významnosti pre výpočet hladiny spoľahlivosti. Ukazovateľ 0,05 znamená, že dostaneme predpoveď s presnosťou 95 %.

"ŠTANDARDNÁ ODCHÝLKA" je štandardná odchýlka populácie. Ukazuje, do akej miery sa odhadované tržby líšia od skutočných.

„COUNT“ počíta počet mesiacov, pre ktoré predpokladáme predaj.

Ak chcete získať optimistické a pesimistické scenáre, napíšte vzorce do buniek D34 a D35 (obrázok 1).

Optimistický: =$C34+$G$2 (pripočítajte výšku vypočítaného intervalu spoľahlivosti k sume prognózy)

Pesimistické: = $ C34 – $ G $ 2 (odpočítajte hodnotu intervalu spoľahlivosti od sumy prognózy)

Ak chcete vytvoriť graf na základe prijatých údajov, skopírujte hodnoty z bunky B33 do buniek C33, D33 a E33. Ďalej vyberte všetky údaje (A1:E45), prejdite na kartu „Vložiť“, nájdite kartu „Grafy“ a potom kartu „Graf“. V dôsledku toho dostaneme graf s koridorom dopytu (obrázok 3).

Záver. Po vybudovaní koridoru dopytu pozorne sledujeme predaje v novom roku. V 99% prípadov sa vyvíjajú v koridore. Ak nie, znova analyzujeme predaj a zostavíme nový graf.

• Ako pravidelný prieskum dopytu zvyšuje dynamiku predaja o 648 %

Odborný názor

Metóda je účinná pri prognózovaní predaja malého počtu SKU

Maxim Lyulin,

Generálny riaditeľ Aktion-Press

Odporúčam použiť metódu na predpovedanie jednej položky – potom bude čo najpresnejšia. Vo všeobecnosti sa mi metóda páčila kvôli jej jednoduchosti a skutočnosti, že vám umožňuje vyhnúť sa chybám. Môže sa tiež použiť na predpovedanie predaja skupiny produktov, ktoré majú podobné vlastnosti a blízkosť ceny.

Medzi nevýhody metódy patrí náročnosť zohľadnenia zmien cien a vplyvu aukčných aktivít. Okrem toho pri odhadovaní predaja v rubľoch nemôžete objektívne posúdiť podiel tržieb spoločnosti vo výklenku v odvetví, takže riskujete stratu podielu na trhu. Vaši konkurenti to môžu využiť a ponúknuť produkt za nižšiu cenu.

Odborný názor

Metóda je ideálna na analýzu predaja na základe zaznamenaných ukazovateľov

Kirill Chikhachev,

Generálny riaditeľ "MCFER-press"

Pred prečítaním článku som bol oboznámený s metódou teoreticky. Teraz, keď som to vyskúšal v praxi, môžem povedať, že sa mi to páčilo. Metóda je ideálna na analýzu predaja na základe pevných ukazovateľov: počet produktov, predajná kapacita atď. Mala by sa použiť aj pre malý počet produktov: nárast a pokles dopytu po každom z nich závisí od rôznych dôvodov. Predpoveď je mimoriadne jasná, logická a presná. Pre ešte väčšiu presnosť by som však zvážil nasledujúce body.

Je jednoduchšie vypočítať maximálne a minimálne hodnoty predaja na základe dvoch bodov na začiatku a na konci období, než hľadať body, cez ktoré by mala prechádzať priamka.

Pri predpovedi predaja na mesiac je logickejšie rozdeliť rozdiel medzi hornými a dolnými hodnotami pre optimistické a pesimistické scenáre nie 12, ale počtom mesiacov v intervale. Takto môžete presnejšie vypočítať mesačný rast predaja.

Tento článok pojednáva o jednej z hlavných prognostických metód – analýze časových radov. Pomocou tejto metódy ako príkladu maloobchodnej predajne sa určia objemy predaja na prognózované obdobie.

Jednou z hlavných povinností každého manažéra je kompetentne plánovať prácu svojej spoločnosti. Svet a podnikanie sa teraz veľmi rýchlo menia a držať krok so všetkými zmenami nie je jednoduché. Mnoho udalostí, ktoré nemožno vopred predvídať, mení plány spoločnosti (napríklad uvedenie nového produktu alebo skupiny produktov, uvedenie na trh silná spoločnosť, združenie súťažiacich). Musíme však pochopiť, že plány sú často potrebné len na ich úpravu a nie je na tom nič zlé.

Každý prognostický proces je spravidla zostavený v nasledujúcom poradí:

1. Formulácia problému.

2. Zber informácií a výber metódy prognózovania.

3. Aplikácia metódy a vyhodnotenie výslednej prognózy.

4. Používanie prognózy na rozhodovanie.

5. Analýza „predpoveďových faktov“.

Všetko to začína správnou formuláciou problému. V závislosti od toho sa môže problém s prognózovaním zredukovať napríklad na problém optimalizácie. Pre krátkodobé plánovanie výroby nie je až také dôležité, aký bude objem predaja v najbližších dňoch. Dôležitejšie je čo najefektívnejšie rozložiť objemy výroby medzi dostupné kapacity.

Základným obmedzením pri výbere metódy prognózovania bude počiatočná informácia: jej typ, dostupnosť, schopnosť spracovania, homogenita, objem.

Výber konkrétnej metódy prognózovania závisí od mnohých faktorov. Existuje dostatok objektívnych informácií o predpovedanom jave (je tam tento produkt alebo sú analógy dostatočne dlhé)? Očakávajú sa kvalitatívne zmeny v skúmanom fenoméne? Existujú nejaké závislosti medzi skúmanými javmi a/alebo v rámci dátových súborov (objemy predaja spravidla závisia od objemu investícií do reklamy)? Sú údaje časovým radom (informácie o vlastníctve dlžníkov nie sú časovým radom)? Existujú opakujúce sa udalosti (sezónne odchýlky)?

Bez ohľadu na to, v akom odvetví a oblasti ekonomickej činnosti podnik pôsobí, musí jeho manažment neustále prijímať rozhodnutia, ktorých dôsledky sa prejavia v budúcnosti. Akékoľvek rozhodnutie je založené na jednej alebo druhej metóde. Jednou z týchto metód je prognóza.

Predpovedanie- ide o vedecké určenie pravdepodobných ciest a výsledkov budúceho vývoja ekonomického systému a hodnotenie ukazovateľov charakterizujúcich tento vývoj vo viac či menej vzdialenej budúcnosti.

Uvažujme o predpovedaní objemu predaja pomocou metódy analýzy časových radov.

Prognóza založená na analýze časových radov predpokladá, že zmeny v objeme predaja, ku ktorým došlo, môžu byť použité na určenie tohto ukazovateľa v nasledujúcich časových obdobiach.

Časové rady - ide o sériu pozorovaní vykonávaných pravidelne v rovnakých časových intervaloch: rok, týždeň, deň alebo dokonca minúty, v závislosti od povahy uvažovanej premennej.

Časový rad sa zvyčajne skladá z niekoľkých komponentov:

1) trend - všeobecná dlhodobá tendencia zmien v časovom rade, ktorý je základom jeho dynamiky;

2) sezónne kolísanie - krátkodobé, pravidelne sa opakujúce výkyvy hodnôt časových radov okolo trendu;

3) cyklické oscilácie charakterizujúce cyklus tzv obchodná činnosť, alebo ekonomický cyklus, pozostávajúci z ekonomickej expanzie, recesie, depresie a oživenia. Tento cyklus sa pravidelne opakuje.

Na kombinovanie jednotlivých prvkov časového radu môžete použiť multiplikatívny model:

Objem predaja = Trend × Sezónna variácia × Reziduálna variácia. (1)

Pri zostavovaní prognózy predaja sa berie do úvahy výkonnosť spoločnosti za posledných niekoľko rokov, prognóza rastu trhu a dynamika vývoja konkurentov. Optimálna prognóza predaja a úpravy prognózy poskytujú kompletnú správu o predaji spoločnosti.

Použiteľné túto metódu určiť objem predaja salónu Hodiny na rok 2009. V tabuľke. 1 sú uvedené objemy predaja salónu „Watches“, ktorý sa špecializuje na maloobchodný predaj hodiniek.

Tabuľka 1. Dynamika objemu predaja salónu Clock, tisíc rubľov.

Pre údaje uvedené v tabuľke. 1, berieme na vedomie dva hlavné body:

súčasný trend: objem predaja v zodpovedajúcich štvrťrokoch každého roka neustále rastie;

• sezónne variácie: v prvých troch štvrťrokoch každého roka tržby rastú pomaly, ale zostávajú relatívne nízke; Najvyššie objemy predaja za rok sú vždy v štvrtom štvrťroku. Táto dynamika sa z roka na rok opakuje. Tento typ odchýlky sa vždy nazýva sezónna, aj keď hovoríme o, napríklad o časovom rade týždenných objemov predaja. Tento pojem jednoducho odráža pravidelnosť a krátke trvanie odchýlok od trendu v porovnaní s trvaním časového radu.

Prvou fázou analýzy časových radov je vykreslenie údajov.

Na vytvorenie prognózy je potrebné najskôr vypočítať trend a potom sezónne zložky.

Výpočet trendu

Trend je všeobecná dlhodobá tendencia časového radu meniť sa, ktorá je základom jeho dynamiky.

Ak sa pozriete na Obr. 2, potom cez body histogramu môžete ručne nakresliť stúpajúcu trendovú čiaru. Na to však existujú matematické metódy, ktoré umožňujú objektívnejšie a presnejšie vyhodnotiť trend.

Ak má časový rad sezónnu variáciu, zvyčajne sa používa metóda kĺzavého priemeru. Tradičnou metódou predpovedania budúcej hodnoty ukazovateľa je spriemerovanie n jeho minulé významy.

Matematicky sú kĺzavé priemery (ktoré slúžia ako odhad budúcej hodnoty dopytu) vyjadrené takto:

Kĺzavý priemer = Súčet dopytu za predchádzajúcich n-období / n. (2)

Priemerný objem predaja za prvé štyri štvrťroky = (937,6 + 657,6 + 1001,8 + 1239,2) / 4 = 959,075 tisíc rubľov.

Po skončení štvrťroka sa údaje o predaji za posledný štvrťrok pridajú k súčtu údajov za predchádzajúce tri štvrťroky a údaje za predchádzajúci štvrťrok sa vyradia. Výsledkom je vyhladenie krátkodobých porúch v sérii údajov.

Priemerný objem predaja za nasledujúce štyri štvrťroky = (657,6 + 1001,8 + 1239,2 + 1112,5) / 4 = 1002,775 tisíc rubľov.

Prvý vypočítaný priemer zobrazuje priemerný objem predaja za prvý rok a nachádza sa v polovici medzi údajmi o predaji za druhý a tretí štvrťrok 2007. Priemer za ďalšie štyri štvrťroky sa bude nachádzať medzi objemom predaja za tretí a štvrtý štvrťrok . Údaje v stĺpci 3 sú teda trendom kĺzavého priemeru.

Aby sme však mohli pokračovať v analýze časových radov a výpočte sezónnych variácií, je potrebné poznať trendovú hodnotu za presne rovnaký čas ako pôvodné údaje, takže je potrebné vycentrovať výsledné kĺzavé priemery pridaním susedných hodnôt a ich rozdelením. polovicu. Stredný priemer je hodnota vypočítaného trendu (výpočty sú uvedené v stĺpcoch 4 a 5 tabuľky 2).

Tabuľka 2. Analýza časových radov

Ak chcete vytvoriť prognózu predaja na každý štvrťrok 2009, musíte pokračovať v trende kĺzavých priemerov na grafe. Keďže proces vyhladzovania odstránil všetky výkyvy okolo trendu, nebude to ťažké. Rozpätie trendu je znázornené čiarou na obr. 4. Pomocou grafu môžete určiť predpoveď pre každý štvrťrok (tabuľka 3).

Tabuľka 3. Predpoveď trendu na rok 2009

Výpočet sezónnej odchýlky

Aby bolo možné vytvoriť realistickú predpoveď predaja na každý štvrťrok 2009, je potrebné zvážiť štvrťročnú dynamiku objemu predaja a vypočítať sezónne výkyvy. Pri pohľade na historické údaje o predaji a ignorovaní trendu možno jasnejšie vidieť sezónne odchýlky. Keďže na analýzu časového radu sa použije multiplikatívny model, Každý ukazovateľ objemu predaja je potrebné vydeliť hodnotou trendu, ako je znázornené v nasledujúcom vzorci:

Multiplikatívny model = Trend × Sezónna variácia × Reziduálna variácia × Objem predaja / Trend = Sezónna variácia × Reziduálna variácia. (3)

Výsledky výpočtu sú uvedené v stĺpci 6 tabuľky. 2. Ak chcete vyjadriť hodnoty ukazovateľov v percentách a zaokrúhliť ich na prvé desatinné miesto, vynásobte ich 100.

Teraz postupne vezmeme údaje za každý štvrťrok a určíme, o koľko sú v priemere väčšie alebo menšie ako trendové hodnoty. Výpočty sú uvedené v tabuľke. 4.

Tabuľka 4. Výpočet priemernej štvrťročnej variácie, tisíc rubľov.

Neupravené údaje v tabuľke. 4 obsahujú sezónne aj zvyškové variácie. Na odstránenie prvku zvyškovej variácie je potrebné upraviť prostriedky. Z dlhodobého hľadiska by sa objem predajov nad trendom v dobrých štvrťrokoch mal rovnať množstvu, v ktorom je predaj pod trendom v zlých štvrťrokoch, takže súčet sezónnych zložiek predstavuje približne 400 %. V tomto prípade je súčet neupravených priemerov 398,6. Preto je potrebné vynásobiť každú priemernú hodnotu korekčným faktorom tak, aby súčet priemerov bol 400.

Korekčný faktor sa vypočíta takto: Korekčný faktor = 400 / 398,6 = 1,0036.

Výpočet sezónnej odchýlky je uvedený v tabuľke. 5.

Tabuľka 5. Výpočet sezónnej odchýlky

Na základe údajov v tabuľke. 5 môžeme napríklad predpovedať, že v prvom štvrťroku bude objem predaja v priemere 96,3 % hodnoty trendu, vo štvrtom štvrťroku - 118,1 % hodnoty trendu.

Prognóza predaja

Pri zostavovaní prognózy predaja vychádzame z nasledujúcich predpokladov:

dynamika trendu zostane nezmenená v porovnaní s predchádzajúcimi obdobiami;

sezónne výkyvy sa budú aj naďalej správať.

Prirodzene, tento predpoklad sa môže ukázať ako nesprávny, bude potrebné vykonať úpravy, berúc do úvahy odborne očakávanú zmenu situácie. Napríklad ďalší veľký predajca hodiniek môže vstúpiť na trh a znížiť ceny salónu Watches ekonomická situácia v krajine atď.

Na základe vyššie uvedených predpokladov je však možné urobiť štvrťročnú prognózu predaja na rok 2009. Na tento účel je potrebné získané štvrťročné hodnoty trendu vynásobiť hodnotou zodpovedajúcej sezónnej odchýlky pre každý štvrťrok. Výpočet údajov je uvedený v tabuľke. 6.

Tabuľka 6. Zostavenie prognózy predaja podľa štvrťroka pre salón Hodiny na rok 2009

Zo získanej prognózy je zrejmé, že obrat salónu Watches v roku 2009 by mohol dosiahnuť 5814 tisíc rubľov, ale na to musí spoločnosť vykonávať rôzne činnosti.

Prečítajte si celé znenie článku v časopise „Economist's Handbook“ č. 11 (2009).

Prognóza predaja v Exceli

Stiahnite si súbor použitý vo videonávode:

("Spodná lišta":("textstyle":"static","textpositionstatic":"bottom","textautohide":true,"textpositionmarginstatic":0,"textpositiondynamic":"vľavo","textpositionmarginleft":24," textpositionmarginright":24,"textpositionmargintop":24,"textpositionmarginbottom":24,"texteffect":"slide","texteffecteasing":"easeOutCubic","texteffectduration":600,"texteffectslidedirection":"left","texteffectslidedistance" :30,"texteffectdelay":500,"texteffectseparate":false,"texteffect1":"slide","texteffectslidedirection1":"right","texteffectslidedistance1":120,"texteffecteasing1":"easeOutCubic","texteffectduration1":600 ,"texteffectdelay1":1000,"texteffect2":"slide","texteffectslidedirection2":"right","texteffectslidedistance2":120,"texteffecteasing2":"easeOutCubic","texteffectduration2":600,"texteffectdelay2":150," textcss":"zobrazenie:blok:left;","textbgcss":"zobrazenie:absolútna farba:#333333; filter:alpha(opacity=60); ","titlecss":"display:blok; poloha:relatívna; font:bold 14px \"Lucida Sans Unicode\",\"Lucida Grande\",sans-serif,Arial; color:#fff;","descriptioncss":"zobraziť:blok; poloha:relatívna; font:12px \"Lucida Sans Unicode\",\"Lucida Grande\",sans-serif,Arial; farba:#fff; margin-top:8px;","buttoncss":"display:block; poloha:relatívna; margin-top:8px;","texteffectresponsive":true,"texteffectresponsivesize":640,"titlecssresponsive":"font-size:12px;","descriptioncssresponsive":"display:none !important;","buttoncssresponsive": "","addgooglefonts":false,"googlefonts":"","textleftrightpercentforstatic":40))

Predpovedanie predaja a dopytu pomocou informačných technológií už nie je ničím nezvyčajným. Moderné IT riešenia umožňujú jednoducho spracovávať veľké množstvo dát a vypočítať všetky druhy štatistických ukazovateľov predaja – jednoduchých aj exponenciálnych – na základe ktorých sa tvoria predpovede väčšiny spoločností.

Metódy prognózovania predaja

Priemerné metódy umožňujú pomerne presne predpovedať predaj tovaru s pravidelným dopytom a umožňujú zohľadniť emisie a sezónne faktory. Pokiaľ však ide o tovar s nepravidelným dopytom, tieto metódy neposkytujú požadovanú úroveň presnosti prognózy.

Predpovedať dopyt po tovare s nepravidelným dopytom na dlhé časové obdobia (štvrťrok, polrok, ​​rok) nie je ťažké, no v prípade „týždenno-mesačného“ horizontu plánovania stráca prognóza presnosť.

Je pravidlom, že vzhľadom na vysoké náklady na tovar s nepravidelným dopytom je pomerne ťažké určiť optimálna úroveň bezpečnosť skladové zásoby pri týchto položkách a rozhodnite sa nakúpiť nadbytočné množstvo. ABC a XYZ analýza týchto produktov tiež neodpovedá na kľúčovú otázku.

• Koľko položiek s nepravidelným dopytom sa musí kúpiť, aby sa zachovala primeraná úroveň služieb?

Nadmerné zásoby drahého tovaru s nepravidelným dopytom povedú prinajlepšom k „zakopaniu“ veľkého objemu v sklade pracovný kapitál, ktorý by sa dal použiť na iné účely. Alebo k tvorbe „mŕtvych pozostatkov“ alebo nelikvidných zásob - v prípade, keď hovoríme o produktových položkách, ktorých zbierky sa každoročne aktualizujú: drahé elektrické náradie, veľké Spotrebiče prémiovej triedy, luxusné položky predávané spolu s bežnými položkami.

Nedostatok takéhoto tovaru na sklade zároveň výrazne znižuje možný zisk z predaja, keďže zisk z predaja jednej jednotky drahého produktu môže niekedy niekoľko desiatokkrát prevyšovať zisk z predaja štandardného produktu.

Príklad prognózovania predaja pomocou metódy BRT

Predpokladajme, že údaje o predaji takéhoto produktu môžu byť uvedené v nasledujúcej tabuľke:

Povedzme, že dodacia lehota produktu od momentu jeho objednania u dodávateľa až po jeho príchod na sklad je štyri dni a aktuálny zostatok na sklade je 1 kus. Počet predaných kusov v danom období je 30 kusov.

• V akom množstve je potrebné teraz tovar nakúpiť s prihliadnutím na dodaciu lehotu tovaru?

Pri výpočte na základe priemerného predaja by sme dostali priemernú predajnú hodnotu produktu vo výške: 30 ks / 31 dní = 0,97 ks za deň a objem predaja pri dodávke by bol cca 4 ks, presnejšie 0,97 kusov * 4 dni = 3,9 kusov.

Ak máme na sklade jednu položku, môžeme predpokladať, že na doplnenie zásob potrebujeme objednať ďalšie tri položky. Analýza predaja však ukazuje, že predaj piatich alebo viacerých jednotiek tovaru nie je až taká nezvyčajná situácia. A ak nakúpime len tri kusy tovaru, nebudeme schopní uspokojiť dopyt a pripravíme sa o predaj.

• Koľko produktov by sa malo držať na sklade a akú úroveň služieb je možné zákazníkom v tejto situácii zaručiť, aby sa zabezpečil maximálny dopyt bez utrácania zbytočných peňazí na veľké nákupy?

Vyššie uvedená analýza založená na priemernom predaji na tieto otázky neodpovedá.

Preto je na predpovedanie nepravidelného predaja mimoriadne dôležité používať špeciálne metódy, ktoré umožňujú analýzu nepravidelných udalostí. Relatívne nedávno sa začali vyvíjať metódy založené na takzvaných štatistikách bootstrappingu. Jednou z takýchto metód používaných pri analýze nepravidelných a riedkych sérií je metóda tzv Bootstrapping Reaction Time (BRT)*.

Rozdiel medzi metódou BRT a výpočtom priemerov je skôr v určení najpravdepodobnejšieho objemu predaja za obdobie dodania objednávky, než vo výpočte priemerného denného objemu predaja. V našom prípade je táto dodacia lehota štyri dni.

• Ktorá možnosť prognózy predaja je na základe dostupných údajov najvhodnejšia?

Aby sme našli odpoveď, urobme si tabuľku všetkých možné možnosti na základe dostupných údajov. Aby sme to dosiahli, rozdeľujeme našu sériu v poradí na reakčné obdobia (dodacie lehoty objednávky): najprv od 1 do 4 dní, potom od 2 do 5, potom od 3 do 6 atď. - celkom 28 možných možností.

V stĺpci úplne vpravo sme dostali veľa možností, koľko produktu je možné predať počas zvoleného časového obdobia (štyri dni) - dostali sme rozsah od 0 do 11 kusov. Ako môžeme pochopiť, ktorá z týchto hodnôt najlepšie spĺňa naše požiadavky? Aby sme to urobili, vytvorte frekvenčný histogram - ukáže, ako často sa jedna alebo druhá hodnota vyskytuje vo vzorke:

• Koľko klientov je naša spoločnosť pripravená zabezpečiť bezpodmienečnú dostupnosť tovaru?

Pod „bezpodmienečnou dostupnosťou“ rozumieme nasledujúcu situáciu: ak v priemere nakúpia 10 kusov denne, ale vyskytol sa prípad, že niekto kúpil 100 kusov, potom „bezpodmienečná dostupnosť“ znamená, že máme mať skladom 100 kusov tovaru.

Vysoká dostupnosť produktov znamená, že zákazníkom môžete poskytnúť viac vysoký stupeň službu, ale zároveň je uložená vo vašom sklade veľké množstvo tovar.

Nedostatok tovaru na sklade - nízky level dostupnosť - znamená, že nakupujeme menej tovaru na budúce použitie, ale tiež znižujeme kvalitu služieb, pretože nie sme schopní dodať tovar klientovi včas.

• Aké percento zákazníkov dokážeme obslúžiť – predať tovar, bez faktora skladovej dostupnosti?

Spravidla sa táto hodnota pohybuje okolo 80 – 91 %. Pre náš príklad sa zameriame na úroveň dostupnosti – 80 %. Zvyšných klientov „vyraďujeme“ – 20 %, v presvedčení, že pre nich nie sme pripravení skladovať veľké zásoby tovaru v sklade a nebudú zohľadnené v pláne obstarávania.

Čo tieto čísla znamenajú pre našu analýzu? To znamená, že na základe nášho histogramu musíme určiť maximálnu hodnotu objemu predaja tak, aby celková frekvencia dopytu po menších objemoch predaja bola čo najbližšie k nami zvolenej úrovni dostupnosti.

V manažérskej logike sa to dá interpretovať nasledovne: musíme vybrať možný maximálny dopyt, ktorý vznikne od 80 zo 100 našich zákazníkov počas zvoleného reakčného času (času dodania objednávky).

Pre našu vzorku je táto hodnota 8 kusov, čo by pokrylo požiadavku 21 z 28 možných výsledkov (ak by sme zvolili úroveň dostupnosti 70/10, potom by to bola hodnota 5 kusov, čo by pokrylo 20 možných výsledky z 28 možných).

V manažérskej logike možno hodnotu 8 kusov, ktorú sme zistili, interpretovať takto: pri obsluhe 8 z 10 klientov do 4 dní nakúpia spolu menej ako 8 kusov tovaru a nákup sa bude rovnať 8 - 1 = 7 kusov. Tento výsledok sa výrazne líši od hodnoty získanej výpočtom „jednoduchého priemeru“.

Metóda BRT teda poskytuje presnejšiu a rozumnejšiu analýzu tovaru, ktorý by mal byť zákazníkom dostupný, aj keď sa kupuje pomerne zriedkavo, ale s určitou konzistenciou.