Какие есть методы прогнозирования спроса и как ими пользоваться

Зачем нужны? Методы прогнозирования спроса позволяют компаниям планировать свою деятельность по предложению покупателю конкретного вида товаров в определенных количествах. Это положительным образом сказывается на рентабельности бизнеса. И наоборот, отсутствие подобных расчетов с большой вероятностью может привести к банкротству фирмы.

На что обратить внимание? Способов прогнозирования спроса много. Более того, они постоянно эволюционируют, а точность предположений, соответственно, увеличивается. Но самое приятное в том, что процесс расчетов стал доступен для автоматизации и появились специальные сервисы, благодаря которым вычисления можно проводить гораздо быстрее, чем раньше.

Значение прогнозирования спроса для бизнеса

Это является полноценным предпринимательским процессом, который нужен для того, чтобы проанализировать и спланировать спрос на продукцию или услуги, с целью обеспечения в дальнейшем максимальной прибыли для компании.

Составление прогнозов позволяет учесть все возможности сбыта. И так не допустить потери дохода. Если же спрос будет переоценен из-за некачественного прогнозирования, в компании останутся излишки продукции. При работе с продуктами питания неправильное определение объема чревато прямыми убытками.

Для успеха нужно понимать, что произойдет в ближайшее время на рынке. Понятно, что будущее увидеть не может никто, однако существуют определенные алгоритмы, которые позволяют достаточно точно предсказать развитие событий.

Источник: shutterstock.com

Используя различные методы прогнозирования спроса, можно решать многие задачи. Это:

• оптимизация запасов – зная, какой ожидается интерес, можно рассчитать оптимальные складские ресурсы, чтобы не было излишков или дефицита товара;

• прогнозирование продаж – прогноз спроса помогает сформировать план сбыта, определить примерную прибыль и затраты на закупки;

• прогнозирование промо – дает возможность оценить влияние маркетинговых мер на спрос;

• расчет цен – помогает определить актуальную стоимость продукции;

• снижение рисков – благодаря прогнозированию можно предвидеть снижение прибыли и принять соответствующие меры.

Например, если в прокат выходит новый фильм, спрос на продукцию с его героями, скорее всего, станет выше. И чтобы его удовлетворить, нужно заранее запастись одеждой с соответствующим принтом, фигурками героев и т. д.

Прежде всего прогнозирование спроса нужно маркетплейсам, магазинам, логистическим и другим службам, непосредственно работающим с клиентами. Производственным предприятиям также нужно знать его, чтобы знать, сколько выпускать продукции. Кроме того, оценка спроса может пригодиться и в науке (например, при проведении маркетинговых исследований).

4 основных фактора, которые влияют на прогнозирование спроса

На уровень показателя могут влиять следующие факторы:

Сезонность

Под нею понимается периодическое изменение спроса в зависимости от времени года, праздников и т. д. Например, спрос на теплую одежду и товары для зимних видов спорта закономерно возрастает в морозы, а летом более востребована продукция для отдыха. Подарки и товары для праздника лучше продаются перед Новым годом.

Источник: shutterstock.com

При прогнозировании такие колебания необходимо обязательно учитывать. Если этого не делать и не готовиться к сезонным пикам продаж, можно закупить мало товара и упустить прибыль. То есть при составлении прогнозов важно анализировать данные по сезонности прошлых лет.

Наличие конкурентов

В рыночной среде постоянно происходят изменения – соперники появляются и исчезают, меняют стратегии, что оказывает влияние на спрос. Например, если на маркетплейс вышли новые продавцы с продукцией, аналогичной вашей, часть клиентов уйдет к ним. Это негативно скажется на спросе.

Если же конкурентов станет меньше, то у вас интерес может вырасти. Важно учитывать и цены соперников: если они ниже, ваш товар будут покупать меньше. Таким образом, при прогнозировании нужно обращать внимание на конкурентов и стоимость их продукции, чтобы корректировать собственные цены и стратегию.

Типы товаров

На спрос большое влияние оказывает характер продукции. Более стабильно и предсказуемо продаются товары массового спроса, постоянно нужные людям (хозтовары, продукты). Гаджеты, разные приборы, устройства, одежда часто имеют кратковременные пики продаж. Сегодня они в моде, а через 3-4 недели никому не нужны.

Дорогостоящие товары, например мебель, покупают нечасто, спрос на них зависит от внешних событий. Когда многие компании перевели сотрудников на удаленную работу, продажи веб-камер существенно выросли.

Выбор метода прогнозирования спроса на товар зависит от типа продукции. Для характеризующейся стабильными продажами лучше простые способы, для трендовой нужен расширенный диапазон возможного интереса.

Географические особенности

В разных регионах спрос может быть разным. Он зависит от климата, местных культурных особенностей и праздников, логистики и т. д.

Источник: shutterstock.com

Например, спрос на зимние товары длится дольше в северных регионах, чем в южных. Особое внимание на географию нужно обращать при расширении рынка.

4 этапа работы по прогнозированию спроса

Она выполняется поэтапно. Если правильно выбрать метод изучения и прогнозирования спроса и последовательно пройти все шаги, результат получится более точным.

Формулирование гипотезы

Определитесь, что именно и при каких условиях нужно прогнозировать. То есть создайте гипотезы о потенциальном спросе. Перечислите все факторы, которые могут оказать влияние на продажи, и выберете, какие из них будете использовать при прогнозировании.

К таким относят сезонность, цены, конкуренты, реклама и другие. Четкая формулировка гипотез помогает определиться с направлением получения данных и выбором способа прогнозирования.

Сбор и анализ информации

На этом этапе получают историю продаж продукции и сопутствующие данные, такие как стоимость, акции, рыночные факторы, сезонность, сведения о конкурентах. На их основании строят таблицы и графики, чтобы выявить закономерности.

Можно увидеть сезонные колебания (например, рост сбыта в предпраздничные дни), тренды (падает или возрастает спрос со временем), провалы. Обязательно нужно обращать внимание на нулевые продажи и необъяснимые всплески, проверить, были ли в тот период акции либо на складе отсутствовал товар. Такой анализ является основой для создания перспектив.

Проверка точности

После формирования прогноза нужно определить, реален ли он. Это можно сделать, когда за плановый период уже есть фактические данные. В таком случае проводят сравнение реальных и прогнозируемых продаж и рассчитывают ошибку. Это позволяет понять, есть ли несоответствия в прогнозе и насколько он совпадает с фактом.

Стопроцентно точные перспективы иметь нельзя. Однако с помощью периодических проверок можно увидеть, где есть слабые места и чему уделить внимание, чтобы получать в дальнейшем более хорошие результаты.

Гипотезы и тестирование

Это заключительный этап, на котором проверяют, верными ли оказались предположения. Если прогноз существенно отличается от факта, нужно разбираться, почему. Возможно, был неправильно выбран метод, и неверной оказалась начальная гипотеза. Такой анализ поможет скорректировать модель или в следующий раз учесть другие факторы.

Источник: shutterstock.com

Если нужно, формулируют новую гипотезу и тестируют ее. Или выбирают другой метод прогнозирования, который, возможно, даст меньшую ошибку. То есть процесс протекает циклично с учетом предыдущих результатов на каждом новом витке и повышением точности определения перспектив.

Невозможно спрогнозировать спрос, не используя различные методы расчета. В данной сфере их разработано довольно много.

Эволюция методов прогнозирования спроса

Развитие методов прогнозирования спроса на продукцию можно представить пошагово. Период 2008–2012 – классическое; 2012–2015 – квантильное; 2015–2018 – частичное вероятностное; 2018 год – полное вероятностное.

С 2008 года широко применялись классические методы. На смену им пришло квантильное прогнозирование, которое позднее сменилось вероятностным. Указанные периоды являются условными, поскольку и сейчас наряду с современными технологиями используются классические варианты. Рассмотрим методы подробнее.

Классический

Прогноз на спрос составляется исходя из данных по продажам за предыдущий период, а результат анализа выражается конкретным числом. Например, если 2 недели назад сбыли 9 единиц товара, а 7 дней спустя – 15 штук, предполагаемый спрос получается 12. В классическом прогнозировании используются следующие модели:

По средним продажам. Это наиболее популярный и простой метод. Его и сейчас используют многие. Прогноз составляется на основе продаж за конкретный срок (например, за месяц).

Проводится анализ только для стабильно продающейся продукции, поэтому при наличии товаров нестабильного спроса в прогнозе будут погрешности.

Источник: shutterstock.com

Метод средней взвешенной (Шрайбфедера). Как и в первом методе, во внимание берутся только фактические продажи, а результаты распределяют по значимости характеристик товара. Их называют весами. Схема их, которая определяется в зависимости от потребностей бизнеса, является основой для формирования собственной системы (давность продаж, сезонность и т. д.).

Экспоненциальное сглаживание – прогнозирование спроса за определенное время. Считается, что спрос должен равняться потреблению товара за определенный срок, но большее внимание обращают на значения, находящиеся ближе к дате расчета. Дальнейшие прогнозы создают с учетом выявленных ошибок.

Метод авторегрессии. Для составления прогноза определяют продажи за несколько этапов. Для каждого из них используются коэффициенты, на основе которых вычисляют показатели длинного периода с учетом переменных факторов (числа рабочих дней, сезонности и т. д.).

Квантильное прогнозирование

Широкое распространение метод получил в 2012 году. Он основан на определении спроса по математической формуле простого среднего. Чтобы найти показатель, определяют среднее арифметическое за все предыдущие периоды.

Этот метод прогнозирования потребительского спроса является консервативным, поскольку для расчетов используются устаревшие данные, а последние тенденции спроса не учитываются. Показатели при этом намеренно смещаются. Это позволяет свести к минимуму вероятность недо- или перепрогнозирования. Данный метод востребован на производстве и в розничном звене.

Вероятностное прогнозирование

В основе данного метода лежит составление математической модели процесса спроса и шансы его уровня за определенный срок. Появлению вероятностного прогнозирования способствовала активная компьютеризация. Метод заключается в применении прошлых сведений для предсказания будущих показателей. Существует два вида вероятностного прогнозирования:

Частичное. При нем прогноз формируется не считая небольших вероятностей, доля которых составляет меньше 1 %. Раньше для учета таких значений не хватало вычислительных мощностей.

Однако даже при том, что минимальные их доли остаются без внимания, метод позволяет найти баланс между вероятным спросом и тем, какое количество товара должно быть на складе, чтобы компания получила максимальную прибыль.

Полное – стало популярным в 2018 году. В это время активно развивались компьютерные технологии, позволяющие выполнять более точное определение. В моделях полного прогнозирования учитываются самые минимальные значения (даже 0,01 %), что очень важно, особенно если оцениваются большие объемы.

ТОП-7 кейсов
из разных ниш с ростом
от 89% до 1732%

Узнать подробнее

Количественные и качественные методы прогнозирования спроса

Рассмотрим другую классификацию способов, по которой они делятся на количественные и качественные.

Качественные методы

Метод экспертных оценок. Основан на применении экспертного мнения и предположениях специалистов конкретной отрасли о том, как в дальнейшем будет меняться спрос. Такой метод применим для нестандартной продукции либо для нового товара, когда еще не собрано достаточно информации для проведения количественного анализа.

Метод Дельфи. Это видоизмененный предыдущий вариант. Он заключается в том, что прогнозы озвучивают несколько независимых экспертов, а затем приходят к общему результату. В результате точность и объективность итога повышается.

Marketing-исследования. Маркетинг как метод прогнозирования спроса помогает предугадать будущий интерес к товару на основе опросов потребителей и анализа их мнений. Это хороший способ узнать, что конкретно нужно целевой аудитории.

Количественные методы

Они основаны на математическом анализе информации. В рамках количественных способов используются такие модели как регрессионный анализ, трендовая экстраполяция, изучение временных рядов.

Метод трендовой экстраполяции – с помощью данных иных периодов выявляется курс, на основе которого создается прогноз. Например, определение продаж на текущий год делается с учетом объемов прошлых лет и общего увеличения рынка.

Экспоненциальное сглаживание – позволяет с большей точностью определить тренд и снизить эффект случайных колебаний за счет «смягчения» данных. Метод зачастую применяют, чтобы составить прогноз спроса в условиях, когда невозможно предсказать изменения.

Источник: shutterstock.com

Конструкции временных рядов – проводят анализ данных за периоды (например, месяцы или годы), чтобы увидеть, как изменяется спрос по сезонам, выявить цикличные и трендовые компоненты. Метод применяется для кратковременного прогнозирования.

Регрессионный анализ позволяет понять, как на спрос влияют различные факторы (например, стоимость продукции или материальное благосостояние потребителей). С помощью этого метода можно оценить зависимость интереса к товару от внешних факторов.

У каждого метода есть преимущества и недостатки. Конкретный нужно выбирать в зависимости от особенностей рынка и доступности информации.

4 категории методов прогнозирования спроса

Рассмотрим еще одну классификацию методов прогнозирования спроса, основанную на особенностях расчетов. Выделяют несколько категорий.

Методы временных рядов

Способствуют выявлению зависимостей и нахождению внешних факторов, чтобы на основе прошлого поведения составить прогноз на будущее. К таким методам относятся экспоненциальное сглаживание, скользящее среднее, ARIMA/SARIMA.

Чаще всего они используются для кратковременного прогнозирования (на срок 2–3 месяца) и тогда, когда продажи стабильны. Если период составляет более полугода или спрос сильно меняется, а также, если на него большое влияние оказывают внешние факторы, точность результатов может быть невысокой.

Статистические методы

Они часто используются для обработки временных рядов, помогают проанализировать, как переменные связаны между собой, оценить вероятностные сценарии. К статистическим относятся анализ главных компонент, линейная и мультилинейная регрессия, способы Монте-Карло.

Методы экспертных оценок

Они также входят в данную классификацию и применяются, как правило, при недостатке исторических данных, из-за чего нет возможности сформировать точный прогноз. В таких ситуациях используется экспертное мнение.

Источник: shutterstock.com

Собирают мнения нескольких экспертов или специалистов и приходят к общему решению, используя, например, метод Дельфи. Такие техники применяются нечасто, поскольку результат зависит от знаний авторитетов и подвержен влиянию человеческого фактора.

Машинное обучение и нейронные сети (ИНС)

В последнее время все более популярным становится прогнозирование спроса методами машинного обучения. Они применяются при анализе большого количества информации, когда объемы слишком велики для классических способов. Также они помогают обнаружить скрытые, важные закономерности, которые не могут выявить стандартные техники.

При стабильных равномерных данных точность методов ниже, поскольку для обучения не хватает разнообразной информации. В таких ситуациях стоит отдать предпочтение классическому анализу временных рядов.

Нейронные сети, часто применяющиеся для прогнозирования

Использование нейросетей в прогнозировании – это новая тенденция, которая применяется все активнее. Перспективы продаж составляют с помощью разных видов ИНС.

• Многослойный перцептрон – это довольно простая нейросеть, содержащая один входной, несколько скрытых и один выходной слой, каждый из них имеет взаимосвязь с последующим.

• Рекуррентная ИНС – в ней из слоев образована направленная последовательность, за счет чего нейросеть способна учитывать информацию с предшествующих слоев. Это позволяет ей обрабатывать вереницы данных, в том числе временные ряды, любой длины.

• Смешанная нейросеть представляет собой сочетание нескольких архитектур нейросетей, работающих с конкретным комплексом признаков или зависимостей.

В настоящее время ИНС все чаще применяются для составления прогнозов спроса, поскольку в их работе исключен человеческий фактор, а значит и ошибки.

Источник: shutterstock.com

Нейросети и модели прогнозирования на основе машинного обучения можно использовать и как самостоятельный вариант, и как дополнение к другим техникам. Так, первые можно сочетать со статистическим анализом или с методом временных рядов.

Конкретные примеры методов прогнозирования спроса

Разработаны разные способы, но для всех них общим является то, что в итоге рассчитывается одно число. Рассмотрим на примерах основные методы прогнозирования рыночного спроса.

SMA (расчёт по среднему) или простая скользящая средняя

Это наиболее легкий и популярный метод прогнозирования, который применяется во многих компаниях. SMA определяется по формуле:

Для вычисления величины спроса по данному методу нужно:

Выбрать диапазон окна Т, где Т – это период, за который усредняются продажи. Если нужно определить спрос за сутки, то берут 2 или 3 последних дня. Если требуется рассчитать его по месяцам, учитывают последние 2, 3, 4 или 5 этих периодов.

Чтобы составить прогноз спроса на следующий период, нужно взять среднее в выбранном диапазоне. Предположим, вам нужно предсказание на 10-й день. Ширина окна составляет 5 штук, поэтому нужно использовать среднее за последние 5 дней. Так вы получите прогноз спроса на будущий период.

Продажи можно брать последовательно за предыдущий интервал. Либо за этот же период (месяц, год и т. д.). То есть для расчета среднего можно проявлять гибкость в отношении интервала вычисления данных.

Пример такого прогнозирования с использованием Excel:

Источник: fnow.ru

У компании есть данные по ряду сбыта и ей нужен прогноз на дальнейший период. Продажи разделены по месяцам, и прогноз будет выполняться также по ним. Определяют ширину окна. И находят средний показатель за последние 2, 3, 4, 10 месяцев. Если при ширине окна 2 в ноябре и декабре продажи были 15 и 40 соответственно, то прогноз на январь – 27,5. А на февраль – 40.

Чем шире окно, тем ближе будут показатели к расчету по средним полностью за выбранный период. Графически синим цветом показаны реальные продажи. Все остальные диаграммы отражают сбыт при разной ширине окна.

Этот метод можно успешно применять для товаров, продажи которых не имеют больших колебаний, характеризуются стабильностью. Надо сказать, что это встречается не очень часто. Как правило, прогнозирование по среднему сопровождается значительной погрешностью и для управления запасами товара является малоэффективным. При использовании таких способов нередко возникают излишки либо недостаток товара на складе.

Средней взвешенной (по Шрайбфедеру)

В этом методе прогнозирования спроса, в отличие от предыдущего, где спрос находится по средним продажам, используются особые веса разных месяцев.

Определяют объем реализации за один день прошлых периодов. Средние продажи рассчитываются для рабочих суток. Выходные не учитываются. Например, если в месяце из 30 дней было 5 уик-эндов, в расчет берутся 25 рабочих дней.

Определяют систему весов для прошедших периодов. И решают, какие данные имеют приоритетное значение. Рассчитывают потребление на 1 день будущего месяца на основе прошлых продаж и весов. Определяют прогноз за месяц с учетом количества рабочих суток.

Например:

Источник: fnow.ru

Первый столбец содержит данные за каждый месяц. На их основе нужно составить прогноз на декабрь. В ноябре за 28 рабочих дней было 560 продаж. Значит, за один рабочий день потребление составило 20 единиц.

Зная общее потребление по каждому месяцу, обращаются к системе весов. Шрайбфедер предусматривает разные виды такой системы. В нашем примере используется модель, по которой видно, что сильнее всего на прогнозирование влияют продажи, которые были недавно.

Источник: fnow.ru

Вес для ноября составляет 3, а для октября – 2,5 и т. д. Самый большой вес имеет прошлый период, находящийся ближе всего к расчетному. В нашем случае это ноябрь. Нужно умножить каждый месяц на его вес, например, 20 х 3 = 60. А затем суммировать потребления за каждый месяц, помноженные на вес. Получилось 143. Общая сумма весов составила 10.

Прогноз на декабрь = 143 / 10 х 28 (число рабочих дней) = 400 единиц.

Шрайбфедер в книге об эффективном управлении запасами приводит различные схемы весов, которые применяются для разных видов товаров. Это:

• Шестимесячная (а также трехмесячная) средняя – определение среднего с шириной окна 6 или 3. То есть берут период 6 месяцев и вычисляют среднее.

• Простая либо взвешенная сезонная средняя – используется для товаров сезонного спроса. Если, например, нужно предугадать спрос на декабрь, берутся данные за прошедшую зиму или сезонная взвешенная средняя. В этом случае декабрь будет иметь больший вес, поскольку прогноз делается на месяц.

• Коэффициенты взвешенной средней – значения, которые у нас были равны 3, 2, 5 и на убывание.

Таким образом, существуют определенные наборы весов, но также компании могут формировать собственные схемы, что вполне допустимо. Этот метод, даже не смотря на то, что расчет выполняется со всей ответственностью, имеет существенные ограничения.

Пример прогнозирования по средневзвешенному показателю в Excel.

Источник: fnow.ru

Компания имеет продажи за периоды, известно, сколько было рабочих дней в каждом из них. Требуется определить перспективы. Есть прогнозы на пять месяцев, имеющих веса от 3 до 1, а также на три, у которых веса от 5 до 1. Продажи нужно разделить на число дней, которые были рабочими, и помножить на вес конкретного месяца.

Полученный результат делят на суммарный вес и умножают на количество рабочих дней. В Excel этот процесс отразить несложно. Выбирается формула весов готовая либо разработанная в компании. Прогнозирование выполняется на основе данной системы.

Способ экспоненциального сглаживания (ES)

Тоже несложный метод прогнозирования спроса, широко применяемый на практике. В нем учитывается то, что на итог влияют следующие факторы:

• продажи за предыдущее время;

• прогноз, составленный на данный период с помощью какого-либо метода.

С учетом названных факторов задается коэффициент сглаживания (α). Чем он выше, тем более значительное влияние последние продажи оказывают на итог (от 0 до 10).

Рассчитывают с использованием нескольких коэффициентов и выбирают лучший. Метод достаточно эффективный. Но нужно принимать во внимание, что коэффициент сглаживания не учитывает трендовую и сезонную продукцию и др. Поэтому данный метод был усовершенствован, чтобы можно было прогнозировать спрос на разные, в том числе циклические и другие товары. Новый способ получил имя Хольта-Винтерса.

Метод Хольта-Винтерса

Расчет проводится по сложной формуле. Подробно мы ее рассматривать не будем, а обратим внимание на логику.

где:

• h – на какой период в дальнейшем ведется расчет;

• Y^[t+h] – прогноз на срок номер h;

• p – время сезонности (для недели – 7).

На прогноз, составляемый на дальнейшее время, влияют разные факторы. В формуле можно выделить три ведущих фактора – это тренд, сезонность, а также сглаживание. Для каждого из них выбирают коэффициенты в пределах от 1 до 10.

• a[t] = [α * (Y[t]/s[t−p])] + (1-α) * (a[t-1] + b[t-1]) – сглаживание;

• b[t] = β * (a[t] - a[t-1]) + (1-β) * b[t-1] – тренд;

• s[t] = γ * (Y[t]/a[t]) + (1-γ) * s[t-p] – сезонность;

• α, β, γ – коэффициенты (от 0 до 1).

Рассчитав факторы сезонности и тренда, определив экспоненциальное сглаживание и выбрав коэффициенты, можно определять спрос на следующий период. С помощью данного метода хорошо составлять прогнозы для трендовой и сезонной продукции. В Excel это выглядит так:

Источник: fnow.ru

Допустим, есть сбыт, распределенный по месяцам. Сначала с помощью метода по среднему нужно рассчитать фактор сезонности (фактические продажи делят на средний показатель за определенный срок), чтобы определить соответствующие коэффициенты. Также надо найти коэффициент тренда и сформировать прогноз. Метод Хольта-Винтерса позволяет учесть сезонность, тренд и экспоненциальное сглаживание. Его можно применять для продукции с хорошо выраженным курсом и стабильными продажами.

Авторегрессия, Arima и другие модели

Позднее были разработаны эти способы. Они основаны на построении модели спроса и подборе коэффициентов. Сначала определяют интервал регрессии. То есть количество предшествующих периодов, используемых для прогноза. Затем – коэффициенты регрессии и постоянное значение.

• εt – белый шум;

• α – набор коэффициентов;

• с – постоянная величина.

Сбыт будущего периода прогнозируется на основе прошлых продаж подбором различных сочетаний коэффициентов.

Расширение методов регрессии привело к разработке методики Arima+MA (авторегрессия + среднее), а также SARIMA (AR + MA + сезонная составляющая).

Вопрос подбора коэффициентов

В каждом из этих методов прогнозирования спроса важно правильно их определить. Рассмотрим, как это делается, на примере коэффициента для экспоненциального сглаживания (он должен быть выбран только один).

Источник: fnow.ru

Как уже говорилось, чем выше значение коэффициента α, тем большее влияние последние продажи оказывают на прогноз. Выбор коэффициента опишем ниже.

Вы знаете сбыт за предыдущее время и у вас есть прогноз. Историю продаж обычно делят на периоды 70 % и 30 %, поскольку если в расчет брать 100 %, есть риск переучить модель, и тогда она пойдет по пути повторения прошлых реализаций. Для 70 % выбирают коэффициенты, а остальные 30 % используют для их тестирования.

Подбор коэффициентов ведется с учетом определенных критериев. В нашем примере – это средняя квадратичная ошибка (или критерий оценки ошибки прогнозирования RMSE). Чем больше ее величина, тем ниже точность прогноза. Однако использование данного критерия не рекомендуется.

Хотя это самый популярный метод определения точности. Подробности об этом можно найти в статье, которая называется «Почему повышение точности прогноза не гарантирует повышение прибыли. Как привычный показатель вводит компании в заблуждение».

Вам нужно выбрать коэффициент α. В Excel это можно сделать с помощью функции «Поиск решения». Зайдите в меню данных, нажмите «Поиск решения» и выберите самый подходящий коэффициент. Вы увидите окно с сообщением, что нужно оптимизировать целевую функцию (ячейка С6 ошибка RSME).

Изменяя значения, нужно довести ее до минимума. Ваше значение α будет в ячейке В7. В программе задаются параметры, что нужно изменить и оптимизировать, указываются критерии, и она находит решение.

Подобранный Excel коэффициент:

Источник: fnow.ru

Таким образом выполняется подбор коэффициентов. При наличии конкретного критерия его можно измерить на прошлой истории продаж. При использовании сложных моделей, когда требуется подбор большого количества коэффициентов, нужно использовать специальный софт. С увеличением числа расчетов управление процессом усложняется.

Востребованные сервисы прогнозирования спроса

Благодаря современным сервисам прогнозирования компании могут проводить более глубокий анализ и точнее предугадывать спрос на товар. В настоящее время это особенно важно, поскольку уровень конкуренции очень высок, а рыночная ситуация постоянно и быстро меняется. Новые технологии не только повышают точность прогнозирования, но и позволяют автоматизировать процесс.

К преимуществам автоматизированных методов прогнозирования спроса относятся:

• Сокращение сроков сбора и анализа информации. Автоматизация позволяет значимо скорее обрабатывать данные. Благодаря современным сервисам информацию можно собирать из многих источников, быстро агрегировать и анализировать ее, что имеет большое значение при постоянно меняющейся ситуации на рынке.

• Повышение точности прогнозов. Алгоритмы машинного обучения и методы анализа больших данных делают предсказания более точными, поскольку влияние человеческого фактора сводится к минимуму, ошибок становится значительно меньше. Благодаря этому компании лучше видят потребности клиентов и корректируют предложения, опираясь на спрос.

• Оптимизация закупок и производственного процесса. Точность предсказания позволяет не допустить затоваривания складов и дефицита товаров. Сервисы по составлению прогнозов помогают поддерживать оптимальный объем запасов. Это способствует сокращению издержек и повышению удовлетворенности потребителей.

• Гибкое планирование. Благодаря современным сервисам можно корректировать проекты при изменении ситуации на рынке, экономических условий, сезонных колебаниях. Это имеет особое значение для предприятий, у которых много конкурентов. В таких условиях нужно очень быстро подстраиваться под спрос, чтобы продажи не падали.

Сегодня для компаний любого размера и отраслей предлагаются разнообразные решения, позволяющие достаточно точно прогнозировать интерес клиентов.

Источник: shutterstock.com

Данные сервисы используют современные алгоритмы работы, позволяют обрабатывать большие объемы информации, автоматизировать прогнозирование и минимизировать ошибки. Самые популярные:

• SAP Integrated Business Planning.

Это платформа, в которой сочетаются возможности прогнозирования, планирования выпуска продукции и управления логистическими цепочками. Точное предсказание колебаний спроса обеспечивается использованием ИИ и современных аналитических модулей.

Данный сервис – отличное решение для крупных компаний и международных холдингов, которым необходимо подробно изучать все этапы производства и логистики. Также с его помощью можно в реальном времени интегрировать данные и реализовывать сложные сценарии планирования, чтобы принимать важные стратегические решения.

• Oracle Demand Planning.

Этот сервис позволяет использовать методы прогнозирования спроса на основе машинного обучения, благодаря чему анализ рыночных изменений и предсказание интереса клиентов при нестабильной ситуации и сезонных колебаниях получается точнее.

Платформа дает возможность работать с большими данными, обеспечивая высокую точность результатов, позволяет оперативно отвечать на внезапные изменения. Oracle Demand Planning подходит для средних и крупных предприятий, которые хотят получать точные прогнозы и иметь минимальные риски. Сервис позволяет адаптировать работу под особенности бизнеса, дает возможность разработки индивидуальных сценариев и предлагает гибкие настройки.

• Forecast Pro.

Это универсальное решение, подходящее для малых и средних компаний. Сервис сочетает разные методы прогнозирования, включая регрессионный анализ и временные ряды. Благодаря этому можно реализовывать многие сценарии и быстро реагировать на колебания спроса.

Forecast Pro имеет интуитивно понятный интерфейс и доступное обучение, хорошо используется в компаниях, не имеющих возможностей для внедрения сложных систем. Также сервисом могут воспользоваться те, кто не имеет обширных знаний в анализе. При этом точность у него достаточно высокая.

Распространенные ошибки при прогнозировании спроса

Предсказания могут быть неверными, даже если все делать правильно. Наиболее распространенные недочеты:

Ошибки измерения

Сюда входят огрехи в данных и вычислениях, из-за которых прогноз получается недостоверным. Например, если дважды внести данные об одних и тех же продажах, то даже самая точная модель даст неправильный прогноз. Тот же результат может быть при неверном выборе метрики или метода прогнозирования спроса.

Поэтому большое внимание нужно уделять качеству данных, контролировать логику, фильтровать аномальные цифры, устранять пропуски. Качество прогноза нужно оценивать с учетом смещения и процента ошибки, чтобы иметь верный результат.

Дефицит продукции

Когда продажи падают до нулевых значений из-за того, что нет товара, уровень спроса способен сохраниться, но он будет неудовлетворенным. Если в дальнейшем основываться на данных прошлых периодов, эти нули часто расценивают как то, что покупатели утратили интерес к продукции.

В результате будущий спрос может быть спрогнозирован ниже, чем он был бы при построении модели в условиях достаточного количества товара.

Источник: shutterstock.com

Чтобы такого не было, нужно отмечать периоды отсутствия товара и на основе этого корректировать прогноз. Для анализа нужно убирать такое время совсем либо использовать предполагаемый уровень спроса (можно брать данные за аналогичный период, в котором не было дефицита).

Учтите, что при постоянном недостатке товара точный прогноз создать невозможно. Поэтому нужно избегать ситуаций, когда вы не в состоянии удовлетворить потребительский спрос. В таком случае данные покажут объективную картину.

Нетипичные заказы

К ним относятся аномальные однократные события, которые не вписываются в привычную картину. Допустим, один раз у вас купили большую партию товара. Или продажи резко упали из-за форс-мажорных обстоятельств, или резко выросли, потому что в интернете показали ролик, ставший вирусным. Если такие случаи не выявлять, они могут привести к сильному искажению тренда.

Модель способна принять всплеск за новое нормальное значение и сформировать завышенный прогноз. Либо расценить разовый провал как снижение интереса клиентов и тогда итог будет занижен. Поэтому надо распознавать нетипичные моменты, отдельно с ними работать (учитывать особо либо совсем убирать из расчетов), чтобы долгосрочный прогноз был точным.

4 способа улучшить качество прогноза

Чтобы более надежно и точно предсказать спрос, выполняйте следующие рекомендации:

• Периодически обновляйте прогноз. При появлении новой информации или событий его необходимо пересматривать, поскольку он должен меняться вместе с рынком. Обновление раз в 1-3 месяца позволит не пропустить свежие тенденции.

• Обращайте внимание на внешние факторы. Отслеживайте сезонные тренды, новости, ситуацию на рынке, работу конкурентов. Собирайте как можно больше информации, чтобы повысить точность прогноза.

• Контролируйте данные, применяйте инструменты. Важно использовать максимально точные первоначальные цифры (цены, продажи, остатки и т. д.).

• Предусматривайте разные сценарии. Не нужно ограничиваться одним значением, продумайте, как будете действовать в случае сильного отклонения реального спроса.

Источник: shutterstock.com

Разработайте сценарий роста (опишите, что будете делать, если спрос в два раза превысит прогноз), а также вариант спада, чтобы знать, как избавиться от излишков в случае значительного снижения интереса клиентов.

Необходимые знания для составления прогнозов

Специалистов по этой деятельности называют планировщиками, планерами, деманд-менеджерами, прогнозистами. Требования к ним в разных компаниях могут отличаться. Однако знания основных методов прогнозирования спроса должны быть обязательно. Даже новички в этой сфере должны обладать следующими навыками:

• Знания в области статистики и математики. Работа связана с применением особых методов. В первую очередь – анализа и статистики. А также с использованием математических моделей, поэтому специалист должен знать основы работы с ними.

• Экономические знания. Прогнозист должен понимать устройство бизнеса и принципы формирования спроса, чтобы проводить более точный и глубокий анализ данных.

• Знание Python или R. Данные языки наиболее часто применяются в работе с моделями машинного обучения и данными. Кроме того, нужно знать, как работать с библиотеками для ML и Data Science, фреймворками.

• Понимание того, как устроены базы данных. Нужно знать, как устроено их хранилище, чтобы быстро и верно брать нужную информацию. И как управлять базой, используя SQL-запросы.

Часто в прогнозирование уходят специалисты, которые ранее работали с анализом данных. Эта деятельность является более узким направлением. Однако многие подходы и методы совпадают с теми, что используются в аналитической работе.

Полезные книги о методах прогнозирования спроса

Литература о методах прогнозирования спроса:

• Ирина Еремина, «Анализ и прогнозирование спроса на товары и услуги». В книге описаны основные инструменты изучения и методы прогнозирования. Автор помогает понять, как оптимизировать бизнес-процессы с помощью составления предсказаний.

• Н. Д. Поротиков, «Изучение и прогнозирование покупательского спроса». В монографии приведены методы предсказания спроса и конкретные примеры на реальных ситуациях.

• А. М. Шурыгин, «Математические методы прогнозирования». Автор подробно описывает данную тему, в том числе анализ временных рядов.

• Стефан Коласса и Энно Симсен, «Прогнозирование спроса для менеджеров». В книге приведен нетехнический обзор популярных методов работы и организационных аспектов формирования надёжного процесса предсказания. Издание является англоязычным.

• Стив Морлидж и Стив Плэйер, «Готовые к будущему: как освоить бизнес-прогнозирование». В книге можно найти советы по обучению данной деятельности. Она написана на английском языке. Подойдет для менеджеров.

Скачайте полезный документ по теме:

Чек-лист: Как добиваться своих целей в переговорах с клиентами

Часто задаваемые вопросы о методах прогнозирования спроса

Чем отличаются экспертные методы оценки от статистических?

Первые основаны на субъективном мнении. Могут быть неточными, поскольку в них задействован человеческий фактор, а ни одна личность не в состоянии точно предсказывать рыночную динамику без знаний и формул. В основе статистических методов лежит анализ спроса и расчеты, с помощью которых составляется прогноз

Что представляют собой комбинированные технологии?

Комбинированные методы прогнозирования спроса сочетают экспертные и статистические методики. Поэтому они дают получить более точные и надежные результаты. Так, применение машинного обучения дополнительно к моделям временных рядов позволяет учесть не только данные прошлых периодов, но и существующие на рынке тенденции.

Какое ПО можно использовать для прогнозирования спроса?

Для этого разработаны специальные программы, такие как JDA Demand Planning и SAP IBP (Integrated Business Planning). Также существуют облачные платформы Azure Machine Learning, AWS Forecast, Google Cloud AI Platform. Популярны и специальные сервисы, например, Datanomics Demand Forecast. Он способен автоматически спрогнозировать спрос с учетом сезонности, трендов, праздников и т. д.

В настоящее время успешные продажи невозможны без предсказания потребительского спроса. Лучше составить хотя бы приблизительный прогноз, чем не делать ничего. Если же вы хотите опередить конкурентов, добиться этого можно с помощью точного расчета.

Источник изображения на шапке: shutterstock.com

Автор статьи

Дмитрий Свистунов

Руководитель SEO-отдела и разработки

Последние статьи этого автора:

• Адаптивная верстка сайта: гайд для начинающих
• Анкор ссылки: виды, правила составления, влияние на продвижение
• Белая раскрутка сайта без перехода на темную сторону

Забрать ценные бизнес-подарки бесплатно

Полезные
материалы
для руководителей

Скачать 3,2 MB