Продажи и управление продажами - Джоббер Д., Ланкастер Дж.. Джоббер Д., Ланкастер Дж
 Скачать 3.04 Mb.
|
|
Office Goods Supplies Ltd: ежеквартальный объем продаж портфелей-дипломатов шийся сезонный тип в течение года. Эти сезонные изменения измеряются по величине их отклонений от общего тренда. Лучше всего этот метод объяснить графически на тех данных, ко- торые использовались для предыдущего примера. Для этого опреде- ляется ежеквартальный объем продаж портфелей-дипломатов ком- панией Office Goods Supplies Ltd за 1995—1999 г. (табл. 15.2), и, как можно видеть, эти объемы продаж демонстрируют сезонные колеба- ния, когда пик продаж приходится на последний квартал каждого года. Когда к результату добавляются суммы ежеквартальных от- клонений от тренда, результирующая сумма в рассматриваемом примере составляет +40 (табл. 15.3). Общая сумма должна рав- няться нулю, поскольку в противном случае это означает, что в прогноз внесено искажение в сторону завышения. Однако такая корректировка должна охватывать все цифры в равной мере, и поэтому вычисления дают: 40 / 4 = + 10. Таблица 15.3. Office Goods Supplies Ltd: сумма ежеквартальных отклонений от тренда Квартал 1 2 3 4 Год 1995 — — -64 +209 1996 -88 -53 -78 + 139 1997 -53 +8 -82 + 141 1998 -64 +3 -94 + 160 1999 -77 +33 — — Сумма -282 -9 -318 +649 = +40 Следовательно, + 10 необходимо вычесть из показателей по каждому кварталу. Тогда соответствующими цифрами будут: Квартал 1 2 3 4 Скорректированные отклонения -292 -19 -328 +639 = 0 В этом конкретном примере указанные цифры теперь необхо- димо разделить на 4, чтобы получить годовые обобщенные данные (поскольку для обобщения использовались данные за четыре года), после чего показатели, на основе которых будет делаться прогноз, выглядят следующим образом: Квартал 1 2 3 4 Отклонения -73 -5 -82 +160 = 0 Показатели в табл. 15.2 были получены следующим образом. Продажи (в единицах) суммировали и получили данные за год. За- Прогнозирование объема продаж 54* тем получили скользящее среднее за год, для чего к полученному результату добавили данные за последний квартал и вычли данные за первый (за год) квартал. После этого в следующей колонке сколь- зящее среднее за год складывают по два (чтобы добиться большей сглаженности), а затем полученный результат делится на 8 (по числу кварталов, которые входят в эту сумму), что позволяет судить о нали- чии или отсутствии тренда. И наконец, вычисляются отклонения от этого тренда, для чего из значения тренда вычитаются реальные ре- зультаты за соответствующий квартал. Эти отклонения от тренда показаны в последней колонке табл. 15.2. Аналогичное прогнозирование объема продаж на 1999 и 2000 годы показано в табл. 15.4. Таблица 15.4. Компания Office Goods Supplies Ltd: показатели прогнозного тренда и вычисленных отклонений от тренда Год Период Тренд Отклонение Прогноз 1999 3 326 -82 244 4 334 + 160 494 2000 1 343 -73 270 2 352 -5 347 3 360 -82 278 4 369 + 160 529 Затем полученные статистические данные наносятся на график. Данные о продажах и тренд по рассматриваемому примеру показаны на рис. 15.4. Линия тренда может быть продолжена «на глаз» (именно в этом заключаются умение лица, занимающегося прогнозом, и его интуиция). После этого отклонения от тренда добавляются к линии тренда и на выходе получается прогноз по объему продаж. В данном конкретном примере можно видеть, что линия тренда была продолжена с небольшим наклоном вверх, т.е. так же, как это происходило в предыдущие годы. Первые две цифры для периодов 3 и 4 на 1999 г. показаны как прогноз, но эти кварталы уже, конечно, прошли и поэтому эти цифры не следует рассматривать в дальнейшем. На четыре квартала 2000 г. дан прогноз, который и показан на графике. Этот метод, как и многие ему подобные, страдает от того, что подъемы и спады не могут быть предсказаны, и такие данные долж- ны субъективно вноситься лицом, занимающимся прогнозировани- ем, при помощи манипуляции экстраполируемой линией тренда. Диаграммы Z Этот метод является одним из улучшенных вариантов метода скользящих средних. Помимо получения годового скользящего среднего он также показывает месячные и кумулятивные прода- жи, что объясняет, почему этот метод называется диаграммой Z. Каждая диаграмма Z отражает данные за один год, и потому луч- ше всего его применять, когда есть данные за каждый месяц. В качестве инструмента для прогнозирования он является полез- ным средством, когда продажи за один год могут быть сравнены с предыдущими годами с использованием трех критериев: месяч- ных данных, кумулятивных данных и скользящего среднего. Объем продаж портфелей-дипломатов компании Office Goods Supplies Ltd приведен для каждого месяца 1998 и 1999 гг., и этого достаточно, как это можно увидеть в табл. 15.5, для того, чтобы получить все данные, необходимые для составления диаграммы Z. Цифры из табл. 15.5 в графическом виде представлены на рис. 15.5. Скользящее годовое среднее по объему продаж получается за счет добавления результата за новый месяц и вычитания первого Табл. 15.5. Компания Office Goods Supplies Ltd: ежемесячный объем продаж портфелей-дипломатов за 1998 /1999 гг. Месяц Объем Кумулятивные Итоговое скользящее продаж, ед продажи за 1999 г. среднее за год 1998 1999 Январь 58 66 66 1169 Февраль 67 70 136 1172 Март 86 < 99 235 1185 Апрель 89 102 337 1198 Май 94 121 458 1225 Июнь 104 127 585 1248 Июль 59 58 643 1247 Август 62 69 712 1254 Сентябрь 78 73 785 1249 Октябрь 94 118 903 1273 Ноябрь 178 184 1087 1279 Декабрь 192 200 1287 1287 Объем продаж, ед. Янв Фев Март Апрель Май Июнь Июль Авг Сен Окт Нояб Дек Рис. 15.5. Компания Office Goods Supplies Ltd: ежемесячный объем продаж портфелей-дипломатов, диаграмма Z ЯД____________________________________________Глава 15 из предыдущих двенадцати месяцев. Кумулятивные продажи по- лучают, добавляя данные за очередной месяц к предыдущим. Нижняя линии диаграммы Z показывает ежемесячные продажи. Этот метод очень похож на предыдущий и может применяться для краткосрочных (до 1 года) прогнозов. Однако считать этот метод серьезным инструментом прогнозирования не стоит, так как его основное предназначение — сравнение. Разное В последнем параграфе кратко описываются два приема, которые хорошо подходят для компьютерного использования. Их применение зависит от наличия современных пакетов компьютерного программ- ного обеспечения, и если читатель хочет разобраться в этих приемах подробно, мы рекомендуем обратиться к специалисту по компьютер- ным программам, который может дать ему рекомендации по их при- менению, а также по степени точности их работы. Мы не собираемся здесь утверждать, что лицо, занимающееся прогнозированием (на- пример, менеджер по продажам), обязательно должен хорошо владеть этими приемами. Но все же необходимо знать об особенностях их применения в прогнозировании и степени точности. Первый из этих приемов — метод Бокса—Дженкинса, названный по фамилиям людей, его разработавших (Box and Jenkins). Это разно- видность метода экспоненциального сглаживания, в котором приме- няются различные весовые коэффициенты к разным частям времен- ных серий. В случае использования этого метода компьютерный пакет выбирает ранние части временных серий, манипулирует ими и задает весовые коэффициенты с учетом известных результатов по продажам из последних составляющих временных рядов. Затем определяются те весовые коэффициенты, которые лучше всего соответствуют ситуации, и они применяются для прогнозирования последующих событий. Для кратко- и среднесрочного прогнозирования этот метод достаточно точный. Считается, что с появлением более мощных персональных компьютеров он будет использоваться все более активно. Количественные методы (методы причинно-следственных зависимостей) Индикаторы направленности Этот метод прогнозирования старается выявить и определить линейную регрессионную зависимость между некоторыми измеря- Прогнозирование объема продаж________________________________54Ц емыми явлениями и то, в какой степени ее можно прогнозировать. Здесь не место для обсуждения приема линейной регрессии; и если читатель хочет изучить этот метод, то существуют хорошие учеб- ники по статистике, подробно объясняющие его и показывающие, как им следует пользоваться. Лучший способ объяснить этот метод — это посмотреть, как он работает на простом примере. Например, объем продаж детских ве- лосипедов зависит от числа детей, и поэтому индикатором направ- ленности в деятельности производителя велосипедов являются ста- тистические данные по числу рождений младенцев. Производитель старается отыскать зависимость между двумя данными, например, числом родившихся детей и первыми их двухколесными велосипе- дами (известно, что такой велосипед, как правило, впервые покупа- ют ребенку в возрасте трех лет), т.е. именно число родившихся детей за три года до рассматриваемого периода и является индикатором направленности. Другими словами, первые велосипеды у детей по- явятся примерно через три года после их рождения. Этот пример очевиден своей простотой, и существуют пакеты прогнозирования, позволяющие выбирать индикаторы направлен- ности, заранее, до времени фактических продаж, и на их основе вычислять будущие результаты. Одним из приемов при прогнози- ровании является подстановка вместо фактических результатов их индикаторов, которые наилучшим образом им соответствуют. Причем, по мере движения времени индикаторы постоянно уточ- няются. Когда наступает время реальных продаж, прогнозирова- ние на основе подстановки корректируется, чтобы учесть после- дние полученные результаты. Этот более совершенный тип прогнозирования, который только что описан, известен как корреляционный анализ и используется для установления зависимости. Опять же, для более полного объяс- нения того, как он работает, и его приложений, мы отсылаем читателя к соответствующим учебникам по статистике. Имитация Этот подход к прогнозированию возможен только при широ- ком распространении цифровых компьютеров. Прогнозирование на основе индикаторов направленности устанавливает зависимость между некоторыми измеряемыми явлениями, в то время как ими- тация, чтобы установить прогнозную зависимость, прибегает к процессу итерации или приему проб и ошибок. При достаточно 18* 548 Глава 15 сложной проблеме прогнозирования (когда чаще всего этот прием применяется) число альтернативных возможностей и исходов становится огромным. Когда вероятности различных исходов из- вестны, этот прием называют имитацией Монте-Карло, в основе которой лежит предварительное вычисление вероятности наступ- ления какого-то события (не случайно, этот прием своими кор- нями уходит в вероятности, рассчитываемые для азартных игр). Подробно объяснить этот прием, не прибегая к сложным ма- тематическим вычислениям, трудно. Достаточно будет, чтобы чи- татель знал о его существовании. Если требуется дополнительная информация по этому приему, следует получить консультацию у специалистов, профессионально занимающихся прогнозировани- ем, а чтобы успешно применить его на практике, обратитесь к соответствующим экспертам. Модели диффузии Большинство методов, которые обсуждались до сих пор, ис- пользовали в расчетах показатели прошлых продаж компании или отрасли, которые становились доступными раньше, чем вычисля- лись прогнозные показатели. Однако когда на рынок запускается новый продукт, или когда продукт не является разновидностью предыдущего, метод для оценивания объема продаж основывается на теории, которая называется диффузией инновации. Один из авторов этой книги уже занимался исследованием этой темы и подготовил прогноз для продаж видеомагнитофонов на основе модели диффузии (Lancaster and Wright, 1983). Как и при использовании большинства приемов причинно-след- ственных зависимостей, в этом случае потребуется рекомендация специалиста. По своей сути это прием с использованием компьюте- ра, поскольку с вычислительной точки зрения является сложным. В своей основе теория диффузии исходит из допущения, что новый продукт имеет четыре базовые составляющие: •инновацию; •коммуникацию об этой инновации среди отдельных людей; •социальную систему; •время. Теория утверждает, что инновацию можно категоризировать по одной из следующих группировок: •постоянная; •динамически постоянная; •прерывистая. Прогнозирование объема продаж 549 Приведенный перечень группировок является иерархическим: чем ниже вы опускаетесь по нему, тем меньше степень инноваци- онное™. А это означает, что чем меньше степень инновационно- сти, тем вероятность ее признания будет также ниже. В первые дни появления нового продукта информация об этом должна быть доведена до возможно большего числа людей, особенно тех, кто скорее всего может повлиять на распространение инновации. Коммуникационный процесс разбивается на формальные и не- формальные составляющие. Именно эти два элемента входят в модель прогнозирования, которая может использоваться без нали- чия большого числа данных о предыдущих продажах. Формальные коммуникации контролируются компанией и включают такие дан- ные, как расходы на рекламу или на поддержку продаж для запуска новой продукции, а неформальная составляющая связана с такими аспектами, как влияние семьи или референтной группы. После того как инновация запущена, необходимо измерение скорости ее адаптации, чтобы иметь возможность составить пра- вильный прогноз. Продукты рождаются, затем выходят на этап зрелости и в конце концов умирают, и поэтому для лица, занима- ющегося прогнозом и использующего этот метод, важно опреде- лить скорость адаптации новинки, знать хотя бы несколько дан- ных по продажам на этапе запуска продукта на рынок. Таким образом, прогноз может быть сделан всего лишь на основе не- большого количества данных, охватывающих начальный период запуска нового продукта на рынок. В данном случае, следователь- но, делается допущение, что новый продукт имеет цикл жизни и что вначале его принимают только любители новинок, за которы- ми следуют и остальные категории потребителей. Использование компьютерного программного обеспечения дм прогнозирования объема продаж Для целей прогнозирования специально разработано множество вариантов программного обеспечения. Проблема с такими програм- мами заключается в том, что они быстро устаревают, поэтому если вы предполагаете использовать программу, постарайтесь выбрать одну из самых последних. Ниже приводится ряд программ наиболее об- щего назначения, которые выдержали проверку временем. EXEC*U*STAT компании Mercia Software Ltd. Пакет для об- работки статистических данных в области бизнеса, имеющий мощ- ный графический редактор, обеспечивающий получение графики высокого качества. Глава 15 FOCA Timberlake компании Clark Ltd. Позволяет осуществлять современное количественное прогнозирование на основе времен- ных серий, используя экспоненциальное сглаживание, спектраль- ный анализ, метод Бокса — Дженкинса и адаптивное фильтрование. MINITAB компании CLE.COM Ltd. Система анализа данных об- щего назначения, удобная для пользователя. Ее характерными черта- ми являются описательная статистика, регрессионный анализ с воз- можностями диагаостики, анализ остаточных явлений и обоснованных пошаговых процедур, анализ временных рядов, включающий приемы сильного сглаживания и операции Бокса — Дженкинса. RATS компании Timberlake Clark Ltd. Эконометрический па- кет, позволяющий проводить анализ временных рядов; могут быть включены небольшой объем перекрестных данных и данных, по- лученных в ходе панельного исследования. SAS/ETS компании SAS Software Ltd. Библиотека эконометричес- ких данных и временных рядов, на основе которых можно осуществ- лять прогнозирование, планирование и составление финансовых отче- тов. В нее включены процедуры для анализа временных рядов, системы имитирования линейных и нелинейных процессов, снятие сезоннос- ти; может использоваться для моделирования и планирования потков денежных средств, а также прогнозирования объема продаж. SORITEC компании Timberlake Clark Ltd. Включает приемы линейного и нелинейного оценивания, одновременного нелиней- ного имитирования и выработки решений, язык полной обработки матриц и возможность оценивания переходных функций. SPSS-PC+ компании SPSS (UK) Ltd. Пакет полного анализа интерактивных данных с возможностью полного редактирования результатов на экране, ввода дополнительных данных и их про- верки на соответствие, несколько процедур, используемых для аналитических целей и составления отчетов. SPSS-X компании SPSS (UK) Ltd. Простой пакет для обработ- ки статистических данных и составления отчетов. В него включен широкий диапазон функций, позволяющих решать множество задач, начиная от проверки данных на соответствие до составле- ния самых разных таблиц, графиков и карт. STATGRAPHICS компании Cocking & Drury Ltd. Статисти- ческий и графический пакет, включающий функции составления двухмерных и трехмерных графиков, описательные методы, оце- нивание и тестирование, проверку дистрибутивного соответствия, анализ данных, анализ отклонений, регрессионный анализ, анализ временных рядов, а также моделирование Бокса — Дженкин- Прогнозирование объема продаж______________________________ 551 са, мультивариантные и непараметрические методы и экспери- ментальное проектирование. STATPAC GOLD компании Molimerx Ltd. Программа пакет- ной и интерактивной обработки с хорошей графикой, требующая меньше памяти, чем большинство других программ. В этот список вошли только те пакеты, которые доступны пользователям в Великобритании; очень много аналогичных про- грамм разработано в США. 15.6. Выводы В этой главе рассмотрена цель прогнозирования объема продаж и специально подчеркнуто, что эта функция возлагается на менеджеров по продажам. Показана важность процесса планирования: без обо- снованных точных прогнозов любое планирование окажется напрас- ным. Рассмотрены краткосрочные, среднесрочные и долгосрочные цели прогнозирования, а также показана полезность прогнозирова- ния для основных функций в сфере производства и обслуживания. Прогнозирование рассмотрено в двух параграфах, где показа- ны некоторые качественные и количественные методы, причем последние разбиты на методы временных серий и методы при- чинно-следственных зависимостей. Приемы прогнозирования ка- чественного характера и методы обработки временных рядов объяс- нены достаточно подробно, на уровне, позволяющем читателю получить представление о том, как ими можно пользоваться на практике. Однако методы причинно-следственных зависимостей в значительной степени зависят от степени сложности применяе- мых математических вычислений. К этим методам дается поясне- ние, но не на уровне рабочих подробностей. В следующей главе рассматриваются бюджеты продаж, для чего в качестве логического шага используются процедуры по прогно- зированию объема продаж. |