Прогнозирование с учетом факторов структурного изменения спроса

Будущий спрос бывает зависимым и независимым. Примером зависимого спроса является вертикальная, то есть технологическая, обусловленность закупок и производственного процесса, как в случае с комплектующими – скажем, с шинами, – которые нужны для сборки готовых изделий – скажем, автомобили. В такой ситуации спрос на шины зависит от календарного плана производства автомобилей. Вертикальная зависимость может охватывать несколько уровней логистической цепочки: поставщиков сырья, производителей узлов, производство на сборочных линиях и сбытовые организации.

Горизонтально зависимый спрос возникает в особых случаях, когда по тем или иным причинам товар продается с приложением. Примером может служить прогноз потребности в теннисных мячах для рекламной кампании, в которой ради стимулирования сбыта теннисных ракеток каждому покупателю бесплатно выдают несколько мячей. В такой ситуации прогноз потребности в мечах зависит от прогноза сбыта теннисных ракеток. В условиях горизонтально зависимого спроса потребность в товаре диктуется не требованиями производства, а замыслом маркетинга.

Расчетная формула прогноза такова:

Не каждый прогноз включает в себя поправки на все эти факторы, но, для того, чтобы уметь их выявлять, следить за их динамикой и при необходимости правильно учитывать, нужно понимать природу каждого.

Базовый спрос – это величина спроса без учёта всех других элементов формулы прогнозирования. Обычно для оценки базового спроса берут среднюю величину спроса за период. Сам по себе базовый спрос в чистом виде может служить хорошим прогнозным показателем для таких товаров, продажи которых не подвержены сезонным и циклическим колебаниям, устойчивым долгосрочным изменениям, а также воздействия стимулирующих кампаний и случайных факторов.

Сезонный фактор проявляется в периодическом увеличении и уменьшении спроса в течение года. Примером служит всплеск спроса на игрушки в канун Рождества при относительно низком спросе остальные три квартала. Можно сказать, что спрос на игрушки стабилен в первые три квартала года, но испытывает сезонный подъем в четвёртом квартале. Заметим, что это сезонное изменение спроса относится к розничной торговле. На уровне оптовой торговли сезонные колебания происходит с опережением примерно на квартал.

Временная тенденция определяется долгосрочной динамикой объема продаж. Динамика может быть положительной, отрицательной или нейтральный. Положительная тенденция указывает на то, что объем продаж с течением времени растёт. Направленность динамики объема продаж может неоднократно меняться на протяжении жизненного цикла продукта.

Циклический фактор проявляет себя в изменении величины спроса с периодичностью, превышающей один год. Циклические колебания могут иметь разную направленность – как в сторону повышения, так и в сторону понижения. Примером является деловой цикл, в котором время от низшей точки спада до высшей точки подъема занимает обычно от трёх до пяти лет. Спрос на жильё, равно как и сопутствующий ему спрос на основные бытовые товары, связан с деловым циклом.

Эффект стимулирования продаж отражает изменения спроса в ответ на маркетинговые мероприятия. Такие изменения часто характеризуются возрастанием спроса непосредственно во время рекламной кампании и падением спроса после её завершения, когда потребители уже разобрали запасы, выделенные на стимулирование продаж. Скидки подарки, предназначенные для этой цели, иногда предоставляются напрямую потребителям, а иногда – только торговым предприятиям (оптовым и розничным). Стимулирующие мероприятия могут носить регулярный характер: тогда они проводятся ежегодно и в одно и то же время. Для прогнозирования регулярное стимулирование продаж играет роль сезонного фактора. Если же такие мероприятия проводится не регулярно, их следует выявлять и учитывать отдельно. Эффект стимулирования очень важно принимать в расчёт, особенно когда дело касается потребительских товаров, поскольку он весьма серьезно сказывается на объеме продаж.

Случайный фактор – это те случайные или неожиданные изменения спроса, которые не могут быть объяснены другими факторами. Числовое значение этого коэффициента как раз в силу его случайной природы невозможно предсказать. В принципе, чем точнее и полнее учтены все остальные факторы, тем меньше воздействие случайного.

Факторы структурного изменения спроса учтены в системе Novo Forecast Enterprise. Система автоматизирует прогнозирование и интегрированное планирование.

Подробнее

Изначально целью логистики является обеспечение эффективного движения товаропотока по каналам распределения. При этом самостоятельная роль информации и ее значение для потребителей прежде очень часто упускались из виду. К тому же и скорость передачи информации (информационного обмена) была ограничена скоростью движения и обработки бумажных документов. Современные эффективные логистические системы больше, чем когда-либо, нуждаются в своевременной и точной информации по трем причинам.

Во-первых, потребители осознали, что информация о текущем состоянии заказов, доступности продуктов, графиках поставок и предстоящих платежах представляют собой неотъемлемую часть логистического сервиса. Во-вторых, менеджеры, стремящиеся к сокращению объема запасов на всем протяжении снабженческо-сбытовой цепочки обнаружили, что именно информационный обмен заметно уменьшает потребность в материальных и людских ресурсах. В-третьих, информация увеличивает гибкость при принятии решений об использовании ресурсов, а точнее, о том – как, когда и где ресурсы способны принести компании стратегическое преимущество.

Информационные системы логистики призваны обеспечивать интеграцию всех видов логистической деятельности. Интеграция опирается на 4 уровня информационного обеспечения: обслуживание сделок, управленческий контроль, анализ решений и стратегическое планирование.

1. Систему обслуживания сделок отличают формализированный порядок действий, межфункциональные взаимосвязи, большие по объему работы и неослабное внимание к выполнению повседневных задач. Из-за высокой структурированности и большого объема операций особое значение приобретает производительность информационной системы.

2. Управленческий контроль. Задача – оценка результатов деятельности и соответствующая отчетность. Очень важно, чтобы система не просто выдавала отчеты, но и умела обнаружить исключительные (экстренные ситуации), требующие особого внимания менеджеров. Такая информация необходима для выявления потенциальных проблем с исполнением заказов. Например, система должна быть способна на основании прогноза потребностей и поступлений заранее предсказывать возможный дефицит запасов.

3. Анализ решений – служит для оценки возможных последствий, принимаемых решений и тем самым помогает менеджерам выявлять, анализировать и сопоставлять стратегические и тактические альтернативы в логистике. Типичные объекты анализа на этом уровне – маршруты и графики движения транспортных средств, управление запасами, размещение инфраструктурных подразделений логистики, издержки и выгоды различных конфигураций логистической сети. Анализ решений, как и управленческий контроль, имеет тактическую направленность, но только в данном случае, оценке подвергаются будущие тактические решения.

4. Стратегическое планирования. Задача – информационная поддержка разработки и совершенствования логистической стратегии. Принимаемые здесь решения нередко представляют собой естественное продолжение решений предыдущего уровня, но при этом носят более общий, менее структурированный и более долгосрочный характер. Примерами могут служить решения об извлечении преимуществ от совместной деятельности в результате образования стратегических союзов; решения о направлении развития фирмы и оптимальном использовании рыночных возможностей; решения о повышении уровня обслуживания потребителей. Для стратегического планирования требуется информация всех предыдущих уровней, которая должна находить воплощение в хозяйственных планах различных подразделений и в разнообразных моделях принятия решений, на основании чего можно оценивать и сопосталять альтернативные стратегии.

Подробнее

Для того, чтобы логистическая информация отвечала потребностям управляющих и эффективно поддерживала процесс планирования и оперативную деятельность, система должна опираться на 6 принципов.

Наступило время, когда конкурируют между собой не отдельные компании, а системы цепей поставок. И, чтобы повысить эффективность логистических процессов, необходимо своевременное получение информации. Узнайте, как превратить свою цепь поставок в конкурентное преимущество.

Заполните форму, чтобы получить электронную книгу о цифровой трансформации цепей поставок на ваш Email.

Традиционные методы прогнозирования опираются на данные прошлых наблюдений, а затем используют найденную модель для экстраполяции значений интересующей переменной в будущее. Это предполагаемое значение и используется как прогноз, на основании которого затем строится план мероприятий. В таких моделях исходно предполагается, что поведение исследуемой системы в будущем будет точно таким же, как и в прошлом, за исключением тех переменных, которые специально выделяются в модели.

Используя достижения компьютерной техники, мы пытаемся в развивающихся технологиях из области искусственного интеллекта повторить процессы человеческого мозга и нервной системы. Несмотря на то, что истоки этой области исследований лежат в биологии и психологии, она быстро распространяется в иные сферы деятельности, включая бизнес и экономику. Тремя основными направлениями искусственно интеллекта являются обработка лингвистической информации, робототехника и искусственные нейронные сети. Последнее нашло наибольшее применение в коммерции, включая проблемы прогнозирования.

При создании нейронной сети в компьютере программируется множество моделей, охватывающих полный набор прошлых взаимоотношений между всеми переменными, способными  повлиять на результирующие значения зависимых переменных. Программа нейронной сети ассимилирует эти модели и предпринимает попытку установить существующие связи, “изучая” то, как они изменялись до этого.

Некоторые исследователи в области прогнозирования отметили сходство между принципами функционирования нейронных сетей и традиционными методами прогнозирования, в которых предпринимается попытка найти величины, необходимые для успешного прогноза. Преимущество использования нейронных сетей состоит в том, что здесь не нужно заранее устанавливать взаимоотношения между величинами, поскольку метод предусматривает изучение существующих взаимосвязей на готовых моделях. Кроме того, нейронные сети могут эффективно работать с неполными данными.

Достижение успеха в применении нейронной сети иногда называют полной совместимостью. Это означает, что программа нейронной сети быстро замещает существующую модель, например, регрессионный анализ, не нарушая работы организации. Повышение эффективности, как и достижение большей точности прогнозов, иногда может быть достигнуто с минимальным вмешательством в текущее управление. Нейронные сети особенное эффективны в тех случаях, когда исходные данные сильно коррелируют либо неполны или рассматриваемой системе свойственна высокая степень нелинейности.

Торговые сети активно используют нейронные сети не только для прогнозирования спроса, но и для увеличения продаж, работы с ассортиментом, настройки системы лояльности, а также в управлении товарными запасами. С помощью нейросетей можно оптимизировать запасы скоропортящихся товаров на складе или точно спрогнозировать количество необходимой продукции в зависимости от географии или сезона.