Энциклопедия маркетинга. Прогнозирование спроса и продаж

Прогнозирование - важная часть процесса управления. Без него невозможно разрабатывать ни тактические, ни стратегические планы развития предприятия. Как для торгового, так и для производственного предприятия важно предсказания продаж товаров на следующий период. От этого будет зависеть объем и создаваемых запасов, и аккумулированных для этого денежных средств.

Теме прогнозирования уделяют внимание многие ученых и практиков. Необходимо отметить среди них Ю.И. Рыжикова , который, собственно, создавал в то время еще советскую школу теории запасов. Ученому удалось системно и последовательно изложить базовые теоретические положения теории очередей, дать практические рекомендации по оптимизации сложных систем сбыта, уменьшение времени обслуживания, ликвидации избыточных запасов. Это очень мощное научное исследование. Впрочем для ознакомления с методами прогнозирования на уровне первичного представления целесообразно будет воспользоваться базовыми положениями (методологии прогнозирования) и некоторой литературой по этому вопросу .

Под методологией прогнозирования понимают отрасль знаний о методах, способах и системы прогнозирования, а именно:

Метод прогнозирования - способ исследования объекта, направленный на разработку прогноза;

Методика прогнозирования - совокупность одного или нескольких методов прогнозирования;

Система прогнозирования - упорядоченная совокупность методик прогнозирования и средств их реализации.

Известно, что теория прогнозирования включает: анализ объекта прогнозирования; методы прогнозирования (математические - формализованные, экспертные - интуитивные) системы прогнозирования.

В работе по теории прогнозирования при анализе объектов применяют классификацию прогнозов, при этом в качестве основных признаков выступают: масштабность - количество главных переменных для описания объекта; сложность - характеризует степень взаимосвязи переменных детерминированность или стохастичность переменных информационная обеспеченность периода ретроспекции. Одной из главных классификационных признаков также период прогноза. Исходя из этого, большинство авторов определяет три вида прогнозов: краткосрочные, среднесрочные и долгосрочные. Как отмечалось ранее, временные интервалы прогнозов зависят от природы объекта (мы уже приводили пример выше - по выбору периода для проведения АВС-ХУZ-анализа).

По двум группам методов прогнозирования, то эвристические методы базируются на интуитивных оценках, которые формулируются экспертами (менеджерами соответствующих направлений). Среди эвристических: индивидуальные - метод интервью, генерации идей; коллективные - метод простого ранжирования, метод весовых коэффициентов, метод последовательных сравнений, метод парных сравнений; комбинированные - метод "Дельфи" и его модификации.

Среди математических методов различают три группы: симплексные (простые) методы экстраполяции по временным рядами - метод наименьших квадратов, экспоненциальное сглаживание и тому подобное; статистические методы - корреляционный и регрессионный анализ, факторный анализ и др; комбинированные методы - синтез различных вариантов прогнозов.

Метод " наивного " прогноза основывается на условии, что продажи в следующем периоде будут равны продажам предыдущего периода.

Например, если продажи за январь составили 100 единиц, то, соответственно, прогноз продаж на февраль составит также 100 единиц. Или если продажи сегодня составляли 50 единиц, то прогноз продаж на завтра будет также 50 единиц. Чаще всего такой метод применяют магазины хлебобулочных изделий и работающих с товарами (запасами) устойчивого спроса - то есть X категории.

К достоинствам этого метода можно отнести моментальную реакцию на изменения спроса, но только при условии наличия тренда. К недостаткам - значительное чувствительность к случайным колебаниям. Среди оговорок необходимо назвать чрезвычайную чувствительность этого метода.

* Прогноз на несколько шагов возможен при соблюдении соотношения длины передпрогнозного периода и периода прогнозирования 3: 1.

** Т - периодичность сезонности.

*** Прогноз на один период, вмещающий сезонность (например, на 1 год ежеквартально).

**** "-" - Метод не применим для учета сезонности.

Дело в том, что основывать прогноз на двух точках не всегда правильно. Представим себе ситуацию, когда в определенной точке сбыта товар был распродан лишь благодаря посещению экскурсионной группой определенного памятника архитектуры, расположенного рядом. Прогноз заказ на следующий период - сутки или месяц - с учетом такого разового пикового всплеска неправильно. Поэтому его необходимо применять только при наличии устойчивого тренда при условии исключения разовых пиковых всплесков потребительской активности.

Арифметическое сглаживания (метод долгосрочной средней) предусматривает, что продажи в следующем периоде будут равняться средней арифметической продаж за все предыдущие периоды.

Например, продажи за 2011 г.. Составляли 10000 единиц. Тогда прогнозное значение на январь 2012 составит: 10000: 12 = 834 единицы. Реальные продажи за январь составили 500 единиц. Тогда прогнозное значение на февраль 2012 будет: (10000 + 500) :(12 + 1) = 808 единиц. И так далее, каждый раз добавляя новое значение реальных продаж к прежним значениям и деля полученную сумму на количество всех периодов.

К достоинствам метода можно отнести сглаживания случайных колебаний. Этот метод просто не видит их, поскольку влечет всю статистику предыдущих периодов. Собственно это и недостатком, поскольку метод таким образом не отражает изменения в тенденциях, всегда реагирует с задержанием на существенные колебания спроса. Но, если точка сбыта товара имеет свободные складские площади и договор с поставщиком составлен так, что по завершении периода продажи все расходы по реверсной логистикой (то есть расходы на отзыв непроданных товаров из точек) возложена на поставщика, то точка сбыта таким образом имеет 100- процентную защиту от колебаний спроса и несет умеренные расходы на содержание.

Метод скользящей средней (метод Хольта - Винтерса) является усовершенствованным методом экспоненциального сглаживания временного ряда. Экспоненциальное сглаживание обеспечивает наглядное представление о тренде и позволяет делать краткосрочные прогнозы, а при попытке распространить прогноз на больший период показывает абсолютно бессмысленные значения: создается впечатление, что развитие процесса в сторону увеличения или уменьшения совсем прекратился. Более совершенным является метод Хольта - Винтерса, успешно справляется и со среднесрочными и долгосрочным прогнозам, поскольку он способен проявлять микротренды (тренды, связанные с короткими периодами) в моменты времени, непосредственно предшествующих прогнозным, и экстраполировать эти тренды на будущее. И хотя возможна только линейная экстраполяция в будущее, в большинстве реальных ситуаций ее оказывается достаточно.

Итак, метод основывается на условии, что продажи в следующем периоде будут равняться средней арифметической от объема продаж за предыдущие n-периода. Главное - выбирать оптимальное значение количества предыдущих периодов для получения корректных прогнозов. Вообще в зависимости от объекта исследования - конкретной позиции, товара, запаса, группы - можно выбирать 2, 5, 6, 10, 12 периодов. Пример расчета приведен в табл. 4.10.

Таблица 4.10.

Пример расчета прогнозного значения методом скользящей средней (период - с месяца)

Таблица 4.11.

Прогнозирование продаж товаров сезонного спроса

Источник : Бузукова ЭЛ. Закупки и поставщики. Курс управления ассортиментом в рознице / Е.А. Бузукова; под ред. С. Сысоевой. СПб. : Питер, 2009. - 432 с. : Ил. - (Розничная торговля).

Как видим, этот метод является компромиссным между предыдущими двумя. Он достаточно гибкий и реагирует на резкие изменения в продажах достаточно быстро, однако не мгновенно.

Метод экспоненциальной средней взвешенной схож с предыдущим, но с применением определенных значений коэффициента (ИС), который принимает значения от 0 до 1. В случае, когда речь идет о запасах (товары) с постоянным плавным трендом, то значение этого коэффициента равно 0,1 -0,2. Для запасов, имеющих слишком сильные колебания, и £ = 0,5 и выше. Приведем пример . Пусть спрос на продукцию в точке сбыта на продукцию А является постоянным. Итак, К = 0,2. За январь было реализовано 300 единиц товара, прогноз по ним был на уровне 290 единиц. Таким образом, прогноз заказ товара будет на уровне 0,2 300 + (1 - 0,2) 290 = 292 единицы.

К преимуществам метода относят то, что он базируется на предыдущих, ближайших к отчетного периода данных, гибко реагирует на изменения. К недостаткам относится то, что все данные всех периодов имеют одинаковый вес.

Это облегченные для восприятия основные подходы, на которых базируются определенные методы прогнозирования. Для прогнозирования продаж товаров сезонного спроса на практике используют другой подход, основанный на коэффициенте тенденции. Этот коэффициент показывает, насколько изменились продажи по сравнению с предыдущими годами. Но в целом за год, как было показано в предыдущих примерах, а только по определенному периодом - высоким сезонным всплеском продаж. Итак, для прогнозирования продаж товаров сезонного спроса необходимо сравнивать аналогичные периоды прошлых лет и корректировать полученные данные с учетом экспертных оценок. Сравнение периодов необходимо для учета изменения в тенденциях - фиксации роста или уменьшения спроса по сравнению с аналогичными периодами прошлых лет (табл. 4.11). Сделать это помогает коэффициент тенденции (КД:

где Х1 - данные за отчетный период;

Х2 - данные за предыдущий период.

Для определения прогноза на июнь 2011 необходимо определить изменения по годам. Рост потребления за период март

Июнь 2009 составил: 26 единиц (3 + 5 + 18), за 2010

31 единица, за 2011г. - 41 единица:

Тенденция увеличения продаж в последние годы не изменилась - продажи имеют устойчивый тренд роста. Применив Кт до отчетного периода, получим прогнозное значение продаж на июнь 2011 г.: 60 + 32% = 79 единиц.

Бытует мнение, что такие расчеты всего удовлетворяют разработку прогнозов для групп С Z , BZ . Считается также, что для товаров, имеющих значительные продажи, такой подход - корректировка на аналогичные периоды прошлых лет - достаточно достоверным.

В бизнес-практике иногда применяют подход " коэффициентов ", который, собственно, также основывается на данных о продажах за предыдущий год. Сущность его заключается в том, что среди всех периодов продаж за год находят наименьшее значение, которому задают коэффициент, равный 1,0. Все остальные периоды получают собственные значения коэффициентов, отталкиваясь от 1,0. Например: известно месячные значения продаж товаров за 2012 г.., И установлены соответствующие коэффициенты (для февраля = 300 200 = 1,5 и т. Д.):

Итак, план продаж на следующий год будет корректироваться с учетом коэффициенты и может составлять по месяцам следующие данные (в зависимости от продаж за январь):

август 1000

сентябрь 625

октябрь 812,5

ноябрь 1125

декабрь 1875

Этот подход достаточно легкий для понимания, благодаря чему его

собственно, и используют в основном для формирования планов продаж на следующий год, но несколько несовершенен.

Правило полтора ("Правило 1,5") чаще всего используют в розничной торговле торговые агенты или если предприятие начинает работать с новым товаром, за которым нет никакой статистики продаж. Для того чтобы определить объем заказа на следующий период (день, неделя, месяц), необходимо соблюдать шага 1,5. Например, первая поставка была в количестве 33 единиц. Продажи за неделю составили 25 единиц, соответственно остаток - 8 единиц. За "Правилом 1,5", следующий объем поставок должен быть: 251,5-8 = 29,5 "30 единиц. Это можно записать в виде следующей формулы:

где замнут - новый объем заказа, шт.;

СПП - остатки на начало отчетного периода, шт.;

Постп - поставка в отчетном периоде, шт.;

ЗКП - остатки на конец отчетного периода, шт.

Логика, заложенная в это правило, проста: целью любого коммерческого предприятия является увеличение (!) Дохода, а не его постоянство. Таким образом, предприятие постоянно закладывает рост продаж, увеличивая его наполовину от предыдущего значения, одновременно корректируя на остаток. Такой подход позволяет достаточно динамично отслеживать продажи и корректировать остатки, не приводит ни к накоплению (затоваривание), ни к отсутствию запаса (резерва). Проиллюстрируем это примером (табл. 4.12).

Итак, первый заказ партии товара находилось на уровне 33 единицы, из них 25 было продано и 8 в остатке. Следующий заказ был сделан в объеме ЗО единиц. Представим ситуацию, что продажи составили 28 единиц и в остатке, соответственно, осталось 10 единиц. За "Правилом 1,5", объем заказа на следующий, третий период будет составлять 32 единицы (28 * 1,5 - 10). В третьем периоде с 32 заказанных единиц было продано 22 остаток равен также 20 единиц

Таблица 4.12.

Пример движения запасов при использовании Правила полтора

(10 - с предыдущего периода и еще 10 из этого). Итак, на четвертый период объем заказа должен составлять лишь 13 единиц (22 1,5 - 20) и т. Д. Соответственно, это не приведет к затоваривания, и товары, остались, будут также реализованы. Пока не будет определенной определенной динамики продаж - это довольно интересный способ определения объемов заказа и контроля за остатками. Одно только замечание: при предыдущих заказах 33, 30, 32 шт. может произойти ситуация, когда поставщик не захочет удовлетворять партию в 13 единиц, поскольку у него определен так называемый целевой размер заказа, о чем пойдет речь далее.

Вообще вопросу применения методов прогнозирования запасов в зависимости от уровня стохастичности (меры неопределенности в его поведении) посвящено много научно-практической литературы. В нашем случае можно сказать, что ни один из методов не даст 100 % правильных результатов, то есть не обеспечит прогнозируемость на 100%, что позволит свести к нулю отклонения между прогнозируемыми значениями и реальными продажами. Метод прогнозирования для каждого конкретного запаса должен избираться по критерию минимального отклонения между прогнозом и фактом (в нашем примере - реальными продажами). Соответственно, чтобы остановиться на определенном методе прогнозирования, необходимо провести расчеты по нескольким и выбрать среди них один, содержащий самые погрешности. Но обязательно делать планирования, ведь, как говорил Дуайт Эйзенхауэр, "готовясь к бою, я всегда убеждался, что планы бесполезны, но планировать необходимо!".

Большинство организаций, существующих сегодня, были созданы ради получения прибыли (организации, созданные «для души», в расчет не берем). И каждый сотрудник компании так или иначе влияет на размер этой самой прибыли. Для того чтобы получить результат, необходимо задать «планку» того, к чему стремиться каждому специалисту.

Таким образом, первое, зачем нужен прогноз, - постановка целей.

Одни компании ставят целью увеличить доходы, другие - повысить количество сделок, а третьи - перехватить клиентов у конкурентов. Не будем в рамках этой статьи подробно описывать способы постановки целей. Предложим лишь некоторыеметодики.

1. SMART . Цель должна быть Specific (конкретной), Measurable (измеримой), Attractive (привлекательной), Realistic (реалистичной), Time framed (определенной во времени).

2. Принцип ВОДКИ (своего рода SMART по-русски). Цель должна быть Вдохновляющей, Ограниченной по времени, Дерзкой, но достижимой, Конкретной, Измеряемой.

3. Критерии ЧИРКОРЯ . Цель должна быть Четкой, Измеримой, Реалистичной, Конкретной, Определенной во времени и пространстве, сформулированной в терминах Результата, на Языке исполнителя.

Второе, зачем нужен прогноз, - для расчета необходимого человеческого ресурса для достижения цели.

Любой отдел продаж - это прежде всего люди. Люди, которые зарабатывают на «хлеб с маслом» и себе, и смежным подразделениям, и собственникам компании. А сколько человек необходимо для выполнения плана продаж? Садимся и считаем, опираясь на количество клиентов, период контакта с каждым из клиентов, время на реактивную деятельность и т.д. Главное - помните, что без укомплектованного отдела продаж шансы реализовать намеченные планы снижаются.

Пример 1

Расчет численности отдела продаж.

Допустим, компания сотрудничает с 500 клиентами, которые разбиты на группы (А, B, С). Для каждой группы установлен стандарт периодичности контактов с клиентами:

Группа А - 1 посещение в 2 недели + 1 звонок в 2 недели. Требуется 30 мин на визит + 30 мин на дорогу + 10 мин на телефонный разговор.

Группа В - 1 посещение в месяц + 1 звонок в месяц. Требуется 20 мин на визит + 20 мин на переезд + 10 мин на телефонный разговор.

Группа С - 1 звонок в месяц, 10 мин на разговор.

Допустим, база поделена следующим образом.

Клиентов группы А - 50 чел.
Клиентов группы В - 150 чел.
Клиентов группы С - 300 чел.

Таким образом, на клиентов группы А мы тратим: 50 клиентов x (2 визита в месяц x 60 мин + 2 звонка в месяц x 10 мин) = 7000 мин (117рабочих часов).

На клиентов группы В мы тратим: 150 клиентов x (1 визит в месяц x 40 мин + 1 звонок в месяц x 10 мин) = 7500 мин (125 рабочих часов).

На клиентов группы С мы тратим: 300 клиентов x 1 звонок в месяц x 10 мин = 3000 мин (50 рабочих часов).

Таким образом, на общение с клиентами в месяц уходит: 117 ч (гр. А) +125 ч (гр. В) + 50 ч (гр. С) = 292 ч.

Допустим, после вычета времени на внесение в базу данных, выписку документов, планерки и т.д. у специалиста остается 5 рабочих часов в день для непосредственной работы с клиентами (5 ч в день x 21 рабочий день = 105 активных часов в месяц).

Получается, что данной компании необходимо:

292 /105 = 2,8 (~ 3 специалиста для работы с 500 клиентами).

Третье, зачем нужен прогноз продаж , - управление складскими запасами . Не имея прогноза продаж, мы либо будем находиться в ситуации дефицита товара, либо в ситуации избытка складских запасов. И в первом, и во втором случае мы теряем деньги.

Пример 2

Компания занимается продажей вентиляторов. Спрос в один из сезонов в связи с установившейся жарой был как никогда высок. Клиенты звонили ежедневно, а склады уже пусты. Как следствие - упущенная выгода и недовольный клиент .

Пример 3

Компания завалила склад снегоуборочными лопатами (в ожидании повторения Хавьера). Зима оказалась малоснежной, и товар остался на складе до следующей зимы. Как результат - потеря прибыли, потери за счет стоимости аренды склада и т.д.

Конечно, кто-то может возразить, сказав, что и в первом, и во втором случае виной стали погодные условия. Согласен. Но вместе с тем отмечу, что если компания торгует товаром, зависимым от температуры за окном, то в расчете прогноза продаж должен присутствовать прогноз погоды.

Четвертый фактор - это мобильность . В случае работы на нескольких рынках прогноз продаж позволяет заблаговременно передислоцировать усилия на необходимый рынок, тем самым снизив риски и издержки сезонного спада или подъема продаж.

Пример 4

Компания занимается продажей средств защиты сельскохозяйственныхрастений, т.е. у товара ярко выражена сезонность. В сезон компания концентрируется на основном продукте, в не сезон занимается продажей инвентаря, необходимого круглогодично.

Немаловажным плюсом наличия прогноза продаж является также возможность оперативного вмешательства в процесс. Это означает, что в случае проседания показателей у того или иного специалиста либо по тому или иному SKU руководство отдела/компании максимально оперативно может принять меры по коррекции действий специалиста либо по отношению к SKU.

Пример 5

Согласно прогнозу, специалист должен продать 1000 единиц товара в месяц, а по факту продал 100. Лишь оперативный анализ причин и принятие мер могут «спасти» последующие месяцы. А в случае отсутствия прогноза данную динамику руководство могло уловить только по итогам отчетного периода (например, года), да и то маловероятно, если плана продаж нет.

А теперь перейдем к ответу на вопрос: «Кому нужен прогноз продаж?»

Разделим его на две части.

1. Каким компаниям нужен прогноз продаж?
2. Кому в компании нужен прогноз продаж?

1. Всем компаниям, занимающимся активными продажами , безусловно, необходим прогноз продаж (для чего - смотри выше). Вместе с тем есть и компании, которые занимаются лишь отгрузкой по заявке (пассивными продажами). Для них прогноз продаж особого смысла не имеет, т.к. продажи в большей степени зависят от маркетологов и специалистов по рекламе в компании. Хотя часть элементов прогнозирования здесь тоже имеет место быть.

2. Прогноз нужен руководству компании , для того чтобы планировать деятельность компании и прибыль. Как следствие, можно запланировать расходы на обучение персонала, обновление материальной базы офиса, бонусов и т.д.

Прогноз нужен специалистам по продажам и начальнику отдела продаж, т.к. непосредственно им отвечать за его выполнение.

Прогноз нужен маркетингу, для того чтобы спланировать свою деятельность по поддержанию существующих и выводу новых продуктов на рынок.

Прогноз нужен производству и логистике для осуществления и координации своей деятельности. 

А теперь логично поговорить о том, кто именно должен заниматься прогнозированием продаж в компании. Несмотря на то что этот процесс - комплексный, затрагивающий все подразделения компании, прогнозированием должны заниматься следующие категории работников.

• Высшее руководство компании
• Подразделения маркетинга. Могут дать информацию о тенденциях и трендах рынка
• Руководители направлений продаж. Это люди, которые чаще всего находятся между двух огней: сверху - «хотелки» руководства, снизу - нытье специалистов о невозможности выполнить планы. Руководители отделов продаж видят ситуацию изнутри и берут на себя ответственность за реализацию плана
• Специалисты отделов продаж. Кто как не они лучше других знают потребности клиентов
• Подразделения логистики и производства - в части мощностей производства и возможностей логистики (склад, транспорт и т.д.)

При этом важно помнить, что если в компании несколько подразделений занимаются прогнозами, то методология прогнозирования должна быть единой.

Если вкратце описать саму процедуру прогнозирования, то условно можно выделить следующие элементы (сделаем это на примере магазина товаров для детей).

Макроэкономический прогноз. Будет включать в себя демографическую оценку, уровень рождаемости, оценку предполагаемого уровня инфляции, безработицы, расходов и сбережений клиентов, расходов правительства на поддержку семей и другие факторы, имеющие значение для деятельности магазина детских товаров.

Прогноз развития отрасли . Сколько магазинов находится на данной территории? Планируется ли вход зарубежных сетей? На какого потребителя ориентированы конкуренты?

Прогноз объема продаж компании . Собственно, объем прогнозируемых продаж, опираясь на внешние и внутренние факторы, описанные выше.

Имея на руках аналитику по макроэкономической ситуации, прогнозу развития отрасли, возможностям своей компании, мы можем, используя тот или иной метод, составить прогноз продаж на будущий период.

Но планирование и прогнозирование не заканчивается после написания итогового документа - «прогноза продаж». Он продолжается и в процессе исполнения планов. Наглядно это хорошо демонстрирует принцип Деминга-Шухарта, или алгоритм PDCA (Plan Do Check Act - планирование действие проверка корректировка).

(См. рис. 1.)

Как видим из рисунка, это повторяющийся цикл, в котором, двигаясь по шагам, мы принимаем следующие действия: если на шаге Check (Проверяй) выясняется, что все хорошо и цель достигнута, то шаг Act (Реагируй) будет состоять в том, чтобы перейти к шагу Plan (Планируй) и поставить новые цели и задачи. Если же на шаге Check (Проверяй) обнаруживается, что обстоятельства изменились (результат не достигнут), то шаг Act (Корректируй) будет заключаться в том, чтобы внести коррективы и перейти к шагу Plan (Планируй), на котором мы уточняем ранее поставленную цель и план ее достижения.

И в заключение следует отметить, что прогноз сам по себе не является гарантией того, что план будет выполнен. Для достижения целей необходимо приложить усилия всех сотрудников вашей компании.

Прогнозирование продаж: точный расчет или гадание на кофейной гуще? Когда мы строили систему в компании-девелопере Урбан Групп, коммерческий директор, Дмитрий Усманов, задал вопрос, — подпишемся ли мы под конкретной цифрой. Мы назвали цифру, дату и время.

Через три недели в 12.15 мы сидели в кафе и наблюдали за графиком поступлений. В 12.00 разносятся приходы за последний день. Точность прогноза составила 99,7%.

Самый частый вопрос, который задают нам клиенты: «Как вы можете так точно рассчитать будущий объем продаж?».

Все дело в кофе) Нет, не в том, по которому можно узнать судьбу вашего бизнеса, а в том, которое мы выпиваем, пока решаем задачу прогнозирования для каждого конкретного предприятия.

Не стоит путать прогнозы объема продаж, основанные на детальных расчетах, с ненаучной ворожбой. Давайте рассмотрим, как составить максимально точный прогноз продаж и какие задачи он решает.

Для чего нужен прогноз продаж?

1. Постановка целей . Полученная по годовому прогнозу цифра – то, к чему компания должна прийти на следующий год, тот план, который необходимо выполнить. Это часть бизнес-плана для предприятия и реальная, четко просчитанная цель для отдела продаж, от которой можно отталкиваться при начислении премий и бонусов. Очень часто цель ставится из желаний, а не из реальных возможностей.
Поэтому перед тем как поставить цель необходимо сначала сделать прогноз, а потом устанавливать цель. Если цель выше прогноза, то нужно понимать за счет каких изменений цель будет выполнена.

2. Формирование необходимой базы трудовых и производственных ресурсов. Исходя из прогнозного количества клиентов и объема продаж. Задача: запланировать закупки и определить будущие потребности компании в оборудовании и персонале.

3. Управление складскими запасами . В каждый момент времени в распоряжении производства будет находиться складской остаток, достаточный для выполнения задач на определенном этапе. Никакого дефицита или избытка материалов на складе – только рациональное расходование средств!

4. Повышение мобильности бизнеса . На прогнозном графике (или в таблице) можно заблаговременно увидеть моменты возможного проседания объема продаж (например, из-за сезонности продукта) и предпринять меры для корректировки ситуации еще до окончания периода. Кроме того, повышаются шансы мгновенно отследить незапланированный спад продаж, оперативно выявить причины снижения показателей и своевременно исправить ситуацию.

5. Контроль и оптимизация расходов . Прогнозирование покажет, какие затраты в целом понесет компания на производство и реализацию продукции. А значит, можно разработать бюджет и заблаговременно определить, какие издержки подлежат сокращению в случае неисполнения прогноза по увеличению объема продаж.

Если все сделки «выстрелят», впереди сделок уже не будет. За пиком продаж неизбежно следует провал. Но прогнозировать подъемы и спуски можно — причем легко и технологично.

Причина провала может быть простой: менеджеры по продажам видят перспективу только в ближайших сделках. Чтобы сбыт был стабильным, необходимо его планировать и прогнозировать. И не до конца текущего месяца, как это обычно делают. Необходим прогноз продаж на несколько месяцев вперед.

Техника и технология

Несколько правил прогнозирования продаж уместятся на двух страницах.

1. Все наметки на клиентов, имеющиеся у каждого менеджера по продажам, учитываются в конкретных суммах. Недостаточно сказать: «Мы можем продать сайт клиенту XYZ». Нужно конкретизировать: «Мы планируем продать клиенту XYZ сайт бизнес-класса стоимостью $9500».
2. Необходимо запланировать месяц, когда можно ждать продажи. Например: сейчас на дворе май 2007 г. И мы планируем, что сайт удастся продать в течение двух месяцев. Значит, оплаты можно ждать в июле 2007 г.
3. Неплохо бы определить (и трезво оценить) вероятность совершения сделки. Каждой вероятности соответствует свой коэффициент, на который множится сумма сделки для учета в прогнозе продаж. Например, делим все ожидаемые платежи на три вида: «гарантированные», «вероятные» и «маловероятные». «Гарантированные» платежи принимаем к прогнозу с коэффициентом 1: они поступят практически наверняка. «Вероятные» платежи принимаем к прогнозу с коэффициентом 0,6: вероятность их поступления больше 50%, но далека от 100%. «Маловероятные» платежи принимаем к прогнозу с коэффициентом 0,1: мы почти не ждем, что эти деньги к нам поступят.

Суммируем обороты по планируемым сделкам, взвешенные с учетом вероятности. Отдельно берем сумму по ожидаемым сделкам за текущий месяц (X), за ближайший будущий месяц (X+1) и за месяц, следующий за ним (X+2).

• Прогноз продаж на текущий месяц, равный сумме оборота, реально поступившего с начала месяца, и прогноза продаж по сделкам, ожидающимся до конца месяца.
• Прогноз продаж на месяц, следующий за текущим — (текущий месяц + 1).
• Прогноз продаж на текущий месяц + 2.

Обычно все эти данные загоняются в знакомый всем формат таблицы MS Exel. В ней делаются отдельные страницы на каждый месяц, блоки на каждого вашего сотрудника. И вставляются формулы, автоматически учитывающие вероятность платежей и выдающие итоговые прогнозы. Общий, и по каждому сотруднику отдельно.

Необходимо сделать две вещи. Во-первых, собрать и загнать в таблицу исходные данные. Во-вторых, выработать у сотрудников безусловный рефлекс: они должны учитывать все промежуточные результаты работы с клиентами в изменениях прогноза. Например, при обсуждении контракта на сайт коммерсант убедил клиента в необходимости продвижения сайта. Для себя он должен сразу оценить, как изменится прогноз продаж. Какую дополнительную сумму должен будет заплатить клиент за продвижение? Например, $5000. Насколько изменится прогноз? Если сделка «вероятная», прогноз увеличится на $5000 × 0,6 = $3000.

Теперь по итоговым данным прогноза продаж можно контролировать ход коммерческой работы. Важны не сами итоговые данные, а их изменения изо дня в день.

Если прогноз продаж не изменился по сравнению со вчерашним днем — значит, коммерческая работа не велась.

Это даже хуже, чем если бы прогноз уменьшился. Уменьшение прогноза означает, что какие-то сделки попытались дожать — и они слетели. Но работа все-таки велась. А неизменный прогноз означает именно то, что никто ничего не делал.

Прогноз — это уже результат

Как определить оптимальный прогноз продаж?

В нашем случае для расчета прогноза продаж используется технологичный подход. А это означает, что прогноз не берется с неба и не высасывается из пальца. Он является объективным отражением текущего положения дел по перспективным контрактам. Поэтому технологичный прогноз не может быть «оптимальным» или «неоптимальным». Он всегда является объективным отражением действительности. Если, конечно, ведется правильно.

Единственное, что можно уточнить по ходу дела (статистически) — это вероятностные коэффициенты. После сопоставления прогнозов и реальных результатов продаж за несколько месяцев может оказаться, что «вероятным» контрактам нужно присвоить коэффициент 0,9. А «маловероятным» — коэффициент 0,15.

Жесткое внедрение

Как заставить сотрудников спрогнозировать и оценить потенциальных клиентов?

Дисциплинарно. Без жесткого регулярного управления на основе технологий и стандартов прогноз продаж жить не будет.

Как выявить сознательные занижения в прогнозе продаж менеджеров?

Во-первых, менеджер может занизить саму сумму ожидаемой сделки. Это — проблема «личного порога». Ее нужно лечить наставничеством. И тренингами продаж хороших практиков.

Во-вторых, менеджер может занизить вероятность успеха сделки. Ну, меньше «маловероятной» он поставить не сможет. Если у большинства менеджеров вероятности сделок разные, а у кого-то все сделки — «маловероятные», это хорошо видно по сводному прогнозу продаж. У таких менеджеров проблемы с уверенностью в себе или товарах/услугах своей компании. Им нужна поддержка опытных товарищей при «дожиме» сделок.

Самое опасное — когда переговоры с клиентами ведутся, а в прогнозе продаж клиенты не появляются. Как минимум, это означает, что менеджер занимается с клиентами тусовкой, а не продажей. Он даже не предполагает, что конкретно будет предлагать данному клиенту. И на какую сумму. Как максимум, сделки уводятся на сторону.

Эта ситуация становится очевидной, когда коммерсант ведет переговоры с клиентами и ездит к ним на встречи. А его личный прогноз продаж не меняется. Эта ситуация требует немедленного вмешательства руководителя продаж. И жестких решительных действий. От совместного проведения переговоров до увольнения сотрудника.

Как добиться максимального выполнения прогноза продаж?

В наибольшей степени это зависит от личных усилий руководителя продаж. Он должен постоянно отслеживать, насколько его сотрудники могут обеспечить выполнение прогноза по их клиентам. Здесь действует правило «не более одной дополнительной попытки». Если в назначенный день клиент оплатил — хорошо. Если нет — разговор об объективных трудностях клиента никого не волнует. Сотрудник сам должен назвать руководителю продаж тот срок (небольшой!), за который он доведет эту сделку до результата. Если срок прошел, а результата нет, руководитель берет «дожим» сделки на себя. За соответствующее вознаграждение.

Отметим напоследок: прогноз продаж позволяет по нескольким итоговым значениям насквозь контролировать работу отдела. Мало того: как греет душу рукводителя сама возможность предсказать будущее!

На сегодняшний день наука достаточно далеко продвинулась в разработке технологий прогнозирования. Специалистам хорошо известны методы нейросетевого прогнозирования, нечёткой логики и т.п. Разработаны соответствующие программные пакеты, но на практике они, к сожалению, не всегда доступны рядовому пользователю, а в то же время многие из этих проблем можно достаточно успешно решать, используя методы исследования операций, в частности имитационное моделирование, теорию игр, регрессионный и трендовый анализ, реализуя эти алгоритмы в широко известном и распространённом пакете прикладных программ MS Excel.

В данной статье представлен один из возможных алгоритмов построения прогноза объёма реализации для продуктов с сезонным характером продаж. Сразу следует отметить, что перечень таких товаров гораздо шире, чем это кажется. Дело в том, что понятие “сезон” в прогнозировании применим к любым систематическим колебаниям, например, если речь идёт об изучении товарооборота в течение недели под термином “сезон” понимается один день. Кроме того, цикл колебаний может существенно отличаться (как в большую, так и в меньшую сторону) от величины один год. И если удаётся выявить величину цикла этих колебаний, то такой временной ряд можно использовать для прогнозирования с использованием аддитивных и мультипликативных моделей.

Аддитивную модель прогнозирования можно представить в виде формулы:

где: F – прогнозируемое значение; Т – тренд; S – сезонная компонента; Е – ошибка прогноза.

Применение мультипликативныхмоделей обусловлено тем, что в некоторых временных рядах значение сезонной компоненты представляет собой определенную долю трендового значения. Эти модели можно представить формулой:

На практике отличить аддитивную модель от мультипликативной можно по величине сезонной вариации. Аддитивной модели присуща практически постоянная сезонная вариация, тогда как у мультипликативной она возрастает или убывает, графически это выражается в изменении амплитуды колебания сезонного фактора, как это показано на рисунке 1.

Рис. 1. Аддитивная и мультипликативные модели прогнозирования.

Алгоритм построения прогнозной модели

Для прогнозирования объема продаж, имеющего сезонный характер, предлагается следующий алгоритм построения прогнозной модели:

1.Определяется тренд, наилучшим образом аппроксимирующий фактические данные. Существенным моментом при этом является предложение использовать полиномиальный тренд, что позволяет сократить ошибку прогнозной модели.

2.Вычитая из фактических значений объёмов продаж значения тренда, определяют величины сезонной компоненты и корректируют таким образом, чтобы их сумма была равна нулю.

3.Рассчитываются ошибки модели как разности между фактическими значениями и значениями модели.

4.Строится модель прогнозирования:

где:
F– прогнозируемое значение;
Т – тренд;
S – сезонная компонента;
Е - ошибка модели.

5.На основе модели строится окончательный прогноз объёма продаж. Для этого предлагается использовать методы экспоненциального сглаживания, что позволяет учесть возможное будущее изменение экономических тенденций, на основе которых построена трендовая модель. Сущность данной поправки заключается в том, что она нивелирует недостаток адаптивных моделей, а именно, позволяет быстро учесть наметившиеся новые экономические тенденции.

F пр t = a F ф t-1 + (1-а) F м t

где:

F ф t- 1 – фактическое значение объёма продаж в предыдущем году;
F м t - значение модели;
а – константа сглаживания

Практическая реализация данного метода выявила следующие его особенности:

• для составления прогноза необходимо точно знать величину сезона. Исследования показывают, что множество продуктов имеют сезонный характер, величина сезона при этом может быть различной и колебаться от одной недели до десяти лет и более;
• применение полиномиального тренда вместо линейного позволяет значительно сократить ошибку модели;
• при наличии достаточного количества данных метод даёт хорошую аппроксимацию и может быть эффективно использован при прогнозировании объема продаж в инвестиционном проектировании.

Применение алгоритма рассмотрим на следующем примере.

Исходные данные: объёмы реализации продукции за два сезона. В качестве исходной информации для прогнозирования была использована информация об объёмах сбыта мороженого “Пломбир” одной из фирм в Нижнем Новгороде. Данная статистика характеризуется тем, что значения объёма продаж имеют выраженный сезонный характер с возрастающим трендом. Исходная информация представлена в табл. 1.

Таблица 1.
Фактические объёмы реализации продукции

Задача: составить прогноз продаж продукции на следующий год по месяцам.

Реализуем алгоритм построения прогнозной модели, описанный выше. Решение данной задачи рекомендуется осуществлять в среде MS Excel, что позволит существенно сократить количество расчётов и время построения модели.

1. Определяем тренд , наилучшим образом аппроксимирующий фактические данные. Для этого рекомендуется использовать полиномиальный тренд, что позволяет сократить ошибку прогнозной модели).

Рис. 2. Сравнительный анализ полиномиального и линейного тренда

На рисунке показано, что полиномиальный тренд аппроксимирует фактические данные гораздо лучше, чем предлагаемый обычно в литературе линейный. Коэффициент детерминации полиномиального тренда (0,7435) гораздо выше, чем линейного (4E-05). Для расчёта тренда рекомендуется использовать опцию “Линия тренда” ППП Excel.

Рис. 3. Опция “Линии тренда”

Применение других типов тренда (логарифмический, степенной, экспоненциальный, скользящее среднее) также не даёт такого эффективного результата. Они неудовлетворительно аппроксимируют фактические значения, коэффициенты их детерминации ничтожно малы:

• логарифмический R 2 = 0,0166;
• степенной R 2 =0,0197;
• экспоненциальный R 2 =8Е-05.

2. Вычитая из фактических значений объёмов продаж значения тренда, определим величины сезонной компоненты , используя при этом пакет прикладных программ MS Excel (рис. 4).

Рис. 4. Расчёт значений сезонной компоненты в ППП MS Excel.

Таблица 2.
Расчёт значений сезонной компоненты

Скорректируем значения сезонной компоненты таким образом, чтобы их сумма была равна нулю.

Таблица 3.
Расчёт средних значений сезонной компоненты

3. Рассчитываем ошибки модели как разности между фактическими значениями и значениями модели.

Таблица 4.
Расчёт ошибок

Находим среднеквадратическую ошибку модели (Е) по формуле:

Е= Σ О 2: Σ (T+S) 2

где:
Т- трендовое значение объёма продаж;
S – сезонная компонента;
О - отклонения модели от фактических значений

Е= 0,003739 или 0.37 %

Величина полученной ошибки позволяет говорить, что построенная модель хорошо аппроксимирует фактические данные, т.е. она вполне отражает экономические тенденции, определяющие объём продаж, и является предпосылкой для построения прогнозов высокого качества.

Построим модель прогнозирования:

Построенная модель представлена графически на рис. 5.

5. На основе модели строим окончательный прогноз объёма продаж. Для смягчения влияния прошлых тенденций на достоверность прогнозной модели, предлагается сочетать трендовый анализ с экспоненциальным сглаживанием. Это позволит нивелировать недостаток адаптивных моделей, т.е. учесть наметившиеся новые экономические тенденции:

F пр t = a F ф t-1 + (1-а) F м t

где:
F пр t - прогнозное значение объёма продаж;
F ф t-1 – фактическое значение объёма продаж в предыдущем году;
F м t - значение модели;
а – константа сглаживания.

Константу сглаживания рекомендуется определять методом экспертных оценок, как вероятность сохранения существующей рыночной конъюнктуры, т.е. если основные характеристики изменяются / колеблются с той же скоростью / амплитудой что и прежде, значит предпосылок к изменению рыночной конъюнктуры нет, и следовательно а ® 1, если наоборот, то а ® 0.

Рис. 5. Модель прогноза объёма продаж

Таким образом, прогноз на январь третьего сезона определяется следующим образом.

Определяем прогнозное значение модели:

F м t = 1 924,92 + 162,44 =2087 ± 7,8 (руб.)

Фактическое значение объёма продаж в предыдущем году (F ф t-1) составило 2 361руб. Принимаем коэффициент сглаживания 0.8. Получим прогнозное значение объёма продаж:

F пр t = 0,8*2 361 + (1-0.8) *2087 = 2306,2 (руб.)

Кроме того, для повышения надёжности прогноза рекомендуется строить все возможные сценарии прогноза и рассчитывать доверительный интервал прогноза.

Дмитриев Михаил Николаевич, заведующий кафедрой экономики и предпринимательства Нижегородского архитектурно-строительного университета (ННГАСУ), доктор экономических наук, профессор.
Адрес: 603000, Н. Новгород, ул. Горького, д. 142а, кв. 25.
Тел. 37-92-19 (дом) 30-54-37 (раб.)

Кошечкин Сергей Александрович, кандидат экономических наук, ст. преподаватель кафедры экономики и предпринимательства Нижегородского архитектурно-строительного университета (ННГАСУ).
Адрес: 603148, Н. Новгород, ул. Чаадаева, д. 48, кв. 39.
Тел. 46-79-20 (дом) 30-53-49 (раб.)