МЕТОДЫ ПРОГНОЗИРОВАНИЯ В КОММЕРЧЕСКОЙ ДЕЯТЕЛЬНОСТИ

Прогнозирование в коммерческой деятельности предполагает определение состояния и вероятных тенденций развития явлений и процессов в отношении закупок и продаж товаров с целью предотвращения излишков или дефицита запасов, определения плана закупок или производства готовой продукции.

Прогнозирование — это выявление состояния и вероятных путей развития явлений и процессов.

Одним из методов прогнозирования является анализ временных рядов. Для прогнозной оценки изменения величины этим методом необходимо знать значения этой величины за ряд предшествующих периодов. Оценка явления и определение направления его развития производится посредством аппроксимации и экстраполяции.

Аппроксимация — замена одних математических объектов другими, более простыми и в том или ином смысле близкими к исходным.

Экстраполяция — распространение выводов, полученных из наблюдения над одной частью явления на другую его часть. Экстраполяция применяется для эволюционно развивающихся процессов, для которых в будущем не предвидится скачков. Может применяться для разработки краткосрочных прогнозов в логистических системах.

В рамках данной темы рассмотрим следующие методы: метод «наивного» прогноза, метод долгосрочной средней, метод скользящей средней, метод скользящей средневзвешенной.

Дадим определение перечисленных методов и кратко охарактеризуем их плюсы и минусы.

1. Метод «наивного» прогноза — используется предположение, что продажи в последующем периоде будут соответствовать продажам в предыдущем периоде.

Преимущества: моментальная реакция на изменения спроса, метод хорошо работает в условиях тренда (тренд — изменение, определяющее общее направление развития).

Недостаток: слишком большая чувствительность к случайным колебаниям.

2. Метод долгосрочной средней — предположение, что продажи в последующем периоде равны среднему объему продаж за все предшествующие периоды.

Метод предусматривает сглаживание продаж за счет вычисления средней за все известные предшествующие продажи. Данные о продажах в самое последнее время имеют тот же вес, что и данные за самый отдаленный период. Это позволяет избежать слишком быстрого реагирования на изменения спроса.

Преимущество: сглаживает случайные колебания спроса.

Недостатки: не отражает истинных изменений в тенденциях, всегда реагирует с запозданием относительно существенных изменений спроса.

  • 3. Метод скользящей средней — предположение, что продажи в последующем периоде будут равны арифметической средней за последние п периодов. Метод является компромиссом между двумя первыми системами.
  • 4. Метод скользящей средневзвешенной — предположение, что продажи в последующем периоде будут равны арифметической средневзвешенной объема продаж за последние п периодов.

К выбору числа периодов добавляется взвешивание этих периодов. Метод более гибкий, чем метод простой скользящей средней.

Преимущество: при наличии тенденции точнее других методов.

Недостаток: отброшенные за пределами п всегда имеют предсказательную ценность, каков бы ни был их вес.

Исходные данные для выполнения заданий по данной теме приведены в табл. 5.13

Таблица 5.13

Информация о помесячных продажах продукта А и продукта В

Месяц

2012 г.

2013 г.

2014 г.

продуктА

продукт В

продуктА

продукт В

продукт А

продукт В

Январь

600

300

570

330

645

300

Февраль

480

210

630

270

570

330

Март

540

150

690

240

660

300

Апрель

630

300

540

210

675

330

Май

600

240

450

300

540

390

Июнь

690

180

510

330

600

420

Июль

570

360

660

420

480

480

Август

600

345

600

390

630

510

Сентябрь

510

330

630

300

660

360

Октябрь

540

390

720

360

615

390

Ноябрь

660

300

570

390

540

420

Декабрь

630

330

540

420

450

450

Всего

7 050

3 435

7 110

3 960

7 065

4 680

Среднее

587,5

286,25

592,5

330

588,75

390

 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ   ОРИГИНАЛ   След >