Пример прогноза продаж товаров народного потребления

Аватар пользователя prognoz.at@yandex.ru
Пример прогноза продаж товаров народного потребления

Автор Спринчан Алексей Николаевич
аналитик по прогнозированию продаж
Skype: sprinchanalex
http://prognoz.at.ua

Введение

За основу прогноза берутся статистические данные по одной товарной категории за период с 2004 по 2007 год (таблица №1). В данном примере я описываю методику прогнозирования, в которой будет сделан прогноз на 2007 и 2008 год, при этом будет определена точность прогноза при сравнении с реальными данными 2007 года.

В конце данного примера также будет сделан прогноз на шумы. Все расчеты проводились при использовании MS Excel.

Раздел №1

Таблица 1.

Для того чтобы определить динамику продаж и спрогнозировать продажи, необходимо определить темпы роста и темпы прироста продаж (см. таблицу №2 и таблицу №2.1).

Таблица 2.

Таблица 2.1

По полученным данным видно, что в 2005 году продажи увеличились на 75% или в 1,75 раза по отношению к 2004 году. В 2006 году продажи увеличились на 53% или в 1,53 раза по отношению к 2005 году.

В 2007 году продажи увеличились на 43% или в 1,43 раза по отношению к 2006 году. Зная это, рассчитаем количество продаж за весь 2007 год, 539 656 * 1,43 = 771 708, — в 2007 году будет продано около 771 708 штук готовой продукции (таблица №3).

Проанализировав данные продаж, мы видим замедление показателя роста с 74,85% до 43,05% при общем увеличении продаж за период с 2004 по 2007 года.

Теперь спрогнозируем темп роста в 2008 году при помощи построения линии тренда (рисунок №1). Из данного рисунка видно, что темп роста в 2008 году составит около 34% по отношению к 2007 году. По этим данным можно спрогнозировать обьем продаж за весь 2008 год (таблица №3).

Рисунок №1.

Таблица №3.

Для того чтобы спрогнозировать продажи в 2007 и 2008 гг. по месяцам, необходимо определить коэффициент сезонности в 2004, 2005 и 2006 году (таблица №4).

Таблица №4.

На точность прогноза и сезонность продаж также влияют так называемые шумы, в том или ином месяце отчетного периода, которые состоят из следующих факторов:

  1. Нехватка сырья, выход из строя производственных мощностей, если это производство.
  2. Рекламные или маркетинговые акции или программы лояльности.
  3. Изменение цены на товар, изменение отсрочек платежа.
  4. Логистика транспорта, складов.
  5. Активность конкурентов и т.д.

Для того чтобы сгладить действие вышеуказанных факторов (шумов) необходимо определить средний коэффициент сезонности. Полученные данные занесены в таблицу №5.

Таблица №5.

Далее прогнозируем продажи за 2007 год по месяцам, и сравниваем с реальными данными 2007 года, не забывая при этом определить точность прогноза и погрешность в процентном выражении. Полученные данные занесены в Таблицу №6.

Мы видим, что точность прогноза по месяцам составила от 89% до 99%, кроме января, здесь точность прогноза составила около 76%. Почему так вышло, я покажу чуть позже в разделе №2.

Зная средний коэффициент сезонности, тем же методом прогнозируем 2008 год. Полученные данные занесены в таблицу №7.

Таблица №7.

При проведении данного прогноза у меня стояла задача определить обьем продаж в 2008 году. Для того чтобы выявить возможность эффективного удовлетворения спроса посредством финансовых, производственных и складских мощностей предприятия.

Из чего следует, что в 2008 году будет продано около 1 012 458 штук готовой продукции, при этом пик продаж приходится на ноябрь, и составит около 114 933 штуки.

Вывод

Благодаря данному методу можно добиться следующей точности:

На этой стадии можно было бы закончить описание данного метода прогнозирования, но в ходе анализа были выявлены некоторые тенденции, которые влияют на точность прогноза, чему и посвящен второй раздел.

Раздел №2

1. На точность прогноза влияет временной период, на который составляется прогноз. В данном случае это среднесрочный прогноз продаж.

2. Также на точность прогноза влияют шумы, которые описаны в разделе №1. Но их тоже можно спрогнозировать.

Исходные данные:

Рассчитываем коэффициент относительной вариации сезонности продаж и на основе полученных данных строим график, тем самым прогнозируем шумы.

Из графика видно, что наибольшая погрешность будет в следующих месяцах года: 1, 10, 11, 12. Как вы помните из раздела №1, погрешность в январе 2007 года составила 24%.

Для добавления комментариев войдите или зарегистрируйтесь
13699

2010 - 2018 © Математическое бюро

Все права защищены в соответствии с законодательством РФ

При полном или частичном использовании материалов ссылка на сайт обязательна