Прогнозирование продаж и спроса

Прогнозирование спроса на продукцию

Прогнозирование покупательского спроса представляет собой исследование и оценку будущего спроса на товары и необходимо, в первую очередь, для принятия различных управленческих решений. Прогноз спроса – ключевая составляющая процесса планирования продаж и операций, а также необходимо для управления товарными запасами, формирования заказов поставщикам и в целом для качественного функционирования цепи поставок. Максимально точный прогноз продаж позволяет избежать случаев дефицита или переизбытка товара на складах и на полках магазинов, снижает вероятность простоев в работе производственных компаний, сбоев в расписании поставок и закупок, улучшает уровень сервиса при одновременном снижении запасов.

Прогнозирование продаж и спроса лежит в основе всех решений GoodsForecast

При необходимости система может осуществлять ежедневный расчет продаж по всему ассортименту товаров. Высокая точность обеспечивает эффективный выбор моментов и объемов закупок, а также размера страхового запаса. В то же время, очевидно, что, в зависимости от свойств товара, завышение и занижение прогноза не равноценны с точки зрения возможных потерь, поэтому стратегия минимизация возможных потерь предпочтительнее стандартной стратегией минимизации ошибок. Решения GoodsForecast построены на специальных алгоритмах, минимизирующих не ошибку анализа, а величину ожидаемых суммарных потерь. Кроме того, GoodsForecast производит автоматический выбор алгоритма индивидуально для каждого товара, и автоматически вычисляет доверительный интервал, оценивающий погрешность прогноза.

В процессе эксплуатации на основе получаемых новых данных осуществляется контроль точности алгоритмов, и при необходимости, их перенастройка. Кроме того, система может проводить сравнение полученных математических данных и цифр, вводимых пользователями, с фактическими данными о продажах.

Задачи прогноза продаж

Прогноз продаж представляет собой сложный, многоступенчатый процесс. Уровень,детализация и набор параметров прогнозирования определяются целью построения. К таким параметрам могут быть отнесены: горизонт (на какой срок формируется план), уровень (категория, группы товаров или отдельные SKU), частота пересмотра (как часто требуется пересматривать и корректировать данные), интервал построения моделт (каким временным периодам должен соответствовать прогноз).

Выделяют 4 основных шага прогнозирования спроса на продукцию:

Прогнозирование продаж на основе исторических данных Получение исторических данных. На практике эта задача может оказаться далеко не тривиальной. Но будем считать, что все необходимые данные хранятся в учетной системе компании, и могут быть оттуда извлечены. Объем получаемых данных зависит от стоящих задач и горизонта прогнозирования, но как правило лежит в диапазоне 1-3 лет.


Прогнозирование спроса GoodsForecast Предобработка. Иногда для целей прогнозирования фактические данные необходимо изменить. Например: нехарактерно высокий спрос в прошлом месяце был вызван проблемами у компаний-конкурентов. Если эти проблемы устранены, имеет смысл уменьшить значение фактических продаж.


Прогнозирование спроса GoodsForecast Прогнозирование. Получившийся после корректировок факт продаж подается на вход алгоритму. Если для увеличения продаж не проводится никаких новых мероприятий, останавливаемся на этом этапе. Если же для стимулирования сбыта планируется дополнительная рекламная компания, или известна информация о внешних событиях, способных повлиять на продажи, — переходим к следующему шагу.


Прогнозирование спроса GoodsForecast Постобработка. Эксперты оценивают вклад внешних факторов с помощью Volume Building Blocks (VBB). Каждое событие учитывается отдельно. Вводить факторы должны эксперты в предметной области: специалисту по промо-акциям не следует вводить VBB, связанный с деятельностью конкурентов. Каждый VBB сопровождается комментарием. Такой подход позволяет понять, кто, когда, насколько и почему изменил прогноз.

Подходы к прогнозированию объема продаж и покупательствого спроса

Прогнозирование спроса GoodsForecast
  • Методы прогнозирования временных рядов. Под понятием понимаются такие методы, на вход которым подаются только предыдущие (известные) значения величины. Это как такие хорошо известные модели, как скользящее среднее, экспоненциальное сглаживание, так и некоторые более сложные модели, которые определяют будущее значение спроса в конкретный момент времени исходя из предыдущих значений спроса. Методы могут применяться как в краткосрочном прогнозировании с горизонтами планирования от одной недели до трех месяцев, так и на средний срок с горизонтами планирования от трех месяцев до нескольких лет. В таком случае они должны иметь возможность учитывать сезонный, циклический и трендовый факторы.
  • Причинно-следственные (каузальные) методы. Каузальные методы используют модели статической регрессии для установления взаимосвязи между зависимой переменной (спросом) и независимыми переменными, например ценой, рекламными бюджетами и т.д. Если такую модель удается построить, это позволяет проводить сценарный анализ, что является значительным преимуществом. Однако нужно помнить, что независимую переменную нужно уметь хорошо прогнозировать, а также то, что взаимосвязь со временем может меняться.
  • Качественные методы. В отличие от описанных выше количественных методов, качественные методы не используют математический аппарат. Они могут использоваться для прогнозирования спроса на продукцию как на новые изделия, для которых не существует никаких статистических данных и данных, имеющих к ним отношения, так и на текущий ассортимент. К этим методам относятся различные методы экспертных оценок, в том числе метод Делфи.
  • Методы прогнозирования спроса на новые изделия. Предсказание спроса на новые изделия не может быть связано со статистическими данными, описывающими продажи, просто в силу их отсутствия. В этом случае используются вспомогательные данные, например данные о существующих аналогах, данные исследовательских агентств и т.д.

Производственный план

Учет факторов, влияющих на спрос и объем продаж

  • Тренд (общая динамика объема продаж, которая может быть положительной, отрицательной или нейтральной);
  • Сезонность (регулярно повторяющийся паттерн, выделяемый в рамках прогноза, например, повышение объема продаж к Новому году и Рождеству, продажа спортивного инвентаря для зимних видов спорта и т.д.);
  • Промо-акции (история стимулирующих маркетинговых мероприятий, в т.ч. рекламных презентаций, распродаж, бесплатных предложений пробных продуктов и др. и их влияние на объемы продаж, например, возрастание спроса во время акции и падение спроса после ее завершения);
  • Жизненный цикл продукции и сроки годности.

Также не стоит забывать, что одной из составляющих спроса является т.н. шум, то есть колебания спроса, которые происходят случайным образом и появление которых невозможно предусмотреть.

Экономический эффект

Результаты прогноза объема продаж и спроса

Работа торговых сетей, компаний из производственной сферы или дистрибьюторских компаний тесно связана с управлением товарными запасами. Избыток продукции приводит к дополнительным затратам, связанным с хранением, дефицит в свою очередь ведет к потере покупателей, снижению лояльности и, как следствие, к сокращению объемов реализации. В обоих случаях компания сталкивается с ростом финансовых издержек и недополучением возможной прибыли.

GoodsForecast предлагает высококачественное прогнозирование потребительского спроса по каждой ассортиментной позиции на каждый день, которое является основой для решения проблем оптимизации производственной и торговой деятельности. Автоматизация прогнозирования объемов продаж позволяет предприятию планировать закупки, оптимизировать их объемы, и как следствие, увеличивать товарооборот, повышать эффективность использования склада, повышать оборачиваемость денежных средств и сокращать издержки.

Грамотное прогнозирование продаж ведет к сокращению издержек во всей цепочке поставок. Чистая прибыль компании увеличивается, так как производится и хранится ровно столько продукции, сколько необходимо.

  Проекты:

«Балтика»

Сотрудничество компании «Балтика» и группы компаний Forecsys началось в 2008 году с внедрением системы GoodsForecast для улучшения точности прогнозирования спроса с целью среднесрочного планирования (с горизонтом до года). В 2017 году начался процесс перехода на новую версию системы, который потребовал значительной кастомизации программного продукта. С начала 2019 года ПО вводится в промышленную эксплуатацию.

SPLAT

SPLAT — ведущий разработчик и производитель профессиональных решений в категориях ухода за полостью рта, бытовой не химии и детской косметики. В 2018 году в рамках первого этапа проекта был внедрен инструмент прогнозирования спроса и планирования продаж. В настоящий момент компания переходит на прогнозирование вторичных продаж. В ближайших планах внедрение модуля прогнозирования эффектов промо-акций.

BSH

Компания БСХ Россия — один из лидеров российского рынка бытовой техники и производитель приборов под флагманскими брендами Bosch и Siemens. В 2017 году специалисты GoodsForecast провели аудит алгоритмов прогнозирования спроса, разработанных в BSH, а также подготовили ряд рекомендаций по улучшению качества прогнозирования за счет работы с исходными данными, доработке и развитию алгоритмов.