Наличие эффекта стимулирования спроса

Эффект стимулирования спроса представляет собой изменение спроса на товар в ответ на маркетинговые мероприятия.

Маркетинговые мероприятия по стимулированию спроса, про­водимые организацией, содержащей запас, оказывают существен­ное влияние на изменение потребности в запасе. Результат марке­тинговых мероприятий дополняет тенденции развития рынка, определяемые отделом маркетинга или отделом продаж. Он также может повлечь существенное изменение тенденции спроса и се­зонной потребности, имеющихся во временных рядах статистиче­ских данных. Применение своевременных методов получения ин­формации о планируемых рекламных акциях — залог корректного прогнозирования потребности в запасе. Знание плана маркетин­говых акций особенно важно при составлении прогноза отгрузок запаса товаров рынку конечного потребления, который чрезвы­чайно гибко реагирует на стимулирующие мероприятия.

Проведение рекламных акций позволяет спланировать цикличность изменения спроса на продукт.

В то же время стимулирующие маркетинговые мероприятия организации могут происходить регулярно, т.е. повторяться в одни и те же периоды года. В этом случае такое стимулирование спроса играет роль сезонного фактора и должно быть учтено в рамках про­гнозирования сезонной потребности.

Все это требует корректной организации системы обмена ин­формацией между отделом маркетинга (отделом продаж) и отделом логистики (или иным подразделением, принимающим решения по управлению запасами организации).

Случайные факторы колебания спроса

При работе по выявлению периодов времени, в течение которых присутствует относительно равномерный спрос, имеются сезонные и прочие тенденции потребления, также циклические изменения спроса и влияние мероприятий по стимулированию спроса, приходится сталкиваться со случайными и неожиданными факто­рами спроса.

К случайным изменениям спроса относятся те изменения, ко­торые не получили объяснения наличием сезонных, циклических и прочих тенденций изменения спроса, а также влиянием меро­приятий по стимулированию спроса.

Появление таких случайных изменений в потребности в запасе является неминуемым, что, естественно, снижает точность про­гнозирования. Один из приемов преодоления влияния случайных факторов на точность прогнозирования — фильтрация статисти­ческого ряда, используемого при составлении прогноза. Он был рассмотрен ранее в. Более сложные методы учета случайного фактора при прогнозировании по­требности в запасе (например, имитационного моделирования, нейросетевых методов, модели авторегрессивной интегрированной скользящей средней Бокс — Дженкинса и др.) требуют специаль­ной математической подготовки и, как правило, выполняются си­лами специалистов отделов бизнес-аналитики и бизнес-информа­тики. Наличие универсальных пакетов SYSTAT , SPSS , языка GPSS , специализированных пакетов анализа временных рядов ( Forecast Expert , FreeFore , МЕЗОЗАВР и др.), а так же Neural Connection и др. существенно упрощает эту задачу.

Достаточно эффективным и простым методом, позволяющим справиться с влиянием случайных факторов на изменение потреб­ности в запасе, является прогнозирование на основе регрессион­ного анализа.

Прогнозирование потребности в запасе по индикаторам

Работа с временными рядами статистических данных предпо­лагает анализ потребности в запасе по сложившимся с течением времени тенденциям.

Прогнозирование потреб­ности по временным рядам. В силу влияния случайных факторов зачастую складывается ситуация, когда прогнозиро­вание по данным временных рядов не дает требуемой точности прогноза. В таких случаях можно воспользоваться идеей о том, что на отгрузки запаса рассматриваемых товарно-материальных цен­ностей оказывает влияние какая-либо переменная, от которой за­висит прогнозируемый спрос. Например, температура воздуха оказывает воздействие на интенсивность спроса на прохладитель­ные напитки, численность новорожденных детей определяет через 2—3 года спрос на детскую книжную продукцию и т.п. Определение и анализ таких переменных, которые принято называть индикато­рами, дают возможность составить прогноз будущего потребле­ния.

Индикаторами, оказывающими воздействие на спрос, являют­ся, например:

· индекс оптовых цен;

· индекс потребительских цен;

· объем производства;

· показатели миграции населения;

· процентные ставки за кредит;

· уровень платежеспособности населения;

· затраты на рекламу и др.

Для того чтобы те или иные события могли служить индикато­рами, требуются следующие три условия.

1. Наличие логического объяснения связи индикатора и про­гнозируемой потребности.

2. Интервал времени между изменением индикатора и измене­нием потребности должен быть достаточно велик для возможности использования прогноза.

3. Наличие высокой корреляционной связи между индикатором и уровнем потребности.

Для прогнозирования потребности в запасе на основе индика­торов используют регрессионный анализ. Простейшей формой регрессии является линейная связь между двумя переменными. Уравнение линейной регрессии имеет вид

y = a + bx ,                                      (14)

где у — прогнозируемая (зависимая) переменная, единиц; а, в — коэффициенты;
х — индикатор (независимая переменная), единиц. Коэффициенты а и в вычисляются следующим образом:

                          (15)

                         (16)

где а, в — коэффициенты,  — число парных наблюдений, у — прогнозируемая (зависимая) переменная, единиц; х — индикатор (независимая переменная), единиц.

Кроме линейной регрессии можно использовать и иные, более сложные виды регрессии (параболическую, гиперболическую, экс­поненциальную и др.).

Построение регрессионных уравнений проводят все стандарт­ные программные пакеты. В частности, на рис. 23 представлен результат расчета линейной регрессии, выполненный в Microsoft Excel . Microsoft Excel позволяет быстро провести визуальный анализ точности уравнений регрессии различных видов.

 

Основные формулы к вопросу 1

№ п/п	Показатель	Расчет	Условные обозначения
1	Прогнозируемый объем потребности по скользящей средней, единиц		— прогнозируемый объем потребности в периоде времени , единиц;  — индекс предьщущего периода времени; . — объем потребления в предыдущем периоде времени ;  — число периодов, используемых в расчете скользящей средней
2	Прогнозируемый объем потребности по методу взвешенной скользящей средней, единиц		. — прогнозируемый объем потребности в периоде времени, , единиц;  — индекс предыдущего периода времени;  — коэф­фициент значимости периода времени ; . — объем потребле­ния в предыдущем периоде времени , единиц; п — число используемых в расчете предыдущих периодов времени
3	Прогнозируемый объем потребности по методу экспоненциального сглаживания, единиц		. — прогнозируемый объем потребности в периоде времени, , единиц; — прогнозируемый объем потребности в периоде времени ( —1), единиц; а — константа сглаживания; — фак­тическая потребность в периоде ( —1), единиц
4	Коэффициент тенденции		— коэффициент тенденции в периоде ;  — индекс прогно­зируемого периода; i — индекс предшествующего месяца; п — число предшествующих месяцев, учитываемых для определения коэффициента тенденции; . — фактический объем потребности в предыдущем прогнозируемому периоде времени в предшествующем месяце , единиц;  — фактический объем потребности в периоде времени, предшествующем предыдущему прогнозируемому, в предшествующем месяце , единиц
5	Прогнозируемый объем потребности при учете тенденции спроса, единиц		.— прогноз потребности с учетом тенденции в периоде , единиц;  - индекс прогнозируемого периода; .- прогноз потребности в периоде ;  — коэффициент тенденции в периоде
6	Уравнение линейной регрессии	y = a + bx	у — прогнозируемая (зависимая) переменная, единиц; а, в — коэффициенты; х — индикатор (независимая переменная), единиц
			— число парных наблюдений, у — прогнозируемая (зависимая) переменная, единиц; х — индикатор (независимая переменная), единиц
			— число парных наблюдений, у — прогнозируемая (зависимая) переменная, единиц; х — индикатор (независимая переменная), единиц

 

                       2 . Оценка и анализ точности прогноза потребности в запасе

Прогнозирование потребности в запасе, выполняемое на ос­нове имеющейся статистики, экспертных оценок или комбинацией этих двух подходов (вопрос 1), тре­бует отслеживания точности полученных данных. Для того чтобы прогноз позволял строить корректные планы потребления и отгрузок запаса, следует обеспечить контроль ошибки прогнозирования и механизм совершенствования техники его проведения. Таким образом, можно выделить 3 этапа работы с прогнозами потреб­ности в запасе (рис. 27).

Рис. 27. Этапы работы с прогнозами потребности в запасе

Оценка точности прогноза

Первый этап работы с прогнозами потребности в запасе — оценка точности прогноза — может проводиться несколькими ме­тодами. Рассмотрим различные способы оценок точности на при­мере прогноза, полученного путем экспоненциального сглажива­ния при константе сглаживания а = 0,2 и а = 0,8 (см. табл. 6).

Ошибка прогноза — разница между фактическим и предсказан­ным значениями:

M_t = F_t P_t                             (18)

где M_t — ошибка прогноза на период t , единиц; F_t — фактическое значение объема потребности в запасе в периоде t, единиц; P_t — прогноз потребления запаса в периоде t , единиц.

Значение ошибки прогноза может быть отрицательным, когда прогноз завышен, как в приведенных выше расчетах по марту (см. (19)), или положительным, когда прогноз потребления занижен (как в приведенных выше расчетах по апрелю (см. (20)).

Так как ошибки прогноза потребностей по месяцам имеют раз­личные знаки, ошибка прогноза за год (см. строку «Итого», столб­цы 4 и 7 табл. 11) нивелирует различия ошибок прогноза по ме­сяцам. Завышенные и заниженные ошибки прогноза потребности по месяцам взаимно погашаются, что скрывает существенную по­грешность прогнозирования в обоих случаях.

Средняя ошибкапрогноза рассчитывается следующим образом:

                        (21)

где  — средняя ошибка прогноза, единиц;  — ошибка прогно­за за период , единиц; п — число рассматриваемых периодов.

Избежать недостатка метода оценки точности по средней ошиб­ке позволяет использование показателя абсолютной ошибки прогно­за, которая рассчитывается по следующей формуле:

                            (22)

где  — абсолютная ошибка прогноза, единиц; п — число рас­сматриваемых периодов;  — фактическое значение объема потребности в запасе в периоде , единиц;  — прогноз потреб­ления запаса в периоде , единиц.

Средняя абсолютная ошибкапрогноза потребности в запасе за год рассчитывается с учетом количества месяцев по формуле

                            (23)

где  — средняя абсолютная ошибка прогноза, единиц ; п — чис­ло рассматриваемых периодов;  — фактическое значение объема потребности в запасе в периоде i , единиц;
. — прогноз потребления запаса в периоде i, единиц.

Метод оценки точности прогноза по абсолютным отклонениям фактического и прогнозного объемов потребности в запасе прида­ет равные веса и серьезным, и незначительным отклонениям. Из­бежать этого недостатка позволяет среднее квадрата ошибки:

                        (24)

где  — среднее квадрата ошибки прогноза, единиц²; п — число рассматриваемых периодов;  — фактическое значение объема потребности в запасе в периоде i, единиц;
. — прогноз потреб­ления запаса в периоде i, единиц.

Стандартное отклонениерассчи­тывается как корень квадратный из значения среднего квадрата ошибки:

                     (25)

где  — стандартное отклонение ошибки прогноза, единиц; п — число рассматриваемых периодов;  — фактическое значение объема потребности в запасе в периоде i, единиц;  — прогноз потребления запаса в периоде i, единиц.

Для отражения доли отклонения фактического значения потребности от прогно­зируемого используются относительные показатели ошибки про­гноза. Относительная ошибка прогнозарассчитывается по следу­ющей формуле:

                          (26)

где — относительная ошибка прогноза в периоде i , %; — фактическое значение объема потребности в запасе в перио­де i, единиц;  — прогноз потребления запаса в периоде i, единиц.

Средняя относительная ошибкапрогноза потребности в запасе рассчитывается с учетом количества сделанных прогнозов следующим образом:

 

                     (27)

где — средняя относительная ошибка прогноза, %;  — число рассматриваемых периодов;  — фактическое значение объема потребности в запасе в периоде i, единиц;
 — прогноз потреб­ления запаса в периоде i, единиц.

Относительную ошибку также можно рассчитывать и по отно­шению к минимальному из фактического и предполагаемого зна­чений потребности:

                        (28)

где  — относительная ошибка прогноза в периоде i, %;  — фак­тическое значение объема потребности в запасе в периоде i, единиц;  — прогноз потребления запаса в периоде i, еди­ниц.

Средняя относительная ошибкапрогноза потребления запаса для Варианта расчета (ф-ла 28) определяется по следующей формуле:

                                  (29)

где  — средняя относительная ошибка прогноза, %; п — число рассматриваемых периодов;  — фактическое значение объема потребности в запасе в периоде i, единиц;
 — прогноз по­требления запаса в периоде i, единиц.

Контроль качества прогноза

Ошибки точности прогноза необходимо контро­лировать, чтобы прогноз потребности позволял правильно органи­зовывать деятельность по управлению запасами. Контроль прогно­за потребления можно вести различными методами. Рассмотрим один из наиболее простых приемов контроля ошибки прогноза — метод контрольного графика. Этот метод основан на определяемых заранее величинах контрольных границ, в пределах которых ошиб­ка прогноза определяется случайными факторами. Метод основан на том, что распределение ошибок прогноза описывается нормаль­ным законом распределения вероятностей, а ошибки прогноза про­извольно распределяются вокруг нулевого значения.

Для нормального закона распределения вероятностей прибли­зительно 95% ошибок прогноза должны попасть в пределы ±2 стандартных отклонения.

Контрольный график ошибок про­гноза показывает, что абсолютное большинство случаев наличия ошибок прогнозирования находится в рамках установленных кон­трольных границ. Следовательно, прогноз можно считать адекват­ным. В противном случае техника прогнозирования требовала бы изменения.

Рис. 28. Контрольный график ошибок прогноза потребности в запасе

 

В то же время следует отметить, что в рамках контрольных гра­ниц ошибки прогноза имеют явно выраженную циклическую тен­денцию, повторяющую форму сезонной потребности в запасе (ср. рис. 28 и 29).

Рис. 29. Динамика потребности в запасе по месяцам

Обнаружение закономерности распределения ошибок прогно­за на контрольном графике в контрольных границах указывает на то, что ошибка прогноза является предсказуемой, а не случайной. Следовательно, прогноз можно улучшить. В данном случае очевид­но, что ошибка прогнозирования растет с ростом объема потреб­ности и уменьшается с его сокращением.

Основные формулы к вопросу 2

№ п/п	Показатель	Расчет	Условные обозначения
1	Ошибка прогноза, единиц	Mt = Ft Pt	Mt — ошибка прогноза на период t , единиц; Ft — фактическое значение объема потребности в запасе в периоде t, единиц; Pt — прогноз потребления запаса в периоде t , единиц
2	Средняя ошибка прогноза, единиц		— средняя ошибка прогноза, единиц;  — ошибка прогно­за за период , единиц; п — число рассматриваемых периодов
3	Абсолютная ошибка прогноза, единиц		— абсолютная ошибка прогноза, единиц; п — число рас­сматриваемых периодов;  — фактическое значение объема потребности в запасе в периоде , единиц;  — прогноз потреб­ления запаса в периоде , единиц
4	Средняя абсолютная ошибка прогноза, единиц		— средняя абсолютная ошибка прогноза, единиц ; п — число рассматриваемых периодов;  — фактическое значение объема потребности в запасе в периоде i , единиц; . — прогноз потребления запаса в периоде i, единиц
5	Средняя квадрата ошибки, единиц		— среднее квадрата ошибки прогноза, единиц2; п — число рассматриваемых периодов;  — фактическое значение объема потребности в запасе в периоде i, единиц; . — прогноз потреб­ления запаса в периоде i, единиц
6	Стандартное отклонение ошибки прогноза, единиц		— стандартное отклонение ошибки прогноза, единиц; п — число рассматриваемых периодов;  — фактическое значение объема потребности в запасе в периоде i, единиц;  — прогноз потребления запаса в периоде i, единиц
7	Относительная ошибка, %		— относительная ошибка прогноза в периоде i , %; — фактическое значение объема потребности в запасе в перио­де i, единиц;  — прогноз потребления запаса в периоде i, единиц
			— относительная ошибка прогноза в периоде i, %;  — фак­тическое значение объема потребности в запасе в периоде i, единиц;  — прогноз потребления запаса в периоде i, еди­ниц
8	Средняя относительная ошибка, %		— средняя относительная ошибка прогноза, %;  — число рассматриваемых периодов;  — фактическое значение объема потребности в запасе в периоде i, единиц;  — прогноз потреб­ления запаса в периоде i, единиц
			— средняя относительная ошибка прогноза, %; п — число рассматриваемых периодов;  — фактическое значение объема потребности в запасе в периоде i, единиц;  — прогноз по­требления запаса в периоде i, единиц

 

---

Дата добавления: 2021-04-15; просмотров: 82; Мы поможем в написании вашей работы!

Поделиться с друзьями:

---

---

Мы поможем в написании ваших работ!