Автор: Paulik
Здравствуйте, уважаемые логисты!
Что Вы слышали про прогнозирование спроса? Пишу сейчас работу в университете про применение моделей прогнозирования на практике. Начал читать специальную литературу, где описаны математические модели (метод экстраполяции, метод сгдаживания). И что-то меня начали терзать смутные сомнения, что они реально применяются на практике.
Может кто-нибудь рассказать, как прогнозируется спрос реально на предприятии (конечно, в зависимости от товара). Или посоветовать литературу или статьи по данной теме. Буду очень признателен.
С уважением,
Павел.
Привет!
Реальное прогнозирование спроса основывается на 4-х элеметах: предыдущее использование товара, услуги ,и.т.д., тенденции(очень важен момент начала новой тенденции), информация, предоставленная при участии клиентов и продавцов, горизонт прогнозирования.
Средняя ошибка прогнозирования составляет 50-300%, т.е. разница между прогнозируемым спросом и реальным потреблением.
Товары постоянного потребления — прогнозируются, товары спорадического потребления — невозможно предсказать.
Т.е. для отдельного товара — прогноз, основанный на потреблении в прошлом+факторы внешних тенденций+влияние событий/рекламных акций+совместные прогнозы=совокупный прогноз.
Занимался прогнозированием много лет.
Я бы подошёл к этому вопросу так — есть факторы предсказуемые (более или менее) и непредсказуемые абсолютно. Предсказуемые — предыдущая история продаж и вся история (как эти продажи происходили, почему и когда были всплески продаж и падения), информация по отсутствию товара, брали ли что-то вместо того товара, кот. отсутствовал и пр. Короче, вся история собирается в кучку и анализируется. На основании этого уже применяют разные математические методы, кто на что горазд. Но мой опыт показывает, что чем метод сложней, тем результат более запутаный и часто не понятный… Не говорю «не правильный» — именно непонятный. Вроде бы из простой логики, ощущения напрашивается цифра одна, а «метод» говорит о цифре другой. И чем метод сложнее, тем меньше людей, с кем это можно обсудить. В реальности даже как только уходишь с «усреднения» продаж, так с тобой уже никто говорит не хочет.
Далее есть большое кол-во «непредсказуемости», но в каждом конкретном случае это по разному. У меня оыт, что у нас продажи увеличивались до 200 раз из-за скидок, и угадать 200 раз будет увеличение или 150 раз практически невозможно. Тут, наверно, как раз играют «непредсказуемые» факторы — активность конкурентов, их скидки, положение с подобной продукцией на рынке, мода, слухи и пр.
Павел! Расскажу как это делаю я, а вы уже сами посмотрите, сможете ли воспользоваться моим методом.
Я для прогнозирования спроса на некоторый период использую данные по продажам, количеству отгрузок (по позиции) и удовлетворённости спроса (его ещё называют уровнем сервиса), за три предыдущих периода (отдельно за каждый).
Последовательно для каждой позиции выполняю следующие операции:
1. Считаю среднюю отгрузку за все три периода (количество продано разделить на количество отгрузок).
2. Корректирую количество отгрузок, учитывая регулярность продаж позиции:
а) если она регулярно продаётся то делю количество отгрузок за период на коэффициент удовлеторённости спроса за период;
б) если же не регулярно — то оставляю, как есть.
3. Потом я считаю два значения: тренд и среднее по скорректированным количествам отгрузок:
а) если тренд хорошо аппроксимирует данные (достоверность тренда), то беру его значение;
б) если нет то смотрю на принадлежность позиции группе в АВС-анализе по количеству отгрузок (если А — то беру максиум между трендом и средним, если В — то среднее, если С — то минимум).
4. Затем домножаю получившееся число спрогнозированных отгрузок на среднюю отгрузку.
5. Округляю получившееся число штук до ближайшего возможного уровня (у меня это единицы продукции, но у некоторых минимальная партия может составлять десятки или даже тысячи единиц).
Добавлю, что если есть исходные данные, то всё остальное можно сделать в Excel-e. Количество позиций ограничено производительностью вашего компьютера (я делал это без проблем для 1500 наименований на достаточно простенькой машинке).
Хорошо вам, Валерий. Мне кажется, что у большинства нет возможности видеть неудовлетворенный спрос. Т.к. 1С, а у нее нет по умолчанию функционала, который считал бы дефициты.
Поэтому в моем случае все проще. Для своих целей я считаю количество отгрузок — вместе с количеством продаж это позволяет отнести товар к A, B, C группам. Не имея информации о дефицитах, мне лишь остается их предполагать — видя спады продаж и проверяя их по остаткам товара на тот период.
Анализ продаж проводу за период около года. Обычно проводил за два года — чтобы выявить сезонность. Но в данном случае меня ограничивает имеющаяся статистика. Сезонность приходится предполагать из статистики и рассказов менеджеров.
Затем использую линейный тренд. Параллельно прошу продавцов прогнозировать их продажи — они же с клиентами регулярно общаются.
А затем наступает самая важная часть — экспертная :) То есть совместно с начальником продаж смотрим на мои расчеты, на прогноз менеджеров, думаем по каждой позиции, и пишем свою цифру.
Так что математические модели в жизни при прогнозировании — самые простейшие. Все упирается в наличие качественного статистического материала. Точнее, в его отсутствие.
Но текущая ситуация на рынке РФ позволяет работать расслабленно — маржа все спишет ;)
Юрий!
Я понял, как вы работаете, так тоже вполне можно, более того, это весьма успешная техника. :)Единственное, из-за экспертной части ваша модель остаётся такой, какая она есть вне зависимости от того на сколько хорошо она работает. Когда же есть жёский метод (чисто технический, чисто формульный), то в случае, когда вы находите, что ваша модель ошибается, вы начинаете искать, причину этого (почему ваша модель дала осечку на этой позиции). Находите, исправляете, улучшаете, проверяете. В результате со временем ваша модель, во-первых, становится всё более точной, а во-вторых, легко масштабируется на всё большое количество позиций (а, если компания развивается, то ассортимент обычно растёт :0). Есть ещё в-третьих, но это редко учитывается, так как редко используется. Вы можете с помощью своей модели рассчитывать уже глобальные результаты, которые получите в случае выполнения той или иной стратегии (выражающиеся в различных входных данных, зависящих от вас — ясное дело, что спрос как был, так и останется, а вот запас регулируете вы :0).
Теперь про возможности видеть неудовлетворенный спрос. Я тоже пользуюсь обычным 1С Торговля 7.7, единственное, у меня есть отчёт по дням присутствия на складе. Этот отчёт пишется не сложно, и думаю ваш сис-админ (или приходящий 1С-овец легко его напишет). Только надо решить, что считать за день отсутсвия товара на складе (свободный остаток, зарезервированный отстаток, некий уровень товарного остатка, ниже которого у вас никто не купит — слишком крупные покупаетели, в любом случае, определять вам).
В результате у вас рядом с продажами и количеством закупок за период появляется цифра — количество дней присутсвия на складе за тот же период.
Если он лежал весь период (количество дней в периоде равны количеству дней присутсвия), то ваши продажи и равны спросу.
А вот, если не весь период, то тут вы начинаете смотреть на спрашиваемость этой позиции. Если она регулярно продаётся (для меня критерием выступает минимум 4 факта продажи за шесть предыдущих периодв, и 2 за три предыдущих) значит надо продажи разделить на коэффициент удовлетврённости спроса, который я считаю как количество дней присутсвия за период, делённые на количество всего дней периода.
Затем уже строите линейные и прочие оценки с учётом не продаж, но спроса.
Валерий, огромное спасибо за идею. Уже пишу техзадание программеру по учету присутствия товара в продаже.
Этот вариант имеет ряд значительных преимуществ над функционалом по учету неудовлетворенного спроса, который пытаемся внедрить сейчас:
Продавец забивает весь заказ покупателя. Проводится только имеющаяся в продаже часть, остальное откладывается в отчет о дефиците.
Я сейчас пользуюсь «искусственным заменителем» предложенного вами показателя — количество актов продаж. Вручную из отчетов 1С считаю. Если количество актов падает, и при этом наличие товара близко к нулю — значит что-то не так :)
Доброго времени суток Валерий ,
все почти так , осталась только маленькая деталь с большими обстоятельствами:
Когда товара нет на складе , а оператор его набирает в заказ (например 10 шт), товар попадает в дефицит.
Потребителю от этого легче не стало, он заказывает заново.
Оператор набирает на следующий день еще 10 шт.
Дефицит за отчетный период здесь равен 20 , реальный спрос 10 .
Загвоздка не так ли…. ?
Добрый день, Алексей !
Прочитайте ещё раз моё сообщение от 12/29/05 в 14:52:09.
Хотя себя цитировать не скромно сделаю из этого сообщения выдержку:
Надеюсь недоразумение устранено. Если что ещё интересно, спрашивайте — с удоволсьтвием отвечу! :)
Есть две возможности.
1. Анализ продаж.
2. Анализ спроса.
Анализ продаж основан на реальных отгрузках (продажах) данных, но имеет недостаток. Неизвестный неудовлетовренный спрос. Соответственно, прогноз мы можем построить…тоже продаж с неудовлетворенным спросом. Этот способ имеет тенденцию к «занижению потребности».
Анализ спроса основан на заявках клиентов. Он тоже имеет недостаток, о котором сообщил Алексей:
Это загвоздка. Мы можем построить прогноз спроса, но он будет завышен. Анализ спроса поэтому имеет тенденцию к «завышению потребности».
Что, как правило, пытаются сделать? Анализировать — продажи. А прогнозировать — спрос. Поэтому для выявления неудовлетворенного спроса используют косвенные методы его определения (по остаткам) типа, как у Валерия.
Я работал в фирме, где проводился анализ по спросу. Для этого все заявки от клиентов фиксировались в системе в неизменном виде. Весь негатив, описанный Алексеем — присутствовал. И другие разновидности тоже. Бороться с этим явлением тяжело. Но в принципе возможно. Для этого нужен некий интеллектуальный системный алгоритм для отделения «мух от котлет» — реального спроса от шума и дублей. Реализовать его не удалось — просто не успел. Сил не хватило пробить реализацию. Но уверен, что возможно.
Если фирме очень важен клиентский сервис и % удовлетворенности спроса, то лучше все же помучиться, но перейти к анализу спроса. Поверьте, плюсы у метода есть.
Если фирме важнее не вломить излишки в товар, а удовлетворение спроса — вопрос второй, то лучше перестраховаться и анализировать продажи, в комбинации с косвенным определением дефицита по спросу.
Большое спасибо всем за ответы!
Прочитав сообщение Андрея о анализе продаж и прогнозированию спроса, хотел бы поделиться своим, хоть и скромным, но все же опытом анализа продаж.
Я встречал компанию, у которой спрос на продукцию мало того, что нестабильный, но и продается малое количество товаров (например, 3 шт в неделю). Весь анализ, а в дальнейшем и прогноз спроса, посроен на скорости продаж. То есть рассчитывается среднедневная скорость продаж, на основе этой скорости (с учетом страхового запаса и времени доставки поставщика) делаются закупки.
Анализ продаж здесь работает только для краткосрочного планирования (примерно 2 недели).
А сам спрос нестабильный, поэтому сложно его прогнозировать.
Может кто-нибудь поделиться опытом анализа продаж на основе скорости продаж?
Еще раз благодарю за ответы!
В 1С:Торголя и Склад есть отчет «Планирование закупок», учитывающий дефициты :) Конечно, соглашусь, что он достаточно слабый для серьёзной работы с ним логистов.
Если клиент физическое лицо, то оператор может у него спросить, не спрашивает ли он этот товар 2-й раз, а если юридическое, то заказ скорее всего вбивается от клиента и можно посмотреть, не заказывал ли он этот товар раньше.
[quote]Здравствуйте, уважаемые логисты!
Что Вы слышали про прогнозирование спроса? Пишу сейчас работу в университете про применение моделей прогнозирования на практике. Начал читать специальную литературу, где описаны математические модели (метод экстраполяции, метод сгдаживания). И что-то меня начали терзать смутные сомнения, что они реально применяются на практике.
Может кто-нибудь рассказать, как прогнозируется спрос реально на предприятии (конечно, в зависимости от товара). Или посоветовать литературу или статьи по данной теме. Буду очень признателен.
Здравствуйте, Павел.
Хотела у вас спросит, вам удалось написать дипломный проект по задуманной проблематике?
Интересуюсь потому что, в данный момент тоже пишу диплом по проблеме построения действующей модели прогнозирования спроса на конкретном предприятии.
а чего тут делиться, когда это самый простой и самый применяемый способ :) другой вопрос, что при такой реализации, как единицы в период, я бы поостерегся использовать само понятие (средней) скорости продаж. хотя если дисперсия мала… но вряд ли она мала окажется. хорошо, если интервал между событиями более-менее регулярный, а если нет? в общем, сходу видится два пути: либо пытаться использовать дискретные распределения, либо вообще взять готовый алгоритм типа Croston.
Croston даёт заниженные результаты — слишком банален.
Для него есть несколько модификаций, как вариант.
Ещё варианты обратиться к разным видам распределений и копать там.
Сложно, но реальные результаты получаются.
Вообще lumpy demand это отдельная и очень привлекательная тема, как для общего развития, так и для оптимизации стратегии компании.
где почитать в инете про модификации?
угу, есть такой опыт. с вполне удобоваримыми результатами
День добрый,
модификации например в приложенном стареньком файле.
Кростона часто берут за основу и вперёд.
Ситуация похожая на ф. Вильсона и ЙиксВайЗет.
Ссылаемся на то, что было известно,
накручиваем своё видение ;D и бъём в бубен о новой методе >:(.
ИМХО: Статистические методы дадут более адекватные результаты при их правильном использовании.
спасибо. заодно уж еще раз, никто не читал про алгоритмы Левандовского?
а это разве не очевидно? :)
Всем добрый день! Было интересно почитать про опыт всех тут присутствующих в прогнозировании… Может ли кто-то более понятно объяснить метод Кростона, поскольку в данный момент для меня очень актуальным является проблема случайного спроса или его отсутствия. А также никто не поделиться информацией про алгоритмы Левандовского, о которых упоминал Шаврин Андрей…
про Левандовского я упоминал. к сожалению, информации так и не нашел. судя по косвенным данным, это развитие Холта-Винтерса, при котором предполагается, что постоянные сглаживания могут и не быть постоянными :) .
а с Кростоном все просто — раскладываем ряд на два предположительно независимых, длина промежутка между продажами и собственно аеличина покупки. затем оба ряда сглаживаются стандартным ЭЗ. на выходе дает ожидаемую «интенсивность» спроса.
ну вот на досуге написал про Кростона и другие рядом лежащие подходы к прогнозированию редкого спроса:
http://scm-book.ru/Croston
Пожалуйста, войдите или зарегистрируйтесь, чтобы комментировать.