Этот метод обычно используется, когда в данных наблюдаются сезонные изменения. Он особенно полезен для прогнозирования объемов продаж продуктов, для которых характерны колебания моды, и для продуктов, реагирующих в течение года на сезонные изменения. Он может также использоваться для анализа цикличес- ких изменений в более продолжительные периоды времени (типо- вая динамика торговли), но для обработки краткосрочных трендов существуют более подходящие методы. Таким образом, лучше всего этот анализ использовать в том случае, если имеется повторяю- Таблица 15.2. Office Goods Supplies Ltd: ежеквартальный объем продаж портфелей-дипломатовшийся сезонный тип в течение года. Эти сезонные изменения измеряются по величине их отклонений от общего тренда. Лучше всего этот метод объяснить графически на тех данных, ко- торые использовались для предыдущего примера. Для этого опреде- ляется ежеквартальный объем продаж портфелей-дипломатов ком- панией Office Goods Supplies Ltd за 1995—1999 г. (табл. 15.2), и, как можно видеть, эти объемы продаж демонстрируют сезонные колеба- ния, когда пик продаж приходится на последний квартал каждого года. Когда к результату добавляются суммы ежеквартальных от- клонений от тренда, результирующая сумма в рассматриваемом примере составляет +40 (табл. 15.3). Общая сумма должна рав- няться нулю, поскольку в противном случае это означает, что в прогноз внесено искажение в сторону завышения. Однако такая корректировка должна охватывать все цифры в равной мере, и поэтому вычисления дают: 40 / 4 = + 10. Таблица 15.3. Office Goods Supplies Ltd: сумма ежеквартальных отклонений от тренда Квартал 1 2 3 4 Год 1995 — — -64 +209 1996 -88 -53 -78 + 139 1997 -53 +8 -82 + 141 1998 -64 +3 -94 + 160 1999 -77 +33 — — Сумма -282 -9 -318 +649 = +40 Следовательно, + 10 необходимо вычесть из показателей по каждому кварталу. Тогда соответствующими цифрами будут: Квартал 1 2 3 4 Скорректированные отклонения -292 -19 -328 +639 = 0 В этом конкретном примере указанные цифры теперь необхо- димо разделить на 4, чтобы получить годовые обобщенные данные (поскольку для обобщения использовались данные за четыре года), после чего показатели, на основе которых будет делаться прогноз, выглядят следующим образом: Квартал 1 2 3 4 Отклонения -73 -5 -82 +160 = 0 Показатели в табл. 15.2 были получены следующим образом. Продажи (в единицах) суммировали и получили данные за год. За-Прогнозирование объема продаж 54* тем получили скользящее среднее за год, для чего к полученному результату добавили данные за последний квартал и вычли данные за первый (за год) квартал. После этого в следующей колонке сколь- зящее среднее за год складывают по два (чтобы добиться большей сглаженности), а затем полученный результат делится на 8 (по числу кварталов, которые входят в эту сумму), что позволяет судить о нали- чии или отсутствии тренда. И наконец, вычисляются отклонения от этого тренда, для чего из значения тренда вычитаются реальные ре- зультаты за соответствующий квартал. Эти отклонения от тренда показаны в последней колонке табл. 15.2. Аналогичное прогнозирование объема продаж на 1999 и 2000 годы показано в табл. 15.4. Таблица 15.4. Компания Office Goods Supplies Ltd: показатели прогнозного тренда и вычисленных отклонений от тренда Год Период Тренд Отклонение Прогноз 1999 3 326 -82 244 4 334 + 160 494 2000 1 343 -73 270 2 352 -5 347 3 360 -82 278 4 369 + 160 529 Затем полученные статистические данные наносятся на график. Данные о продажах и тренд по рассматриваемому примеру показаны на рис. 15.4. Линия тренда может быть продолжена «на глаз» (именно в этом заключаются умение лица, занимающегося прогнозом, и его интуиция). После этого отклонения от тренда добавляются к линии тренда и на выходе получается прогноз по объему продаж. В данном конкретном примере можно видеть, что линия тренда была продолжена с небольшим наклоном вверх, т.е. так же, как это происходило в предыдущие годы. Первые две цифры для периодов 3 и 4 на 1999 г. показаны как прогноз, но эти кварталы уже, конечно, прошли и поэтому эти цифры не следует рассматривать в дальнейшем. На четыре квартала 2000 г. дан прогноз, который и показан на графике. Этот метод, как и многие ему подобные, страдает от того, что подъемы и спады не могут быть предсказаны, и такие данные долж- ны субъективно вноситься лицом, занимающимся прогнозировани- ем, при помощи манипуляции экстраполируемой линией тренда.Диаграммы Z Этот метод является одним из улучшенных вариантов метода скользящих средних. Помимо получения годового скользящего среднего он также показывает месячные и кумулятивные прода- жи, что объясняет, почему этот метод называется диаграммой Z. Каждая диаграмма Z отражает данные за один год, и потому луч- ше всего его применять, когда есть данные за каждый месяц. В качестве инструмента для прогнозирования он является полез- ным средством, когда продажи за один год могут быть сравнены с предыдущими годами с использованием трех критериев: месяч- ных данных, кумулятивных данных и скользящего среднего. Объем продаж портфелей-дипломатов компании Office Goods Supplies Ltd приведен для каждого месяца 1998 и 1999 гг., и этого достаточно, как это можно увидеть в табл. 15.5, для того, чтобы получить все данные, необходимые для составления диаграммы Z. Цифры из табл. 15.5 в графическом виде представлены на рис. 15.5. Скользящее годовое среднее по объему продаж получается за счет добавления результата за новый месяц и вычитания первогоТабл. 15.5. Компания Office Goods Supplies Ltd: ежемесячный объем продаж портфелей-дипломатов за 1998 /1999 гг. Месяц Объем Кумулятивные Итоговое скользящее продаж, ед продажи за 1999 г. среднее за год 1998 1999 Январь 58 66 66 1169 Февраль 67 70 136 1172 Март 86 < 99 235 1185 Апрель 89 102 337 1198 Май 94 121 458 1225 Июнь 104 127 585 1248 Июль 59 58 643 1247 Август 62 69 712 1254 Сентябрь 78 73 785 1249 Октябрь 94 118 903 1273 Ноябрь 178 184 1087 1279 Декабрь 192 200 1287 1287 Объем продаж, ед. Янв Фев Март Апрель Май Июнь Июль Авг Сен Окт Нояб Дек Рис. 15.5. Компания Office Goods Supplies Ltd: ежемесячный объем продаж портфелей-дипломатов, диаграмма ZЯД____________________________________________Глава 15 из предыдущих двенадцати месяцев. Кумулятивные продажи по- лучают, добавляя данные за очередной месяц к предыдущим. Нижняя линии диаграммы Z показывает ежемесячные продажи. Этот метод очень похож на предыдущий и может применяться для краткосрочных (до 1 года) прогнозов. Однако считать этот метод серьезным инструментом прогнозирования не стоит, так как его основное предназначение — сравнение. Разное В последнем параграфе кратко описываются два приема, которые хорошо подходят для компьютерного использования. Их применение зависит от наличия современных пакетов компьютерного программ- ного обеспечения, и если читатель хочет разобраться в этих приемах подробно, мы рекомендуем обратиться к специалисту по компьютер- ным программам, который может дать ему рекомендации по их при- менению, а также по степени точности их работы. Мы не собираемся здесь утверждать, что лицо, занимающееся прогнозированием (на- пример, менеджер по продажам), обязательно должен хорошо владеть этими приемами. Но все же необходимо знать об особенностях их применения в прогнозировании и степени точности. Первый из этих приемов — метод Бокса—Дженкинса, названный по фамилиям людей, его разработавших (Box and Jenkins). Это разно- видность метода экспоненциального сглаживания, в котором приме- няются различные весовые коэффициенты к разным частям времен- ных серий. В случае использования этого метода компьютерный пакет выбирает ранние части временных серий, манипулирует ими и задает весовые коэффициенты с учетом известных результатов по продажам из последних составляющих временных рядов. Затем определяются те весовые коэффициенты, которые лучше всего соответствуют ситуации, и они применяются для прогнозирования последующих событий. Для кратко- и среднесрочного прогнозирования этот метод достаточно точный. Считается, что с появлением более мощных персональных компьютеров он будет использоваться все более активно.
Ви переглядаєте статтю (реферат): «Анализ временных рядов» з дисципліни «Управління продажами»
