Прогнозирования объема продаж ООО «Славянка»

Объем продаж - один из ключевых показателей, характеризующих деятельность коммерческой фирмы. Поэтому задача прогнозирования объема продаж является весьма актуальной. Производителям необходимо знать примерное количество продукции, которое они смогут реализовать в ближайшее время, для того, чтобы, с одной стороны, иметь достаточное количество товаров на складе, а с другой - не перегрузить склады продукцией, что особенно важно, если продукция имеет небольшой срок хранения (например, кондитерские изделия).

Имеются следующие данные по динамике продаж крекерного цеха ООО «Славянка» (Приложение А, таблица 1).

Рис.1. Динамика выпуска продукции крекерного цеха в период с января 2005 по февраль 2007 г.

Из приведенных данных видно, что ряд продаж обладает ярко выраженной сезонностью: пики продаж приходятся на весенние и осенние периоды, а в январе и июне наблюдается резкое снижение объемов производства. Можно сделать вывод о том, что длина одного цикла составляет шесть месяцев. Причем, в 2007 году наблюдается резкое увеличение совокупного объема производства, что объясняется освоением новых видов продукции на предприятии и реализуемой в настоящее время стратегией роста.

Мы будем прогнозировать объем реализации продукции крекерного цеха на пять последующих периодов, используя два метода. Первый базируется на описании основной тенденции ряда продаж и основан на аналитическом выравнивании исходного ряда. Второй метод подразумевает использование нейронных сетей, включенных в пакет Deductor. Далее мы сравним результаты, полученные двумя методами, и оценим качество полученных моделей.

Алгоритм построения прогноза для продуктов с сезонным характером продаж основан на использовании аддитивных и мультипликативных моделей. Аддитивную модель можно представить как:

F=T+S+E, (1)

где F - прогнозируемое значение; T - тренд; E - ошибка прогноза.

Аддитивной модели присуща практически постоянная сезонная вариация, тогда как в мультипликативной она возрастает и убывает. Мы будем строить аддитивную модель по следующему алгоритму:

. Определение тренда, наилучшим образом аппроксимирующим фактические данные (с использованием полиномиального тренда или комбинацией тригонометрических функций);

. Вычитая из фактических значений объемов продаж значения тренда, определяют величины сезонной компоненты и корректируют их таким образом, чтобы их сумма была равна нулю;

. Рассчитывают ошибки модели как разности между фактическими значениями и значениями модели. Находят среднеквадратическую ошибку:

, (2)

где О² - отклонения модели от фактических значений; T - трендовые значения объема продаж; S - сезонная компонента.

Для расчета параметров тренда целесообразно использовать комбинации тригонометрических функций, так как они довольно точно отображают сезонные колебания. В данном случае воспользуемся выравниванием по первой гармоники ряда Фурье (n=6), то есть колебания повторяются с интервалом в шесть месяцев. Коэффициенты функции рассчитываются с помощью опции «поиск решения» Microsoft Excel.

(3)

Для определения размеров сезонной компоненты находим разности фактических объемов продаж и значений тренда и далее корректируем сумму этих значений таким образом, чтобы она была равна нулю (через опцию «поиск решения» Microsoft Excel). Расчеты приведены в таблице 1 Приложения Б. На рис. 2 приведены расчетные, фактические и прогнозные значения объема реализации по данной модели.

Рис. 2. Фактические, расчетные и прогнозные значения объема сбыта, полученные по аддитивной модели

В соответствии с данной моделью, прогнозные значения объема реализации продукции на период с марта по август составят 1330806 кг, 1253482 кг, 1324888 кг, 1332016 кг и 792708 кг.

Воспользуемся программным пакетом Deductor для составления прогноза продаж на период с марта по июнь 2007 года, то есть на 5 шагов вперед. Для решения этой задачи нам понадобятся следующие обработчики:

) автокорреляция;

) удаление аномалий и сглаживание (парциальная предобработка);

) скользящее окно;

) нейросеть;

) прогноз.

Визуализаторы, которые будем использовать:

) таблица;

) диаграмма;

) диаграмма прогноза.

Последовательность действий для построения прогноза продаж включает в себя следующие шаги:

. Выдвижение гипотезы - решение вопроса о том, какие факторы оказывают влияние на будущий объем продаж.

. Сбор данных и приведение их к пригодному для дальнейшей обработки виду.

. Выделение сезонности в истории продаж.

. Удаление аномалий и шумов.

Другие материалы

Износ и остаточная стоимость основных средств на начало года
Износ основных средств на начало года Инг, руб., вычисляется по формуле Тф Инг = ОФнг · -- , Тn где ОФнг- стоимость основных средств на начало года, руб; Тn- полезный срок службы, лет; Тф- средний фактический срок службы по каждой группе Таб ...

Проблемы, связанные с внешними эффектами
Одна из причин возникновения проблем, связанных с внешними эффектами, - отсутствие платы за внешний эффект. Провал рынка возникает в том случае, если отсутствует плата за внешний эффект. А платы может не быть в том случае, если отсутствует рынок т ...