[МУЗЫКА] [МУЗЫКА] [ЗВУК] [БЕЗ_ЗВУКА] Прогнозировать спрос можно разнообразными методами. Теперь настала пора поговорить о возможных методах прогнозирования спроса. В целом, перед тем как обсуждать подробности каждого из методов, давайте обсудим их классификацию. Методы в целом делятся на две категории: качественные и количественные. Существенное отличие между ними заключается в том, что качественные методы основаны на информированном суждении экспертов, количественные методы основаны на расчётах. В свою очередь, количественные методы делятся на две категории: так называемые экстраполяционные и регрессионные. Экстраполяционные в целом основаны на продлении тенденции, которую мы наблюдали в прошлом, в будущее, и основаны исключительно на внутренних данных, которыми компания располагает. Регрессионные методы основаны в том числе на данных о внешней среде бизнеса и привлекают для своего применения сведения, которые не относятся к деятельности только нашей компании. Посмотрим на них более подробно. Когда мы говорим о качественных методах, мы, к сожалению, констатируем, что они имеют свойство быть субъективными, ибо суждение человека отражает его собственное мнение, и, если мы имеем группу экспертов, мы можем иметь группу разнообразных мнений. Экспертные оценки являются единственно возможным основанием для того, чтобы формировать прогноз качественными методами. Применяют такого рода методы, как правило, для средне- и долгосрочного прогнозирования. Для краткосрочного они применяются, как правило, тогда, когда нет других возможностей, то есть нет данных или нет времени для того, чтобы сделать расчёт количественными методами. Количественные против этого основаны на расчётах и базируются на статистических механизмах экстраполяции или корреляционно-регрессионной зависимости. Если мы говорим об экстраполяционных методах, они базируются на ряде предположений. Предположение первое, самое важное: будущее будет похоже на прошлое. Иначе говоря, данные о прошлом помогают нам понять то, как тенденция будет развиваться в будущем. Второе необходимое условие прогнозирования заключается в том, что у нас есть ряды данных достаточной длины. На коротких ряда данных, к сожалению, эти методы не очень удобны и не продуктивны. Наконец, третье важное предположение, что профиль спроса в будущем будет повторять профиль спроса в прошлом. То есть если спрос имел сезонный характер в прошлом, он будет иметь сезонный характер в будущем. При этом выделяют разное количество разнообразных моделей прогнозирования, относящихся к экстраполяционным методам. Регрессионные методы основаны на причинно-следственной связи и корреляции. Иначе говоря, мы говорим, что спрос зависит от ряда факторов, каждый из которых может иметь свой характер поведения и свой характер связи между спросом и этим фактором. Иначе говоря, наша задача — попробовать понять, какой из факторов вносит вклад в спрос на продукцию или услуги нашей организации, и какова сила этого влияния. При этом мы говорим о том, что факторы могут быть как экономического свойства, так и демографического свойства. Естественно, для того чтобы использовать расчёты, мы должны иметь ряды данных достаточной длины. В целом регрессия применяется следующим образом. Наша задача, в первую очередь, выделить состав влияющих факторов — часто это происходит экспертным методом. Второе: построить регрессионную зависимость между факторами и результатом. Следом мы вынуждены прогнозировать значение каждого фактора по отдельности на будущие плановые периоды. И потом мы используем ту форму регрессии, которую мы разработали, основываясь на данных о прошлых плановых периодах для прогнозирования значений спроса в будущем. Качественные методы, которые мы упомянули в самом начале, интуитивны по природе своей, субъективны, применяются на высоких уровнях планирования, то есть бизнес-планирование и стратегическое планирование. На краткосрочной перспективе они применяются тогда, когда у нас нет другого выхода. Тем не менее, они имеют определённый ряд преимуществ. Во-первых, они возможны, когда нет данных для расчётов. Второе: когда профили спроса и связи не стабильны, у нас нет достаточной статистики, мы вынуждены прибегать к мнению эксперта. Нам нужно привлекать мнение эксперта для придания прогнозу убедительности в глазах тех или иных пользователей прогноза. При этом мы можем сказать, что долгосрочное прогнозирование опирается не только на расчётные характеристики, не только на факт о прошлом, но и на поведенческие данные, которые могут быть изучены путём проведения маркетинговых исследований, и качественные методы прогнозирования позволяют их использовать в расчётах. Естественно, качественные методы логично использовать, когда нам требуется делать очень быстрый прогноз и у нас нет времени для того, чтобы собирать и обрабатывать количественную информацию. При этом у качественных методов есть ряд недостатков. Во-первых, есть так называемое смещение прогноза, то есть риск, что эксперты уйдут в своём суждении в ту или другую сторону по сравнению с оценочным средним значением. Второй недостаток этого метода заключается в том, что у нас практически отсутствует документирование, не остаётся следов от тех решений, кроме как самого прогноза и его величины, которые мы получили. Они не практичны, когда у нас очень большой объём информации, точнее, большая номенклатура и большой список объектов, по которым необходимо сделать прогноз. Люди не в состоянии обычно оперировать таким большим объёмом информации. Наконец, есть вероятность, что доминирующий эксперт, то есть тот, который будет иметь наибольший авторитет или наибольшую административную власть, продавит свою точку зрения и будет настаивать на том, что его версия прогноза наиболее корректна. Это может привести к определённому смещению прогноза. Экстраполяционные методы, количественные, основаны на ряде предположений, которые мы уже обсуждали. То есть мы говорим о том, что прошлое повторится в будущем, силы будут действовать те же, с теми же самыми примерно уровнями воздействия на результативный признак, и в целом экономическое существо ситуации не изменится, и прогноз спроса будет создан аналогичным способом, как мы это делали в прошлом. Очень важное предположение состоит в том, что профиль спроса, то есть его характер, будет тем же самым. При этом важно понимать, что есть разные компоненты профиля спроса. Обычно выделяют три части: это тренд, или основная тенденция; это сезонная компонента; и это случайная компонента. Иногда выделяют различные так называемые профили спроса: тренд, сезонность и случайную составляющую. Тренд говорит о том, что у нас есть развивающееся изменение в величине спроса, оно может быть позитивным, тогда тренд растущий. Может быть негативным, тогда тренд падающий. Или тренд может стагнировать, то есть повторять объём спроса на определённом уровне в каждый плановый период. Нам принципиально важно понимать, используя, например, экстраполяционные методы, в какую сторону развивается спрос: он растёт, он падает, или он находится в примерно одинаковых уровнях в каждом плановом периоде. Вторая компонента — сезонная, и мы можем иметь дело с так называемым сезонным профилем спроса. Он означает, что есть определённая ритмичность спроса, есть пики, характерные для высоких сезонов, есть спады, характерные для низких сезонов. И этот профиль сезонности имеет тенденцию повторяться, допустим, каждое лето или каждое воскресенье, или каждую четвёртую неделю месяца. То есть есть определённая ритмика явления, которую мы видим как повторяющуюся на протяжении довольно длительного времени. Последний вариант профиля спроса — случайный. Означает, что уровень спроса в целом неизменен, колебания фактических значений относительно среднего уровня носят случайный характер и вызваны индивидуальными действиями больших масс потребителей. В этом случае мы можем предполагать, что достаточно принципиально понимать общий уровень спроса, а случайную компоненту спроса можно закрывать величиной страховых запасов, которые специально под это формируются. Регрессионные методы — самые сложные и самые дорогостоящие. Они основаны на корреляции между фактом результативного признака и фактом факторного признака. Они основаны на внешних индикаторах довольно часто. То есть компании вынуждены собирать внешнюю информацию, а зачастую вынуждены покупать информацию у специальных исследовательских агентств, и полезны при прогнозировании общего спроса для компании в целом или для товарных групп. Они редко используются для прогнозирования конкретной номенклатуры. Номенклатура прогнозируется корреляционно-регрессионными методами тогда, когда более простые методы не достигают, к сожалению, той эффективности, на которую мы рассчитываем, и нам приходится обращаться к более сложным методам прогнозирования спроса. При этом регрессионные методы опираются на различные индикаторы, которые могут иметь как демографический характер, так и экономический характер для того или иного планового периода, который мы изучаем. [БЕЗ_ЗВУКА]
