Сожалеем, но текст оригинала доступен только зарегистрированным пользователям. |
КОЛИЧЕСТВЕННОЕ ПРОГНОЗИРОВАНИЕ СПРОСА
gulakovs
27.12.13 в 06:40
|
|
Слайд 1: Количественное прогнозирование спроса
gulakovs
27.12.13 в 06:41
|
|
Слайд 2: Обзор курса
Вы когда-нибудь слышали о профессии, которая бы вознаграждала сотрудника за то, что он делает что-то не так?
Удивительно, но люди прогнозирующие спрос могут ошибаться и по-прежнему оставаться на хорошем счету в компании.
gulakovs
27.12.13 в 06:41
|
|
Почему же к ошибкам в данной профессии относятся лояльно, тогда как в других профессиональных областях это, скорее всего, привело бы к увольнению?
Ответ заключается в том, что все организации должны понимать и иметь возможность количественно оценить будущий спрос покупателей на свои товары и услуги. Указанное знание будет способствовать принятию решений, которые значительно увеличат конкурентоспособность и прибыльность организации.
gulakovs
15.01.14 в 18:50
|
|
Например, план организации, заключающийся в 25% ежегодном росте, потребует инвестиций в совершенствование производственных мощностей и дополнений в будущем. Невыполнение данного требования в заданные сроки, скорее всего приведет к падению продаж, увеличение расходов на сопровождение продукции, а также к низкому моральному духу сотрудников.
gulakovs
24.01.14 в 06:07
|
|
Прогнозы часто ошибочны. К счастью, решения, необходимые для успешной работы предприятия, редко требуют 100% точности.
Пока прогноз спроса остается достаточно точным, организация все еще может принимать правильные решения.
gulakovs
24.01.14 в 06:17
|
|
Продолжая рассмотрение предыдущего примера, мы приходим к выводу, что если прогнозируемый рост составлял 25%, а фактический ежегодный рост составил 28%, то компании еще есть куда расширяться в будущем.
В то время как сроки расширения производственных мощностей могли быть немного неправильными, сам план добавления производственных мощностей остается по прежнему актуальным. Другими словами, прогноз создал дополнительную стоимость.
gulakovs
29.01.14 в 14:05
|
|
Данный курс предоставляет вам методы количественного прогнозирования спроса, которые могут быть использованы для большого числа зрелых продуктов, продаваемых в настоящее время.
Кроме того, будут рассмотрены оценки эффективности прогнозирования, а также то, в какой степени выполнение прогноза способствует созданию добавленной стоимости.
gulakovs
31.01.14 в 13:51
|
|
Слайд 3: Цели курса
После окончания этого курса, вы сможете:
- Разработать прогноз спроса, используя метод усреднения;
- Разработать прогноз спроса, используя метод однократного экспоненциального сглаживания;
- Рассчитать вариацию измерения оценки прогноза;
- Рассчитать и выявить предвзятость прогноза.
gulakovs
11.01.14 в 11:04
|
|
Слайд 4: Урок 1: Понятия прогнозирования спроса
gulakovs
11.01.14 в 11:06
|
|
Слайд 6: Введение
В любой из моментов времени, успешные организации будут иметь различные продукты на различных стадиях жизненного цикла продукта.
Данные урок показывает методы количественного прогноза, необходимые для предсказания будущего спроса для зрелых продуктов.
gulakovs
11.01.14 в 11:06
|
|
После окончания этого урока, вы сможете:
- Перечислить шаги, необходимые для выполнения прогнозирования методом простого среднего;
- Обновить прогноз, выполненные при помощи простого среднего;
- Обсудить слабые стороны прогнозирования методом простого среднего;
gulakovs
15.02.14 в 15:39
|
|
- Разработать первоначальный прогноз, используя технику скользящего среднего;
- Обновить прогноз, используя метод скользящего среднего;
- Рассчитать первоначальный прогноз спроса, используя метод взвешенного скользящего среднего;
- Выполнять постоянные обновления с использованием метода взвешенного скользящего среднего.
gulakovs
17.02.14 в 11:33
|
|
Слайд 6: Расчет простого среднего
Введение
Простой метод прогнозирования посредством усреднения состоит из пяти шагов:
Шаг 1: Сбор данных
Простое усреднение начинается со сбора исторических данных по спросу.
Данный шаг должен быть выполнен аккуратно и предусматривать использование процедур очистки данных для устранения аномалий в данных по спросу.
gulakovs
12.01.14 в 14:54
|
|
Например, если в прошлом на спрос оказывали сильное влияние необычные и редкие погодные явления, то специалист по прогнозированию может заменить данные значения оценкой, представляющей собой нормальные значения спроса для этого периода времени.
gulakovs
17.02.14 в 11:35
|
|
Шаг 2: Суммируйте данные
Суммируйте все данные спроса, чтобы получить общий спрос на продукт.
gulakovs
29.01.14 в 14:07
|
|
Шаг 3: Вычислите среднее значение всех данных
Используйте арифметическое среднее, чтобы усреднить данные.
Получите среднее посредством деления общего спроса на общее число периодов.
gulakovs
24.03.14 в 23:32
|
|
Шаг 4: Округление
Округление среднего до количества знаков после запятой, которое имеет значение для прогнозируемого предмета.
В качестве примера, можно рассматривать, что если продукция производится и продается в одних единицах, то округление производить до ближайшего целого числа.
gulakovs
17.04.14 в 17:22
|
|
Шаг 5: Опубликуйте прогноз
Данный шаг должен включать ожидания по оценке ошибки прогнозирования.
Она рассчитывается путем сравнения наименьшего и наибольшего исторических требований к прогнозу и выбора наибольшей разницы.
gulakovs
18.04.14 в 11:21
|
|
График данных примера иллюстрирует исход пятиступенчатого процесса.
При этом подходе добавляется 8 периодов исторических данных, получаем результат 600, а затем делим его на 8, получая прогноз 75.
gulakovs
24.04.14 в 06:33
|
|
Наибольшая ошибка прогнозирования равна 15. Она была получена путем вычитания из значения прогноза, равного 75, значения наименьшего данного по спросу, равного 60.
Таким образом, опубликованный прогноз будет равен 75+/-15.
gulakovs
24.04.14 в 08:38
|
|
Слайд 7: Простое среднее: непрерывное использование
По мере того, как исторический спрос становиться текущей реальностью, процедура может быть повторена, чтобы включить последние данные.
В данном примере, данные периода 9 были добавлены к предыдущей демонстрации, в результате новый итог составил 680, а обновленное среднее - 75,5. Оно может быть округлено до 76. Кроме того, новая ошибка равна 16, а полученный прогноз теперь равен 76 +/- 16.
gulakovs
24.01.14 в 06:21
|
|
Слайд 8: Недостатки простого среднего
По определению, простое среднее использует исторические данные прошлых периодов. Для продукции с длинным жизненным циклом данная особенность метода усреднения может быть очень громоздкой.
gulakovs
29.01.14 в 14:07
|
|
В результате, большинство организаций используют подход, который ограничивает исторические данные до контролируемых и осмысленных объемов.
Как правило, речь идет о периоде от одного до трех лет. В этом случае используется прогнозирование методом скользящего среднего.
gulakovs
07.05.14 в 10:58
|
|
Простое среднее также рассматривает все исторические данные как равные друг другу. Это неприемлемо, когда существенно изменились текущие рыночные условия.
gulakovs
07.05.14 в 11:00
|
|
Рассмотрим, например, трехгодичные данные по спросу на продукцию.
В первый год, распространение было ограничено 100 торговыми точками, а цена продажи единицы была $5.00.
Сегодня, дистрибьюторская сеть расширилась до 300 торговых точек, а цена уменьшилась до $3.99.
gulakovs
07.05.14 в 11:01
|
|
Очевидно, что включение исходного спроса на продукцию будет искажать прогноз спроса, который имеет тенденцию к росту.
Это можно исправить путем уменьшения объема исторических данных, включенных в расчет скользящего среднего или посредством применения взвешенного скользящего среднего.
gulakovs
19.05.14 в 13:20
|
|
И последнее, метод простого среднего может использоваться при прогнозировании только тогда, когда спрос имеет постоянный характер. Если имеет место быть тренд, сезонность или цикличность, то необходимо использовать более сложные инструменты прогнозирования. В частности, они могут включать в себя регрессию, сезонную декомпозицию и эконометрическое моделирование.
gulakovs
19.05.14 в 14:03
|
|
Слайд 9: Расчет скользящего среднего
Введение
Процедура по выполнению прогнозирования методом скользящего среднего очень похожа на метод простого среднего и использует пятиступенчатый процесс.
gulakovs
29.01.14 в 14:15
|
|
Шаг 1: Инициализация
В данном методе, фиксированная выборка наиболее поздних исторических данных используется в процессе расчета среднего. Большинство приложений использует объем выборки от трех до шести периодов.
gulakovs
17.02.14 в 11:38
|
|
Выборка меньшего размера, как правило, более реактивна в случае любых случайных изменений в шаблоне (предпочтениях) спроса. Она также быстрее выявляет любые изменения в шаблоне спроса, чем в случае использования выборки большего размера.
gulakovs
24.03.14 в 23:38
|
|
Шаг 2: Подготовка и сбор данных спроса
После определения размера выборки, процедура для первого периода начинается со сбора исторических данных спроса, чтобы заполнить выборку.
Указанные данные должны быть очищены от аномальных значений.
gulakovs
18.04.14 в 03:09
|
|
Шаг 3: Рассчитайте среднее
Рассчитайте среднее значение внутри выборки посредством суммирования значений спроса и деления их на количество периодов внутри выборки.
gulakovs
19.05.14 в 05:46
|
|
Шаг 4: Опубликуйте прогноз
После округления, ошибка прогнозирования рассчитывается путем сравнения наибольшего и наименьшего значений в рамка выборки для нового прогноза.
Как и прежде, наибольшее абсолютное различие принимается в качестве значения ошибки.
И наконец, новый прогноз публикуется для всех периодов в будущем.
gulakovs
19.05.14 в 14:06
|
|
Шаг 5: Скорректируйте выборку
По мере того, как становятся доступны новые исторические данные, выборка смещается вниз по таблице спроса, позволяя исключить самые старые данные из последующих расчетов. В то же самое время, самые последние исторические данные включаются в выборку для выполнения анализа.
Шаг 3 и 4 повторяются снова.
gulakovs
30.05.14 в 04:58
|
|
Слайд 10: Пример расчета скользящего среднего
Данный пример использует трехмесячную технику расчета скользящего среднего. Первоначальный прогноз представлен в первую очередь. Он рассчитан на основании трех первых периодов данных: 112, 123 и 124.
После прошествия некоторого времени, становится доступным четвертый период исторических данных.
gulakovs
14.02.14 в 14:15
|
|
Обратите внимание, что скользящая выборка спускается ниже, чтобы включить новые данные по прогнозу спроса - 108, что, в свою очередь, исключает из дальнейшего анализа самые старые данные - 112.
Затем, обновленный прогноз публикуется.
Указанный процесс повторяется раз за разом, когда каждый период выпускаются новые данные.
gulakovs
07.05.14 в 12:19
|
|
Слайд 11: Расчет взвешенного скользящего среднего
Расчет взвешенного скользящего среднего является расширением техники расчета скользящего среднего. В дополнении к перемещающейся выборке исторических данных, данный метод умножает каждый элемент данных на весовой коэффициент. Данный весовой коэффициент изменяется от 0 до 1.
gulakovs
14.02.14 в 14:18
|
|
Фактическое значение используется для представления процента исторических данных, которые используются для создания нового прогноза.
Как правило, большие номера используются для данных недавнего прошлого и веса уменьшаются с течением времени.
gulakovs
07.05.14 в 12:07
|
|
Необходимо соблюдать осторожность, чтобы убедиться, что сумма весов равна 1 (единице).
В этом курсе все веса будут даны.
Используемая процедура очень похожа на метод скользящего среднего.
gulakovs
19.05.14 в 05:47
|
|
Она начинается с установки размера выборки и весовых коэффициентов.
После этого шага, исторические данные спроса собираются вместе, чтобы заполнить выборку.
При необходимости выполняется очистка данных.
gulakovs
30.05.14 в 05:04
|
|
Каждая из точек данных умножается на соответствующий вес.
Взвешенные числа, сложенные, чтобы сформировать будущий прогноз, могут быть округлены по собственному желанию.
gulakovs
30.05.14 в 06:02
|
|
Чтобы завершить процесс, как и ранее, рассчитывается ошибка прогноза.
В последующих периодах мы будет следовать той же процедуре, по мере того, как выборка будет смещаться и "отсекать" самые старые исторические данные.
gulakovs
30.05.14 в 06:06
|
|
Слайд 12: Пример расчета взвешенного скользящего среднего
Данный пример использует те же самые данные, что были проанализированы при расчете трехмесячного скользящего среднего.
Будут использоваться веса 0,6, 0,3 и 0,1.
Первоначальные прогноз рассчитывается путем сложения взвешенных значений исторического спроса.
gulakovs
15.02.14 в 15:41
|
|
В частности, прогноз равен 10% от 112, плюс 30% от 123, плюс 60% от 124.
Первоначальный прогноз был 122.5 округляется до 123.
Ошибка прогноза устанавливается равной плюс-минус 11 на основании наименьших исторических данных или 112 по сравнению с этим прогнозом.
gulakovs
18.04.14 в 11:25
|
|
Обновленный прогноз формируется, когда возникает еще один период фактического спроса.
Обратите внимание, как выборка перемещается ниже, чтобы исключить самые старые данные о спросе. Кроме того, вместе с ней скользят весовые коэффициенты.
gulakovs
19.05.14 в 05:50
|
|
Обновленный прогноз будет получен путем сложения 10% от 123, 30% от 124 и 60% от 108.
В последней таблице суммируются прогнозы, сформированные в примерах путем использования скользящего среднего и скользящего среднего взвешенного.
gulakovs
19.05.14 в 13:05
|
|
Обратите внимание, что метод взвешенного среднего имеет тенденцию тяготеть к более поздним значениям спроса, что проистекает из непосредственной близости к прогнозу последних значений спроса.
Данная чувствительность увеличена посредством выбора наибольшего значения для самого последнего весового коэффициента - 0,6 в нашем примере - по сравнению с другими используемыми весовыми коэффициентами.
gulakovs
19.05.14 в 13:17
|
|
Слайд 13: Проверьте ваше понимание
gulakovs
31.01.14 в 13:52
|
|
Слайд 14: Итоги урока
В любое выбранное время, успешные организации имеют разнообразные продукты на разных стадиях жизненного цикла продукта.
Данный урок предоставляет методы количественного прогнозирования спроса, необходимые для предсказания будущего спроса для зрелых продуктов.
gulakovs
17.02.14 в 11:40
|
|
