Как повысить точность прогнозирования продаж в компании

Если у вас на складе нет того, что нужно клиенту, то вы не сможете предоставить ему это.
А раз вы не можете дать клиенту желаемое, значит, ваш сервис нельзя считать хорошим.
Но как сделать так, чтобы на складе было все, что может понадобиться вашим клиентам,
причем в достаточном, но не избыточном количестве?
Карл Сьюэлл «Клиенты на всю жизнь»

Зачем организовывать прогнозирование продаж и за счет чего можно повысить точность прогнозов? За счет организации прогнозирования продаж и повышения точности прогнозов компания сможет:

  • Высвободить оборотные средства со склада;
  • Увеличить объем продаж – за счет более полного удовлетворения спроса;
  • Увеличить прибыль – за счет снижения затрат на хранение и логистику.

Процесс прогнозирования в компании можно разбить на пять этапов:

1. Подготовка данных к прогнозу;

2. Выбор модели;

3. Расчет прогноза;

4. Корректировка прогноза дополнительными факторами;

5. Оценка точности прогноза и корректировка модели.

Первый этап. Подготовка данных к прогнозу

В 90% случаях мы сталкиваемся с ситуацией, что прогнозисты считают прогнозы на неподготовленных данных и удивляются, почему у них такая низкая точность. Подготовка данных – это ключ к повышению точности прогнозов. Подготовка – самостоятельный, регулярный процесс. Подготовленные к прогнозу данные необходимо копить и обновлять с регулярностью обновления прогнозов. Ваши данные – это возможность увеличить точность прогноза. Необходимо сформировать отдельную базу подготовленных данных.

продажи

Подготовка данных – это регулярный процесс, результат которого – расчет прогноза

Что входит в подготовку данных?

1. Выбор уровня расчета прогноза, например, выбор расчет прогноза по позициям, по группам товаров, по подгруппам.

2. Очистка от факторов – это очистка от крупных акций по стимулированию сбыта, от отгрузок спецклиентам (нерегулярные клиенты с долей отгрузки больше 10% по позиции), вводы – выводы из торговых сетей, распродажи и т.д.

3. Восстановление данных – это восстановление данных о продажах в момент отсутствия товара (дефицит, ремонт в торговой точке, временное закрытие по независящим причинам).

Для получения информации по многим из факторов необходимо организовать процесс по сбору данных из всех влияющих подразделений – отдел продаж, склад, маркетинг, производство.

Для организации сбора информации необходимо процесс описать и регламентировать. Вначале, конечно, многие факторы будут учитываться вручную, затем вы часть процессов автоматизируете, когда отработаете ручной алгоритм, а затем, возможно, перейдете на полную автоматизацию по сбору и учету факторов. Автоматизация удобна и выгодна, ведь для менеджера – это повышение производительности труда, а для организации – это снижение ошибок и рост точности. Когда данные подготовлены к прогнозу, переходим к выбору модели и расчету прогноза.

Второй этап. Выбор модели прогноза

Объем продаж по месяцам или неделям – это временной ряд. Существуют разные временные ряды с разными характеристиками. И для разных типов временных рядов подходят разные модели прогнозирования. Например, ряд может содержать явный рост или быть статичным. Если ряд с тенденцией к росту, тогда нам подойдут модели с трендами и сезонностью (то есть модели, описывающие рост). Если максимальный вес имеют тенденции за последний период, то мы берем модель скользящей средней или выделяем тренд для прогноза за последний период.

В таблице «Соответствие моделей прогноза и характеристик временных рядов» вы найдете, для какой характеристики временного ряда, какую модель лучше использовать. Если мы хотим добиться прогнозов высокой точности на большом массиве данных, то нам надо научиться применять для разных характеристик временного ряда различные модели прогноза. Это можно делать с помощью специального программного обеспечения, либо самостоятельно разобраться с моделями и подобрать несколько подходящих для разных ситуаций в продажах.

Соответствие моделей прогноза и характеристик временных рядов.

Характеристика ряда/ модель

Трендовая модель

Скользящая средняя

Модели экспоненциального сглаживания

Bootstrapping

Полный ряд
продажи минимум за год

Тренд + сезонность

Скользящая + сезонность

Хольта-Винтерса


Неполный ряд
продажи за несколько месяцев

Тренд

Средняя

Простая или Хольта


Есть рост

Линейный, экспоненциальный или логарифмический тренд (+ сезонность для полных рядов)

Хольта или Хольта-Винтерса


Ряд статичный без роста

Полиномы

Скользящая + сезонность

-


Тенденции за длительный период имеют максимальный вес для прогноза

Тренды за весь период, линейный, экспоненциальный, логарифмический (+ сезонность для полных рядов)

-

Хольта или Хольта-Винтерса с коэффициентом сглаживания, стремящимся к нулю, чем ближе к нулю, тем больше влияние тенденций за весь период

-

Тенденции за последний период имеют максимальный вес для прогноза

Используем тренды (линейный, логарифмический, экспоненциальный) за последние периоды, а сезонность рассчитываем за длительный период

Используем скользящую среднюю за столько периодов, сколько имеют максимальный вес для прогнозирования (ср. за 2, 3, 4 … периодов)

Хольта или Хольта-Винтерса с коэффициентом сглаживания, стремящимся к нулю, чем ближе к нулю, тем больше влияние тенденций за весь период

-

Нерегулярные, разовые события


Если нарастающим итогом, то используем скользящую


Bootstrapping

Третий этап. Расчет прогноза продаж

После того, как выбрали модель, переходим к расчету прогноза:

продажи

Еще раз скажу, что прогноз продаж по каждому ряду мы рассчитываем с помощью модели, которая для него подходит в зависимости от его характеристик. Если ряд с заметным ростом, то используем модель, которая этот рост лучшим образом описывает и прогнозирует – это либо трендовая модель, либо модель Хольта или Хольта-Винтерса.

Например, для расчета прогноза с помощью трендовой модели с сезонностью, мы:

1. Рассчитываем значение тренда (тренд может быть линейный, логарифмический, экспоненциальный, полиномиальный) – используем тот, который наилучшим образом описывает рост. Какой тренд использовать, мы решили на предыдущем этапе прогнозирования.

2. Выделяем сезонность. Сезонность у нас будет равна усредненным отклонениям ряда от тренда.

3. Рассчитываем прогнозный тренд.

4. Корректируем прогнозный тренд сезонностью – получили прогноз.

Если продажи есть только за четыре-пять месяцев и сезонность еще не выделить, используем для этого ряда модель простого экспоненциального сглаживания, Хольта, тренд или скользящую среднюю, в зависимости от того, на какой модели для неполных рядов при тестировании вы остановились.

Если позиций для прогноза много, тогда лучше этот процесс автоматизировать, чтобы значительно сэкономить время, исключить возможные ошибки при расчете и ускорить свою работу.

Четвертый этап. Учет дополнительных факторов в прогнозе

Итак, сначала взяли исходные данные, подготовили их к прогнозу, выбрали модель и рассчитали прогноз. Но на будущее у нас запланированы мероприятия, которые мы точно знаем, что в прогнозе не учтены. Какие это могут быть мероприятия? Приведем пример с рынка FMCG:

1. Ввод товара в торговую сеть;

2. Проведение мероприятий по стимулированию сбыта – трейд, BTL…

3. Рекламные кампании;

4. Спецклиенты – крупные разовые заказчики;

5. Тендеры;

6. Задачи отделам продаж.

Как нам учесть мероприятия и эффект от их проведения в прогнозе?

1. Организовываем учет планов по мероприятиям – в учетной системе, в Excel, в базах данных;

2. Определяем показатель для учета по каждому мероприятию в прогнозе – прирост продаж или объем продаж. Например, при проведении акции в работающей торговой сети мы учитываем планируемый прирост продаж за счет акции, а в случае ввода продукции в торговую сеть – учитываем целиком планируемый объем продаж в сеть.

3. Организовываем регулярный сбор информации по мероприятиям от отделов – описываем и запускаем регламент, делаем и настраиваем программное обеспечение для учета факторов;

4. Учитываем полученную информацию в прогнозе.

Итого мы получили:

продажи

Чтобы организовать сбор факторов, мы:

  • Описываем процесс – составляем регламент;
  • Описываем логику – подход к прогнозированию;
  • Согласовываем регламент и логику со всеми заинтересованными, влияющими отделами;
  • Организовываем регулярную работу в соответствии с регламентом – делаем и настраиваем ПО;
  • Корректируем регламент по мере необходимости и развития.

Описав, согласовав и организовав процесс, мы будем уверены, что ответственные знают, когда, как, какую информацию и в каком виде предоставить и к каким последствиям может привезти своевременное непредставление информации о планируемых мероприятиях.

Пятый этап. Оценка точности прогноза и корректировка модели

Прогноз на подготовленных данных с учетом мероприятий и факторов рассчитан. Оценим его точность. Точность желательно оценивать, как по позиции, так и по группе в целом.

По каждому отклонению прогноза от факта больше норматива разбираемся в причинах:

  • Подготовка данных;
  • Модель прогноза;
  • Учет факторов;
  • Сбой в организации.

Корректируем процесс, повлиявший на снижение точности, для корректировки регламента и учета в будущем. Получаем развивающуюся систему прогнозирования.

Выводы

Организация прогнозирования в компании – это возможность увеличить:

  • Объем оборотных средств на счетах;
  • Объем продаж;
  • Прибыль компании.

Точных вам прогнозов!

Комментарии
Аналитик, Краснодар

Это нужно показывать на конкретном примере. Иначе не поймут. И чтобы научиться прогнозировать, нужно потратить достаточно много времени на изучение теории и эксперименты. Нельзя вот просто прочитать статью и научиться. Это иллюзия, что все очень просто.

Генеральный директор, Санкт-Петербург
Дмитрий, спасибо за комментарий. Организовать прогнозирование в компании очень не просто. Особенно в больших компаниях, когда на продажи влияют разные отделы, подразделения... Цель статьи - это показать структуру организации прогнозирования. А уже в рамках этой структуры тому, кто будет решать эту задачу, будет легче найти информацию и экспериментировать с каждым из элементов. Регулярно сталкиваюсь с тем, что даже очень теоретически подготовленные коллеги: - прогнозируют на не подготовленных данных, - или процесс подготовки данных и расчета прогноза смешивают, в результате оба элемента страдают, - использую 1 модель для разных ситуаций, - не учитывают дополнительные факторы... а потом удивляются, почему такая низкая точность? Начинаешь разбираться, оказывается, что один или несколько из 5 этапов пропущены. Теория - да, эксперименты - да, и, конечно же, на все надо время. Информации по прогнозированию много, для восприятия она очень не проста, надо как-то упрощать и структурировать.
Генеральный директор, Санкт-Петербург

Виталий,
Кто у вас сейчас занимается прогнозирование?
Оценка влияния точности прогноза на прибыль, объем продаж, рост оборачиваемости... - это отдельная, большая статья с формулами, примерами...
Даже не уверен, что в формат e-xecutive подходит к такому объему математики.
Могу написать на ваш адрес, где об этом можно почитать и посмотреть примеры? Если интересно, пишите мне на почту...
Хорошего вам дня!

Нач. отдела, зам. руководителя, Ярославль
Алексей Батурин пишет: Кто у вас сейчас занимается прогнозирование?
я от вас хотел услышать кто этим должен заниматься т.к статья этого не раскрывает. Продажами занимается ГД (или собственник) как ни странно :) ведь это его бизнес- идея.
Нач. отдела, зам. руководителя, Ярославль
Алексей Батурин пишет: Оценка влияния точности прогноза на прибыль, объем продаж, рост оборачиваемости... - это отдельная, большая статья с формулами, примерами..
как вы думаете ,я вот ГД, захотелось ли мне заниматься прогнозировать по предложенной схеме, да еще и не зная как эт овсе отразится на прибыльности :)
Генеральный директор, Санкт-Петербург
Моя практика показывает, что в разных компаниях этим занимаются разные сотрудники. В больших компаниях есть отделы прогнозирования, бывает этим занимаются директора по развитию, руководители отдела закупок, производства, IT. В некоторых компаниях встречал, что прогнозами занимается маркетинг, руководитель продаж... Все зависит от компании :-) По этой формуле можно оценить экономию затрат и рост прибыли за счет повышения точности прогнозов: Как оценить экономию затрат за счет повышения точности прогнозов? Введем следующие переменные: V — стоимость запасов за год. H — стоимость хранения запасов за год (в процентах); это сумма всех расходов, связанных с запасами. σ — ошибка прогнозирования работающей системы, выраженная в MAPE (средней абсолютной ошибке). Определение данной величины приведено ниже. σn— ошибка прогнозирования новой системы. Ежегодная прибыль от пересмотра прогнозов ''B''выражается как: B=VH(σ−σn) σ и σn- это средняя абсолютная ошибка MAPE.
Генеральный директор, Санкт-Петербург

Каждый день общайтесь с вашими клиентами и вы будете лучше знать их потребности ...

Директор по продажам, Санкт-Петербург

Что входит в подготовку данных?
1. Выбор уровня расчета прогноза, например, выбор расчет прогноза по позициям, по группам товаров, по подгруппам.
2. Очистка от факторов – это очистка от крупных акций по стимулированию сбыта, от отгрузок спецклиентам (нерегулярные клиенты с долей отгрузки больше 10% по позиции), вводы – выводы из торговых сетей, распродажи и т.д.
3. Восстановление данных – это восстановление данных о продажах в момент отсутствия товара (дефицит, ремонт в торговой точке, временное закрытие по независящим причинам)
из п.3 следует отсутствующий п.4 Очистка от влияния реализации ''отсроченного спроса''

Директор по продажам, Санкт-Петербург

2. Очистка от факторов – это очистка от крупных акций по стимулированию сбыта, от отгрузок спецклиентам (нерегулярные клиенты с долей отгрузки больше 10% по позиции), вводы – выводы из торговых сетей, распродажи и т.д.

10% - это ''солить по вкусу'' или вычисляемое граничное значение типа ''Правила Паретто''. Если вычисляемое - то какими способами?

Директор по продажам, Санкт-Петербург

Для получения информации по многим из факторов необходимо организовать процесс по сбору данных из всех влияющих подразделений – отдел продаж, склад, маркетинг, производство.

А вот список факторов бы, что бы понимать о чем речь идет? Скажем, девальвация - значимый фактор?

Оставлять комментарии могут только зарегистрированные пользователи
Статью прочитали
Обсуждение статей
Все комментарии
Дискуссии
Все дискуссии
HR-новости
Почему уходят финансисты

Аналитики АССА выяснили основные причины ухода с работы представителей финансовой сферы.

Чат-боты для рекрутинга привлекли $6,2 млн

Компания Xor.ai с российскими корнями привлекла $6,2 млн.

Кто хочет работать с женщиной

Только 7% опрошенных хотели бы видеть в роли руководителя женщину.

«Нетология» инвестирует $10 млн в стартапы

«Нетология-групп» запустит акселератор Startup.EdMarket.