Расчет прогноза: Прогнозирование объема продаж продукции на 3,6,9 месяцев

Содержание

Расчет прогноза спроса на каждый период

В целях планирования важно иметь информацию об ожидаемом спросе изделий. Определение логистических параметров в целях анализа прогноза спроса требует больших затрат.

Определение методов прогнозирования

Существует достаточно много методов прогнозирования. В сеансе Методы прогноза (whina2100m000) вы можете выбрать из представленных методов. Для изделия должен быть определен метод прогнозирования в сеансе Изделие — Складирование (whwmd4100s000).

Расчет прогнозируемого спроса по изделию

Для расчета прогноза воспользуйтесь сеансом Рассчитать прогноз спроса (whina2202m000). В результате анализа могут быть скорректированы следующие параметры:

  • Ожидаемый годовой отпуск
  • Резервный запас
  • Точка перезаказа
  • Прогноз спроса

Эта информация может быть напечатана в том же сеансе. Информация о порядке расчета точки перезаказа.

Расчет прогноза спроса для каждого изделия и периода зависит от значения поля Метод прогнозирования в сеансе Изделие — Складирование (whwmd4100s000):

  • Скользящее среднее
  • Экспоненциальное сглаживание
  • Расчет прошлого года
  • Спрос последнего периода

Все методы прогнозирования используют цифры спроса нескольких предыдущих периодов. При исполнении прогноза спроса для будущих периодов, цифры спроса предыдущих периодов не всегда доступны, так как предыдущие периоды могут (частично) находиться в будущем. В этом случае, LN используется рассчитанный прогноз спроса предыдущих периодов вместо фактических цифр спроса.

Расчет и обновление параметров заказа изделия (Ожидаемый годовой отпуск, Резервный запас и Точка перезаказа) всегда основываются на цифре прогноза следующего будущего периода.

Скользящее среднее

Если метод прогнозирования Скользящее среднее, то прогноз спроса рассчитывается следующим образом:

Прогноз спроса = (спрос + фактический отпуск изделия /сезонный коэффициент [для соответствующих периодов])/количество периодов

Экспоненциальное сглаживание

Если метод прогнозирования Экспоненциальное сглаживание, то прогноз спроса рассчитывается следующим образом:

Прогноз спроса = средний спрос(текущий период) + коэффициент тренда(текущий период) * сезонный коэффициент(текущий период) 

Где:

  • Средний спрос рассчитывается как: прогноз спроса (предыдущий период) + Коэф. сглажив. для прогноза спроса (текущий период) * фактическое использование (пред.период) — прогноз спроса(предыдущий период))/сезонный коэффициент (пред.период)
  • Коэффициент тренда рассчитывается как: Коэффициент тренда (предыдущий период) + Коэф.сглажив. для прогноза спроса (текущий период) * [Средний спрос (текущий период) — Средний спрос (пред. период)-Коэффициент тренда (предыдущий период)].
  • Сезонные коэффициенты определены.
  • Определяемый коэффициент сглаживания в некоторых случаях корректируется для Крит.коэфф.сигн.отслеживания в Методы прогноза (whina2100m000).

Расчет прошлого года

Если выбран метод прогнозирования Расчет прошлого года, прогноз спроса идентичен Скользящее среднее, за исключением количества учитываемых периодов.

Спрос последнего периода

Если метод прогнозирования — Спрос последнего периода, то прогноз спроса рассчитывается следующим образом:

Прогноз спроса = средний спрос(текущий период) *  сезонный коэффициент(текущий период)

Где:

  • Средний спрос рассчитывается как: фактический отпуск изделия (пред.период) / сезонный коэффициент (пред.период)
  • Сезонные коэффициенты определены.

 

Алгоритм помесячного прогноза спроса на год вперёд с учётом тренда и сезонности

Алгоритм помесячного прогноза спроса на год вперёд с учётом тренда и сезонности

После моего прихода в компанию «Избёнка», осуществляющую розничную торговлю натуральной молочной продукцией, я думал, что помесячное прогнозирование остались для меня – в прошлом. Ведь из-за того, что стратегическим принципом компании является торговля только натуральной молочной продукцией, потребность в прогнозировании больше недели – отпадает. Всё дело в коротких сроках годности такой продукции – обычно это 3-5 дней. Однако мне пришлось вспоминать прошлые навыки, когда я столкнулся с необходимостью делать заказ на сыр. Дело в том, что он вызревает как раз около месяца. А чтобы через месяц получить у поставщика нужный объём, мне нужно уже сейчас сказать ему, сколько мне понадобится, чтобы он запустил в производственный процесс необходимое для этого количество сырья. А в случае поставок с большим сроком реагирования – будь то: из-за длинного транспортного плеча или трудоёмкого процесса производства возникает необходимость прогнозировать спрос на длительные сроки.

Срок реагирования – это время от момента, когда приняли решение о необходимости закупки позиции, и до момента, когда её можно использовать на производстве или отпускать клиенту. При этом в компаниях обычно осуществляется помесячное планирование, поэтому и прогноз желательно иметь в разбивке по месяцам. Выполнение этого же условия требуется при револьверных поставках – то есть таких поставках, когда период между ними меньше срока реагирования:

 

январь

февраль

март

апрель

май

июнь

поставка №1

отгрузка

доставка

приёмка

 

 

 

поставка №2

 

отгрузка

доставка

приёмка

 

 

поставка №3

 

 

отгрузка

доставка

приёмка

 

поставка №4

 

 

 

отгрузка

доставка

приёмка

В данном примере, срок реагирования составляет три месяца, а период между двумя соседними поставками – месяц. Таким образом, в каждый момент времени у нас всегда в пути находятся три поставки на разных этапах, а на остатках лежит не больше месячной потребности. Но, чтобы эта система работала корректно, нам опять же нужен помесячный прогноз.

При этом обычно необходимо прогнозировать спрос большого количества позиций, а во время прогнозирования мы должны учесть общую динамику спроса по каждой позиции и характерную ей сезонность продаж. Объём таких расчётов оказывается слишком большим для ручного прогнозирования, поэтому нашей задачей становится создание автоматического алгоритма прогнозирования для обработки имеющейся статистики прошлого спроса по всем позициям. Ниже в статье мы будем обсуждать обработку одного ряда спроса по одной позиции. Но по аналогии надо анализировать последовательно данные по всем имеющимся в компании позициям.

 

Упрощённый классический метод.

Первоначально необходимо определить общую динамику продаж: то есть для имеющегося ряда прошлого спроса

Si надо построить линейный тренд – долговременную тенденцию изменения временного ряда, выражаемую прямой линией. В Microsoft Excel его уравнение можно получить, добавив на диаграмму временного ряда линейный тренд, а значение тренда для любого месяца Тi – используя функцию ТЕНДЕНЦИЯ. Именно благодаря этим значениям мы сможем рассчитать коэффициенты сезонности Ki для каждого i-того месяца в прошлом. Для этого надо разделить значение фактического спроса за каждый месяц на значение линейного тренда за этот же месяц:

.

Тогда при наличии статистики хотя бы за два-три года появляется возможность рассчитать коэффициенты сезонности для каждого месяца года

Km, где: К1 – коэффициент сезонности января, К2 – коэффициент сезонности февраля, К3 – коэффициент сезонности марта, и так далее. .. Делается это за счёт усреднения всех полученных коэффициентов сезонности за все года для соответствующего месяца:

,

где Lm – количество соответствующих месяцев в истории спроса.

Теперь, когда у нас есть эти коэффициенты, мы можем получить прогноз спроса Pi на любой будущий i-тый месяц, умножив соответствующий этому месяцу коэффициент сезонности Km на значение тренда Тi для этого месяца:

Pi = Km · Ti.

Данный метод отличается от классического только отсутствием скользящего годового усреднения. По классике коэффициенты сезонности надо получать делением не на линейный тренд, а на значения этого скользящего среднего, и линейный тренд строится по скользящему. Но из-за этого теряется год статистики спроса, включая полгода самых ценных – последних данных, а так как зачастую вся статистика продаж по позиции в компании составляет всего полтора-два года, то подобная роскошь оказывается слишком расточительной.

 

Индуктивный метод Разгуляева.

Данный метод был разработан мной для вычисления прогноза спроса в случаях, когда расчёт по классическому методу занимает слишком много времени из-за большого объёма информации или, вообще, невозможен из-за того, что тренд уходит в минус. Впоследствии он был реализован в нескольких автоматизированных системах, включая «Invertor» для «Эксель» и «Прогноз продаж» для «1С» (http://www.forecastsupply.ru/). Формула расчёта может показаться сначала сложной:

где X – это номер месяца, на который мы прогнозируем спрос, то есть количество месяцев, имеющихся в статистике прошлого спроса по позиции, плюс ещё один.

Но если мы обратим внимание на условие после каждой формулы в фигурной скобке, то увидим, что из всего этого каскада формул нам нужна только одна – та, которая подходит под наш объём имеющейся статистики прошлого спроса. Причём каждая формула состоит только из сложения, умножения и деления. Значок Si – просто означает, что нам надо просуммировать все значения прошлого спроса, начиная с месяца, номер которого указан снизу этого значка, и заканчивая месяцем, номер которого указан сверху этого значка. Таким образом, получается, что и для понимания, и для реализации в корпоративной информационной системе оказывается проще именно этот метод. И если численные методы нахождения тренда в корпоративной информационной системе компании могут реализовать только программисты со специальным математическим образованием, да и то – для них это будет задачка на неделю-две, то уж сложение, умножение и деление – вам внедрит в течение суток любой программист!.. Да и считаться данный алгоритм будет на порядок быстрее.

Кроме этого у данного метода есть ещё ряд существенных плюсов – он никогда не будет прогнозировать отрицательные значения спроса при положительной прошлой статистике в отличие от классического метода. А ещё он – гибче, то есть быстрее реагирует на проявления динамики спроса. При этом, как и классический метод, индуктивный метод Разгуляева учитывает: как общую динамику спроса, причём, не привязываясь к линейности тренда, так и повторяющиеся из года в год сезонные влияния. Единственный его «недостаток» заключается в том, что вы не можете посчитать прогноз спроса на любой месяц, не посчитав предварительно прогноз спроса на все предыдущие месяца. То есть, если сейчас закончился январь, и вы хотите спрогнозировать спрос в мае, то вам сначала надо будет по имеющейся статистике спрогнозировать спрос в феврале, затем внести это значение в статистику, и на её основании спрогнозировать спрос в марте. После этого по такой же схеме спрогнозировать спрос в апреле и только затем в мае. Однако на практике нам редко нужно прогнозировать спрос через полгода, но не прогнозировать спрос в следующем месяце, поэтому данный недостаток – не так критичен. Ещё одну проблему в применении данного метода – возможность равенства нулю одного из знаменателей в формуле, легко решает переход на формулу строчкой выше, где диапазон суммирования в знаменателе будет – значительно больше, и такой ситуации точно не возникнет. А  чтобы лучше разобраться с формулами, можно скачать Excel-файлы с примерами реализации обоих методов по ссылке: http://upravlenie-zapasami.ru/excel/

 

Оценка точности прогноза.

Как только у нас появляются хотя бы два варианта прогнозирования – сразу же возникает вопрос: «А какой из них лучше?» – Однозначного ответа на него нет и быть не может, так как нет и никогда не будет самого лучшего метода прогнозирования – их надо проверять на ваших данных, чтобы оценить, какой из них лучше предсказывает ситуацию для ваших позиций в ваших каналах продаж. И здесь исследователей подстерегает одна ловушка в определении ошибки прогноза D. Самым распространённым вариантом расчёта такой ошибки является следующая формула:

,

где: P – это прогноз, а S – факт за тот же месяц.

Однако когда спрашиваешь пользователя этой формулы: «А чему равна ошибка, если факт равен нулю?» – то он попадает в понятное затруднение, ведь на ноль делить нельзя. Некоторые отвечают, что в таком случае D = 100% – мол, мы полностью ошиблись. Однако простой пример показывает, что такой ответ тоже – не верен:

вариант

прогноз

факт

ошибка прогноза

№1

4

0

100%

№2

4

1

300%

№3

1

4

75%

Оказывается, что в варианте развития событий №2, когда мы лучше угадали спрос, чем в варианте №1, ошибка по данной формуле оказалась – больше. То есть ошиблась уже сама формула. Есть и другая проблема, если мы посмотрим на варианты №2 и №3, то увидим, что имеем дело с зеркальной ситуацией в прогнозе и факте, а ошибка при этом отличается – в разы!.. То есть при такой оценке ошибки прогноза нам лучше его заведомо делать менее точным, занижая показатель – тогда ошибка будет меньше!.. Хотя понятно, что чем точнее будет прогноз – тем лучше будет и закупка. Поэтому для расчёта ошибки советую использовать следующую формулу:

.

В таком случае для тех же примеров ошибка рассчитается иначе:

вариант

прогноз

факт

ошибка прогноза

№1

4

0

100%

№2

4

1

75%

№3

1

4

75%

Как мы видим в варианте №1 ошибка становится равной 100%, причём это уже – не наше предположение, а чистый расчёт, который можно доверить машине. Зеркальные же варианты №2 и №3 – имеют и одинаковую ошибку, причём эта ошибка меньше ошибки самого плохого варианта №1. Единственная ситуация, когда данная формула не сможет дать однозначный ответ – это равенство знаменателя нулю. Но максимум из прогноза и факта равен нулю, только когда они оба равны нулю. В таком случае получается, что мы спрогнозировали отсутствие спроса, и его, действительно, не было – то есть ошибка тоже равна нулю – мы сделали совершенно точное предсказание.

 

Получение истории спроса.

На протяжении всей предыдущей статьи мы работали с временным рядом прошлого спроса, однако обычно его в явном виде изначально в компании – нет. Дело в том, что данные о прошлых продажах, далеко не всегда являются историей спроса. Получению этой истории из имеющихся в корпоративной информационной системе данных можно посвятить целую статью – здесь же ограничимся перечислением влияющих факторов с небольшим объяснением по каждому.

Дефицит. Если товара не было, и продажи из-за этого были равны нулю, то данную статистику ни в коем случае нельзя использовать в «чистом» виде – ведь в таком случае мы будем сами создавать ситуацию такого же дефицита и в будущем. Поэтому дефицит нужно оценивать и прибавлять к продажам, чтобы получить историю спроса с его учётом.

Нехарактерно большой спрос. Иногда к нам приходят клиенты, которые забирают весь запас, или даже мы делаем дополнительный заказ под них. Такие отгрузки крайне редки, и держать под них запас – не выгодно, так как мы больше потеряем на хранение таких объёмов и обслуживание замороженных в запасы денег, чем выиграем от такой продажи, которой может больше никогда и не случиться. Однако в историю продаж эти операции попадают, и значит, их надо исключать.

Проведение маркетинговых акций. В случае если наши продажи были завышенными из-за проведения маркетинговых акций, то такую статистику продаж тоже нужно корректировать. Самый опасный случай – когда мы устраиваем распродажу неликвидов,  они начинают продаваться, и мы на основании этих данных решаем ещё их закупить.

Отсутствие товаров-аналогов. На завышенный спрос может повлиять и отсутствие товаров-аналогов, когда клиент, не найдя то, за чем пришёл, берёт хоть что-нибудь подходящее – например позицию, спрос на которую мы хотим предсказать. При этом если вы в будущем не собираетесь допускать таких ситуаций, то спрос на исследуемую позицию заведомо не будет таким высоким.

Товары, отсутствие которых запирает продажи других позиций. В случае, когда у нас какие-то две позиции продаются обычно вместе, но какой-то одной из них долго не было, возможно, что продажи другой – тоже были заниженными. Например, если в нашей торговой точке не было сметаны, то и творог будет продаваться хуже. А значит, данную зависимость тоже надо учитывать и корректировать соответствующим образом прогнозы.

Цены. Всем понятно, что цена оказывают значительное влияние на объём продаж, а значит, в прогнозировании нам надо будет учитывать и этот фактор, если мы хотим добиться необходимой точности наших расчётов.

 

Валерий Разгуляев

Перепечатка и перепостинг статьи вместе с этим текстом, указанием автора, и ссылки на первоисточник: http://upravlenie-zapasami.ru/ — приветствуются!

 

 

Если статья отображается не корректно, или вы хотите скачать её себе, то воспользуйтесь этими ссылками:

Откуда возникают ошибки прогнозов?

Откуда возникают ошибки прогнозов?

 

В СМИ часто звучит фраза «Синоптики обещают …». Это не совсем верно — не «обещают», а прогнозируют. «Обещать» здесь было бы самонадеянно, потому что прогноз погоды имеет дело с вероятностными процессами, которым неизбежно присуща та или иная степень неопределенности.

 

За последние десятилетия мировое метеорологическое сообщество достигло значительных успехов в развитии технологий численного прогноза погоды. Сегодня, например, прогнозы на трое суток для приземного давления настолько же успешны, как прогнозы на сутки 20 лет назад.

Тем не менее, полностью избавиться от ошибок в прогнозах погоды невозможно. Почему?

 

Причин тому несколько:

 

1) Неполнота и неточность наших знаний о текущем состоянии атмосферы

Чтобы прогнозировать погоду надо, прежде всего, знать, что происходит в атмосфере сейчас, в начальный момент времени. Данные гидрометеорологических наблюдений — «сырье» для расчета прогноза погоды. Чтобы подготовить прогноз на пару дней вперед, надо иметь данные о фактической погоде на территории с масштабами нескольких тысяч километров. А прогноз на неделю и далее требует уже информации о том, что происходит с погодой на всем земном шаре. При долгосрочном прогнозе приходится рассматривать практически всю климатическую систему, в которую входят атмосфера, океан и верхний слой суши.

 

Текущее состояние атмосферы мы всегда знаем лишь приближенно, так как наши наблюдения за атмосферой являются неполными и неточными – наблюдательная сеть достаточно редка и данные наблюдений содержат ошибки. Обширные области планеты (океаны, высокие и тропические широты) остаются слабо освещенными данными наблюдений. На территории нашей страны плотность и оснащенность наблюдательной сети также оставляют желать лучшего. Можно повышать плотность сети и уменьшать погрешности измерений, но не бесконечно — возможности такой детализации ограничены, поэтому наше знание текущего состояния атмосферы никогда не будет полным.

 

2) Несовершенство используемых прогностических методов и моделей

Основным прогностическим инструментом сегодня становятся численные модели атмосферы – они успешно воспроизводят многие свойства атмосферы и становятся все более совершенными. Что из себя представляет современная прогностическая модель атмосферы? — Это сложный программный комплекс (трудозатраты на разработку составляют сотни человеко-лет), который решает систему уравнений, описывающую эволюцию атмосферы, т.е. рассчитывает температуру, влажность, ветер и другие параметры на разных высотах в различных точках земного шара. В модели учитываются процессы термогидродинамики, преобразований влаги, радиационно-облачные взаимодействия, сложные процессы в пограничном слое атмосферы и на границе с ее подстилающей поверхностью и т.д. Некоторые физические процессы в моделях не учитываются сознательно из-за того, что они меньше влияют на успешность прогноза. Другие огрубляются, т.к. их расчет требует больших вычислительных ресурсов (расчет прогнозов погоды – одна из самых «жадных» до компьютерных ресурсов задач, решаемых сегодня учеными). О третьих мы пока мало знаем.. Среди влияющих факторов можно выделить более и менее важные, но, в конечном счете, учет множества «мелочей» рождает новое качество прогнозов.

 

На сегодняшний день автоматизированные прогностические технологии не способны прогнозировать некоторые погодные явления. Это связано с тем, что многие явления погоды, включая опасные явления, имеют локальный характер и сложную природу образования, которую в настоящее время затруднительно описать формально для полной автоматизации прогноза с приемлемым уровнем успешности. По этой причине целый ряд явлений погоды (например, туманы, гололед и др.) прогнозируются в основном специалистами-синоптиками на местах, которые хорошо знают условия их образования и развития в конкретном регионе. Результаты модельных расчетов синоптики используют как основу для составления окончательных, «официальных» прогнозов погоды, предполагающих синтез опыта специалистов-прогнозистов и результатов различных прогностических технологий.

 

3) Проблема предсказуемости

Проблема предсказуемости стала осознаваться уже после первых численных экспериментов по моделированию эволюции атмосферы на долгие сроки. Еще в 50-х годах было показано, что сколь угодно малые ошибки задания начальных данных для расчета прогноза с течением времени трансформируются в большие. За пределами примерно двух недель ошибки детализированного по дням модельного прогноза вырастают до уровня ошибок случайного прогноза. Так проявляются объективные (т.е. непреодолимые при любой квалификации прогнозистов) ограничения на возможность точно прогнозировать конкретный ход эволюции атмосферных процессов на достаточно длительных интервалах времени. Ограничение связано с тем, что начальные условия для расчета прогноза всегда содержат погрешности и начальные ошибки имеют тенденцию расти в течение периода прогноза из-за неустойчивости атмосферных процессов («эффект бабочки»). Практическая предсказуемость атмосферы зависит от целого ряда факторов, в том числе и от структуры атмосферных течений (т.е. от текущей погодной ситуации) – в некоторых случаях развитие погодных процессов хорошо «просматривается» на несколько суток вперед, а бывает, что и прогноз на завтра оказывается очень ненадежным.

 

Все это не означает, что мы ничего не можем сказать о будущем атмосферы за пределами пары недель. Можем, но прогнозы на долгие сроки формулируются в другой форме и требования к ним иные — как правило для долгосрочных прогнозов используются вероятностная формулировка и представление результатов в терминах средних за период (например, месяц или сезон) величин. Формально ничего не стоит детализировать, например, прогноз на несколько недель вперед по суткам или даже по минутам, но эта «точность» будет дутой, т.е. необеспеченной реальными возможностями современных прогностических технологий.

= = = = = = = =

 

Что будет дальше? — Качество прогнозов постепенно будет расти, будет расширяться период полезного прогноза, но ни у нас в стране, ни в других странах, ни через десять, ни через сто лет оно не будет идеальным — просто потому что возможности и знания человека ограничены. Так что метеорологам всегда будет к чему стремиться. Это напоминает старинную загадку о том, можно ли пройти путь между двумя точками, если сначала преодолеть половину назначенного расстояния, потом половину от оставшегося отрезка, потом еще половину и т.д. Ответ понятен: нельзя, можно лишь постепенно приближаться к цели.

Прогноз расходов — План-Про

Прогноз расходов организации основан на понимании ее целей и перспектив развития и за счет каких инструментов указанные цели будут достигнуты. Данный план позволяет не только учесть все возможные затраты, но и выделить средства для их покрытия, что повышает финансовую устойчивость компании и не позволяет ей стать банкротом в следствие невозможности уплаты имеющихся обязательств.

Необходимость прогнозирования расходов

Прогноз расходов — это документ, включающий все возможные виды издержек фирмы в будущем периоде.

Он необходим компании по следующим причинам:

  • Обеспечивает финансовую устойчивость;
  • Способствует развитию и достижению целей;
  • Раскрывает имеющийся потенциал;
  • Позволяет избежать ситуаций неопределенности и риска;
  • Не допускает возможности банкротства и не покрытия обязательств;
  • Позволяет оптимально использовать имеющиеся ресурсы;
  • Служит инструментом контроля и при возникновении отклонения плана от факта позволяет вовремя скорректировать политику;
  • Оценивает эффективность и рентабельность предприятия.

Эксперты рекомендуют завышать уровень затрат и преуменьшать уровень доходов для того, чтобы при оптимистичном сценарии развития событий образовался резерв денежных средств, а при пессимистичном соблюдался баланс.

Этапы составления прогноза расходов

Необходимо соблюдать следующую последовательность действий для составления правильного прогноза расходов:

  1. Сформировать список всех возможных затрат для организации в разбивке по таким видам, как:
  • переменные, которые зависят от объема выпускаемой продукции;
  • постоянные, на сумму которых количество произведенных товаров не влияет;
  • прочие, куда входят:
  • финансирование научно-технический разработок;
  • оформления патентов, лицензий;
  • просроченная дебиторская задолженность;
  • основные средства, подлежащие списанию;
  • содержание социальной инфраструктуры;
  • подбор кадров;
  • обучение;
  • услуги для бизнеса, например, юридическая поддержка, и др.
  1. Провести анализ составленного плана производства или продаж, на основе которого рассчитать переменные затраты с учетом количества выпускаемых товаров;
  2. Изучить будущие мероприятия по развитию бизнеса, способных оказать влияние, к которым можно отнести:
  • увеличение производительности;
  • внедрение новых технологий;
  • использование альтернативных видов сырья и материалов;
  • сокращение рабочих мест;
  • замена ручного труда машинным;
  • применение энергосберегающего оборудования и др.
  1. Проанализировать иные факторы, оказывающих влияние таких как:
  • функционирование отрасли;
  • демография;
  • экономическое развитие;
  • принятие новых нормативно-правовых актов;
  • изменение порядка регулирования и иные.

Они могут быть следствием воздействия как внешней среды, так и внутренней.

  1. Сформировать предварительный расчет.

Лучше всего это делать на основании себестоимости единицы продукции с учетом влияния всех факторов и умножение ее на прогнозируемый объем выпуска продукции.

После чего, прибавить к полученному значению величину постоянных и прочих издержек, которые можно определить на основании фактов предыдущих периодов с поправкой на возможные изменения в следствия внутреннего или внешнего влияния.

  1. Соотнести полученный результат с будущими поступлениями денежных средств.

В случае, если наблюдается дисбаланс необходимо или изыскать способы снижения затрат, или продумать резерв для их покрытия.

  1. Обсуждение с подразделениями фирмы.

Необходимо учесть интересы всех структурных единиц и собственников, так как это напрямую связано с процессом их функционирования.

  1. Формирование итогового документа, доведение его до всех сотрудников.

Это необходимо для завершения процесса, так как он составляется одним из последних.

Таким образом, описанный механизм позволяет сформировать план с учетом действия всех факторов и анализа предшествующих периодов.

Прогноз расходов позволяет сформировать план доходов и расходов для предприятия.

Методы прогнозирования расходов

Наличие разнообразных методов позволяют использовать их на практике как отдельно, так и в совокупности. Рассмотрим наиболее часто встречающиеся из них.

  • Изучение стоимости ресурсов позволяет оценить будущие потребности в сырье, материалах в текущих ценах. Для применения указанного метода необходимо знать планируемые нормы потребления данных ресурсов и их настоящую сметную стоимость.
  • Расчет индексов цен. Для этого сначала анализируются данные предыдущих лет, затем учитывается влияние инфляции и других макроэкономических факторов для составления прогноза.
  • Технический метод основан на установлении норм затрат на предприятии и с помощью этого недопущения увеличения уровня издержек выше планируемого. Обычно устанавливаются нормы трудозатрат, использования материалов и т.д.
  • Корреляционный анализ заключается в выявлении нескольких факторов, оказывающих значительное влияние на величину издержек. Они ранжируются по значимости и рассчитывается теснота их связи с издержками компании.
  • Определение максимального и минимального значений издержек фирмы за определенный отрезок времени и соотнесение их с приростом выпускаемой продукции.
  • Метод анализа временного ряда: построение временных рядов с учетом значений прошлых лет и поиск среднего. Более подробно будет рассмотрен в примере.
  • Экстраполяция путем изучения темпов роста на основе данных в предыдущих годах, оценки факторов, оказывающих влияние и опроса экспертов о возможности их сохранения в будущем.

Применение тех или иных методов зависит от компетентности лица, составляющего прогноз. Для формирования более полной картины необходимо применение указанных методов в совокупности.

Не знаете как правильно использовать данные методы и все учесть при составлении бизнес-плана, мы можем сделать это за вас и создать бизнес-план под ключ, также Вы можете купить уже готовый бизнес-план с расчетом всех показателей.

Пример расчета прогноза расходов

Для компании по производству корпусной мебели требуется рассчитать прогноз расходов по основным видам деятельности – это себестоимость, управленческие и коммерческие издержки. Будем использовать метод анализа временного ряда. Ниже представлены данные поквартально за 2014-2017 гг. (Таблица 1).

Как мы видим, колебания имеют периодичность в четыре периода, поэтому рассчитаем скользящую среднюю со сдвигом на один период по формуле Сс=(Рт+Рт-1т-2т-3)/4, где Рт-расходы текущие, т – временной отрезок. Затем рассчитаем центрированную скользящую среднюю путем сложения полученных соседних величин и деления их на 2.

Далее рассчитаем сезонную компоненту путем деления фактического значения на центрированную скользящую среднюю.

Таблица 1 Расчет сезонной компоненты за 2014-2017 гг.

Рассчитаем среднее значение сезонной компоненты для каждого квартала за все годы. Тогда, 1 кв. – 0.5%, 2 – 0.9%, 3 – 1,4%, 4 – 0.7%.

Внесем рассчитанные значения в новую таблицу 2. Учтем сезонную компоненту путем деления итогового значения на сезонную компоненту.

После этого необходимо построить уравнение тренда для расчета коэффициента регрессии. Обычно для этого используются инструменты Excel. Входным значением Y будет 3 столбец, а Х – 1 столбец.

Yt = a0 + ai *ti,   где а0 – это Y пересечение, а1 – переменная Х1, t – период по порядку. В нашем примере Yt= 40163.49-1645,17* ti. Подставим т= 1,2,3,4… для формирования прогнозных значений, заполним столбец 4 таблицы.

Таблица 2 Расчет прогноза расходов

Таким образом, основной объем расчетов совершается с использованием технологий, что сокращает затраченное время и ведет к приближению количества совершаемых ошибок к минимуму.

Советы по составлению прогноза расходов

При формировании используйте следующие советы:

Внимательно отнеситесь к факторам, оказывающим влияние на издержки. Они могут быть как внешние, так и внутренние. Необходимо максимально учесть все имеющиеся и возможные факторы и не жалеть на это времени. Основные примеры мы перечисляли в п. 3 и 4 этапов составления. Пренебрежение данным пунктов ведет к ошибкам.

Не позволяйте выдать желаемое за действительное в силу различных психологических особенностей. Этому особенно подвержены собственники бизнеса, которые имеют тенденцию к идеализации.

Используйте несколько методов в совокупности. Это позволит рассчитать более точные значения и нивелировать недостатки каждого из них.

Формируйте в последнюю очередь. Данный документ составляется на основе других планов и прогнозов и должен составляться одним из последних и завершать процесс.

Мы оказываем услуги по разработке бизнес-планов, в том числе типовых. Например, вас может заинтересовать типовой бизнес-план переработки пластиковых (ПЭТ) бутылок. Зная исходные данные, вы сможете получить итоговые показатели, характеризующие эффективность проекта.

Выводы

Данный документ завершает весь процесс планирования в компании и связывает все разработанные планы воедино. Прогнозирование доходов и затрат должно осуществляться в любой организации независимо от ее размеров, а также при реализации проектов. Следуя описанным выше этапом и применяя разнообразные методы как по отдельности, так и в совокупности, можно сформировать показатели, отражающие реальную ситуации и выступающие основой процесса управления и контроля функционирования фирмы. С определенной последовательностью сопоставляя фактическое и прогнозное значение, руководитель оперативно реагирует на отклонения и корректирует курс.

Формирование бизнес-плана невозможно без расчета данного показателя. У нас Вы можете заказать бизнес-план под ключ или купить уже готовый бизнес-план со всеми расчетами.

Долгосрочное планирование расхода электроэнергии на основе прогноза водопотребления города

А.Р. Ексаев
В.М. Задачин
ИВЦ «Поток»

июль 2005 г.

Постановка проблемы

В последние годы на всем постсоветском пространстве для крупных промышленных объектов крайне актуальной становится задача минимизации расхода электроэнергии в процессе производства. К числу предприятий, для которых экономия электроэнергии представляется одним из важнейших факторов выживания и развития, относятся водоснабжающие предприятия крупных городов. В структуре себестоимости чистой воды, отпущенной потребителям, от 30 до 70 процентов, в зависимости от региона и величины населенного пункта, приходится на стоимость электроэнергии, затрачиваемой на перекачку воды насосными станциями. При этом водоканалы, обеспечивая всю городскую инфраструктуру чистой водой и являясь, по сути, структурными элементами системы жизнеобеспечения городов, «зажаты» между двумя противоположными тенденциями: с одной стороны — естественный и неизбежный в рыночных условиях рост тарифов на электрическую энергию, с другой стороны – ограничение роста отпускных тарифов на воду, обусловленное социальной политикой.

Введение свободного оптового рынка электроэнергии открывает для водоканалов реальные возможности существенной экономии средств за счет закупки значительной доли потребляемой энергии по более низким оптовым тарифам. И чем большей будет эта доля, тем существеннее выигрыш в стоимости «брутто». Но правила игры на оптовом рынке диктуют жесткие условия по соблюдению заявленного почасового (!) графика потребления электрической мощности. При этом почасовой график представляется на месяц вперед, корректировка заявленного графика на конкретный день возможна, но не позднее, чем за 2 суток. Выход за допустимые пределы отклонения от графика потребления, — как «вверх», так и «вниз», — штрафуется. Отсюда становится понятно, что эффективно воспользоваться пониженной ставкой «свободного» оптового тарифа можно лишь при условии, что менеджмент предприятия располагает инструментальными средствами для достаточно точного предварительного расчета необходимого почасового количества электроэнергии, причем на значительный (более месяца) период времени.

Поскольку подача воды в город (и, соответственно, режимы работы насосных станций 2-го подъема, на которые приходится львиная доля объемов перекачки) напрямую определяется текущей потребностью в величине водоразбора, налицо непосредственная связь задачи планирования расхода электроэнергии с задачей суточного и часового прогноза городского водопотребления. Таким образом, актуальной оказывается задача внедрения в водоканалах программного комплекса, обеспечивающего оптимальное планирование расхода электроэнергии водопроводными станциями 2-го подъема на основе прогноза водопотребления. О таком комплексе и методике расчета пойдет речь в данной статье.

«CityCom-AnWater»

Предлагаемая методика расчета расхода электроэнергии, необходимого для подачи воды в город, основывается на прогнозе водопотребления города. Программный комплекс «AnWater», предназначенный как для работы в качестве подсистемы, интегрированной в ИГС «CityCom», так и в виде самостоятельной системы, позволяет рассчитывать суточный прогноз водопотребления города с допустимой погрешностью не более 5% и часовой прогноз с допустимой погрешностью не более 3%. Комплекс разработан специалистами ИВЦ «Поток», и к настоящему времени он уже более 10 лет эксплуатируется на предприятиях МГП «Мосводоканал» и ГУП «Водоканал Санкт-Петербурга». Подробное описание комплекса «AnWater» можно найти в Интернет по адресу www.citycom.ru; отметим лишь, что в его основу заложен уникальный алгоритм, позволяющий вести систематический учет и обработку всевозможных факторов социального характера, сильно влияющих на достоверность прогнозируемых значений водопотребления (например, переносы выходных дней, религиозные праздники, значительные события в сетке программ телевещания и т. п.).

Предлагаемая методика расчета расхода электроэнергии, необходимого для подачи воды в город, состоит в следующем:

Шаг 1. Рассчитывается суточный прогноз водопотребления города на требуемый период времени [1,2].

Шаг 2. Принимается предположение: общая суточная подача воды в город примерно равна городскому водопотреблению. Заметим, что данное предположение пренебрегает тем количеством воды, которое останется (или, напротив, будет разобрано) в городских резервуарах чистой воды в течение суток.

Шаг 3. На основе имеющейся суточной статистики подач водопроводных станций 2-го подъема вычисляется доля каждой водопроводной станции в общей подаче воды в город.

Шаг 4. Рассчитывается часовая подача воды в город каждой водопроводной станцией на требуемый период времени путем распределения по часам суточной подачи воды, используя имеющуюся часовую статистику подач водопроводных станций.

Шаг 5. На основе использования Q-H (напорной) и Q-N (мощностной) характеристик насосных агрегатов [3], установленных на водопроводных станциях, определяется набор включаемых в работу насосов и управляющее воздействие (способ регулирования), обеспечивающие необходимую подачу воды по каждой станции при минимальном расходе электроэнергии.

Шаг 6. Вычисляется суммарный расход электроэнергии, необходимый для подачи воды в город.

Заметим, что, помимо блока расчета прогноза водопотребления, данная методика использует еще и блок расчета оптимального режима работы водопроводных станций (шаг 5), при котором обеспечивается заданная подача воды и требуемый напор в выходном коллекторе. Такой блок, как самостоятельная подсистема, также входит в программный комплекс «CityCom-AnWater», упомянутый выше.

Проиллюстрируем работу программного комплекса, реализующего описанную методику. На приведенном ниже рисунке изображен сравнительный график суточного водопотребления г. Москвы на январь 2005 года (прогноз, полученный на шаге 1, и факт). Из графика видно, что существенное (до 4%) отклонение фактического водопотребления от прогнозируемого приходится на период с 03.01.2005 по 06.01.2005, а также на 08.01.2005. Такое отклонение объясняется тем, что в этом году, в отличие от предыдущих лет, указанные дни были выходными. Для повышения точности суточного прогноза необходимо учитывать при расчете этот фактор (так называемые «нерегулярные дни»), а это требует накопления соответствующей статистики.

Проиллюстрируем работу программного комплекса, реализующего описанную методику. На приведенном ниже рисунке изображен сравнительный график суточного водопотребления г. Москвы на январь 2005 года (прогноз, полученный на шаге 1, и факт). Из графика видно, что существенное (до 4%) отклонение фактического водопотребления от прогнозируемого приходится на период с 03.01.2005 по 06.01.2005, а также на 08.01.2005. Такое отклонение объясняется тем, что в этом году, в отличие от предыдущих лет, указанные дни были выходными. Для повышения точности суточного прогноза необходимо учитывать при расчете этот фактор (так называемые «нерегулярные дни»), а это требует накопления соответствующей статистики.

На следующем рисунке приведен сравнительный (с фактом) график часовой подачи воды станцией СВС г. Москвы на 29.01.2005, полученный расчетным путем на шаге 4 описанной выше методики.

Как видно из графика, расчетная почасовая подача воды достаточно близка к фактической, максимальная погрешность приходится на 9 часов утра и составляет около 2%. Вычисление расхода электроэнергии водопроводной станции, необходимого для обеспечения подачи воды по часам суток (шаг 5), является уже делом техники. Как уже отмечалось выше, такой расчет производится на основе известных напорных и мощностных характеристик насосных агрегатов, путем выбора оптимального режима работы водопроводной станции. Данная задача является хорошо формализованной задачей условной оптимизации [4].

Следует заметить, что описанная методика расчета не является оптимальной в полном смысле этого слова, так как на шагах 2-4 были сделаны некоторые допущения, хотя и упрощающие функционал, но зато дающие хороший результат, благодаря использованию имеющихся статистических данных. Более полной оптимизации можно было бы добиться при условии знания паспортных характеристик всех элементов городской водопроводной сети (трубопроводы, задвижки, резервуары, потребители и т.д.), выполнения гидравлического моделирования сети и оптимизации процесса заполнения городских резервуаров чистой воды [4]. Все эти составляющие также представлены в линейке подсистем ИГС «CityCom» (мы писали о них ранее). Однако решение такой комплексной задачи на уровне водоканала крупного города является очень трудоемким и протяженным во времени, поскольку одна только задача паспортизации водопроводных сетей всего города требует нескольких лет кропотливой работы многих людей.

Заключение

Итак, подведем итоги. Несмотря на то, что предлагаемая расчетная модель, с учетом принимаемых в ней допущений, не является оптимальной в строгом смысле, она, тем не менее, позволяет получить приемлемую количественную оценку необходимого почасового расхода электроэнергии на перекачку воды водопроводными станциями города. При этом отдельные «выбросы» погрешности в любом случае неизбежны, поскольку прогноз, какой бы он ни был идеальный с точки зрения расчетной модели, представляет собой лишь реализацию некой вероятности в заданном доверительном интервале. Описанная же методика, реализованная в программном комплексе AnWater, обеспечивает менеджеров, ответственных за формирование заявок на приобретение электроэнергии по «свободным» оптовым тарифам, соответствующей расчетной поддержкой для принятия обоснованных решений. В том числе и по стратегии рыночного поведения, минимизирующей штрафные санкции за неминуемые отклонения от заявленных планов потребления электроэнергии. Но это уже задача из другого раздела математики – теории игр.

 

Литература:

  1. Бокс Д., Дженкинс Г. Анализ временных рядов. Прогноз и управление — М.: Мир, 1974. -вып.1 – 406 с.; вып.2 – 197 с.

  2. Льюис К.Д. Методы прогнозирования экономических показателей — М. : Финансы и статистика, 1986. – 130 с.

  3. Белан А.Е., Хорунжий П.Д. Технико-экономические расчеты водопроводных систем на ЭВМ. — Киев: из-во «Выща школа», 1979. — 192 с.

  4. Евдокимов А.Г., Дубровский В.В., Тевяшев А.Д.. Потокораспределение в инженерных сетях. — М. Стройиздат, 1979. –199 с.


Как сделать прогноз трафика в SEO?

Часто владельцы сайтов хотят сделать прогноз посещаемости, чтобы наглядно увидеть результат после работ по продвижению. Давайте рассмотрим основные принципы прогнозирования в SEO.

Подписаться

2695

Часто владельцы сайтов хотят сделать прогноз посещаемости, чтобы наглядно увидеть результат после работ по продвижению. Многим просто интересно, сколько посетителей можно получить за определенный срок продвижения. Давайте рассмотрим основные принципы прогнозирования в SEO.

Расчет прогноза

Примерный прогноз посещаемости можно сделать на основе сервиса Яндекс.Вордстат и учета CTR в выдаче. Расчет производится по формуле:

Трафик = частотность запроса(ов) * CTR

Учет CTR

CTR – отношение числа переходов к числу показов (в %). CTR рассчитывается по формуле:

CTR = (кол-во кликов / кол-во показов) * 100%

На CTR в выдаче поисковой системы влияет множество факторов:

  • Позиция сайта в выдаче
  • Заголовки и качество сниппета (описание)
  • Доля эффективных показов
  • Особенность спроса (сезонность, регион)
  • Узнаваемость компании (favicon, emoji и др. визуальный контент)

За основу расчета CTR можно взять исследование Яндекса 2011 г.:

Место в выдаче CTR
1 место 0.3132 (31%)
2 место 0.1639 (16%)
9 место 0.0343 (3%)
10 место 0.0422 (4%)

Также за основу расчета CTR можно взять данные из статьи Сергея Кокшарова:

Место в выдаче CTR
1 место 25-30%
2 место 15-20%
3 место 10-12%
4 место 8-9%
5 место 4-8%
6 место 4-5%
7 место 4-5%
8 место 3-4%
9 место 2-4%
10 место 3-5%

Как получить точный CTR? Никак. В каждой тематике и регионе цифры отличаются, незначительно.

Примерный CTR сайтов на 5-10 позиции равен 2-4%. Этот диапазон будем использовать для расчета прогноза.

Учет спроса

Смотрим кол-во запросов в Яндекс.Вордстат по маске запроса «!ключевая !фраза». Таким образом узнаем частоту запроса точной словоформы в нужном нам порядке слов.

Например, «!продвижение !сайтов»:

Запрос по маске в Яндекс.Вордстат

Если прогноз нужно составить по нескольким ключевым словам, суммируйте частотность всех ключевых фраз.

Расчет посещаемости (ручной)

Для вычисления прогноза рекомендуем использовать программу KeyCollector – платная программа сбора и анализа семантического ядра.

Можно обойтись без программ, собрав запросы вручную, после суммируем полученные частотности по запросам в Яндекс.Вордстат и умножаем на коэффициент CTR.

Например, возьмем несколько запросов тематики продвижения сайтов:

Запросы Частота по маске в Москве
«!продвижение !сайтов» 4 092
«!seo !сайтов» 2
«!продвижение !сайта» 3 382
«!интернет !продвижение» 31
«!поисковое !продвижение» 93
«!поисковое !продвижение !сайта» 543
Сумма 8 143

Делаем расчет

Нижний порог (CTR 2%): 8143 Х 0.02 = 162,8
Верхний порог (CTR 4%): 8143 Х 0.04 = 325,7

Получаем в среднем 162-326 посетителей в месяц с региона Москва при нахождении сайта в ТОП-10 по собранным запросам. Если позиция сайта будет выше 5 позиции, то посещений будет намного больше, это тоже нужно учитывать.

Расчет суточной посещаемости

Для расчета суточной посещаемости необходимо полученный результат разделить на 30 дней.

Нижний порог (CTR 2%): 8143 Х 0.04 / 30 = 5,4
Верхний порог (CTR 4%): 8143 Х 0.02 / 30 = 10,8

Получаем в среднем 5-11 посетителей в день.

Расчет посещаемости в KeyCollector

1. Активируйте сбор семантического ядра через Яндекс.Вордстат или добавьте уже собранные

2. Соберите частотность фраз с помощью Яндекс.Директ

Выберите сбор частотности по маске, выделенной на изображении (“!слово”), выберите нужный регион, укажите объем трафика 100, период сбора укажите 30 дней и нажмите «Получить данные».

Сбор частотности ключевых фраз через Яндекс.Директ

3. Расчет трафика с помощью формул KEI

В KeyCollector есть возможность настройки пользовательских формул KEI. Всего доступно 4 KEI. Для того, чтобы задать собственные KEI, необходимо зайти в настройки программы и выбрать вкладку KEI & SERP.

Раздел KEI & SERP в настройках KeyCollector

Используемые формулы KEI:

  • YandexWordstatQuotePointFreq * 0.04 – формула подсчета прогноза посещаемости по запросу, где 0.04 (4%) – верхний порог CTR. Используйте 0.02 (2%), если нужно рассчитать нижний порог;
  • ((YandexWordstatBaseFreq + YandexWordstatQuotePointFreq) / (YandexWordstatBaseFreq + 0.01) — 1) * 100 – подсчет эффективности запроса, отношение прямой частотности к базовой частотности в %.

После установки перечисленных форм, выберите группу запросов и сделайте расчеты KEI.

Кнопка расчета KEI в KeyCollector

4. Суммируйте полученные результаты KEI.

Для расчета взяли те же запросы, что при ручном подсчете. Как можете заметить, данные совпадают c ручным подсчетом выше.

Подсчет прогноза посещаемости при CTR 4% в KeyCollector

Срок достижения прогнозируемого результата

В среднем, продвижение сайта занимает от 3 месяцев и зависит от запросов, конкуренции, региона и бюджета.

Любые изменения по сайту поисковые системы Яндекс и Google гарантировано учтут через 3 месяца. Поэтому любой прогнозируемый результат будет достигнут минимум через 3 месяца.

Вывод

Прогноз посещаемости ресурса дает приблизительные результаты, так как не учитываются другие возможные проблемы достижения трафика:

  • Реклама, сдвигающая органическую выдачу
  • Сервисы поисковой системы (Маркетплейсы, Карты и др.)

Помимо этого, следует учитывать конкуренцию. Так как конкуренция – основная проблема достижения ТОП-10. Перед прогнозом необходимо тщательно собрать семантическое ядро, с которым реально попасть в ТОП-10 в нужный срок продвижения.

Прогноз бюджета в Яндекс.Директ: 2 способа (простой и сложный)

У нас есть услуга по настройке контекстной рекламы, и по ней очень часто обращаются те, кто только вчера услышал о данном канале рекламы.

Самое частое заблуждение, с которым мы сталкиваемся при первом разговоре: “Скажите мне ТОЧНО сколько будет стоить клик (а еще лучше заявка) и сколько необходимо денег на рекламу”. Именно для этого я и подготовил инструкцию, по которой Вы при желании можете самостоятельно сделать прогноз бюджета в Яндекс Директ.

Но давайте сразу на чистоту. Невозможно точно гарантировать стоимость клика, озвучить бюджет рекламной кампании и уж тем более назвать цену заявки.

Я не буду говорить о том, что профессионалы в принципе никогда не дают гарантий, а только оперируют вероятностями. Просто скажу, что даже сам Yandex Direct ошибается в своих прогнозах. Поэтому прикинуть вилку цен, используя специальные инструменты, можно. А сказать точно нельзя. Просто примите этот факт.

КОРОТКО ОБ ОСНОВНЫХ ПОКАЗАТЕЛЯХ

Если не подготовленному человеку прямо сейчас показать эту статью, он ничего не поймет, потому что в ней есть много неизвестных терминов. Именно поэтому, первым делом Вам нужно прочитать нашу статью

По теме: Контекстная реклама сайта это… Ликбез по теме.

Но и чтобы статья получилась максимально понятной, я вынужден озвучить термины, которые мы будем использовать для подсчетов.

  1. Число запросов – количество пользователей, которые ищут данную ключевую фразу;
  2. Позиция – место, на которой будет показываться Ваше будущее объявление;
  3. Прогноз средней цены клика – средняя стоимость клика на данных позициях;
  4. Сумма – будущая стоимость клика, которая насчитывается, исходя из позиции размещения объявления;
  5. CTR – возможная конверсия из увидевшего в кликнувшего по рекламному объявлению;
  6. Прогноз показов/кликов – ориентировочная сумма показов рекламы и переходов по Вашим рекламным объявлениям;
  7. Прогноз бюджета – ориентировочная сумма, которую Вам необходимо будет потратить на данную рекламную кампанию в yandex direct.

При подсчёте переменных показателей онлайн за основу берется средняя конверсия в аналогичных сферах и одинаковых ключевых слов. Либо расчёт формируется на основе действующих рекламных кампаний яндекса Ваших конкурентов.

И даже уже тут видны слабые места: средний показатель может быть сильно волатильным, а показатели Ваших конкурентов могут быть искажены из-за кривости настройки.

Но тем не менее, после расчёта всех этих показателей Вы сможете понять – есть ли у Вас необходимый для этого бюджет и сколько Вы можете получить с этого бюджета заявок (умножить количество кликов на конверсию сайта).

А то может у Вас нет минимального бюджета в запасе и Вам проще запустить таргетированную рекламу или тот же массфолловинг.

И также сможете увидеть объявления конкурентов и тех, кто рекламируется в Яндекс.Директ. Таким образом, сможете оценить их количество и возможность потягаться с Вами.

Еще станет понятно, какие ключевые преимущества они рекламируют или от каких цен отталкиваются. Подобную небольшую хитрость мы обязательно используем, когда проводим анализ конкурентов при заказе маркетингового исследования.

НАС УЖЕ БОЛЕЕ 32 000 чел.
ВКЛЮЧАЙТЕСЬ

ПОШАГОВАЯ ИНСТРУКЦИЯ

Все мы разные. Не удивил?! Поэтому я приготовил две подробных инструкции, как сделать прогноз бюджета яндекс директ. Одна для тех, кто хочет сделать это быстро, а вторая – для тех, кто привык ко всему подходить основательно.

По-умолчанию я рекомендую использовать более продвинутый вариант расчета бюджета яндекс директ. Но если у Вас бюджет не большой или конкуренция минимальная, то может быть хватит и простого уровня.

Интересно. Хотите научиться запускать, оптимизировать рекламные кампании в Яндекс.Директе и Google Ads, оптимально расходовать рекламный бюджет и повышать конверсию сайта? Тогда этот курс для Вас. Кликайте по ссылке и читайте подробнее -> Менеджер по контекстной рекламе.

1. Простой уровень (базовый анализ)

Прогноз бюджета

Для начала Вам необходимо иметь аккаунт на Яндекс по типу [email protected] Если его нет, то заведите.

После этого переходите к более сложным действиям. А именно, к переходу во вкладку Яндекс.Метрика, где Вы увидите 4 возможных варианта действий. Вам необходимо выбрать “Прогноз бюджета”:

Оценка бюджета

После чего Вас перекинет на новую вкладку, довольно перегруженную информацией. Но разобравшись в которой Вы сможете самостоятельно, довольно точно и профессионально определять бюджет своей рекламы в яндекс директ.

Выглядит она кстати довольно просто, даже для тех, кто видит эту страницу первый раз.

Регион

Первое, что Вам необходимо – это определить регион своей будущей рекламной кампании.

То есть области или регионы, где она будет показываться. Если Вы не профессионал, то очень не рекомендую смотреть “а пусть будет по всей России”. Данные могут получиться очень размытыми и весьма не точными.

Параметры расчета

Далее Вы можете изменить параметры площадок. К примеру, выбрать где будет показываться объявление: только на мобильных, или и на мобильных, и на компьютерах.

Я, как правило, оставляю эти настройки по умолчанию, но если Вы знаете из веб-аналитики, что у Вас только раз в год покупают с мобильных, то можете их выключить.

Ключевые фразы

А вот теперь самое главное, то, из чего строится весь бюджет Вашей будущей рекламной кампании. Его расчет основывается на ключевых фразах, которые Вы вводите. Поэтому чем больше Вы внесёте ключевых слов, тем более точен будет Ваш прогноз.

Для этого в помощь Вам показываются подсказки из ключевых слов близких по значению. Можете выбирать их, а можете вбивать ключевые слова самостоятельно. После того, как Вы вбили все необходимые ключевые слова, нажимайте кнопку “Посчитать”.

Прогноз по фразам

“Ура! Собственно вот он весь месячный бюджет, который мне и нужен. О, так он ещё и не большой!”, – могли бы подумать Вы, увидев эту таблицу.

Но ее проблема в том, что изначально она загружает данные, что называется, в “минимальной комплектации”. Чтобы получить реальные данные и реальный месячный бюджет, Вам необходимо нажать “1-е спецразмещение”.

В чем разница? Спецразмещение – это реклама, которая показывается всегда на первой позиции, а гарантированные показы – это реклама, которая показывается в самом верху, но может скакать от 1 до 4 позиции. Уверен, Вы понимаете, что самая первая реклама по-умолчанию всегда самая кликабельная.

Спецразмещение

Тадам! А тут уже совершенно другие цифры как кликов, так и бюджета, даже при совершенно одинаковых начальных условиях по типу региона показа и ключевых фраз.

К слову, цифры, показанные с установленной галочкой “1-е спецразмещение”, это и есть Ваш финальный просчет бюджета, на который можно ориентироваться и от которого можно отталкиваться.

Само собой он может быть меньше (об этом расскажу ниже). Но как минимум, именно его можно брать за исходные данные.

Нужна контекстная реклама?

Закажите настройку у нас

Проработка
стратегии

Сертифицированное
агентство

Работаем
не со всеми

Узнать подробнее

2. Сложный уровень (детальный анализ)

Первые 7 этапов, которые Вы видели, называются “легкий уровень”. Он идеален, когда Вы оцениваете бюджет по одной ключевой фразе или нескольким, которые Вы знаете.

Но бюджет еще можно посчитать бюджет яндекс “вручную”. Для этого просто необходимо воспользоваться дополнительной функцией по кнопке “Подобрать”.

Ручной подсчет

Для этого Вам необходимо в разделе 4 “Ключевые фразы”, найти и нажать кнопку “Подобрать”, после чего Вас перекинет на дополнительную страницу .

Для простоты понимания можно назвать её облегченной версией Яндекс.Вордстата для поиска и подбора ключевых слов.

Подбор ключевых слов

Здесь также уточняете регион показов своего объявления и вводите главную ключевую фразу, по которой Вам подберут все словосочетания, которые пользователи ищут вместе с ней.

Желательно вводить самое высокочастотное слово (максимально короткое), так система сможет предоставить большее количество подсказок.

Подсказки

Как Вы видите, подборщик ключевых слов не только выдал Вам все словосочетания по запросу “купить перфоратор”, но и подсказки, которые Вы тоже можете использовать для анализа и планирования бюджета.

Вам останется только выбрать необходимые фразы и отметить их галочкой. Жадничать здесь не надо, берите только те, которые Вам реально подходят.

Подбор фраз

Кроме того, хочу напомнить, что словосочетания могут быть на нескольких страницах, поэтому не забывайте их пролистать, чтобы убрать ненужные и добавить нужные (к примеру, убрать фразы с приставкой “б/у”).

После чего просто добавляете их в список и нажимаете знакомую для Вас кнопку “Посчитать”.

Расчет

По идее, все будет то же самое, что Вы видели и до этого, однако, с помощью уточнения поисковых фраз Вы сможете сформировать бюджет более точно.

Кроме того, не забудьте экспортировать данные в Excel, если Вы хотите вернуться к ним позже или сравнить их с другими (например, при выборе между двумя направлениями). Сделать это достаточно просто, для этого предусмотрена специальная кнопка, которая даст Вам вот такой документ:


Данные в Excel

Думаю, отдельно рассказывать, как рассчитать дневной бюджет в яндекс директ, не стоит 😉

Данный способ определения бюджета совершенно не учитывает РСЯ. Чтобы рассчитать рекламный бюджет яндекс директ полностью, Вам необходимо изначально разделить цену клика на 3 (как правило, цена клика в РСЯ в 3 раза меньше, чем на поиске).

И следом нужно ещё количество показов умножить на 1% (средняя конверсия в клики) и на получившуюся стоимость клика после деления на 3. Всю эту сумму прибавляете к основному бюджету и теперь точно знаете свой полный рекламный бюджет.

Важно. Если Вы хотите настраивать рекламу эффективно и экономить бюджет, то рекомендую сервис promopult.ru. К тому же в нем есть плюшки, которые помогут увеличить конверсию и привлечь больше клиентов.

КОРОТКО О ГЛАВНОМ

Провести оценку бюджета в яндекс несложно, для этого Вам нужно зайти в сервис, выбрать регион, платформу и вбить хотя бы самые востребованные ключевые слова. Скорее всего во всём этом деле у Вас больше всего возникнет вопросов с последним пунктом – подбором ключевых слов.

Но если Вы знаете своих клиентов, Вам просто нужно начать думать, как они, и тогда эти фразы у Вас пойдут рекой, и тогда спрогнозировать показатели не составит труда.

И хочу сразу обрадовать тех, кто увидел нереально огромные суммы. На практике, полученный бюджет уменьшиться до 30%. Зависит это прежде всего от качества объявлений, разгона рекламной кампании (в первые дни клик дороже, а потом цена падает) и ещё нескольких факторов.

В любом случае, лучше заложить плохой сценарий, а хороший оставить приятным дополнением.

Формула прогноза

Формула прогноза — это математическая связь, которая может использоваться для автоматического расчета прогнозов спроса. Это делается с использованием данных истории спроса.

Формулы прогноза используются для расчета свежего базового прогноза на основе фактического спроса, скорректированного с учетом сезонных колебаний и продолжительности периода. Формула указывается для каждого метода прогноза. Метод также содержит заданные параметры и пределы, которые регулируют расчет, выполняемый по формуле.

Формулы

Существует четыре формулы прогноза, а именно:

Скользящее среднее

Эта формула прогноза вычисляет базовый прогноз на следующий период как среднее значение исторической базовой потребности за указанное количество периодов. Это обозначено в следующем уравнении:

F (i + 1) = (D (i) + D (i — 1) + …. + D (i — (n — 1))) / n

Количество используемых периодов определяет, насколько быстро усреднение будет реагировать на изменения фактических тенденций и насколько оно будет чувствительно к случайным изменениям.Чем больше периодов включено, тем более устойчивый метод расчета к случайным изменениям, но он также будет медленнее реагировать на изменения, возникающие в результате реальных тенденций.

Формулы прогноза: двухпериодное средневзвешенное значение

Эта формула прогноза взвешивает средний спрос за последний квартал (периодов, включенных в прогноз) со средним спросом за все исторические периоды. Весовой коэффициент — это константа сглаживания для экспоненциального сглаживания, (, и 1 — (соответственно.Это обозначено в следующем уравнении:

F (i + 1) = ((i) * M + (1 — ((i)) * L

Экспоненциальное сглаживание

В этой формуле прогноза взвешивается последнее базовое значение спроса с константой сглаживания (тогда как предыдущее базовое значение прогноза взвешивается с помощью 1 — (. Это обозначено в следующем уравнении:

F (i + 1) = ((i) * D (i) + (1 — ((i)) * F (i)

Значение константы сглаживания (определяет, насколько быстро прогноз будет реагировать на изменения фактических тенденций и насколько он будет чувствителен к случайным изменениям.Чем ниже значение, тем более стабильным будет расчет на основе случайных вариаций, но он также будет медленнее реагировать на изменения, возникающие в результате реальных тенденций. Константа сглаживания (должна быть от 0 до 1.

Формулы прогноза: адаптивное экспоненциальное сглаживание

Эта формула прогноза аналогична базовому экспоненциальному сглаживанию в том, что последнее базовое значение спроса взвешивается с помощью константы сглаживания (тогда как предыдущее базовое значение прогноза взвешивается с помощью 1 — (.Однако при адаптивном экспоненциальном сглаживании константа сглаживания пересчитывается каждый раз, когда делается новый прогноз. Это обозначено в следующем уравнении:

F (i + 1) = ((i) * D (i) + (1 — ((i)) * F (i)

Постоянная сглаживания пересчитывается по следующей формуле:

((i) = ((мин.) + ((Макс.) * (ABS (ME (i)) / MAD (i))

В этой формуле прогноза используются (значения, скорректированные с учетом текущей систематической ошибки прогноза. Чем больше средняя ошибка прогноза, тем выше (значение.Это приводит к более быстрой корректировке прогноза в сторону отражения фактического спроса.

Ключ:

((i)

=

Допустимая константа сглаживания для сглаживания в период (i)

((мин.)

=

Минимально допустимая константа сглаживания

((макс.)

=

Максимально допустимая константа сглаживания

D (i)

=

Базовый спрос за период (i)

F (i)

=

Базовый прогноз на период (i)

A (n)

=

Средний спрос за (n) периоды

i

=

Номер периода

n

=

Количество периодов, включенных в расчет среднего

L

=

0 Средний спрос за последние (n) периоды

M

=

Среднее Спрос за последние 25% периодов из общего количества (n) периодов

MAD (i)

=

Прогноз MAD на период (i)

ME (i)

=

Средняя ошибка прогноза за период (i)

ABS ()

=

Абсолютная разница, разница без знака минус

Базовый спрос — это спрос за период с поправкой на сезонные колебания и, если применимо, влияние переменного количества рабочих дней за период. Не представительный спрос также не включен. Базовый прогноз — это прогноз, рассчитанный на основе базового спроса с поправкой на сезонные колебания и изменения продолжительности периода.

При вводе прогноза вручную (например, при исправлении ошибочного прогноза) он используется в качестве базового прогноза для предыдущего периода при вычислении последующих прогнозов с экспоненциальным сглаживанием. Это после корректировки с учетом сезонных колебаний и изменений продолжительности периода, а также любых других ручных изменений.

В приведенных ниже примерах описывается использование каждой из формул на основе следующих данных.

август

сен

октябрь

ноя

6 Базовый спрос

3

120

145

138

129

Базовый прогноз на

ноября

136

(использованный коэффициент

)3

((мин.)

0,2 ​​

((макс.)

0,5

0,5

MAD (ноябрь)

10

ME (ноябрь)

-2

Следующие прогнозные значения будут рассчитаны на декабрь с использованием четырех перечисленных методов:

Скользящее среднее

F (декабрь.) = (D (август) + D (сен) + D (октябрь) + D (ноябрь)) / 4 = (120 + 145 + 138 + 129) / 4 = 133

Двухпериодная средневзвешенная

F (Dec. ) = 0,3 * 129 / 1+ 0,7 * (120 + 145 + 138 + 129) / 4 = 0,3 * 129 + 0,7 * 133 = 131,8

Экспоненциальное сглаживание

F (декабрь) = 0,3 * D (ноябрь) + 0,7 * F (ноябрь) = 0,3 * 129 + 0,7 * 136 = 133,9

Адаптивное экспоненциальное сглаживание

((ноябрь) = ((мин.) + ((макс.) * (ABS (ME (i)) / MAD (i)) = 0,2 + 0,5 * ABS (-2) / 10 = 0,2 + 0,5 * 0,2 = 0,21

F (декабрь) = ((ноябрь) * D (ноябрь) + (1 — ((ноябрь)) * F (ноябрь) = 0,21 * 129 + 0,79 * 136 = 134,5

Функция ПРОГНОЗ — Формула, примеры, как прогнозировать в Excel

Что такое функция ПРОГНОЗ?

Функция ПРОГНОЗ относится к категории Статистических функций Excel ФункцииСписок наиболее важных функций Excel для финансовых аналитиков. Эта шпаргалка охватывает 100 функций, которые критически важно знать аналитику Excel.Он рассчитает или спрогнозирует будущее значение, используя существующие значения.

В финансовом моделированииЧто такое финансовое моделирование Финансовое моделирование выполняется в Excel для прогнозирования финансовых показателей компании. Обзор того, что такое финансовое моделирование, как и зачем строить модель. Функция ПРОГНОЗ может быть полезна при вычислении статистической ценности сделанного прогноза. Например, если мы знаем прошлые доходы и расходы, мы можем спрогнозировать будущие суммы с помощью функции.

Формула

= ПРОГНОЗ (x, известные_y, известные_x)

Функция ПРОГНОЗ использует следующие аргументы:

  1. X (обязательный аргумент) — это числовое значение x, для которого мы хотим спрогнозировать новое значение y.
  2. Known_y’s (обязательный аргумент) — зависимый массив или диапазон данных.
  3. Known_x’s (обязательный аргумент) — это известный нам независимый массив или диапазон данных.

Как использовать функцию ПРОГНОЗ в Excel?

Как функцию рабочего листа, ПРОГНОЗ можно ввести как часть формулы в ячейку рабочего листа. Чтобы понять, как используется функция, давайте рассмотрим пример:

Пример

Предположим, нам даны данные о доходах, которые являются известными x, и расходами, которые являются известными y.Мы можем использовать функцию ПРОГНОЗ, чтобы спрогнозировать дополнительную точку на прямой линии наилучшего соответствия на основе набора известных значений x и y. Используя данные ниже:

Используя данные о доходах за январь 2019 года, мы можем спрогнозировать расходы за тот же месяц с помощью функции ПРОГНОЗ.

Используемая формула:

Мы получаем следующие результаты:

Функция ПРОГНОЗ вычислит новое значение y, используя простое прямолинейное уравнение:

Где:

и:

Значения x и y являются выборочными средними (средними) известных значений x и y.

Несколько примечаний о функции:

  1. Длина массива known_x должна быть той же длины, что и known_y, а дисперсия known_x не должна равняться нулю.
  2. # НЕТ! error — Возникает, если:
    1. Предоставленные значения известные_x и предоставленные массивы known_y имеют разную длину.
    2. Один или оба массива известные_x или известные_y пусты.
  1. # DIV / 0! error — возникает, если дисперсия предоставленных known_x равна нулю.
  2. #VALUE! error — возникает, если данное будущее значение x не является числовым.

Щелкните здесь, чтобы загрузить образец файла Excel

Дополнительные ресурсы

Спасибо за то, что прочитали руководство CFI по этой важной функции Excel. Потратив время на изучение и освоение этих функций, вы значительно ускорите свое финансовое моделирование и анализ оценки. Чтобы узнать больше, ознакомьтесь с этими дополнительными ресурсами CFI:

Как рассчитать прогноз продаж

Работа менеджера по продажам требует большой самоотдачи и силы воли. Вы должны иметь дело с текущим процессом продаж, помнить обо всех прошлых сделках и постоянно делать прогнозы продаж на будущее. Конечно, иногда это может быть ошеломляющим, но мы постараемся помочь вам разобраться в этом. Вот краткое руководство о том, как построить и поддерживать процесс продаж, и сегодня мы расскажем вам, как сделать прогноз продаж.

Что такое прогноз продаж?

Прогноз продаж, как и бизнес-план или стратегия развития, является неотъемлемой частью любого бизнеса.По сути, это прогноз приблизительного количества сделок, которые вы сможете закрыть в течение заданного периода времени. Вы можете рассчитать прогноз продаж для своей команды, всей компании или каждого отдельного продавца в зависимости от их прошлой работы.

Не позволяйте слову «предсказание» ввести вас в заблуждение — сейчас мы не говорим о каком-то гадании. Прогноз продаж чем-то похож на прогноз погоды, поскольку он также связан со сбором и анализом данных. Как и прогноз погоды, он может занять довольно много времени и не всегда точен, но принесет большую пользу вашему бизнесу.

Почему важно прогнозирование продаж?

Хотя некоторые менеджеры по продажам пренебрегают прогнозированием своих продаж, на самом деле это может принести большую пользу вашему бизнесу и дать неожиданное представление о процессе продаж.

Одно из основных преимуществ прогнозирования продаж — это его потенциал для ваших будущих бизнес-решений. Данные — король. Если у вас достаточно информации, вы легко можете предсказать необходимость и последствия тех или иных действий. Например, вы можете спланировать свой бюджет в соответствии с прогнозом продаж, понять, нужно ли вам нанять новых сотрудников , или вам нужно сократить расходы .

Это означает, что правильное прогнозирование продаж поможет вам установить бизнес-цели на будущее. Вы сможете предсказать не только количество закрытых сделок и доход, который они принесут, но и количество времени, необходимое для достижения ваших целей. Это, в свою очередь, поможет вам расставить приоритеты и соответствующим образом организовать рабочий процесс.

Детализация прогноза продаж

Пробуя методы прогнозирования продаж, не забывайте начинать с оценки того, насколько вам следует углубиться в детали.Мы имеем в виду, что вы не можете составить прогноз продаж для каждого товара, продаваемого вашим бизнесом. И наоборот, не следует делать прогнозы для всей компании, не обращая внимания на детали.

Рекомендуем взять золотую середину. Например, если у вас есть книжный магазин, не пытайтесь прогнозировать прогноз продаж для каждой книги, которая у вас есть на полке. Было бы неправильно делать это и для каждого автора. Тем не менее, если вы рассмотрите дайвинг-книги по таким разделам, как научная фантастика, поэзия, научная литература и т. Д., это может принести вам гораздо лучшие результаты.

Кроме того, неплохо также привести потоки прибыли в прогнозы продаж в соответствие с данными бухгалтерского учета. Таким образом, вы всегда сможете сравнить свои прогнозы с фактическими цифрами и при необходимости внести некоторые поправки или исправления.

Как спрогнозировать продажи?

Конечно, существует множество методов прогнозирования продаж, которые можно использовать для разных предприятий. Мы представим вам 6 популярных методов, из которых вы сможете выбирать, делая собственные прогнозы.

1 — Прогнозирование стадии возможностей

Один из самых популярных методов прогнозирования продаж основан на конкретной стадии, которую проходит ваш потенциальный клиент в воронке продаж. Глядя на ваш воронку продаж, вы легко можете оценить вероятность закрытия сделки. Затем вы рассчитываете прогноз продаж по следующей формуле:

Ожидаемый доход = Сумма сделки x Вероятность

Допустим, вы создаете лидерство для сделки на 100 000 долларов, и вероятность ее закрытия уже составляет 60%.Таким образом, ожидаемый доход, который вы можете включить в свой прогноз, составит 100 000 x 0,6 = 60 000 долларов США.

В зависимости от вашей воронки продаж у вас могут быть разные стадии возможностей и разный процент.

Видео: Как управлять конвейером продаж в NetHunt CRM

2 — Историческое прогнозирование

Этот метод также довольно популярен, но требует меньше времени. Все, что вам нужно сделать, это взглянуть на тот же период времени, что и временные рамки, которые вы хотите спрогнозировать.

Вот простой пример прогноза продаж: вы хотите сделать прогноз на сентябрь, поэтому вы берете цифры за август или июль и предполагаете, что они примерно совпадают. Другая возможность — взять статистику за сентябрь прошлого года, если ваш бизнес носит сезонный характер.

К сожалению, у этого метода есть большой недостаток: он не учитывает некоторые внешние переменные, такие как высокий / низкий сезон, тенденции и спрос. Кроме того, если вы начнете изменять некоторые внутренние переменные, такие как маркетинговая активность или человеческие ресурсы, историческое прогнозирование также не сработает.

3 — Прогнозирование продолжительности цикла продаж

Этот конкретный метод использует среднюю продолжительность цикла продаж для прогнозирования успеха всех предстоящих сделок. Допустим, ваш средний цикл продаж длится два месяца от первого контакта с потенциальным клиентом до закрытия сделки. Затем, прогнозируя продажи в будущем, когда вы видите сделку, переговоры по которой ведутся всего один месяц, вы можете сказать, что ее шанс на успех составляет 50%.

Опять же, этот метод имеет некоторые недостатки, поскольку для закрытия разных сделок требуется разное время. Вот почему вы не сможете достичь полной точности при использовании техники продолжительности цикла продаж.

Есть и другие способы прогнозирования продаж. Иными словами, это интуитивное прогнозирование, конвейерное прогнозирование и регрессивное прогнозирование. Некоторые из них далеки от точности, другие требуют много времени и глубоких знаний статистики и математики. По этой причине оптимальным выбором было бы объединить несколько методов, упомянутых выше, использовать свою интуицию и постоянно получать обратную связь от своей команды.

Как использовать прогнозирование стадии возможностей в NetHunt — Gmail CRM для Chrome

При настройке полей, которые вы будете использовать в папке «Сделки», обязательно добавьте поля «Сумма сделки», «Вероятность», «Дата закрытия» и «Прогнозируемый доход». также. Мы рекомендуем использовать следующие типы полей:

  • Поле «Валюта» для Суммы сделки (выберите валюту, которую вы будете использовать).
  • Поле «Вероятность» для вероятности.
  • Поле «Формула» для прогнозируемого дохода.В этом случае формула будет выглядеть так:
    = поле («Сумма сделки») * поле («Вероятность»).
    Затем, как только вы введете Сумму сделки и Вероятность, прогнозируемый доход будет автоматически рассчитан, как показано ниже.
  • Поле «Дата» для даты закрытия.
  • После создания ваших сделок и заполнения необходимых полей вы можете приступить к созданию представления, в котором будут отображаться прогнозируемые продажи по месяцам.
  • Просмотр карты по дате закрытия. Период: Месяц
    Выберите поля для отображения на карточке:
  • Добавьте общий прогнозируемый объем продаж за каждый месяц, щелкнув три точки -> Суммировать

Если вам нужна дополнительная помощь в настройке сделок, конвейера и отчетов — электронная почта нам в support @ nethunt.com, мы будем рады помочь!

Ключевые выводы
  • Прогнозирование продаж — важная часть любого бизнеса.
  • Прогнозирование продаж может помочь вам построить бизнес-стратегию, поставить реалистичные цели и принять взвешенные решения.
  • Выбирая методы прогнозирования продаж, обращайте внимание на особенности своего бизнеса и никогда не ожидайте стопроцентной точности.
  • Будьте готовы внести необходимые корректировки в свой прогноз продаж и бизнес-курс, сравнивая его с реальными цифрами.
  • Выберите подходящий инструмент, например G Suite CRM для Chrome, который поможет вам быстро и легко рассчитать прогноз продаж.

Не забудьте поделиться этой записью с друзьями и коллегами!

формул прогноза | ЦЕПЬ ПОСТАВКИ

Формулы прогноза Источник help.sap.com

Статистический прогноз основан на нескольких типах формул:

  • Формулы, на которых основаны модели прогнозов
  • Формулы, используемые для оценки результатов прогноза
  • Формула для расчета полосы допуска для автоматической коррекции выбросов

Формулы для моделей прогнозов

Модель скользящего среднего

Эта модель используется для исключения нарушений в структуре временных рядов.Вычисляется среднее значение n последних значений временного ряда. Среднее всегда можно рассчитать из n значений по формуле (1).

Формула скользящей средней

Таким образом, новое среднее значение рассчитывается на основе предыдущего среднего значения и текущего значения, взвешенного с коэффициентом 1 / n, за вычетом самого старого значения, взвешенного с коэффициентом 1 / n.

Эта процедура подходит только для постоянных временных рядов, то есть для временных рядов без тенденций или сезонных моделей.Поскольку все исторические данные имеют одинаковый вес с коэффициентом 1 / n, требуется ровно n периодов, чтобы прогноз адаптировался к возможному изменению уровня.

Модель взвешенного скользящего среднего

Вы добиваетесь лучших результатов, чем результаты, полученные с помощью модели скользящего среднего, путем введения весовых коэффициентов для каждого исторического значения. В модели взвешенного скользящего среднего каждое историческое значение взвешивается с помощью коэффициента R. Сумма весовых коэффициентов равна 1 (см. Формулы (3) и (4) ниже).

Формула взвешенного скользящего среднего

Если прогнозируемый временной ряд содержит вариации, подобные трендам, вы добьетесь лучших результатов, используя модель взвешенного скользящего среднего, а не модель скользящего среднего. Модель взвешенного скользящего среднего при определении среднего значения взвешивает недавние данные больше, чем старые данные, при условии, что вы выбрали соответствующие весовые коэффициенты. Таким образом, система может быстрее реагировать на изменение уровня.

Точность этой модели во многом зависит от вашего выбора весовых коэффициентов. Если образец временного ряда изменяется, вы также должны адаптировать весовые коэффициенты.

Модель экспоненциального сглаживания первого порядка

Принципы, лежащие в основе этой модели:

  • Чем старше значения временного ряда, тем меньше они становятся важными для расчета прогноза.
  • Текущая ошибка прогноза учитывается в последующих прогнозах.

Постоянная модель

Модель экспоненциального сглаживания константы может быть получена из двух вышеупомянутых соображений (см. Формулу (5) ниже). В этом случае формула используется для расчета базового значения. Простое преобразование дает основную формулу экспоненциального сглаживания (см. Формулу (6) ниже).

Формулы экспоненциального сглаживания

Определение базового значения

Для определения значения прогноза все, что вам нужно, — это предыдущее значение прогноза, последнее историческое значение и коэффициент сглаживания «альфа». Этот фактор сглаживания взвешивает более свежие исторические значения больше, чем менее свежие, поэтому они имеют большее влияние на прогноз.

Скорость реакции прогноза на изменение модели зависит от коэффициента сглаживания. Если вы выберете 0 для альфы, новое среднее значение будет равно старому. В этом случае сохраняется ранее рассчитанное базовое значение; то есть прогноз не реагирует на текущие данные. Если вы выберете 1 для альфа-значения, новое среднее значение будет равно последнему значению во временном ряду.

Наиболее распространенные значения альфа лежат между 0,1 и 0,5 . Например, альфа-значение 0,5 весит исторические значения следующим образом:

1-е историческое значение: 50%

2-е историческое значение: 25%

3-е историческое значение: 12,5%

4-е историческое значение: 6,25%

Веса исторических данных можно изменить с помощью одного параметра. Поэтому относительно легко реагировать на изменения во временном ряду.

Полученная выше постоянная модель экспоненциального сглаживания первого порядка может применяться к временным рядам, которые не имеют тенденций или сезонных колебаний.

Общая формула экспоненциального сглаживания первого порядка

Используя основную формулу, полученную выше (6), общая формула для экспоненциального сглаживания первого порядка (7) определяется с учетом как тенденций, так и сезонных колебаний. Здесь базовое значение, значение тренда и сезонный индекс рассчитываются по формулам (8) — (10).

Формулы экспоненциального сглаживания первого порядка

Модель экспоненциального сглаживания второго порядка

Если за несколько периодов временной ряд показывает изменение среднего значения, которое соответствует модели тренда, прогнозные значения всегда отстают от фактических значений на один или несколько периодов в процедуре экспоненциального сглаживания первого порядка. Вы можете добиться более эффективной корректировки прогноза в соответствии с шаблоном фактических значений, используя экспоненциальное сглаживание второго порядка.

Модель экспоненциального сглаживания второго порядка основана на линейном тренде и состоит из двух уравнений (см. Формулу (11)). Первое уравнение соответствует уравнению экспоненциального сглаживания первого порядка, за исключением индексов в квадратных скобках. Во втором уравнении значения, вычисленные в первом уравнении, используются в качестве начальных значений и снова сглаживаются.

Формулы экспоненциального сглаживания второго порядка

Критерии оценки прогноза

Каждый прогноз должен служить основанием для принятия решения.Система SAP R / 3 рассчитывает следующие параметры для оценки качества прогноза:

  • Среднее абсолютное отклонение (MAD)

Всего ошибок

Среднее абсолютное отклонение для инициализации прогноза

Среднее абсолютное отклонение для ретроспективного прогноза

Сигнал слежения

Коэффициент Тейла

Формула для полосы допуска

Для автоматического исправления выбросов в исторических данных, на которых основан прогноз, выберите Элемент управления выбросами в профиле прогноза.Затем система вычисляет полосу допуска для исторического временного ряда на основе сигма-фактора. Исторические данные, которые лежат за пределами диапазона допусков, корректируются, чтобы они соответствовали фактическому значению для этого момента времени. Если вы запускаете прогноз онлайн, исторические данные, которые были автоматически скорректированы этой функцией, отображаются в столбце C диалогового окна Прогноз: исторические значения .

Ширина полосы допуска для контроля выбросов определяется сигма-фактором.Чем меньше сигма-фактор, тем больше контроль. Коэффициент сигмы по умолчанию равен 1, что означает, что 90% данных остаются неисправленными. Если вы сами устанавливаете коэффициент сигма, установите его в диапазоне от 0,6 до 2.

Толерантный переулок

Как рассчитать точность прогноза

В этой статье мы рассмотрим, как измерить точность прогнозов.

Одна из самых важных и сложных задач в контакт-центре — прогнозирование спроса.Модели прогнозирования требуют постоянной доработки, поэтому планировщики должны оценить, насколько точными были их прогнозы.

На первый взгляд, точность прогноза может показаться несложной для расчета — было ли столько контактов, сколько предполагалось? Однако при ближайшем рассмотрении становится ясно, что предприятиям также необходимо точно понимать, когда были установлены контакты и был ли для них подготовлен контакт-центр.

Три метода прогнозирования точности

Существует три распространенных метода расчета точности прогнозов в контакт-центре.Это:

  1. Разница в процентах или ошибка в процентах
  2. Стандартное отклонение
  3. Коэффициент корреляции

Мы подробно обсуждаем каждый из них в этой статье, но у нас также есть восьмиминутное видео-руководство по каждому методу, в котором рассказывается о большинстве основ.

Это видео ведет Пенни Рейнольдс из школы контактного центра:

В видео содержится много полезной информации, и мы объясним каждый из этих методов ниже, после того, как познакомим вас с термином, называемым «фактический объем».

Знание того, что мы подразумеваем под «фактическим объемом», является ключевой частью ваших расчетов точности прогнозов.

Дополнительные важные советы по WFM от Пенни Рейнольдс можно найти в нашей статье: The Power of One

Что такое «фактический объем»?

Во-первых, нам нужно понять, что мы имеем в виду, когда говорим о контактном объеме. Это еще один вопрос, который сначала кажется простым, но требует некоторого размышления.

Если мы под фактическим объемом понимаем «количество отвеченных звонков», мы сталкиваемся с очень большой потенциальной проблемой — мы не будем учитывать звонки, на которые не ответили.

Когда входящий объем превышает емкость обработки вызовов, некоторые вызовы не принимаются. Если на них не отвечают и, следовательно, не учитываются, мы получаем нереалистичное представление об общем объеме.

Например, представьте контакт-центр, который прогнозирует 2 000 контактов в день, когда 3 000 клиентов собираются позвонить. Если центр работает с максимальной загрузкой весь день и отвечает на 2400 звонков, прогноз будет отклоняться только на 400.

По этой причине большинство специалистов по планированию оценивают точность прогнозов на основе предложенных вызовов, а не ответов на них.Имейте в виду, что этот подход также несовершенен, поскольку он учитывает каждую повторную неудачную попытку контакта отдельно, увеличивая общий объем.

Это «менее плохой» подход, поэтому мы будем предполагать, что «предлагаемые звонки» являются мерой фактического объема.

Узнайте больше об основах прогнозирования в нашей статье: Руководство по прогнозированию персонала в контакт-центре

Метод 1 — процентная разница или процентная ошибка

Одним из простых подходов, который используют многие синоптики для измерения точности прогнозов, является метод, называемый «процентной разницей» или «процентной ошибкой».Это просто разница между фактическим и прогнозируемым объемом, выраженная в процентах.

Мы можем использовать эту формулу для первого интервала в примере ниже, где фактический объем равен 105, а прогноз — 102.

Интервал Размещено звонков Прогноз Ошибка % разница
8:00 — 8:30 105 102 3 2. 90%
8:30 — 9:00 128 135 -7 -5,30%
9:00 — 9:30 136 138 -2 -1,50%

Это полезный и надежный способ измерения ошибки прогноза в пределах интервала. Однако синоптикам редко нужно сообщать о единичных интервалах, вместо этого сосредотачиваясь на точности прогнозов на длительные периоды — но это не лучший вариант.

Неправильный путь: измерение точности прогнозов в течение дня

Неправильный способ расчета точности прогноза — проводить измерения в течение всего дня без учета интервалов.

В качестве примера возьмем данные в таблице ниже:

Интервал Размещено звонков Прогноз Абсолютная ошибка % разница
8:00 — 8:30 105 102 3 2.9
8:30 — 9:00 128 135 7 5,3
9:00 — 9:30 136 138 2 1,5
9:30 — 10:00 167 145 22 14,1
10:00 — 10:30 197 172 25 13,6
10:30 — 11:00 213 245 32 13.9
11:00 — 11:30 220 222 2 0,9
11:30 — 12:00 194 203 9 4,5
Итого 1360 1362 2 0,1

Если мы используем метод процентной разницы в течение всего дня, мы можем вычислить процентную разницу, равную 0. 1%

Звучит хорошо, правда? Но если мы посмотрим на отдельные интервалы в течение дня, мы увидим гораздо более широкие вариации.

Таким образом, хотя контакт-центры и хотят видеть этот результат, он не соответствует действительности.

Лучший способ: измерение точности прогнозов с почасовыми интервалами

Вместо того, чтобы разбивать процентную разницу в течение дня, лучше включать результаты по интервалам в свои вычисления для более надежного результата.

Итак, вы можете разделить данные на почасовые интервалы. Интервал — это фиксированная единица времени, иногда называемая «отчетным периодом».

Интервал Размещено звонков Прогноз Абсолютная ошибка % разница
8:00 — 9:00 233 237 4 1,7
9:00 — 10:00 303 283 20 6.8
10:00 — 11:00 410 417 7 7
11:00 — 12:00 414 425 11 2,6

Используя те же данные, что и в приведенном выше расчете, в результате которого точность прогноза составила 0,1%, давайте посмотрим на процентную разницу для дня с учетом часовых интервалов.

Уже точность прогноза (разница в процентах) подскочила с 0.От 1% до 4,5%.

Правильный путь: измерение точности прогнозов с интервалом в 15 минут

Синоптики могут генерировать очень разные результаты в зависимости от интервалов, которые они измеряют.

В отрасли интервалы в пятнадцать минут обычно считаются наиболее желательными, поскольку они представляют собой наиболее подробные данные, которые можно измерить на практике.

Интервалы в тридцать минут также являются обычным явлением, особенно в небольших контакт-центрах, которые имеют более изменчивые схемы контактов.

Интервал Размещено звонков Прогноз Абсолютная ошибка % разница
8:00 — 8:30 105 102 3 2,9
8:30 — 9:00 128 135 7 5,3
9:00 — 9:30 136 138 2 1.5
9:30 — 10:00 167 145 22 14,1
10:00 — 10:30 197 172 25 13,6
10:30 — 11:00 213 245 32 13,9
11:00 — 11:30 220 222 2 0,9
11:30 — 12:00 194 203 9 4.5

Используя приведенный выше набор данных, мы можем рассчитать точность нашего прогноза, равную 7,1%, используя метод процентной разницы для получасовых интервалов:

Исходя из этого, кажется очевидным, что наименьший возможный интервал дает нам наиболее надежную точность прогноза, но это не обязательно так.

Мы уже упоминали небольшие контакт-центры, которые, как правило, испытывают трудности с короткими интервалами из-за естественной нестабильности их загруженности.

Также возможны органические колебания объема в течение часа. Некоторые исследования выявили схему звонков, при которой 40% трафика в течение часа происходит в течение первых пятнадцати минут. Предполагается, что клиенты склонны планировать звонки на начало часа.

Это будет происходить одинаково в каждом контакт-центре, но стоит исследовать, когда в прогнозах сохраняются необъяснимые расхождения.

Наконец, есть проблема свеса.

Что такое свес?

По мере того, как количество звонков начинает расти, происходит постепенное увеличение занятости. С другой стороны, когда объем начинает уменьшаться, происходит постепенное падение занятости. Вывешивание относится к вызовам, которые начинаются в одном интервале, но продолжают действовать в следующем интервале.

Это означает, что контакт-центрам следует избегать измерения интервалов, которые менее чем вдвое превышают их AHT, иначе у них будет постоянно слишком много операторов, участвующих в вызовах из предыдущего интервала, чтобы обрабатывать вызовы в новом интервале.

Каким бы точным ни был прогноз на бумаге, будет ясно, что имеется слишком много входящих звонков, которые доступный персонал не может обработать.

Итак, хотя пятнадцатиминутный интервал предпочтительнее для некоторых средних или крупных контакт-центров, это только в том случае, когда их AHT ниже семи с половиной минут.

Для получения дополнительных сведений о WFM, таких как выступ, обязательно прочтите нашу статью: 10 вещей, которые вам понадобятся при подсчете необходимого количества консультантов контакт-центра

Средняя абсолютная погрешность в процентах

Средняя абсолютная процентная ошибка (MAPE) измеряет ошибку в процентах от фактического значения, которое предлагается вызовами.

Для начала мы просто вычисляем процентную ошибку каждого интервала.

Затем мы вычисляем среднее значение процентов ошибок для набора данных, чтобы получить MAPE.

Интервал Размещено звонков Прогноз Абсолютная ошибка % разница
8:00 — 8:30 105 102 3 2,9
8:30 — 9:00 128 135 7 5.3
9:00 — 9:30 136 138 2 1,5
9:30 — 10:00 167 145 22 14,1
10:00 — 10:30 197 172 25 13,6
10:30 — 11:00 213 245 32 13,9
11:00 — 11:30 220 222 2 0. 9
11:30 — 12:00 194 203 9 4,5
Всего 1360 1362 2 0,1
MAPE 7,03

MAPE — это удобный способ передачи данных прогнозирования в рамках всего бизнеса, поскольку результат выражается в процентном выражении, которое с большей вероятностью будет значимым, чем фактический объем.

Поскольку это процент, процентную ошибку часто путают с процентной разницей, которую мы использовали в первом примере. Еще больше усложняет ситуацию то, что оба вычисления часто возвращают один и тот же результат, если абсолютная ошибка достаточно мала.

Используя наш первый интервал в качестве примера, разница в процентах и ​​ошибка в процентах составляют 2,9%. Конечно, это не означает, что они взаимозаменяемы, и чем больше ошибка или набор данных, тем больше дисперсия.

MAPE может быть проблематичным для небольших контакт-центров, потому что он очень чувствителен к масштабу.Хотя это вряд ли будет проблемой для средних или крупных контакт-центров, MAPE может возвращать ненадежные данные для контакт-центров с ограниченными данными прогнозирования, которые нужно вводить.

Среднее абсолютное отклонение

Среднее абсолютное отклонение (MAD) — одна из возможных альтернатив для небольших контакт-центров, испытывающих трудности с использованием MAPE. Это просто среднее значение ошибок (или «отклонений») для набора данных. Обратите внимание, что здесь мы все еще используем абсолютную ошибку, что важно для получения значимых результатов.

Интервал Размещено звонков Прогноз Абсолютная ошибка
8:00 — 8:30 105 102 3
8:30 — 9:00 128 135 7
9:00 — 9:30 136 138 2
9:30 — 10:00 167 145 22
10:00 — 10:30 197 172 25
10:30 — 11:00 213 245 32
11:00 — 11:30 220 222 2
11:30 — 12:00 194 203 9
Всего 1360 1362 2
MAD 12. 75

MAD более надежен, чем MAPE, когда дело касается очень маленьких наборов данных, хотя он возвращает данные в терминах фактических значений, а не в процентах. Это должно быть хорошо для самих прогнозистов, но может затруднить передачу результатов в другие области бизнеса.

Метод 2 — стандартное отклонение

Эта мера обычно считается одним из наиболее полезных инструментов, имеющихся в распоряжении прогнозистов. Он представляет собой разброс данных, стандартизируя отклонение (ошибку) от кажущейся нормы.

В отличие от других показателей, которые мы рассмотрели, стандартное отклонение — достаточно сложный процесс для выполнения вручную, что делает его подверженным ошибкам. В большинстве случаев стандартное отклонение рассчитывается с помощью инструментов WFM или электронной таблицы Excel.

Стоит отметить, что существуют вариации формулы стандартного отклонения, каждая из которых полезна для разных типов наборов данных. С точки зрения точности прогнозов нас больше всего интересует «стандартное отклонение совокупности».

Это уравнение для стандартного отклонения совокупности:

[Вы можете посмотреть, как выполнить эту функцию Excel здесь.]

Для расчета стандартного отклонения есть пять шагов:

  1. Найдите среднее значение набора данных
  2. Найдите расстояние от каждой точки данных до среднего и возведите результат в квадрат
  3. Найдите сумму этих значений
  4. Разделите сумму на количество точек данных
  5. Извлеките квадратный корень из этого ответа

Наш набор данных — это ошибки, а не абсолютные ошибки, что означает, что мы будем использовать положительные и отрицательные числа.

Сначала мы находим среднее значение наших данных:

Затем мы находим расстояние от каждой точки данных до среднего и возводим его в квадрат:

Ошибка Расстояние от среднего
3 3,25 10,56
-7 6,75 45,56
-2 1,75 3,06
22 22,25 495. 06
25 25,25 637,56
-32 31,75 1008.06
-2 1,75 3,06
-9 8,75 76,56
Сумма 2279,48

Затем мы находим сумму квадратов значений, которая составляет 2279,48, и делим ее на количество точек данных, получая 284.94

Наконец, мы получаем результат, находя квадратный корень из этого значения, равный 16,88. Это наше стандартное отклонение для набора данных.

Есть еще одно полезное применение стандартного отклонения. Вместо того, чтобы использовать ошибки в качестве набора данных, синоптики могут использовать фактические объемы контактов. Результат расчета стандартного отклонения будет отображать общий уровень волатильности объема колл с течением времени.

Это можно использовать для информирования о степени изменчивости, которую синоптики необходимо включить в свои расписания.И, если волатильность высока, это также может быть цифра, которую они используют, чтобы объяснить, почему есть ошибки прогнозирования.

Метод 3 — Коэффициент корреляции

Если прогноз содержит ошибки, важно установить, какие другие переменные были связаны с неожиданным увеличением или уменьшением объема контактов. Расчет коэффициента корреляции наборов данных — эффективный способ добиться этого.

Коэффициент корреляции указывает степень, в которой движение одной переменной влияет на движение другой переменной.Если x увеличится, как это повлияет на y ?

Результатом является число от -1 до +1, указывающее на что-то среднее между сильной положительной корреляцией и сильной отрицательной корреляцией. Это формула для коэффициента корреляции:

Это еще один расчет, который синоптики вряд ли выполнят вручную из-за очень большой способности к ошибкам. Вот обзор того, как достичь коэффициента корреляции для любых наборов данных:

  • Определите два набора данных, в данном случае контактный объем за два отдельных дня. Мы назовем их x и y
  • .
  • Найдите среднее значение x и среднее значение y
  • Вычтите среднее значение x из каждого значения x (a) и среднее значение y из каждого значения y (b)
  • Вычислить a × b, a² и b² для каждого значения
  • Суммируйте a × b, а также a² и b²
  • Разделите сумму a × b на квадратный корень из [(сумма a²) × (сумма b²)]

[Вы можете прочитать, как выполнить эту функцию в Excel здесь.]

Или взгляните на эту бесплатную таблицу Excel для ежемесячного прогнозирования.

С ​​благодарностью:

Следующие идеи были обсуждены со специалистами отрасли, изображенными ниже:

Кристин Стаббс, консультант по контактному центру WFM в Maintel
Чарльз Адамс, менеджер по работе с клиентами, Ordnance Survey
Пенни Рейнольдс, партнер-основатель в Call Center School

Если вы хотите узнать больше о прогнозировании в контакт-центре, посмотрите эти статьи:

Как рассчитать точность прогноза спроса и погрешность прогноза

Важность точности прогнозирования спроса

В управлении цепочкой поставок важно уметь измерять точность прогнозов спроса.Неточное прогнозирование спроса может привести к накоплению избыточных запасов или, наоборот, к проблемам с доступностью продукта. И то, и другое — нежелательные проблемы для специалистов по планированию запасов!

Обеспечение точности прогнозов должно быть ключевой обязанностью любого добросовестного планировщика инвентаризации. Короче говоря, точное прогнозирование спроса поможет вам:

  • Повысьте уровень удовлетворенности клиентов
    Клиенты не терпят случаев отсутствия на складе. Обеспечение наличия на складе позволяет получать положительные отзывы.
  • Оптимизация уровней запасов
    Установка уровней страхового запаса на основе точных прогнозов предотвратит дефицит запасов без удержания избыточных запасов.
  • Управляйте сроками поставки поставщика
    Предоставляя поставщикам прогноз ваших годовых потребностей в запасах, они могут спланировать соблюдение ваших сроков поставки.
  • Предотвратить потерю дохода
    Сценарии отсутствия на складе приводят к потере продаж не только для этого продукта, но и для сопутствующих товаров.

Что такое точность прогноза?

Один из способов проверить качество прогноза спроса — вычислить его точность прогноза, также называемую ошибкой прогноза.Точность прогноза — это отклонение фактического спроса от прогнозируемого. Если вы можете рассчитать уровень ошибки в своих предыдущих прогнозах спроса, вы можете учесть это в будущих прогнозах и внести соответствующие корректировки в свое планирование.

В этом посте мы покажем вам, как измерить точность ваших прогнозов, вычислив ошибку прогноза, а затем обсудим, почему это важно.

Расчет точности прогноза / погрешности прогноза

Существует ряд формул, которые специалисты по планированию запасов могут использовать для расчета точности прогноза / ошибки прогноза, от довольно простых до довольно сложных.Двумя наиболее распространенными расчетами точности / погрешности прогнозов являются MAPE — средняя абсолютная процентная ошибка и MAD — среднее абсолютное отклонение.

Давайте подробнее рассмотрим оба:

Достаточно простой способ вычислить ошибку прогноза — найти Среднее абсолютное процентное отклонение (MAPE) вашего прогноза. Статистически MAPE определяется как средний процент ошибок.

1. Формула MAPE

Формула MAPE состоит из двух частей: M и APE.Формула для APE:

Затем вы вычисляете среднее значение всех ошибок в процентах за заданный период времени.

Поскольку MAPE является мерой ошибки, большие числа — плохо, а низкие — хорошо.

2.

Формула MAD

Другой распространенный способ определения ошибки прогноза — вычисление Среднее абсолютное отклонение (MAD) . Это показывает отклонение прогнозируемого спроса от фактического спроса в единицах.Он берет абсолютное значение ошибок прогноза и усредняет их за прогнозируемые периоды времени.

Существует множество дополнительных вычислений точности прогнозов, которые можно использовать для определения ошибки прогноза. Убедитесь, что вы нашли наиболее подходящий метод для ваших нужд, так как важно понимать, насколько точны ваши прогнозы по ряду причин, которые мы сейчас обсудим.

Повышение точности прогнозов

Когда у вас есть расчеты ошибок прогноза, вы должны убедиться, что вы действуете в соответствии с данными.Умные планировщики запасов будут использовать статистику ошибок прогнозов, чтобы уточнить процессы прогнозирования и повысить общую точность прогнозов. Более точные прогнозы помогут улучшить закупку и планирование запасов.

Вот несколько способов сделать это:

1. Снижение риска точности будущих прогнозов: Расчет ошибки прогноза дает количественную оценку качества ваших прошлых прогнозов. Если вы можете рассчитать уровень ошибки в своих предыдущих прогнозах спроса, вы можете учесть этот риск в будущих прогнозах.Если вы можете определить, насколько неопределенным является прогноз для данного будущего экономического периода, вы можете внести необходимые корректировки в свои правила управления запасами, такие как увеличение уровней страхового запаса и корректировка точек повторного заказа для покрытия неопределенных периодов спроса.

2. Расставьте приоритеты для сомнительных прогнозов: Выявление и приоритизация элементов с высокой ошибкой прогноза позволяет вам уделять им особое внимание. Вы можете внимательно следить за их будущим спросом и соответственно корректировать уровень запасов.

3. Уточняйте и повышайте точность прогнозов: Если вы постоянно наблюдаете высокий уровень ошибок прогнозов, это показатель того, что метод прогнозирования спроса, который вы используете, нуждается в пересмотре и улучшении.

Повышение точности прогнозов с помощью автоматизации

Некоторые системы планирования ресурсов предприятия (ERP) и управления складом (WMS) будут иметь функцию автоматического расчета ошибок прогноза. Но будьте осторожны, каждая система будет иметь разный уровень сложности, поэтому убедитесь, что понимаете свою и учитываете ее ограничения.Например, ваша система опрашивает все артикулы? Какой расчет используется для прогнозирования ошибки? Корректируют ли складские параметры по результатам?

Если вы обнаружите, что ваша текущая система управления запасами имеет ограничения, подумайте о приобретении подключаемого модуля оптимизации запасов. Программное обеспечение для оптимизации складских запасов будет работать в сотрудничестве с ERP, WMS или инструментом управления запасами, чтобы обеспечить функциональные возможности статистического прогнозирования спроса. Затем вы можете сэкономить время, выполняя сложные вычисления, и вместо этого принимать обоснованные решения по управлению запасами на основе точных данных.

Если вам сложно добиться точности прогнозов с помощью ваших текущих систем и процессов, свяжитесь с командой EazyStock сегодня. Наше программное обеспечение для прогнозирования спроса предоставляет вам расширенные возможности управления запасами, которые вы можете использовать для быстрого улучшения повседневной работы вашего бизнеса.



Как спрогнозировать объем продаж с помощью простых расчетов

Прогнозирование продаж играет важную роль в формировании ожиданий и составлении планов для вашего бизнеса.Это лучший способ предсказывать будущее. Хотя цифры редко будут на 100% правильными, вы должны стремиться понять различные факторы, которые влияют на ваши продажи и, как следствие, на вашу прибыль.

Мы создали таблицу в формате Excel, чтобы ваши прогнозы стали более точными. Он использует ваши исторические данные по следующей формуле:

Прогнозируемые продажи = Тренд + Средняя сезонность

Хотя наша автоматизированная таблица выполняет всю работу за вас, понимание расчетов дает вам более подробное представление о том, как различные факторы могут повлиять на ваши окончательные числа.Мы рассмотрим два примера, раскрывающих этот процесс: один упрощенный вариант, ориентированный только на тренд, чтобы помочь понять основы, а другой — с полной формулой. Чтобы избежать путаницы, мы будем использовать относительно небольшие значения.

1. Расчет прогнозов продаж при отсутствии сезонности

Предположим, что ваш бизнес работает последние 2 года со стабильным ростом квартал за кварталом, и вы хотите спрогнозировать свои продажи на следующие 2 года.

Что вам нужно, чтобы начать процесс прогнозирования?

Прежде чем вы начнете, вот что означает каждый термин:

Год: Предыдущие 2 года ваш бизнес работал + следующие 2 года, на которые вы хотите спрогнозировать свои продажи.
Квартал: Каждый год состоит из 4 кварталов, поэтому общее количество кварталов, для которых у вас уже есть данные, составляет 8. В этом примере вы хотите спрогнозировать свои продажи до 16-го квартала.
Тренд: Постепенное изменение ваших продаж, которое движется в определенном направлении от квартала к кварталу, представленное линией или кривой на графике. (Мы объясним, как это вычислить.)
Сезонность: Периодическая, обычно регулярная и предсказуемая модель уровней деловой активности, при которой большая часть или все продажи приходятся на определенный квартал.(В этом примере мы предположим, что сезонность отсутствует.)
Объем продаж (прогноз): Прогнозируемые показатели продаж, основанные на статистике, которую вы добавили в столбец «Продажи».

Как поэтапно начать процесс прогнозирования продаж?

1. Заполните последние 8 кварталов своими прошлыми продажами, как показано ниже.

После того, как вы заполните ячейки, лист автоматически рассчитает Тренд для вас, используя эту формулу прогнозирования Excel:

= ПРОГНОЗ (B3, $ C $ 3: $ C $ 10, $ B $ 3: $ B $ 10)

Здесь вы заметите, что тренд растет на основе данных, которые он имеет из ваших прошлых чисел.

2. Предположим, что сезонность равна нулю (для пояснительных целей)

Если исключить сезонность из уравнения, ваши прогнозируемые продажи будут прямолинейными без колебаний. Мы все можем согласиться с тем, что это нереально и ненадежно, но это полезный способ разобраться с основами.

3. Столбец Продажи (прогнозы) заполняется автоматически

Вы можете видеть, что для квартала № 9 значение составляет 237,86 долларов США, и вычисления продолжаются до достижения значения 319 долларов США.11 для квартала №16:

Прогнозы продаж = тренд + сезонность
В этом пояснительном примере сезонность = ноль
Следовательно, прогнозы продаж = тренд

На листе автоматически появится линейный график, который должен напоминать этот:

2. Расчет прогнозов продаж с учетом сезонности (реальный пример)

Во втором примере мы будем работать с немного большим количеством данных. Предположим, что ваш бизнес работает 3 года, и вы хотите спрогнозировать продажи на ближайшие 8 кварталов.

Что вам нужно, чтобы начать процесс прогнозирования?

Прежде чем вы начнете, вот что означают новые термины:

Скользящее среднее (4): Среднее значение набора из четырех последовательных кварталов (т. Е. «От квартала №1 до квартала №4» или «от квартала №2 до квартала №5» и т. Д.).
Центрированное скользящее среднее: Средний квартал: Один и тот же квартал в разные годы — т.е. первый квартал 2015 года (квартал №1 в нашей таблице), 2016 год (№5) и 2017 год (№9).
Средняя сезонность: Среднее значение сезонности для одного и того же квартала в разные годы, т.е. среднее значение сезонности для кварталов №1, №5 и №9.

Как начать процесс прогнозирования продаж с учетом сезонности?

1. Заполните последние 12 кварталов своими прошлыми продажами, как показано ниже.

По предустановленным формулам будет вычислено следующее:

Скользящее среднее (= среднее (C3: C6))
Центрированное скользящее среднее (= среднее (D5: D6))

Это числа, которые помогают уточнить ваши фактические показатели продаж на основе сезонности, чтобы вы могли более точно рассчитать свой тренд — в противном случае сезонность будет отображаться в ваших формулах дважды, и расчеты не будут точными. Посмотрите, как обновляются ячейки, в таблице ниже:

2.Рассчитайте сезонность на вашем рынке.

Посмотрите на разницу между вашими фактическими продажами и числами в столбце «Тенденция». Если значение «Сезонность» отрицательное, то ваши фактические продажи не достигли прогнозируемых показателей, и наоборот — положительное значение означает, что ваш бизнес достиг цели и превысил его.

3. Рассчитайте среднюю сезонность для среднего квартала №1

Возьмите значения сезонности для кварталов №1, №5 и №9 и найдите их среднее значение.Вот формула:

= среднее (G3, G7, G11)

В нашей таблице результат равен «-17,31 доллара США», и вы можете увидеть, как формула применялась и ко всем другим кварталам.

4. Наконец, таблица рассчитает ваши прогнозы продаж по формуле, которую мы упомянули в начале:

Прогнозируемые продажи = Тренд + Средняя сезонность
= F3 + $ J $ 21

Вот и все — вы только что закончили прогноз продаж.В столбце Продажи (прогнозы) вы можете увидеть для квартала № 13 значение , 356,31 доллара США, и так далее, пока вы не дойдете до последнего квартала вашей временной шкалы. В данном случае это квартал №20 со стоимостью 457,63 доллара США. Вы можете сделать прогноз на более длительные периоды, добавив больше кварталов и перетащив формулы вниз в большее количество ячеек в столбцах «Тренд» и «Продажи (прогноз)».

На листе автоматически будет нарисован график, который выглядит более реалистично, чем линейная проекция в нашем первом примере:

Имейте в виду, что прогнозы не всегда будут точными на 100% при использовании любого метода прогнозирования, потому что ваш бизнес не работает в изолированной среде.Например, ваши продажи могут начать падать, потому что клиенты обратились к новому конкуренту, которого вы не видели.
Отслеживая как прогнозируемые, так и фактические продажи, инструмент прогнозирования может сигнализировать, когда пора начинать расследование. Если вы обнаружите и диагностируете несоответствия на достаточно ранней стадии, вы сможете получить ценную информацию и применить ее к своему следующему шагу — и в этом вся суть успешного управления!


Прогноз, предсказывающий внезапные изменения денежного потока?

Если вы живете в Австралии, мы можем вам помочь.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *