Виды и типы содержания экономического спроса

   Выявить и измерить их влияние очень сложно, так как оно завуалировано, скрыто или сливается с действием других факторов. Это задача маркетингового исследования, которое может использовать для данной цели статистические и экономико-математические методы сбора и анализа данных. Изучение и моделирование факторов спроса обеспечивает маркетингу возможность регулировать спрос, используя выявленные взаимосвязи и закономерности.

 

1.2  Особенности  прогнозирования спроса

   Еще недавно российские предприятия розничной торговли мало задумывались о важности составления точных прогнозов спроса. Руководством составлялись планы продаж, заключались договоры на поставку соответствующих товаров, а затем склады заваливались продукцией, и мог пройти не один месяц, прежде чем ее раскупали. Теперь все иначе.

   Информационное обеспечение анализа спроса – это система сбора и обработки данных, позволяющих изучить состояние исследуемого предмета или объекта, измерить влияние определяющих его факторов и выявить возможности управления им.

   Выборочный метод применяют также при проведении устных и письменных опросов потребителей в розничной торговле для изучения спроса на продукцию, причин его снижения или отсутствия.

    К анализу спроса должен быть применен системный подход – это предполагает рассмотрение его как составного элемента рынка.

   В процессе исследования спроса использование экономико-математических методов начинается на этапе определения необходимой численности выборки для проведения выборочного обследования.

   Прогнозирование спроса представляет собой определение возможного будущего спроса на товары и услуги в целях лучшего приспособления субъектов хозяйствования к складывающейся конъюнктуре рынка.

   Прогноз спроса – это теоретически обоснованная система показателей о еще неизвестном объеме и структуре спроса. Прогнозирование связывает накопленный в прошлом опыт об объеме и структуре спроса с предсказанием будущего их состояния. Спрос прогнозируется на отдельный товар или группу товаров.

   Такой прогноз дает представление о реальном уровне спроса на товар в будущем на конкретный период. При этом чем короче период, тем точнее прогноз. Прогноз спроса представляет собой расчет влияния факторов, определяемых как детерминанты спроса. Однако включение в расчет значительного числа детерминант при построении прогнозной модели считается неоправданным: вместо повышения точности и надежности это приводит к значительному усложнению и без того громоздкой вычислительной работы.

   Прежде всего, ужесточается конкуренция розничных сетей, при этом лояльность покупателей к конкретному магазину снизилась. Кроме того, ассортимент супер и гипер маркетов насчитывает десятки тысяч SKU и продолжает расширяться, что очень осложняет процесс прогнозирования и планирования. Ошибки же в прогнозах ведут к избыточным запасам, ненужным распродажам или дефициту товаров и, как следствие, упущенной выгоде. Многие компании это уже понимают, и вопрос для них состоит не в том, нужно или не нужно заниматься прогнозированием спроса, а в том, как правильно организовать этот процесс и получить на выходе точные прогнозы и планы продаж.

   С одной стороны, все торговые предприятия сталкиваются с одинаковыми задачами: нужно отследить историю продаж товара, а затем, на ее основе, при помощи методов статистического анализа и экспертных корректировок, построить прогноз продаж. Однако, если присмотреться, компании различных секторов розничной торговли сталкиваются со своими, достаточно специфическими проблемами. Ведь при прогнозировании спроса учитываются жизненный цикл продукта, тип оборачиваемости товара, история продаж, стратегия дистрибуции, прогноз отдельного товара или товарной группы. И, соответственно, прогнозирование спроса на различные категории товаров носит достаточно специфичный характер.

    В целом, неточные прогнозы имеют общие корни. Это неправильный подход к организации прогнозирования спроса, отсутствие информационной прозрачности и несогласованность действий различных отделов.

   Многие компании прогнозируют возможность поставки товаров или услуг, а не реальный спрос. В начале прогнозного цикла важно создать прогнозы, которые не ограничены возможностью поставок. Прогнозирование, базирующееся на истории поставок, ведет к тому, что компании воспроизводят свои ошибки, и не удовлетворяют покупательский спрос. Прогнозирование реального спроса позволяет найти узкие места и оптимизировать процессы.

    Громоздкие неавтоматизированные процессы и таблицы приводят к огромному объему негибких, фрагментарных систем планирования. Несопоставимые системы с несвязанной информацией, от ориентированных на продажу планов дохода, до прогнозов отделов, ориентированных на процессы, ведут к расхождениям, из-за чего невозможно создание связанных единых планов. Чтобы решить эту проблему, необходимо создать общее информационное пространство предприятия. Однако применить этот подход проще на словах, чем на деле.

    Компании уже давно отслеживают данные о продажах с POS терминалов. Прогнозы же составляются с помощью специализированных моделирующих решений, либо по старинке, в Excel. До сих пор высока доля экспертной оценки при составлении прогнозов, что не всегда положительно отражается на их точности. Несколько лет назад в России появились системы прогнозирования класса SCM, которые многие сети на Западе уже давно используют.

    Основные функции SCM решения можно вкратце обозначить следующим образом: консолидация и обработка данных, анализ, поддержка процессов и предоставление отчетности.

    Прежде всего, системы прогнозирования спроса синтезируют огромные массивы различной информации. Для обработки данных система использует многочисленные статистические инструменты, анализ на основе исключений, а также методы сценарного моделирования. Система поддерживает многомерный анализ и планирование. Это требуется для того, чтобы при анализе данных учитывать различные критерии, например, информацию о месте покупки, времени покупки, покупателе. Например, при планировании промо-акций, большое значение может иметь информация о поле, возрасте и других характеристиках покупателя.

    Второй важной функцией, которую выполняют подобные системы, является интеграция отделов финансов, маркетинга, продаж, логистики и создание общего информационного поля между компанией, ее клиентами и контрагентами. Для этого система должна легко интегрироваться с другими информационными приложениями. Таким образом, решение по прогнозированию спроса охватывает все основные звенья и позволяет формировать согласованные планы. Если речь идет о компании, имеющей региональную сеть продаж, то подобная система позволяет руководству не только отслеживать общие, глобальные тенденции продаж, т.е. осуществлять планирование сверху вниз, но также иметь возможность отслеживать продажи на местах, и вносить их в общие планы. Таким образом, система поддерживает не только данные, но и процессы и позволяет проактивно управлять спросом. Это означает, что в систему постоянно поступают данные о продажах, и на их основе автоматически проводится перепланирование, причем, система обладает способностью отслеживать тенденции в продажах и учитывать их в дальнейшем при составлении прогнозов.

    Подобные системы поддерживают функцию рассылки уведомлений о проблемных ситуациях и узких местах. Например, коммерческий отдел система предупредит о росте продаж определенного товара и может подсказать о необходимости заключения дополнительного соглашения с поставщиком об увеличении объемов, а отдел планирования о допущенных ошибках при прогнозировании спроса на определенный товар.

    Существуют условия, при которых прогнозировать спрос вообще не целесообразно:

·           когда приемлемое время на ожидание клиентом, пока выполнится его заказ, превышает время на производство и закупку компонентов; другими словами, клиент готов ждать свой заказ столько времени, сколько организации потребуется для выполнения заказа без предварительного планирования;

·           если мощности и прочие необходимые ресурсы для выполнения заказов клиентов этих организаций могут быть изменены быстро и не требуют существенных затрат;

·           когда нет необходимости в финансовом планировании.

   Во всех остальных случаях без прогнозирования спроса не обойтись. Однако формировать прогнозы спроса нужно ровно настолько, насколько этого требуют конкретные цели. Каждый из перечисленных ниже параметров прогнозов спроса должен быть обоснован целью его использования и определен до начала формирования прогноза.

   Горизонт планирования. На какой период в будущем должен быть составлен прогноз? 10 лет? 12 месяцев? Неделя?

 Уровень детализации. Должен ли прогноз спроса отражать конечные продукты по заказчикам? Или достаточно суммарного плана по категориям?

   Частота пересмотра. Требуется ли прогноз спроса пересматривать раз в год? Раз в квартал? Раз в месяц? Раз в неделю? Каждый день? Каждый час?   Интервал прогнозирования. Какие временные промежутки должен отражать прогноз спроса? Годы? Месяцы? Недели? Дни? 

 

1.3 Методы прогнозирования

    Существует много классификаций методов прогнозирования спроса. Для удобства можно выделить всего две группы: экспертные и статистические.

    Первые основаны на экспертных оценках и по своей природе субъективны. Суть их заключается в переведении различных экспертных мнений в формулы, из которых формируется прогноз. К экспертным методам относятся: метод комиссии, «мозговая атака», анкетный опрос, метод Дельфи.

   При использовании регрессионного и корреляционного анализа рассчитывают формулы, которые придают различный вес «индикаторам», связанным с прогнозируемыми товарами или группами товаров. Например, закладка жилых домов оказывает определенное влияние на продажу металлических изделий строительным фирмам. Динамика валового национального продукта (ВНП), вероятно, тоже оказывает влияние. Таким образом, учитывая степень важности влияния того или иного фактора, можно построить формулу для прогноза суммарных продаж металлоизделий для строительства. При этом особенное внимание нужно уделять ведущим индикаторам, то есть тем, значение которых увеличивается или уменьшается до того, как начнут изменяться прогнозируемые продажи. Правда, использование такого рода индикаторов может принести пользу лишь в том случае, если оно опирается на здравый смысл. Влияние факторов, которые были очень существенны в прошлом, может измениться с течением времени, а потому для них нужно будет применять другой весовой коэффициент. И здесь не обойтись без экспертной оценки.

   Следует также помнить, что ни один из указанных методов не может компенсировать или учесть воздействие на спрос других факторов. Например, если продавцы металлических изделий из-за финансовых затруднений решили сократить запасы, зависимость между закладкой домов и продажей металлоизделий не даст точного прогноза. Возросшая иностранная конкуренция также может оказать решающее влияние на динамику продаж.

   В реальной практике необходимо использовать простые статистические методы в сочетании с разумным экспертным суждением. Кроме того, выбор метода прогнозирования может и должен определяться параметрами необходимого прогноза (горизонт планирования, уровень детализации и пр.). Например, для составления прогноза спроса для бизнес-плана на 10 лет целесообразнее использовать методы экспертных оценок, нежели статистические.

   Эффективное прогнозирование спроса, равно как и любой другой бизнес-процесс, состоит из трех взаимосвязанных элементов: люди, процесс, инструменты.

    При проектировании процесса прогнозирования спроса нужно учесть следующие факторы:

·           каким образом организованы функции маркетинга и продаж;

·           кто в компании имеет возможность влиять на спрос;

·           где находится информация, необходимая для формирования прогнозов.

    Эффективное прогнозирование начинается с повышения качества входящей информации. Сбор входных данных должен быть организован с определенной регулярностью и в определенном формате. В частности, нужно выполнять следующие правила.

   1. Необходимо собирать статистические данные с теми же параметрами, которые нужны для прогноза спроса. Если требуется составить прогноз спроса на продукцию, должны использоваться статистические данные, основанные на спросе, а не на отгрузках промежуточным звеньям цепи поставок. Интервал сбора данных должен быть таким же, как интервал для прогнозирования (для прогнозов спроса с разбивкой помесячно следует использовать статистику с разбивкой по месяцам). Группировка товаров в статистических данных должна соответствовать группировке в прогнозе спроса (для прогнозов спроса по категориям следует использовать статистику по категориям).

    2. Необходимо фиксировать все события, имеющие отношения к данным. Спрос подвержен влияниям некоторых событий, и эти события следует хранить вместе с прогнозом, составленным с их учетом. Например, колебания спроса могут быть вызваны акциями по его стимулированию, изменением цен или погодными условиями. Фиксировать события необходимо, поскольку их анализ является основой для обсуждения новых прогнозов спроса.

    3. Необходимо собирать отдельно статистические данные по разным группам клиентов. Многие компании распределяют продукцию через разные каналы дистрибуции, у каждого из которых свои отличительные характеристики спроса.

   Например, сетевой магазин может приобретать товар равномерными небольшими партиями два раза в неделю, а крупный региональный оптовик производит крупную закупку дважды в месяц.

   Циклы прогнозирования лучше всего организовывать раз в месяц: это оптимально с точки зрения временных изменений спроса и затрат на проведение этой работы.

 

Заключение

   Прогнозирование - это оценка значения переменной (или ряда переменных) для какого - то момента времени будущего. Обычно целью прогнозных расчетов на предприятии является обеспечение информацией процесса планирования. В прогнозировании исходят из того, что если мы можем хотя бы приблизительно спрогнозировать будущее, то сможем выбрать свое оптимальное поведение, чтобы при наступлении будущего находиться в лучшей позиции.

Характерные черты прогнозов.