Анализ ассортимента товара на предприятии ООО «Компьютерные системы»

 

Кроме того, чтобы  ассортимент действительно был  оптимальным, следует учесть ограничения, связанные с производственными  мощностями, имеющимися оборотными средствами, потребностью рынка в каждом товаре.

Недостаточно  ориентироваться только на экономические  показатели, но в то же время нельзя принимать решения исходя исключительно  из маркетинговой информации.

Только рассмотрение всех факторов в системе позволит принять обоснованное решение.

Поэтому прежде чем вносить изменения в производственную программу, имеет смысл не только провести все расчеты (идеально в  нескольких вариантах), но и обсудить нововведения со всеми заинтересованными лицами на предприятии – руководителями отдела продаж, маркетинга, главным инженером, главным технологом и другими сотрудниками.

Также к обсуждению можно привлечь и клиентов, используя, например, опросы об их потребностях.

3.8 Экстраполяция по скользящей средней

 

 

Метод скользящей средней состоит в замене фактических уровней динамического ряда расчетными, имеющими значительно меньшую колеблемость, чем исходные данные.

При этом средняя рассчитывается по группам данных за определенный интервал времени, причем каждая последующая группа образуется со сдвигом на один год (месяц).

В результате подобной операции первоначальные колебания  динамического ряда сглаживаются, поэтому  и операция называется сглаживанием рядов динамики (основная тенденция  развития выражается при этом уже  в виде некоторой плавной линии).

Метод скользящей средней называется так потому, что  при вычислении средние как бы скользят от одного периода к другому.

 С каждым новым шагом средняя как бы обновляется, впитывая в себя новую информацию о фактически реализуемом процессе.

Таким образом, при прогнозировании исходят  из простого предположения, что следующий  во времени показатель по своей величине будет равен средней, рассчитанной за последний интервал времени. 
  Пример. Если объем продаж товара компьютеров составил (шт.):

 

Таблица 20

Объём продаж компьютеров

 

Месяц	Количество
Январь	33

 

 

Продолжение таблицы 20

Февраль	31
Март	29
Апрель	30
Май	32
Июнь	36

 

то прогноз продаж на июль (для 5-месячного периода) оставит

 

(31+29+30+32+36)	=	32 шт.
5

 

 

     
     Если реальный объем продаж на июль составил 36 штуки, то прогноз продаж на август уже будет равен

 

(29+30+32+36+36)	= 33 шт.
5

 

 
     Число значений n для подсчета скользящей средней (в примере равно 5) выбирается в зависимости от того, насколько важны старые значения исследуемого показателя в сравнении с новыми.

Так, если мы будем  использовать для подсчета 3-месячный период, тогда

 

 

Y*июль	=	(30+32+36)	=	33 шт.
		3

 

 

     
     В случае с 5-месячной средней старые значения имеют удельный вес  
4/5, а текущие — 1/5. В случае с 3-месячной средней старые значения «весят» 2/3, а текущие — 1/3, т.е. скользящая средняя уже в большей степени зависит от текущего уровня и несколько слабее — от предшествующего.

 

 

3.9 Экспоненциальная средняя

 

 

Одним из простейших приемов сглаживания динамического  ряда с учетом «устаревания» является расчет специальных показателей, получивших название экспоненциальных средних, которые широко применяются в краткосрочном прогнозировании. Основная идея метода состоит в использовании в качестве прогноза линейной комбинации прошлых и текущих наблюдений. Экспоненциальная средняя рассчитывается по формуле 
 

                                                  

,                                           (13) 

 
     где – экспоненциальная средняя (сглаженное значение уровня ряда) на момент t; 

          – коэффициент, характеризующий вес текущего наблюдения при расчете экспоненциальной средней (параметр сглаживания), причем  0 < < 1. 
  
  Из уравнения следует, что средний уровень ряда на момент t равен линейной комбинации двух величин: фактического уровня для этого же момента и среднего уровня, рассчитанного для предыдущего периода. 
  Отмечено, что a может находиться в пределах 0; 1.

Однако практически  диапазон значений a находится в  пределах от 0,1 до 0,3. В большинстве случаев хорошие результаты дает = 0,1.

При выборе значения a необходимо учитывать, что для повышения скорости реакции на изменение процесса развития необходимо повысить значение a (тем самым увеличивается вес текущих наблюдений), однако при этом уменьшаются «фильтрационные» возможности экспоненциальной средней.

Применение  метода экспоненциального сглаживания  в прогнозировании рассмотрим на предыдущем примере, дополнив его данными о продажах за последующие месяца (в пределах года).

Допустим, что = 0,2 * – уровень динамического ряда.

Для выполнения прогнозных расчетов запишем формулу в следующем виде:

                                       

                                        новый прогноз продаж = ах + (1-а)х                             (14)

 

или

 

новый прогноз  продаж = последняя продажа + предыдущий прогноз

 

Решение. Возьмем в качестве начального значения экспоненциальной средней величину у1, тогда, подставляя в вышеприведенную формулу данные о фактических продажах в феврале (при прогнозе на январь в 33 штук), получим прогноз продаж на февраль:

 

0,2*31+(1–0,2)*33=33 шт.

 
    отсюда прогноз на март составит:

0,2*29+(1–0,2)*33=32 шт.

 

 

   Результаты расчета для всех месяцев года представлены в таблице 21.

 

Таблица 21

 

Экспоненциальные прогнозы продаж, шт.

 

Месяц	Фактические продажи	Прогноз продаж
Январь	33	33
Февраль	31	33
Март	29	32
Апрель	30	32
Май	32	30
Июнь	36	31

 
     Представим фактические и прогнозные данные об объемах продаж на рисунке 19.

Из графика  видно, что кривая прогнозов продаж по сравнению с кривой фактических  продаж представляет собой более  плавную линию (сглаженную тенденцию).

Применение  скользящей и экспоненциальных средних в качестве основы для прогностической оценки имеет смысл лишь при относительно небольшой колеблемости уровней.

Данные методы прогнозирования относятся к  числу наиболее распространенных методов  экстраполяции трендов.

 

 

 

Рисунок 19 Метод экспоненциального сглаживания – фактические продажи;

– прогноз продаж

 

 
3.10 Прогнозирование на основе сезонных колебаний

 

 

Методика статистического  прогноза по сезонным колебаниям основана на их экстраполяции, т.е. на предположении, что параметры сезонных колебаний сохраняются до прогнозируемого периода.

Для измерения  сезонных колебаний обычно исчисляются индексы сезонности ( ).

В общем виде индексы сезонности определяются отношением исходных (эмпирических) уровней ряда динамики к теоретическим (расчетным) уровням , выступающим в качестве базы сравнения: 
 

                                                       ,                                                  (15) 
     Именно в результате того, что в приведенной выше формуле измерение сезонных колебаний производится на базе соответствующих теоретических уровней тренда , в исчисляемых при этом индивидуальных индексах сезонности влияние основной тенденции развития элиминируется (устраняется). И поскольку на сезонные колебания могут накладываться случайные отклонения, для их устранения производится усреднение индивидуальных индексов одноименных внутригодовых периодов анализируемого ряда динамики. Поэтому для каждого периода годового цикла определяются обобщенные показатели в виде средних индексов сезонности ( ):

 

                                              

,                                                   (16) 

 
     Рассчитанные таким образом  средние индексы сезонности свободны от влияния основной тенденции развития и случайных отклонений. 
     В зависимости от характера тренда формула принимает следующие формы: 
  1. Для рядов внутригодовой динамики с ярко выраженной основной тенденцией развития: 
 

                                                   

,                                            (17)

 

Выступающие при  этом в качестве переменной базы сравнения теоретические уровни представляют своего рода «среднюю ось кривой», т.к. их расчет основан на положениях метода наименьших квадратов. Поэтому измерение сезонных колебаний на базе переменных уровней тренда называется способом переменной средней;

2. Для рядов внутригодовой динамики, в которых повышающийся (снижающийся) тренд отсутствует, или он незначителен:

 

                                                         

,                                                     (18) 

   
     В этой формуле базой сравнения является общий для анализируемого ряда динамики средний уровень y. Поскольку для всех эмпирических уровней анализируемого ряда динамики этот общий средний уровень является постоянной величиной, то применение формулы (18) называют способом постоянной средней.

Расчет прогноза на основе сезонных колебаний проведем по формуле (6), т.е. по способу постоянной средней (в приводимых в нашем примере данных нет значительной тенденции роста):

 

                          или  

 
     Пример. Необходимо рассчитать прогнозные индексы сезонности товарооборота группы предприятий массового питания по данным первых четырех граф таблицы 22.

Решение: 
     1. Определяем средние уровни товарооборота по месяцам : 
    для января:

 

тыс. руб.

 

Таблица 22

 

Среднедневной товарооборот, тыс. руб.

 

Месяц	Уровни (тыс. руб.) yi				Расчетные графы
	1-й год 2009		2-й год 2010	3-й год 2011
1	2	3		4	5	6	7
Январь	78,4	82,8		75,1	236,3	78,8	93,9
Февраль	79,3	83,4		76,5	239,2	79,7	95
Март	80,9	83,5		84,4	248,8	82,9	98,8
Апрель	81,8	85,4		83,6	250,1	83,4	99,4
Май	74,3	73,2		77,2	224,7	74,9	89,3
Июнь	102,9	108,4		110	321,3	107,1	127,7
Июль	101	92,4		100,8	294,2	98,1	116,9
Август	84,3	75		82,6	241,9	80,6	96,1
Сентябрь	85,7	85,9		78,9	250,5	83,5	99,5
Октябрь	76,7	78,2		80,4	235,3	78,4	93,5
Ноябрь	73,1	73,8		76,3	223,2	74,4	88,7
Декабрь	83,3	84		87,2	254,5	84,8	101,1