АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Выбор интервала данных

Читайте также:
  1. I. Методы выбора инновационной политики
  2. II. Составьте предложения из данных слов. Употребите глагол-сказуемое в Futurum.
  3. IV. Выбор и проектирование инновационных образовательных технологий
  4. V. Оценка эффективности выбора СИЗ
  5. XIII. Удлинение интервала QT
  6. А) Аутентичность - полное осознание настоящего момента, выбор способа жизни в данный момент, принятие ответственности за свой выбор
  7. Адресация памяти и данных.
  8. АКТ ОБ УСТРОЕНИИ (АКТ О БУДУЩЕМ ОГРАНИЧЕНИИ И О ЛУЧШЕМ ОБЕСПЕЧЕНИИ ПРАВ И СВОБОД ПОДДАННЫХ) 12 июня 1701 г.
  9. Алгоритм шифрования данных IDEA.
  10. Анализ данных сводной таблицы Excel 2007
  11. Анализ исходных данных
  12. Анализ статистических данных. Построение контрольных листков

При использовании данных из групп 2-3 (см. параграф «Данные для прогнозирования») при прочих равных лучше выбирать настоль­ко длинный интервал данных, насколько это возможно. А в случае если спрос на вашу продукцию подвержен серьезным колебаниям, ре­комендуется использовать как минимум двухлетний интервал. Напри­мер, практически для любых продуктов бесполезно прогнозировать объем продаж в январе на основе результатов продаж за предыдущие шесть месяцев — до декабря традиционно идет подъем, а в январе не­минуемо настанет спад, так как вся страна почти полмесяца не будет работать.

С другой стороны, понятно, что при прогнозировании объема про­даж на 1999 г. было бы бессмысленно использовать данные о прода­жах по России в 1998 г., так как в то время произошел кризис, заметно повлиявший на спрос на товары. Аналогичная ситуация может воз­никнуть и в вашей компании, если, например:

♦ вы резко изменили технологию продаж, отказавшись от работы
напрямую с региональными клиентами и передав эту работу парт­
нерам вашей компании;

♦ вы значительно изменили число людей, занимающихся продажа­
ми вашей продукции;

♦ у вас появился серьезный конкурент, который отвоевал часть ва­
шего рынка в определенный момент в прошлом.

Во всех этих случаях нельзя говорить, что вы всегда можете исполь­зовать данные только с момента последнего серьезного изменения. Иногда данные можно подкорректировать, чтобы изменения были нивелированы (например, вычесть из объемов продаж за прошлые пе­риоды продажи тем клиентам, которые сейчас перешли к вашему кон­куренту), или строить прогноз на основе только части данных, а полу­ченные результаты применять ко всем (например, вы прогнозируете


150_______________________________________________ Управление продажами

по одной группе товаров, но предполагаете, что полученная тенден­ция изменения объема продаж будет верна и для других групп).

В любом случае необходимо точно обосновать, почему именно та­кой интервал данных используется для прогнозирования, — это помо­жет намного точнее проинтерпретировать полученные результаты.

Выбор метода прогнозирования

В параграфе «Данные для прогнозирования» мы определили четы­ре группы исходных данных, на основе которых можно строить про­гноз. Выбор конкретного метода прогнозирования из множества су­ществующих (наиболее распространенные из которых мы описали в предыдущей главе) будет зависеть не только от цели прогноза, но и от вида данных, на которые он будет опираться. Важно помнить, что ис­ходные данные — это фундамент прогноза, и от корректности их вы­бора зависит, будет ваш прогноз по надежности напоминать пирамиду Хеопса или Пизанскую башню.

Прогнозирование на основе экспертных данных

Важно помнить, что при использовании экспертных данных имеет смысл оценивать только продажи на ближайший период. То есть, на­пример, прогнозировать объем продаж на следующий месяц. Эксперт­ные оценки объема продаж «через месяц-два», как правило, будут на­много менее точны, чем полученные на основе анализа объективных данных, так как большинство людей при прогнозировании на дли­тельный срок — тот, «который еще не скоро», — начинают чересчур творчески подходить к такой работе. В результате оптимисты оценки завышают, пессимисты — занижают, причем величину ошибки пред­сказать почти невозможно.

Один из методов обработки экспертных данных уже рассматривал­ся в предыдущей главе. Его можно аналогично использовать и для об­работки экспертных оценок объемов продаж в ближайшем периоде.

Иногда удается улучшить эту процедуру, если собирать от каждого эксперта (в том случае, если все они — сотрудники вашей компании) прогнозы объемов продаж по тому направлению, за которое он отвеча­ет. То есть менеджер по продажам дает оценки своего объема продаж, руководитель группы продавцов — оценки объема продаж группы, менеджер продукта — оценки объема продаж своего продукта и т. п. Обработав полученные таким образом прогнозы продаж, можно выве­сти довольно достоверные оценки.


Глава 9. Прогнозирование продаж

Прогнозирование на основе данных о результатах процессов

Методы прогнозирования на основе данных об объемах продаж в прошлых периодах описаны во многих учебниках и автоматизиро­ваны в большинстве компьютерных программ, имеющих отношение к продажам, маркетингу или планированию.

При применении таких методов основное внимание стоит уделить:

♦ сути применяемого метода — на каких предпосылках (ограниче­
ниях) он основан, для каких данных его стоит применять;

♦ корректности используемых данных;

♦ наличию сезонных колебаний в объеме продаж.

Если есть такая возможность, стоит обязательно проверить точность метода, попробовав спрогнозировать с его помощью известный вам объем продаж последнего периода на основе предыдущих данных. Не стоит сразу «браковать» метод, если результаты окажутся неудовлет­ворительными, — вполне возможно, что вы просто не до конца в нем разобрались.

Также особенно аккуратно следует относиться к результатам про­гнозирования по данному методу, если в объеме продаж вашей компа­нии явно прослеживается быстрый рост или спад. Если рост объясня­ется тем, что вы обнаружили несколько новых сегментов клиентов, а спад — проблемами с производством, но в ближайшее время анало­гичных «событий» не предвидится, то скорее всего и объем продаж прекратит быстро изменяться. Это может быть очевидно для вас, но вряд ли будет «очевидно» для применяемого метода, так как он ис­пользует для прогнозирования просто цифры, не имея представления об их экономической сути.

Прогнозирование на основе данных о показателях процессов

В предыдущих главах мы рассмотрели несколько методов, в кото­рых используются показатели процессов продаж (количество процес­сов на разных этапах, вероятность закрытия процесса успехом, оценка результата процесса, оценка срока завершения процесса) для прогно­зирования их результатов.

Что касается «воронки продаж» и ее модификаций, то их основная задача — управлять объемом продаж для достижения запланирован­ных показателей, а не прогнозировать его. То есть цель — не оценить возможный объем продаж, а получить информацию о том, какие уп­равленческие воздействия надо произвести, чтобы реальный объем продаж с большей вероятностью совпал с запланированным.


152_______________________________________________ Управление продажами

Метод прогнозирования на основе вероятностей, описанный в па­раграфе «Прогноз продаж на основе вероятности», является смешан­ным — он использует и объективные данные о процессах, и эксперт­ные оценки вероятностей их успеха. Этот метод широко используется, и при наличии достаточного желания он может начать давать доста­точно точные оценки.

Помимо этого, информация о показателях может быть использова­на и для более сложных методов прогнозирования, которые основыва­ются на эконометрических моделях. Очевидно, что количество про­цессов на определенном этапе так или иначе влияет на объем продаж, но то же можно сказать и про количество закрытых за месяц опреде­ленных этапов, среднюю длительность различных этапов, среднюю длительность этапов и процессов по разным группам продуктов, по клиентам из разных сегментов и т. п. Характер влияния никогда нельзя узнать точно, более того, часто нельзя даже просто уверенно утверж­дать, есть ли значимое влияние или нет, но иногда с помощью матема­тических методов анализа его можно выявить.

Последние методы прогнозирования — это методы будущего. Пока их использование сильно ограничено отсутствием как необходимой информации, так и необходимых знаний у тех, кто занимается прогно­зированием. Тем не менее в научной среде такие подходы уже начина­ют использоваться, а значит, лет через 20 они станут широко распрост­раненными и в бизнес-среде.

Прогнозирование на основе данных из четвертой группы может осу­ществляться по принципам, описанным в параграфах «Прогнозирование на основе экспертных данных» и «Прогнозирование на основе данных о результатах процессов». В любом случае надо помнить, что лучший метод прогнозирования — это тот, содержание которого вы прекрасно понимаете и который уже подтвердил свое качество несколько раз. Если вы еще не нашли такой метод, то стоит, кроме всего, пройти обу­чение на курсах, предлагаемых производителями программного обес­печения, которое используется для прогнозирования. В этом случае вы не только получите знания о методах прогнозирования, но и позна­комитесь с удобными инструментами реализации этих методов.

| Хотите знать больше?

О Статистический портал StatSoft (http://www.statsoft.ru/home/portal).

Данный портал создан и поддерживается Московским представитель­ством компании StaSoft Inc. — одного из наиболее известных в мире произ-


Глава 9. Прогнозирование продаж_____________________________________ 153

водителей программного обеспечения для статистического анализа данных. На нем вы найдете разнообразные примеры анализа данных, статьи и даже электронный учебник по статистике.

О Сигел Э. Практическая бизнес-статистика. — М.: Вильяме, 2002.

Великолепно написанный учебник по статистике, ориентированный на ре­шение бизнес-задач. Минимум «научности», максимум «практичности». Кро­ме описания статистических методов, много внимания уделяется использо­ванию полученных результатов для принятия управленческих решений.

О Айвазян С. А., Мхитарян В. С. Прикладная статистика и основы экономет­рики. Учебник для вузов. — М.: Юнити, 1998.

Это самый известный российский учебник, ориентированный на двухсе-местровый курс по эконометрике. Он содержит большинство известных моде­лей, которые могут применяться для анализа экономических данных, и много практических примеров. Именно по этому учебнику проходят эконометрику в большинстве российских вузов.

Разумеется, тратить время на прогнозирование нужно только в том случае, если вы четко понимаете, как эти данные будете в дальнейшем использовать. Точное определение объемов продаж позволит вам по­высить эффективность работы всех подразделений компании, о взаи­модействии с которыми мы поговорим в следующей главе.


Глава 10


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | 44 | 45 | 46 | 47 | 48 | 49 | 50 | 51 | 52 | 53 | 54 | 55 | 56 | 57 | 58 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.005 сек.)