Процитировано сообщение: Радар Юрий от 12.07.2008 :: 21:07:20:...бывают всплески активности клиетов, когда за неделю вывозят половину месячной нормы. Обычно этот "всплеск" связан с повышением. Система такая: за 10 дней до повышения предприятие уведомляет о повышении цен, после чего в течении 10 дней, до самого повышения покупатели могут выставить заказ, получить счёт на оплату и оплатить до повышения по старым ценам. После этих 10 дней, с новыми ценами поток заказов резко падает и плавно выходит на прежний уровень.
Нужно оптимизировать склад перед повышением и производство в течении этих 10 дней, чтобы максимально обслужить заказы.
На что можно опереться:
1. Вероятно, всплеск спроса соотносится со средним (обычным) текущим спросом.
2. Возможно, что процентовка (коэффициент) этого всплеска от текущего спроса достаточно постоянен или же связан с величиной повышения цены, если повышения различны.
Что бы я попробовал:
1. Взял бы статистику всплесков спроса, сопутствующих повышениям цены. Желательно, с учётом неудовлетворённого спроса, если неудовлетворённые заявки фиксировались. Если не фиксировались, примерно оценил бы по доле времени с обнулившимся складом от общего периода возможности покупки по старой цене с момента предложения.
2. По нескольким типичным товарам посчитал бы по каждому случаю всплеска величину
СпросВсплеска / СпросСреднийЗаНепосредственноПредшествующийВсплескуПериод и построил бы графики этой величины по всем всплескам в зависимости от:
а) порядкового номера или даты (недели, месяца, года) всплеска
б) абсолютной величины изменения цены
в) %-ного изменения цены
г) продолжительности "периода низкой цены", если бы он не был постоянен (у Вас это 10 дней)
Если ни одна из зависимостей не позволила бы выделить хоть какую-то закономерность, это означало бы, что на процесс влияют другие факторы, нам неизвестные или объективно случайные. И нам оставалось бы лишь экспертное мнение и волевое решение.
В случае обнаружения достаточного постоянства или понятной зависимости это можно было бы использовать для прогноза. Причём ошибку прогноза тоже можно было бы учесть, посчитав среднеквадратичное отклонение фактических точек от точек выбранной зависимости (например, от линейного тренда по фактическим точкам).
Хотите, дайте требуемые для расчёта данные по одному товару на
[email protected] Порешаем вместе и на этом примере попробуем сделать выводы.
P.S.
Дальше следовало бы похожим образом проанализировать послеажиотажный спад (чтобы не перезатариться). Но на данном этапе этот вопрос не ставился.