Архив форума

Привет!
Реальное прогнозирование спроса основывается на 4-х элеметах: предыдущее использование товара, услуги ,и.т.д., тенденции(очень важен момент начала новой тенденции), информация, предоставленная при участии клиентов и продавцов, горизонт прогнозирования.
Средняя ошибка прогнозирования составляет 50-300%, т.е. разница между прогнозируемым спросом и реальным потреблением.
Товары постоянного потребления - прогнозируются, товары спорадического потребления - невозможно предсказать.
Т.е. для отдельного товара - прогноз, основанный на потреблении в прошлом+факторы внешних тенденций+влияние событий/рекламных акций+совместные прогнозы=совокупный прогноз.

Павел! Расскажу как это делаю я, а вы уже сами посмотрите, сможете ли воспользоваться моим методом.
 
Я для прогнозирования спроса на некоторый период использую данные по продажам, количеству отгрузок (по позиции) и удовлетворённости спроса (его ещё называют уровнем сервиса), за три предыдущих периода (отдельно за каждый).  
Последовательно для каждой позиции выполняю следующие операции:
 
1. Считаю среднюю отгрузку за все три периода (количество продано разделить на количество отгрузок).
 
2. Корректирую количество отгрузок, учитывая регулярность продаж позиции:  
а) если она регулярно продаётся то делю количество отгрузок за период на коэффициент удовлеторённости спроса за период;  
б) если же не регулярно - то оставляю, как есть.
 
3. Потом я считаю два значения: тренд и среднее по скорректированным количествам отгрузок:  
а) если тренд хорошо аппроксимирует данные (достоверность тренда), то беру его значение;  
б) если нет то смотрю на принадлежность позиции группе в АВС-анализе по количеству отгрузок (если А - то беру максиум между трендом и средним, если В - то среднее, если С - то минимум).  
 
4. Затем домножаю получившееся число спрогнозированных отгрузок на среднюю отгрузку.
 
5. Округляю получившееся число штук до ближайшего возможного уровня (у меня это единицы продукции, но у некоторых минимальная партия может составлять десятки или даже тысячи единиц).
 
Добавлю, что если есть исходные данные, то всё остальное можно сделать в Excel-e. Количество позиций ограничено производительностью вашего компьютера (я делал это без проблем для 1500 наименований на достаточно простенькой машинке).

Юрий!
 
Я понял, как вы работаете, так тоже вполне можно, более того, это весьма успешная техника. Единственное, из-за экспертной части ваша модель остаётся такой, какая она есть вне зависимости от того на сколько хорошо она работает. Когда же есть жёский метод (чисто технический, чисто формульный), то в случае, когда вы находите, что ваша модель ошибается, вы начинаете искать, причину этого (почему ваша модель дала осечку на этой позиции). Находите, исправляете, улучшаете, проверяете. В результате со временем ваша модель, во-первых, становится всё более точной, а во-вторых, легко масштабируется на всё большое количество позиций (а, если компания развивается, то ассортимент обычно растёт :0). Есть ещё в-третьих, но это редко учитывается, так как редко используется. Вы можете с помощью своей модели рассчитывать уже глобальные результаты, которые получите в случае выполнения той или иной стратегии (выражающиеся в различных входных данных, зависящих от вас - ясное дело, что спрос как был, так и останется, а вот запас регулируете вы :0).
 
Теперь про возможности видеть неудовлетворенный спрос. Я тоже пользуюсь обычным 1С Торговля 7.7, единственное, у меня есть отчёт по дням присутствия на складе. Этот отчёт пишется не сложно, и думаю ваш сис-админ (или приходящий 1С-овец легко его напишет). Только надо решить, что считать за день отсутсвия товара на складе (свободный остаток, зарезервированный отстаток, некий уровень товарного остатка, ниже которого у вас никто не купит - слишком крупные покупаетели, в любом случае, определять вам).
В результате у вас рядом с продажами и количеством закупок за период появляется цифра - количество дней присутсвия на складе за тот же период.  
Если он лежал весь период (количество дней в периоде равны количеству дней присутсвия), то ваши продажи и равны спросу.  
А вот, если не весь период, то тут вы начинаете смотреть на спрашиваемость этой позиции. Если она регулярно продаётся (для меня критерием выступает минимум 4 факта продажи за шесть предыдущих периодв, и 2 за три предыдущих) значит надо продажи разделить на коэффициент удовлетврённости спроса, который я считаю как количество дней присутсвия за период, делённые на количество всего дней периода.
Затем уже строите линейные и прочие оценки с учётом не продаж, но спроса.

Процитировано сообщение: Валерий Разгуляев   от 29.12.2005 :: 11:52:09:

Доброго времени суток Валерий ,  
все почти так , осталась только  маленькая деталь с большими обстоятельствами:
Когда товара нет на складе , а оператор его набирает в заказ (например 10 шт), товар попадает в дефицит.
Потребителю от этого легче не стало, он заказывает заново.
Оператор набирает на следующий день еще 10 шт.
Дефицит за отчетный период здесь равен 20 , реальный спрос 10 .
Загвоздка не так ли.... ?  

Есть две возможности.
1. Анализ продаж.
2. Анализ спроса.
 
Анализ продаж основан на реальных отгрузках (продажах) данных, но имеет недостаток. Неизвестный неудовлетовренный спрос. Соответственно, прогноз мы можем построить...тоже продаж с неудовлетворенным спросом. Этот способ имеет тенденцию к "занижению потребности".
 
Анализ спроса основан на заявках клиентов. Он тоже имеет недостаток, о котором сообщил Алексей:
Цитата:

Это загвоздка. Мы можем построить прогноз спроса, но он будет завышен. Анализ спроса поэтому имеет тенденцию к "завышению потребности".
 
Что, как правило, пытаются сделать? Анализировать - продажи. А прогнозировать - спрос. Поэтому для выявления неудовлетворенного спроса используют косвенные методы его определения (по остаткам) типа, как у Валерия.
 
Я работал в фирме, где проводился анализ по спросу. Для этого все заявки от клиентов фиксировались в системе в неизменном виде. Весь негатив, описанный Алексеем - присутствовал. И другие разновидности тоже. Бороться с этим явлением тяжело. Но в принципе возможно. Для этого нужен некий интеллектуальный системный алгоритм для отделения "мух от котлет" - реального спроса от шума и дублей. Реализовать его не удалось - просто не успел. Сил не хватило пробить реализацию. Но уверен, что возможно.
 
Если фирме очень важен клиентский сервис и % удовлетворенности спроса, то лучше все же помучиться, но перейти к анализу спроса. Поверьте, плюсы у метода есть.
 
Если фирме важнее не вломить излишки в товар, а удовлетворение спроса - вопрос второй, то лучше перестраховаться и анализировать продажи, в комбинации с косвенным определением дефицита по спросу.

Цитата:

В 1С:Торголя и Склад есть отчет "Планирование закупок", учитывающий дефициты Конечно, соглашусь, что он достаточно слабый для серьёзной работы с ним логистов.
 
Цитата:

Если клиент физическое лицо, то оператор может у него спросить, не спрашивает ли он этот товар 2-й раз, а если юридическое, то заказ скорее всего вбивается от клиента и можно посмотреть, не заказывал ли он этот товар раньше.

Процитировано сообщение: Павел Захаркин от 18.01.2006 :: 21:07:53:

 
а чего тут делиться, когда это самый простой и самый применяемый способ другой вопрос, что при такой реализации, как единицы в период, я бы поостерегся использовать само понятие (средней) скорости продаж. хотя если дисперсия мала... но вряд ли она мала окажется. хорошо, если интервал между событиями более-менее регулярный, а если нет? в общем, сходу видится два пути: либо пытаться использовать дискретные распределения, либо вообще взять готовый алгоритм типа Croston.

Процитировано сообщение: Шаврин Андрей от 23.08.2007 :: 16:56:34:

 
где почитать в инете про модификации?
 
Цитата:

 
угу, есть такой опыт. с вполне удобоваримыми результатами

Процитировано сообщение: Шаврин Андрей от 03.09.2007 :: 10:56:35:

 
спасибо. заодно уж еще раз, никто не читал про алгоритмы Левандовского?
 
Процитировано сообщение: Шаврин Андрей от 03.09.2007 :: 10:56:35:

 
а это разве не очевидно?

Процитировано сообщение: Бондарь Алена от 19.08.2008 :: 10:23:32:

 
про Левандовского я упоминал. к сожалению, информации так и не нашел. судя по косвенным данным, это развитие Холта-Винтерса, при котором предполагается, что постоянные сглаживания могут и не быть постоянными .
 
а с Кростоном все просто - раскладываем ряд на два предположительно независимых, длина промежутка между продажами и собственно аеличина покупки. затем оба ряда сглаживаются стандартным ЭЗ. на выходе дает ожидаемую "интенсивность" спроса.

Нужно понимать, что в большинстве случаев прогнозирование спроса основывается на предыдущих продажах, а здесь многое зависит от качества данных по этим продажам. Вот статья немного о другом, но в качестве примера рассмотрен прогноз продаж по неустойчивым данным.  
http://statanaliz.info/teoriya-i-praktika/8-srednie/12-kachestvo-sredney-velichi ny-2-chast.html
Думаю, даст хорошее представление.