- Как прогнозирование спроса на продукцию позволило компании «САХО-химпром» запланировать 30-процентный рост производства
- Какие прогнозы учитывает при составлении годового бюджета продаж кондитерский дом «Шандени»
- Зачем компания «БГ-холдинг» оценивает каждый новый товар по 30 параметрам
- Как научиться прогнозировать спрос на продукцию с точностью до 95%
Опыт Ваших коллег, изложенный в этой статье, показывает, что от грамотного прогнозирования спроса на продукцию напрямую зависит финансовая стабильность бизнеса. В условиях рынка выигрывает тот, кому удается оперативно корректировать работу своего предприятия в соответствии с изменчивым спросом.
Планировать объёмы производства нужно на основе прогнозирования спроса на продукцию, поступающего от конечных потребителей
Дмитрий Важенин, Директор торгового дома «САХО-химпром», Новосибирск
Российский рынок агрохимии – один из самых динамично развивающихся рынков в мире: его ежегодный рост составляет около 20%. Мы основали химическое производство в 2000 году. Наш успех во многом зависел от точного прогнозирования спроса на продукцию предприятия. Нельзя было допустить нехватки или, напротив, избытка продукции. Чтобы освоиться на рынке, нам нужно было обязательно поставить товар клиенту, оценившему пробную партию, – в противном случае заказчик оказался бы для компании потерян. С другой стороны, хранение многих препаратов жестко регламентировано. Мы же стремились обеспечить доступные цены на свою продукцию и не могли увеличивать их, закладывая в стоимость еще и хранение излишков.
При планировании производства приходилось учитывать, что структура спроса на агрохимию в разных земледельческих регионах России неоднородна. Например, в Башкирии и Татарии весьма развито свекловодство, а в Сибири – выращивание зерновых. Рассчитывая долю производства различных видов пестицидов в общем объеме предполагаемого выпуска, нужно принимать во внимание эту территориальную специфику. Замечу, что опираться на данные независимых исследований рынка мы не могли, поскольку они отражают общероссийскую картину, но не всегда дают верное представление о положении дел в конкретном регионе.
Чтобы прогнозирование спроса на продукцию было максимально точным, мы приблизились к конечному потребителю – иными словами, начали самостоятельно изучать региональные рынки. Для этого наши специалисты по сбыту отправлялись в главные земледельческие регионы, где общались с агрономами управлений сельского хозяйства, главами районов, а также собственно с сельхозпроизводителями. Собранная информация (в том числе данные сельхозуправлений об итогах прошедших агросезонов и их планы сева на будущий сезон) помогала нам строить прогнозы относительно того или иного региона. Рынок средств защиты растений, как и другие сельскохозяйственные рынки, – сезонный. Поэтому прогнозы строятся на ближайший агросезон. Со временем мы приступили к созданию разветвленной сети региональных филиалов. Это позволило регулярно оценивать емкость местных рынков. Мы открывали филиал или представительство, только если были уверены, что через несколько лет гарантированно сможем продавать здесь продукции более чем на 60–100 млн руб. ежегодно. Был разработан алгоритм выхода в новый регион. В первый год работы филиала планируются минимальные продажи: сельхозпроизводителям нужно время, чтобы познакомиться с нашими товарами. Во второй год продажи должны вырасти на десятки процентов, а в третий и последующие – каждый год увеличиваться в несколько раз. Затем, после нескольких лет работы, ежегодный прирост закономерно снижается. При этом стабилизация спроса облегчает прогнозирование: работа завода на ближайший год планируется исходя из числа заявок, уже поступивших от конечных потребителей.
Такая практика позволила нам за первые пять лет работы открыть 12 филиалов и 11 региональных подразделений и представительств в странах СНГ.
> ;Антикризисные инструменты прогнозирования спроса на продукцию
1. Активизация сотрудничества с государственными заказчиками – участие в тендерах.
2. Развитие собственной программы товарного кредитования. В отличие от конкурентов, начавших жестко настаивать на предоплате, мы не свернули программу товарного кредитования, действовавшую многие годы, – напротив, еще и расширили ее. В прошлый кризис такая модель сотрудничества позволила не только сохранить объемы производства, но и существенно увеличить их.
Планируя работу с учетом этого, компания заложила рост объемов производства на 30% при увеличении лимита товарного кредитования на 50%. Сейчас мы строим краткосрочные прогнозы (на ближайший сезон), чтобы спланировать деятельность региональных филиалов сбытовой сети. Среднесрочное прогнозирование (на два-три сезона) применяется, когда нужно оценить целесообразность создания новых подразделений в регионах. А к долгосрочному (на пять-десять сезонов) мы прибегаем, чтобы просчитать эффективность открытия представительства в той или иной стране СНГ.
Различают сезон производства и сезон продаж. Первый короче: он стартует в январе-феврале и завершается фактически уже в июне (реже – в июле), когда возникает необходимость, быстро что-то подкорректировав, выпустить дополнительные объемы препаратов. А сезон продаж в нашей сбытовой сети длится с февраля по сентябрь.
Антикризисные инструменты прогнозирования спроса на продукцию демонстрируют высокую эффективность. Понимая это, мы тем не менее убеждены, что составлять объективные и максимально приближенные к реальности прогнозы нам удается за счет создания такой структуры, при которой прогнозирование, как это ни парадоксально, оказывается не нужно. Сейчас мы уже не прогнозируем спрос – мы его знаем.
Прогнозирование потребительского спроса на продукцию следует регулярно корректировать
Янис Куликовский, Генеральный Директор кондитерского дома «Шандени», Москва
В нашей компании спрос прогнозируется на год. Ежемесячно мы сверяем показатели запланированных и фактических продаж и при необходимости корректируем прогноз. Существенно на производственный цикл вносимые коррективы не влияют – речь идет лишь о перераспределении доли каждого изделия или сорта в общем объеме выпуска для минимизации потерь. В кризис эта модель работы не изменилась, однако мы стали детальнее анализировать потребности клиентов и тенденции в разных сегментах рынка.
При прогнозировании спроса на продукцию предприятия можно ориентироваться на разные данные: результаты сопоставления основных показателей прошлых периодов, прогнозы экспертов и аналитиков, анализ и прогноз действий конкурентов, разбор макроэкономической ситуации, сведения Росстата о среднедушевом потреблении продуктов, выпускаемых фирмой, и т. д. В нашей компании планирование ведется следующим образом.
- Прогнозирование затрат: пошаговый анализ и планирование бюджета
Чтобы оценить оборачиваемость разных видов продукции и сделать соответствующий вывод о возможности увеличить сбыт тех или иных наименований товара, мы отслеживаем по показателю SKU (от англ. stock keeping unit – единица продукции на полке) объемы продаж через разные каналы сбыта (прямые продажи в несетевых магазинах, продажи на открытых рынках, продажи сетевых ритейлеров). При этом нужно точно знать, в каком количестве магазинов присутствует наша продукция и какими наименованиями она представлена. Такую детализацию продаж нужно составить для каждого региона. Как правило, данные контролируются менеджерами по продажам на местах.
Кроме этих сведений, во внимание принимается также показатель, на который мы хотим увеличить продажи. Допустим, он составляет X%. Тогда нам нужно на Y% увеличить свою долю рынка (на определенной территории). Соответственно, в каждом регионе мы ищем возможности обеспечить необходимый рост продаж по всем каналам. Выясняем, в каких городах продукция еще не представлена, рассчитываем нужное количество торговых точек и т. д. Важный вопрос для розницы – выбор приоритетных продуктов, которые обязательно должны быть в магазинах. Решения в каждом случае принимаются на основе анализа текущей оборачиваемости разных товаров в магазинах такого типа. Результаты анализа корректируются маркетинговой службой; учитываются мнения экспертов рынка, данные исследовательских панелей компаний «Бизнес Аналитика» или ACNielsen, среднедушевое потребление продуктов той или иной категории.
Следующий пункт плана – проведение маркетинговых проектов по запуску товаров в существующих или новых категориях. Если необходимо, нишевые продукты (то есть продукты, предназначенные для определенных групп потребителей) мы дополнительно тестируем. Затем просчитываются затраты на ATL– и BTL-акции, промоакции для сотрудников, дистрибьюторов, дополнительные расходы на персонал и пр. В результате мы получаем годовой бюджет продаж по SKU.
Соответственно планируемому объему продаж рассчитывается (по рецептурам) нужное количество сырья и упаковки. В течение года специалисты отдела закупок постоянно ведут мониторинг стоимости сырья, а также собирают информацию о ценах на биржевые товары (какао-масло, сахар). На основании прогнозов урожаев и сведений о тенденциях в этих отраслях вычисляется стоимость сырья и биржевых товаров в каждом месяце ближайшего года. Практически так же осуществляется планирование закупок упаковки. Здесь необходимы знания отраслей, предприятия которых задействованы в цепочке производства того или иного вида упаковки. Кто из производителей устанавливает более современное оборудование по производству или переработке сырья в конечный продукт, где ситуация близка к монопольной, каких цен ожидать – всю эту информацию специалисты отдела закупок собирают из открытых источников или непосредственно при общении с поставщиками. Также немаловажно учесть сменность производственного персонала и затраты на ремонт и плановое обслуживание оборудования. На основании всех полученных данных прогнозируется сырьевая и производственная себестоимость продуктов. Вычислив ее, мы рассчитываем объем дополнительных средств для финансирования операционной деятельности и запуска новых продуктов или проектов. И, наконец, принимаем решение об отпускных ценах на нашу продукцию, учитывая планируемые изменения затрат в соответствии с позиционированием товаров по SKU относительно наших конкурентов.
- Как повысить точность прогнозов продаж в розничной торговле
Прежде чем включить в свой ассортимент какой-либо товар, мы оцениваем его по 30 различным критериям
Анастасия Закатова, Директор по маркетингу компании «БГ-холдинг», Санкт-Петербург
В нашей компании при прогнозировании спроса на продукцию и планировании учитываются специфика конкретного товара, а также характер сотрудничества с клиентом. Постоянным покупателям продукция доставляется на заказ. Наряду с этим мы продвигаем и принципиально новые, стратегические товары для увеличения числа заказчиков.
Товар на заказ поступает от постоянного поставщика, в определенные сроки и в известных объемах. Количество продукции определяется потребностью наших клиентов, просчитанной заранее, и риски связаны только с возможным отказом от товара, что происходит крайне редко.
С новым товаром дела обстоят сложнее. Поскольку килограмм или литр ингредиента для единственного потенциального клиента везти нецелесообразно, нужно спрогнозировать спрос. Например, груз идет контейнерами, и, если принято решение везти контейнер винной кислоты, одна половина его должна быть продана заранее, а для второй надо спланировать продажи на ближайшие месяцы. Таким образом, спрос на кислоты мы прогнозируем примерно на один-два месяца. Спрос на биржевые товары (цена на которые не фиксирована, а изменяется в зависимости от предложения на рынке) определяется тем, сколько товаров-субститутов представлено на рынке и по какой цене. Покупатель такой продукции обращает внимание прежде всего на цену: если где-то появится аналог дешевле – туда клиент и обратится. Поэтому строить какие-либо прогнозы, кроме краткосрочных, в отношении этих ингредиентов не получится. И, наконец, для уникальной продукции, на которую есть постоянные покупатели (пример такого товара – пектин), возможно прогнозировать спрос на срок три – шесть месяцев.
Чтобы снизить риски, мы прорабатываем базу потенциальных клиентов, заинтересованных в конкретном товаре по данной цене. В этом случае ошибка в прогнозировании может привести к зависанию товара на складе и увеличению продолжительности денежного цикла. Особенно это опасно, если продукция низколиквидная и цена на нее все время сильно колеблется. Спрос на некоторые товары (например, яйцепродукты) подвержен сезонным колебаниям. А на некоторые – годичным. Скажем, цены на агар-агар взлетели до заоблачных высот, когда два года назад часть водорослей, из которых производится этот ингредиент, уничтожило штормом.
Каждый товар оценивается нами по 30 пунктам (ликвидность, колебания цены, объемы, которые могут закупить имеющиеся клиенты, емкость рынка, наличие у конкурентов, технологические особенности использования и т. д.). Только после того как по всем пунктам продукт получает положительную оценку, отделу закупок дается задание найти подходящего поставщика, а отделу сбыта – начать работу с клиентами, чтобы продать, условно говоря, половину контейнера.
Одна из важнейших задач на этом этапе – определить цену, которая будет реально конкурентоспособной и при этом обеспечит нам достаточную прибыль. В ингредиентном бизнесе спрос очень эластичный – при малейшем изменении цены он способен радикально измениться, причем в течение одной поставки. Исправить ситуацию помогает пересмотр цены. Иногда приходится снижать свою маржу до нуля, а то и вовсе работать в минус – только бы не уменьшать объемы продаж, не затоваривать склад и не замораживать оборотные средства.
Прогнозирование спроса на продукцию: экспертное мнение
Геннадий Юшкин, Директор по консалтингу компании City Consulting Group, Москва
Планирование деятельности предприятия в условиях неопределенного спроса существенно зависит от продолжительности производственного цикла, который включает не только собственно процесс производства, но и закупку необходимого сырья или комплектующих, а также нахождение продукции на складе. Некоторые клиенты – например, розничные сети – требуют особенно четкого исполнения заказов, а для этого производителям необходим определенный запас товаров. Чтобы решить проблему, нужно:
1. Координировать закупку и сроки распределения товара по дистрибьюторской цепочке, которая порой представляет собой сложную систему, задействующую многочисленные транспортные и складские узлы.
2. Анализировать динамику продаж и их сезонность, обращая внимание на внутренние данные компании, изучая ассортиментную матрицу, движение товара в пределах фирмы, цикличность заказов в тот или иной период. Если производство включает несколько этапов и предполагает работу с полуфабрикатами или комплектующими, можно обеспечить их запас на складах компании – это позволит минимизировать риски. Также важно построить работу с клиентами на предварительных заявках (твердых или по крайней мере четко свидетельствующих о намерении сотрудничать), заблаговременно выяснив у покупателя интересующий объем и ассортимент заказа.
У меня был опыт работы с компаниями пищевой отрасли, поставляющими продукцию розничным продавцам. Приведу пример прогнозирования спроса в двух компаниях с различной длительностью производственного цикла. Одна из них гарантировала исполнение любого объема заказа в течение нескольких дней при условии предварительного оформления заявки. Раньше эта фирма принимала срочные заказы, отчего накапливались большие остатки, которые затем застревали на ее складах. Клиентов это не устраивало, поскольку сроки годности продуктов проходили, хотя временные затраты на доставку товара и его реализацию были для розничных продавцов минимальными. Тогда компания гарантировала исполнение заказа лишь в том случае, если он будет оформлен за пять – семь дней до получения товара. Со своей стороны, производственный отдел фирмы пообещал 100-процентное исполнение заказа по количеству наименований и ассортименту. Часть покупателей перешла на такую схему работы. Таким образом, клиенты стали получать продукцию, которая почти не хранилась на складе.
В другой компании выполнение заказа предполагало закупку дополнительных компонентов. Длительность производственного цикла при этом составляла около одного месяца. Фирма предложила аналогичную схему: примерный объем и ассортимент заказов согласовывается с потенциальными покупателями за два-три месяца, а уже ближе к сроку выполнения заявки вносятся коррективы – как правило, незначительные сравнительно с прежней схемой, когда компания выполняла срочные заказы. Это привело к прогнозированию спроса на продукцию с точностью до 95%.
Копирование материала без согласования допустимо при наличии dofollow-ссылки на эту страницу
Прогнозирование спроса - это научно обоснованное предсказание развития рынка во времени на основе изучения причинно-следственных связей, тенденций и закономерностей.
Прогнозирование спроса в торговом предприятии - это прогноз будущих продаж, определение потребности в товарах и необходимых объемов закупок, составление заказов на поставку товаров.
В зависимости от времени различают следующие виды прогнозирования спроса:
оперативное - до 1 месяца;
конъюнктурное - от 3 до 6 месяцев;
краткосрочное - от 1 года до 2 лет;
среднесрочное - от 2 до 5 лет;
долгосрочное - от 5 до 10 лет;
перспективное - свыше 10 лет.
Методы прогнозирования спроса
Прогнозирование спроса осуществляется с помощью различных методов, которые подразделяют на:
эвристические, в которых преобладают субъективные начала:
социологические - основаны на опросах конечных покупателей, выявлении их мнений и намерений;
экспертные методы - основаны на подборе и формировании группы достаточно компетентных специалистов, которые высказывают свое мнение на основе знаний, опыта, интуиции, и оно рассматривается как экспертная оценка (метод Дельфи, метод мозгового штурма);
экономико-математические, где преобладают объективные начала:
статистические методы - моделирование (строится прогнозная модель, которая характеризует зависимость изучаемого параметра от ряда факторов), расчет коэффициента эластичности спроса, экстраполяция (базируется на прошлом опыте, который пролонгируется на будущее);
специальные методы (трендовые модели в графическом или математическом виде). Тренд - временной фактор, который характеризует основную тенденцию изменения показателей - учитывают особенности спроса на различные товары (товары длительного пользования - тестирование рынка, панельные опросы; товары единовременного пользования - метод пробных покупок, повторных покупок).
Тема 4. Теория и анализ производства
ПРОИЗВОДСТВЕННАЯ ФУНКЦИЯ - функция, отображающая зависимость между максимальным объемом производимого продукта и физическим объемом факторов производства при данном уровне технических знаний.
Поскольку объем производства зависит от объема использованных ресурсов, то зависимость между ними может быть выражена в виде следующей функциональной записи:
где Q - максимальный объем продукции, произведенной при данной технологии и определенных факторах производства;
L - труд; К - капитал; М - материалы; f - функция.
Производственная функция при данной технологии обладает свойствами, которые определяют соотношение между объемом производства и количеством используемых факторов. Для разных видов производства производственные функции различны, тем не менее все они имеют общие свойства. Можно выделить два основных свойства.
1. Существует предел для роста объема выпуска, который может быть достигнут ростом затрат одного ресурса при прочих равных условиях. Так, в фирме при фиксированном количестве машин и производственных помещений имеется предел роста выпуска путем увеличения дополнительных рабочих, поскольку рабочий не будет обеспечен машинами для работы.
2. Существует определенная взаимная дополняемость (комплектарность) факторов производства, однако без уменьшения объема выпуска вероятна и определенная взаимозаменяемость данных факторов производства. Так, для выпуска блага могут быть использованы различные комбинации ресурсов; можно произвести это благо при использовании меньшего объема капитала и большего объема затрат труда, и наоборот. В первом случае производство считается технически эффективным в сравнении со вторым случаем. Однако существует предел того, насколько труд может быть заменен большим объемом капитала, чтобы не сократилось производство. С другой стороны, имеется предел применения ручного труда без использования машин.
В графической форме каждый вид производства может быть представлен точкой, координаты которой характеризуют минимально необходимые для выпуска данного объема продукции ресурсы, а производственная функция - линией изокванты.
Рассмотрев производственную функцию фирмы, перейдем к характеристике следующих трех важных понятий: общего (совокупного), среднего и предельного продукта.
На рис. 22.1, а показана кривая общего продукта (ТР), который изменяется в зависимости от величины переменного фактора X. На кривой ТР отмечены три точки: В - точка перегиба, С - точка, которая принадлежит касательной, совпадающей с линией, соединяющей данную точку с началом координат, D - точка максимального значения ТР. Точка А перемещается по кривой ТР. Соединив точку А с началом координат, получим линию ОА. Опустив перпендикуляр из точки А на ось абсцисс, получим треугольник ОАМ, где tg а есть отношение стороны AM к ОМ, т. е. выражение среднего продукта (АР).
Рис. 22.1. а) Кривая общего продукта (ТР); б) кривая среднего продукта (АР) и предельного продукта (МР)
Проведя через точку А касательную, получим угол Р, тангенс которого будет выражать предельный продукт МР. Сопоставляя треугольники LAM и ОАМ, находим, что до определенного момента тангенс Р по величине больше tg а. Таким образом, предельный продукт (МР) больше среднего продукта (АР). В том случае, когда точка А совпадает с точкой В, тангенс Р принимает максимальное значение и, следовательно, предельный продукт (МР) достигает наибольшего объема. Если точка А совпадает с точкой С, то значение среднего и предельного продукта равны. Предельный продукт (МР), достигнув максимального значения в точке В (рис. 22, б), начинает Сокращаться и в точке С пересечется с графиком среднего продукта (АР), который в этой точке достигает максимального значения. Затем и предельный, и средний продукт сокращаются, но предельный продукт уменьшается опережающими темпами. В точке максимума общего продукта (ТР) предельный продукт МР = 0.
Мы видим, что наиболее эффективное изменение переменного фактора X наблюдается на отрезке от точки В до точки С. Здесь предельный продукт (МР), достигнув своего максимального значения, начинает уменьшаться, средний продукт (АР) еще увеличивается, общий продукт (ТР) получает наибольший прирост.
В теории маржинального анализа (анализа безубыточности) выделяется такое понятие, как маржинальный доход, рассчитываемый в целом по предприятию как разность между выручкой и совокупными переменными затратами. Для единичного изделия маржинальный доход рассчитывается как разница между ценой реализации и удельными переменными затратами на единицу продукции.
Маржинальный анализ призван обеспечить объективную оценку состояния резервов производства и степени их использования, очевидный реальный дефицит или избыток ресурсов. На базе операционного анализа разрабатываются пути мобилизации резервов, возможности их ресурсного и финансового обеспечения.
Экономический смысл маржинального дохода заключается в том, что он обеспечивает покрытие постоянных затрат и формирует чистую прибыль от основной деятельности предприятия. Маржинальный доход (прибыль) – это предельная прибыль, которую может получить предприятие от производства и продажи каждого вида продукта.
Концепция маржинального дохода вписывается в метод управления и учета затрат, получивший название директ-костинг. Суть данного метода состоит в том, что к себестоимости относятся только прямые затраты, накладные же расходы, не зависящие от объема продаж, в себестоимость продукции не включаются, а периодически списываются на финансовый результат.
Основной смысл данной концепции в том, что самая точная калькуляция не та, в которую после трудоемких расчетов и распределения накладных расходов в соответствии с принятой на предприятии базой включаются все затраты предприятия, а та, в которую вносятся издержки, непосредственно обеспечивающие выпуск данной продукции.
В практической деятельности зачастую возникает ситуация, когда в выпускаемом предприятием ассортименте существуют отдельные продукты с отрицательной рентабельностью по себестоимости, но имеющие положительный маржинальный доход. Такие продукты полностью покрывают переменные затраты, связанные с их производством, и часть общих постоянных затрат предприятия.
Более глубокий анализ эффективности выпускаемой продукции с использованием понятия маржинального дохода показывает, что снятие с производства продукта с отрицательной рентабельностью по себестоимости не всегда оказывается оправданным и зачастую приводит к парадоксальным на первый взгляд результатам в виде снижения прибыли предприятия в целом.
Как правило, в операционном анализе наиболее часто используются следующие показатели: Коэффициент маржинального дохода; Коэффициент изменения валовых продаж; Коэффициент валового дохода; Коэффициент операционной прибыли; Прибыльность продаж.
1. Коэффициент маржинального дохода, который рассчитывается как отношение маржинального дохода к выручке:
КМД = (выручка - совокупные переменные затраты) / выручка
Данный коэффициент показывает в выручке долю, идущую на покрытие постоянных затрат и обеспечение прибыли. Рост данного коэффициента является положительным фактором, он возможен за счет повышения отпускных цен или снижения переменных затрат. Возможна ситуация, при которой выручка у предприятия
2. Коэффициент изменения валовых продаж. Показатель характеризует изменение объема валовых продаж текущего периода по отношению к объему валовых продаж предыдущего периода. Рассчитывается по формуле:
КВП = (Выручка за текущий год - Выручка за прошлый год) / Выручка за прошлый год
Следует иметь в виду то что, данный показатель содержит в себе инфляционную компоненту, что приводит к некоторому искажению значений данного показателя.
3. Коэффициент валового дохода (или коэффициент валовой маржи). Валовый доход (сумма для покрытия постоянных затрат и формирования прибыли) определяется как разница между выручкой и переменными затратами. Формула расчета:
КВД = Валовый доход / Выручка от реализации
Коэффициент валового дохода (валовой маржи) служит для оценки прибыльности продаж предприятия. По определению, валовой доход должен покрыть издержки, связанные с общим управлением компании и реализацией готовой продукции и, кроме того, обеспечить прибыль предприятию.
Иными словами коэффициент способность менеджмента компании управлять производственными издержками. Чем выше этот показатель, тем успешнее менеджмент предприятия управляет производственными издержками.
4. Коэффициент операционной прибыли (операционной маржи), характеризует отношение операционной прибыли, т.е. валового дохода за вычетом общих, административных и реализационных издержек, к объему продаж. Коэффициент рассчитывается по формуле:
КОП = Операционная прибыль / Выручка от продаж
Данный показатель показывает, насколько эффективна собственно производственная деятельность предприятия.
5. Прибыльность продаж или коэффициент чистой прибыли, формула расчета имеет вид:
КПП = Чистая прибыль / Выручка от реализации
Тема 5. Теория и анализ затрат
Определение и использование издержек в экономическом анализе. Первоначальная стоимость и восстановительная стоимость. Альтернативные и прямые издержки. Связь между производством и издержками. Эффект масштаба.
Издержки производства - затраты на покупку экономических ресурсов, потребленных в процессе выпуска тех или иных благ.
Любое производство товаров и услуг, как известно, связано с использованием труда, капитала и природных ресурсов, которые представляют собой факторы производства, стоимость которых определяется издержками производства.
В связи с ограниченностью ресурсов возникает проблема наилучшего их использования из всех отвергнутых альтернатив.
Альтернативные издержки - это издержки выпуска благ, определяемые стоимостью наилучшей упущенной возможности применения ресурсов производства, обеспечивающие максимальную прибыль. Альтернативные издержки предприятия называются экономическими издержками. Эти издержки необходимо отличать от бухгалтерских издержек.
Бухгалтерские издержки отличаются от экономических издержек тем, что они не включают стоимость факторов производства, являющихся собственностью владельцев фирм. Бухгалтерские издержки меньше экономических на величину неявного заработка предпринимателя, его жены, неявной земельной ренты и неявного процента на собственный капитал владельца фирмы. Иначе говоря, бухгалтерские издержки равны экономическим минус все неявные издержки.
Варианты классификации издержек производства многообразны. Начнем с установления различий между явными и неявными издержками.
Явные издержки - это альтернативные издержки, принимающие форму денежных платежей собственникам ресурсов производства и полуфабрикатов. Они определяются суммой расходов фирмы на оплату покупаемых ресурсов (сырья, материалов, топлива, рабочей силы и т. п.).
Неявные (вмененные) издержки - это альтернативные издержки использования ресурсов, которые принадлежат фирме и принимают форму потерянного дохода от использования ресурсов, являющихся собственностью фирмы. Они определяются стоимостью ресурсов, находящихся в собственности данной фирмы.
Классификация издержек производства может быть осуществлена с учетом мобильности факторов производства. Выделяются постоянные, переменные и общие издержки.
Постоянные издержки (FC) - издержки, величина которых в коротком периоде не изменяется в зависимости от изменения объема производства. Их иногда называют "накладными расходами" или "безвозвратными издержками". К постоянным издержкам относятся расходы на содержание производственных зданий, закупку оборудования, рентные платежи, процентные выплаты по долгам, жалованье управленческого персонала и т. д. Все эти расходы должны финансироваться даже тогда, когда фирма ничего не производит.
Переменные издержки (VC) - издержки, величина которых изменяется в зависимости от изменения объема производства. Если продукция не производится, то они равны нулю. К переменным издержкам относятся расходы на покупку сырьевых ресурсов, топливо, энергию, транспортные услуги, заработную плату рабочим и служащим и т. д. В супермаркетах оплата услуг работников-контролеров входит в переменные издержки, поскольку управляющие могут приспособить объем данных услуг к числу покупателей.
Общие издержки (ТС) - совокупные издержки фирмы, равные сумме ее постоянных и переменных издержек, определяются по формуле:
Общие издержки увеличиваются по мере увеличения объема производства.
Издержки на единицу производимых благ имеют форму средних постоянных издержек, средних переменных издержек и средних общих издержек.
Средние постоянные издержки (AFC) - это общие постоянные издержки на единицу продукции. Они определяются путем деления постоянных издержек (FC) на соответствующее количество (объем) выпущенной продукции:
Поскольку общие постоянные издержки не изменяются, то при делении их на увеличивающийся объем производства средние постоянные издержки будут падать по мере увеличения количества выпускаемой продукции, ибо фиксированная сумма издержек распределяется на все большее и большее количество единиц продукции. И наоборот, при сокращении объема производства средние постоянные издержки будут расти.
Средние переменные издержки (AVC) - это общие переменные издержки на единицу продукции. Они определяются путем деления переменных издержек на соответствующее количество выпущенной продукции:
Средние переменные издержки вначале падают, достигая своего минимума, затем начинают расти.
Средние (общие) издержки (АТС) - это общие издержки производства на единицу продукции. Они определяются двумя способами:
а) путем деления суммы общих издержек на количество произведенной продукции:
б) путем суммирования средних постоянных издержек и средних переменных издержек:
АТС = AFC + AVC.
Вначале средние (общие) издержки высокие, поскольку производится небольшой объем продукции, а постоянные издержки большие. По мере увеличения объема производства средние (общие) издержки снижаются и достигают минимума, а затем начинают расти.
Предельные издержки (МС) - это издержки, связанные с выпуском дополнительной единицы продукции.
Предельные издержки равны изменению общих издержек, деленному на изменение объема произведенной продукции, т. е. они отражают изменение издержек в зависимости от количества выпускаемой продукции. Поскольку постоянные издержки не меняются, то постоянные предельные издержки всегда равны нулю, т. е. MFC = 0. Поэтому предельные издержки - это всегда предельные переменные издержки, т. е. MVC = МС. Из этого следует, что увеличивающаяся отдача переменных факторов сокращает предельные издержки, а понижающаяся отдача - наоборот, их увеличивает.
Предельные издержки показывают, какова величина затрат, которые фирма понесет при росте производства на последнюю единицу продукции, или тех средств, которые она сэкономит в случае уменьшения производства на данную единицу. В том случае, когда дополнительные издержки на производство каждой дополнительной единицы продукции меньше средних издержек уже произведенных единиц, производство данной следующей единицы понизит средние общие издержки. Если же издержки на следующую дополнительную единицу будут выше, чем средние издержки, ее производство повысит средние общие издержки. Изложенное относится к короткому периоду.
В практике российских предприятий и в статистике используется понятие "себестоимость", под которой понимается денежное выражение текущих издержек производства и реализации продукции. В состав затрат, включаемых в себестоимость, включаются расходы на материалы, накладные расходы, заработная плата, амортизация и т. д. Различают следующие виды себестоимости: базисная - себестоимость прошлого периода; индивидуальная - сумма затрат на изготовление конкретного вида изделий; перевозок - затраты на транспортировку грузов (продукции); реализованной продукции, текущая - оценка реализованной продукции по восстановленной себестоимости; технологическая - сумма затрат на организацию технологического процесса изготовления продукции и оказания услуг; фактическая - на основе данных фактических затрат по всем статьям себестоимости за данный период.
Эффект масштаба производства
После того, как фирма определит для себя наиболее эффективный способ производства, расширение объемов выпуска возможно исключительно за счет изменения масштабов производства, т.е. пропорционального увеличения использования всех производственных ресурсов.
Пусть исходная зависимость между объемом выпуска и ресурсами описывается производственной функцией вида
Увеличение в некоторое количество раз (например, в z раз) всех применяемых ресурсов приведет к изменению объема выпуска с Q0 до Q1, так что
Если новый объем выпуска увеличится более, чем в z раз (Q1 > zQ0), то имеет место положительный эффект масштаба производства.
Если новый объем выпуска увеличится менее, чем в z раз (Q1< zQ0), то имеет место отрицательный эффект масштаба производства.
И наконец, если новый объем выпуска увеличится также в z раз (Q1= zQ0), то имеет место постоянный эффект масштаба производства.
Для большинства производственных процессов характер эффекта масштаба меняется в зависимости от достигнутых объемов выпуска. Первоначально эффект может быть постоянным или даже положительным, однако после расширения размеров предприятия сверх некоторого предела эффект становится отрицательным.
Графически эффект масштаба производства может быть проиллюстрирован через кривые долгосрочных средних издержек, как это представлено на рис. 3.3-3.5.
Положительный эффект масштаба предполагает возрастание отдачи используемых ресурсов. Как следствие этого, объем выпуска (Q) растет более быстрыми темпами, чем совокупные затраты (ТС) на факторы производства. Другими словами, средние издержки долгосрочного периода убывают, или
LATC0 > LATC1.
Рис. 3.3. Положительный эффект масштаба производства
Существует несколько причин, объясняющих положительный эффект масштаба.
Во-первых, крупное массовое производство позволяет использовать большую специализацию ресурсов и разделение труда, что в свою очередь повышает производительность всех применяемых ресурсов;
во-вторых, крупные предприятия могут применять более передовую технологию и дорогостоящую автоматизацию производства, недоступное мелким фирмам;
в-третьих, осуществлять специализацию управления и максимально полно использовать труд высококвалифицированных специалистов, так что расходы на управленческий персонал будут расти более медленными темпами, чем производство;
в-четвертых, эффект может быть связан с технологической спецификой отдельных видов производства (в том числе, как следствие геометрического закона соответствия площади поверхностей и объемов, или сечений). Утроение производительности сборочного конвейера может потребовать лишь одного, а не двух дополнительных контролеров. Увеличение диаметра трубы нефтепровода увеличит объем перекачиваемой нефти в более чем два раза и другие случаи, когда объем выпуска увеличивается раньше, чем потребуется дополнительная единица оборудования.
Отрицательный эффект масштаба производства Если объем выпуска (Q) растет более медленными темпами, чем совокупные затраты (ТС) на факторы производства, то в отрасли имеет место отрицательный эффект, а средние издержки долгосрочного периода увеличиваются, или
LATC0 < LATC1
Рис. 3.4. Отрицательный эффект масштаба производства
Отрицательный эффект связан:
во-первых, с ограниченными возможностями эффективного управления крупномасштабным производством. По мере расширения предприятия процесс принятия решений все более и более усложняется, нарастает чрезмерные формализация и бумаготворчество, усиливается бюрократизация управленческого персонала, и как результат, постепенно снижается эффективность производства;
во-вторых, с наличием технологических барьеров на пути чрезмерного увеличения размеров предприятия.
Постоянный эффект масштаба производства
Постоянный эффект предполагает неизменность отдачи используемых ресурсов. Это означает, что объем выпуска (Q) растет такими же темпами, как и совокупные затраты (ТС) на ресурсы. В этих условиях средние издержки долгосрочного периода остаются неизменными, или
Рис. 3.5. Постоянный эффект масштаба производства
Нахождение оптимального размера предприятия для производства той или иной продукции позволяет фирме поддерживать этот оптимум достаточно долго, уже после того, как иссякнут источники положительного эффекта. Это происходит путем создания в рамках единого технологического процесса не одного, а нескольких производственных единиц оптимального размера. Так, если Q*=5 тыс. ед., то крупная компания может производить 15 тыс. ед., построив три завода, и повышая эффективность за счет централизации закупок, сбыта, управления и т.д.
Тема 5 . Рыночные структуры и анализ ценообразования
Прогнозирование спроса осуществляется с помощью качественных и количественных методов (в том числе нормативно-целевого метода).
Для краткосрочных и среднесрочных прогнозов применяются качественные методы (экспертной оценки; оценки уровня продажи, высказанные ведущими торговыми фирмами; анкетирование потребителей) и количественные методы (использование коэффициента эластичности спроса; метод геометрической прогрессии; трендовая модель; многофакторные корреляционные и регрессионные модели, в том числе множественной линейной регрессии).
Для долгосрочных прогнозов применяется нормативно-целевой метод, который также можно отнести к группе количественных методов прогнозирования спроса.
Рассмотрим некоторые из указанных типовых методов прогнозирования спроса.
Особое значение в прогнозировании спроса имеет показатель его эластичности, выражающий зависимость одного фактора от состояния другого, например, зависимость количества товара от денежных доходов или цены товара. Обычно используется коэффициент эластичности спроса, который выражает величину изменения спроса (в процентах) при изменении цены товара (доходов населения) на 1%.
Коэффициент эластичности спроса Э рассчитывается по формуле:
где y – спрос на товар;
x - цена или доходы;
D - изменение показателя.
Следует отметить, что использование коэффициента есть своего рода упрощение понятия эластичности. При более точной трактовке эластичность рассматривается как предел соотношения между относительным приращением функции у: (зависимой переменной) и относительным приращением независимой переменной х: , когда D ® 0 обозначается символом Е (у) и выражается формулой:
Соответственно коэффициент эластичности характеризует приближенный процент функции (повышение или понижение), соответствующий приращению независимой переменной на 1%.
В практическом использовании коэффициент эластичности спроса от дохода показывает относительное изменение спроса (соответственно потребления, сбыта, продажи) при изменении денежных доходов на единицу. Здесь используется лишь один решающий фактор. Считается, что остальные факторы явления остаются неизменными и их влиянием можно пренебречь, т.е. от их воздействия абстрагируются. Точно так же характеризуется эластичность спроса от цены товара. Этот показатель имеет еще большее значение в прогнозных расчетах, чем эластичность спроса от доходов. Коэффициент эластичности спроса от цены показывает относительное изменение спроса при изменении цены товара на единицу. Понятно, что в данном случае зависимость этих двух составляющих будет обратной: чем выше цена, тем меньше спрос. В экономических расчетах во избежание путаницы минусовый знак при коэффициенте принято отбрасывать, но при этом каждый специалист об этом всегда помнит.
Определение коэффициента эластичности спроса от цены следует производить в количественном, а не стоимостном измерении спроса. В условиях фиксированных цен на товары это условие не имело значения. При подвижных ценах это обстоятельство надо учитывать обязательно.
Все товары по эластичности делятся на две группы: эластичного спроса и неэластичного спроса.
Специалисты выделяют еще третью группу, в которой эластичность равна единице.
В первую группу входят товары с коэффициентом выше 1. Снижение цены на такой товар и рост доходов населения ведут к увеличению количества продаваемых товаров и соответственно к росту прибыли от их продажи, так как при меньшей цене прирост продажи бывает достаточным для компенсации потерь от снижения цены. К таким товарам относятся: качественные одежда и обувь, кондитерские изделия, товары длительного пользования и ряд других. Причем чем выше коэффициент эластичности спроса, тем сильнее зависимость продажи товара от цены или доходов.
Во вторую группу (неэластичного спроса) входят товары с коэффициентом ниже 1. Снижение цены на такие товары может быть выгодно покупателям, но невыгодно фирме, так как обычно ведет к уменьшению ее прибыли при сокращающемся или неизменном объеме продажи товаров. Снижение доходов населения также почти не оказывает влияния на величину спроса. К таким товарам относятся: хлеб, соль, спички, основные молокопродукты, овощи и некоторые другие, т.е. товары первой необходимости.
Коэффициент эластичности спроса от доходов может быть и с отрицательным знаком. Это означает, что с ростом денежных доходов спрос на данный товар уменьшается. К таким товарам обычно относятся те, которые отличаются низкой питательной ценностью, являются малокалорийными или не отражают высокую степень готовности товара к потреблению.
Различают эластичность: а) дуговую, т.е. среднюю на отрезке кривой, и б) точечную, т.е. представленную в заданной точке. К этому делению эластичности близко, но не идентично, иное ее различие: деление коэффициентов эластичности на статические и динамические. Статический коэффициент эластичности рассчитывается за определенный период, обычно до 1 года. Динамический коэффициент эластичности исчисляется за более длительный период. Прогностическая ценность статических коэффициентов невелика, так как они не отражают процесса развития спроса во времени. Динамические коэффициенты эластичности исчисляются на основе данных об изменении спроса и того или иного его определяющего фактора за ряд лет. Такие коэффициенты эластичности рассчитываются от года к году. Они более пригодны для прогнозирования спроса, так как в них отражается тенденция изменения спроса во времени.
Расчет коэффициента эластичности требует специальных знаний теории и методик, которыми обычно обладают специалисты научных организаций и институтов, прогнозирующих экономические показатели. Это методики подробно излагаются в специальной литературе. Однако есть и более простой прием расчета коэффициента эластичности спроса, основанный на мнении эксперта, которым может выступить опытный продавец данного товара. Такой работник всегда может хотя бы примерно назвать величину изменения продажи товара при изменении его цены в условиях сложившейся конъюнктуры рынка.
Пример 1. Определить коэффициент эластичности спроса на электробатарейки, продаваемые по цене 5 руб. за штуку. В среднем за неделю магазин продает их 15 штук. Если снизить цену на батарейки до 4,3 руб., то, по мнению продавца, за неделю можно будет продать их уже 18 штук. На основе этой информации можно определить статический коэффициент эластичности спроса на батарейки от цены.
Расчет. Коэффициент эластичности спроса от цены в данном случае составит:
Вывод. При снижении цены на батарейки на 1% прирост спроса на них при сложившихся условиях продажи может составить 1,43%.
Полученный коэффициент эластичности может быть использован для составления прогноза продажи товара на следующую неделю или месяц. Однако надо помнить, что эластичность спроса не есть нечто постоянно заданное. Она может меняться при изменениях условий продажи. И тогда надо определять коэффициент эластичности заново.
Рассмотрим пример прогнозирования спроса на товар при известном коэффициенте эластичности спроса.
Пример 2. Определить прогноз на товар «А» при коэффициенте эластичности спроса от цены 1,21. Число покупателей в регионе может составить 400 тыс. человек. Сложившийся уровень продажи товара составляет 5 кг на человека за период. Намечается снижение цены товара на 4%.
Расчет. 1. Определяется рост спроса на товар «А» при снижении его цены на 4%.
4 х 1,21 = 4,84% ,
100% + 4,84% = 104,84%.
2. Определяется новый уровень потребления товара «А» одним покупателем после уменьшения цены:
5 х 1,0484 = 5,242 (кг).
3. Определяется возможный объем продажи товара «А» в расчете на весь контингент покупателей:
5,242 х 400000 = 2096800 (кг или 2097 т).
Вывод. Прогноз спроса на товар «А» после снижения цены на 4% составляет 2097 т.
Зная новую цену товара «А», можно определить спрос на него в стоимостной форме и соответственно объем розничного товарооборота по региону, а в дальнейшем, с учетом доли рынка товара – и по отдельным фирмам.
Пример 3. Составить прогноз продажи товара «В» при коэффициенте эластичности спроса от цены 1,08. В регионе возможен рост цены товара с 15 до 17 руб. Фактический товарооборот товара составил в регионе за прошлый год 80 тыс. руб.
Расчет. 1. Определяется процент роста цены товара «В»:
17: 15 х 100% = 113,3% ,
тогда прирост цены составит 13,3% .
2. Определяется уменьшение спроса на товар под влиянием роста цены:
1,08 х 13,3 = 14,364% ,
т.е. спрос на товар составит: 100% - 14,364% = 85,636%.
3. Определяется прогноз продажи товара «В» в регионе после увеличения цены:
80000 х 0,85636 = 68,509 (тыс. руб.).
Вывод. После увеличения цены товара «В» с 15 до 17 руб. можно ожидать, что объем его продажи составит 68,5 тыс. руб. при сложившейся конъюнктуре рынка.
Зная емкость рынка товара «В» в регионе и долю рынка товара (ведущих фирм региона) в каждом районе региона (на всем рынке), можно определить возможный объем его продажи по районам и ведущим фирмам региона при условии неизменности среды хозяйствования.
Когда в развитии спроса проявляется устойчивая тенденция к его повышению или снижению, то состояние ряда динамики можно прогнозировать по средним темпам изменения. В основе этого метода лежит предположение, что ряд показателей развития спроса во времени представляет собой геометрическую прогрессию. Это означает, что каждый последующий член динамического ряда a равен предыдущему, умноженному на средний коэффициент темпа изменения k .
Другим методом краткосрочного прогнозирования спроса является трендовая модель, основой которой также являются временные (динамические) ряды. Изучение временных рядов – важная область исследований экономической динамики времени. Ряды могут быть, во-первых, моментными и интервальными и, во-вторых, эволюторных и стационарных процессов.
Для моментного ряда характерна величина явления по состоянию на определенную дату, а для интервального – величина явления по состоянию за определенный период;
Эволюторный процесс временного ряда содержит тренд, чего нет при стационарном процессе.
Временные (динамические) ряды могут быть в виде: тренда, лага, периодических колебаний.
Тренду, как уже отмечалось, присуща длительная «вековая» тенденция. У лага имеется запаздывание одного явления от другого, связанного с ним. Периодические колебания зависят от сезона, циклов и иных повторяющихся изменений. Для выявления тенденций указанных видов временных рядов используются такие методы их математико-статистической обработки, как экстраполяция, выравнивание и анализ автокорреляции.
Трендовая модель наиболее популярна в прогнозировании. Она основана на том, что объем и особенно структура спроса характеризуются определенной степенью инерционности, т.е. потребление с запаздыванием приспосабливается к изменившимся условиям. Инерционность означает в данном случае невозможность произвольно в короткое время существенно изменить не только структуру, но и привычки потребления населения. Трендовая модель прогнозирования – это уравнение, формализующее закономерности развития спроса в базисном периоде. Модель применяется в том случае, если установлено, что найденные закономерности будут действовать на определенном отрезке времени в будущем.
В этом случае ряд динамики рассматривается как функция времени и с известным приближением описывается различными математическими уравнениями.
Из трендовых моделей в прогнозировании спроса наиболее широко используются следующие виды:
а) уравнение прямой
б) логарифмическая функция
в) экспоненциальная функция
г) параболическая функция
y = a + bx + cx .
д) логистическая функция
Прогноз спроса на базе трендовых моделей основывается на допущении, что все факторы, действовавшие в базисном периоде, и взаимосвязь этих факторов останутся неизменными и в прогнозном периоде. Однако такое условие в жизни часто нарушается. Поэтому метод трендовых моделей в прогнозировании спроса можно применять с упреждением на один, максимум на два интервала динамического ряда с детальным учетом всех факторов, влияющих на формирование покупательского спроса.
В таком явлении, как спрос, когда наблюдается одновременное влияние многих разнородных факторов, тесно взаимодействующих друг с другом, довольно трудно создать точную модель с хорошо интерпретирующими функциональными связями.
Простейшая модель спроса основывается на выделении одного главного фактора, его определяющего: доходов, цены или объема сбыта (продажи). Такая модель в силу своего упрощения называется эскизной. Примерами эскизных моделей служат те, в которых главным фактором выступает, например, эластичность спроса или экстраполяция спроса как функции времени.
Более сложным подходом отличается аналитическая модель спроса в потреблении, которая строится с использованием методов математической статистики на основе информации о структуре доходов населения, цен на товары и других факторов. Например, для прогнозирования спроса на предметы длительного пользования (холодильники, телевизоры, стиральные машины и т.д.) нужны данные о наличии и возрасте таких предметов, уже имеющихся у населения, составе семей и др.
Рассмотрим характеристику известной модели Энгеля. Однофакторная модель спроса от доходов, называемая кривой Энгеля (по имени немецкого ученого, впервые изучившего группу этих кривых), позволяет установить, какую долю своих доходов семьи определенного сегмента рынка выделяют на приобретение тех или иных благ (товаров и услуг). Их еще называют функциями потребления.
В обобщенной форме эти кривые выражаются формулой:
где S – средние доходы;
Объем потребления i-го блага (спроса).
Формы кривых могут быть различны. Далее, как и при экстраполяции, зная динамический ряд показателя спроса в зависимости от доходов, можно определить прогноз спроса на товар в будущем. В практике среднесрочного прогнозирования спроса всегда были популярны многофакторные корреляционные и регрессионные модели. Эти модели выступают как функции спроса, в которых в качестве переменных используются факторы, определяющие динамику спроса. Приведем математическую форму записи такой модели:
у = f (x, z, d и т.д.).
В многофакторных моделях спрос на определенный товар характеризуется как функция нескольких независимых переменных. Суть экономического предсказания заключается в том, чтобы на базе имеющихся объемных и структурных параметров потребления за прошлый и настоящий периоды определить траекторию развития спроса на будущий период и исчислить его важнейшие параметры. Многофакторная модель позволяет точнее отразить процесс формирования спроса, чем трендовые однофакторные модели. Среди многофакторных моделей особое признание получила множественная линейная регрессия. Такую форму связи тем или иным способом необходимо привести к линейному виду, единственным требованием которого является достаточная близость теоретической кривой к эмпирическим значениям ряда. Оценка близости производится посредством исчисления среднеквадратического отклонения. Критерий пригодности модели спроса может быть формально записан как:
Предположение о линейном характере связи между спросом и формирующими его факторами, допустимое при разработке кратко- и среднесрочных прогнозов, становится неприемлемым, когда речь идет о периоде, превышающем 7-8 лет. Долгосрочные прогнозы требуют перехода к нелинейным типам взаимосвязей, предполагающим наличие скачков, перегибов и проч., т.е. от экстраполяционных методов надо переходить к интерполяционным. С расширением горизонта прогнозирования уменьшается зависимость будущего развития от достигнутого состояния и сложившихся тенденций. Поэтому генетические методы в прогнозировании постепенно уступают место нормативно-целевым. Эти методы можно охарактеризовать и как методы обоснования альтернативных путей перехода от сложившихся тенденций к желательным.
Долгосрочные прогнозы спроса используют нормативы обеспеченности населения материальными и духовными благами. В настоящее время в практике прогнозирования спроса широко применяются различные нормативы потребления важнейших продуктов питания, изделий легкой промышленности, предметов культурно-бытового назначения. Эти нормы разрабатываются специальными организациями, они характеризуют научно обоснованное представление общества об идеальном потреблении того или иного товара. Напомним, что прогнозирование с помощью нормативного метода сводится к тому, чтобы на основе известных значений крайних членов ряда (последнего фактического и нормативного) определить возможный уровень потребления в различные периоды внутри этого ряда.
При прогнозировании спроса продовольственных и непродовольственных товаров применяются разные подходы.
Для продовольственных товаров характерна сравнительная стабильность потребления в целом. Сложившийся уровень потребления продуктов питания обычно меняется постепенно за счет изменения привычек и вкусов населения. Например, можно довольно-таки точно спрогнозировать спрос на хлебобулочные и кондитерские изделия, мясопродукты, рыбопродукты, сахар, овощи и фрукты. Сложившиеся тенденции увеличения или снижения потребления этих товаров обычно не подвержены резким колебаниям по годам. Возможны лишь сезонные колебания и изменение потребления при резком изменении политико-экономического состояния страны.
Для прогнозирования потребления непродовольственных товаров требуется учет следующих факторов:
¨ величины рационального гардероба;
¨ перспективной нормы потребления товара;
¨ износа имеющегося товара у населения для его замены;
¨ дополнительной потребности в товаре для обеспечения им естественного прироста населения до среднего уровня, сложившегося в обществе.
- Почему прогнозы спроса оказываются неточными
- Как выстроила процесс прогнозирования спроса компания Nestle
Руководители розничных и дистрибьюторских компаний часто не удовлетворены объемом продаж, а также избытком или дефицитом товарных позиций. Отправная точка для изменения ситуации – прогнозирование спроса. Чем прогноз точнее, тем меньше будет на складе запасов непродаваемых товаров, востребованные же всегда будут в наличии. Кроме того, компания сможет вовремя вводить в ассортимент новые товары и убирать устаревшие, устанавливать конкурентоспособные розничные цены и оптимизировать цепочку поставки.
Как формируется прогноз спроса
Все данные о фактических продажах, проведенных и планируемых маркетинговых акциях, изменениях розничных цен и других событиях нужно проанализировать. Самый простой инструмент для этого – программа Excel. Тем самым компания получит статистические прогнозы спроса. Далее их выборочно корректирует аналитик и передает на согласование соответствующим подразделениям: отделам продаж, закупок, маркетинга и др. Итоговый прогноз утверждает руководство компании.
Формирование прозноза спроса
| 1. | Данные | Сведения о продажах, остатках, поставках, прочих движениях, а также о маркетинговых акциях и других внешних событиях. |
| 2. | Инструмент | Программа, с помощью которой можно сформировать статистический прогноз спроса (в нашем случае Excel) |
| 3. | Статистический прогноз | Прогноз, сформированный при помощи инструмента прогнозирования спроса |
| 4. | Скорректированный прогноз | Ручная корректировка статистического прогноза аналитиоки или специалистом по планированию |
| 5. | Согласованный прогноз | Ручная корректировка и согласование итогового прогноза между департаментами (продажи, маркетинга и пр.) |
| 6. | Утвержденный прогноз | Утверждение итогового прогноза ответственным менеджером и передача отделам для выполнения. |
| Сегмент | Точность статистического прогноза спроса, % | Точность прогноза после корректировки экспертами, % |
| «Лошади» - товары с высокими продажами и низкой вариативность | 92,1 | 92,7 |
| «Зайцы» - товары с низкими продажами и высокой вариативностью | 56,3 | 55,5 |
| «Безумные быки» - товары с высокими продажами и высокой вариативностью, например кофе марки Nescafe | 55,2 | 82,4 |
| «Мулы» - товары с низкими продажами и низкой вариантивностью | 90,9 | 91,2 |
В каждой компании свои примеры, Nestle раскрывает информацию только для сегмента «безумные быки» – напиток Nescafe. Эта таблица дает директорам повод задуматься и попытаться составить аналогичную для своего ассортимента. Ведь Nescafe в «Пятерочке» может оказаться совсем в другой категории, нежели Nescafe в «Азбуке Вкуса».
Копирование материала без согласования допустимо при наличии dofollow-ссылки на эту страницу
На первый взгляд, вопрос звучит абсурдно, но если внимательнее разобраться, то можно выявить следующее: «если у товара значительное число фактов нулевых продаж (спрос на товар редкий), то все методы точечного прогнозирования (в том числе и сложные), будут давать плохой результат»
Выходом из ситуации может стать применение специальных методов математического моделирования, позволяющих рассчитать накопительную вероятность возникновения спроса. То есть оценить не стараясь угадать число проданного, а посмотреть с какой вероятность может быть продан тот или иной объем товара. Это позволит нам понять, сколько товара необходимо хранить, чтобы обеспечить тот или иной уровень сервиса.
При упрощении механизм следующим образом. Специальное программное обеспечение проводит серию экспериментов (100 000 раз) о возможном спросе на товар на период поставки (в западной практике - lead time LT). Анализируется, сколько раз случился спрос разного объема. После этого строится накопительная вероятность распределения спроса (не более какого объема товара будет продано с разной вероятностью)
После этого учитывается уровень сервиса и рассчитывается оптимальный товарный запас, как значение спроса, соответствующее накопительной вероятности, равной уровню сервиса.
Более наглядно это можно посмотреть на следующем графике или таблице: (из программы Forecast NOW!):
Рис. 1 Уровень сервиса и оптимальный товарный запас на примере программы Forecast NOW!
|
Вероятность Сумма,% |
Объём,ед |
На рисунке светло-синим построена накопительная вероятность. Оптимальный запас находится на пересечении выставленного уровня сервиса и накопительной вероятности.
Таким образом, применение подобных методов поможет сразу рассчитать оптимальный товарный запас для товаров редкого спроса.
Важным вопросом остается критерий отнесения товаров к редкому спросу:
Для этого считается среднее расстояние в днях между соседними фактами продаж. Если это число больше 1.25 дней, то перед нами редкий спрос, если меньше - гладкий.
История продаж товара:
Среднее расстояние между соседними фактами продаж = ((3-1)+(4-3)+(7-4)+(8-7))/4 = 1,75 >1,25 -> спрос редкий
Но для товаров гладкого спроса без прогнозирования спроса не обойтись:
Для чего нужно прогнозировать спрос
Работа любого торгового предприятия неизбежно связана с проблемой оптимизации товарных запасов. Избыток товаров приводит к дополнительным финансовым издержкам, а недостаток - к потере постоянных покупателей и снижению объемов продаж. В обоих случаях происходит недополучение возможной прибыли, что в условиях острой конкуренции может стать причиной банкротства предприятия.
Одной из важнейшей составляющих поддержания оптимального ассортимента товаров является оперативное и долгосрочное прогнозирование спроса. Конечно, при планировании закупок можно ничего и не прогнозировать, используя как источник исходной информации устоявшийся или возникший уровень спроса. Однако такой устаревший подход в условиях динамично изменяющегося рынка и "избалованного" покупателя трудно назвать эффективным (за исключением небольших поселений, где имеется всего один магазин).
Прогнозирование спроса позволяет не только разработать оптимальный план закупок, но и эффективно управлять ресурсами предприятия. Так, например, зная, что в следующем месяце возникнет повышенный спрос не мороженое, можно будет заранее принять на работу продавцов, закупить холодильное оборудование и предусмотреть дополнительное финансирование. Если же все подобные мероприятия начать проводить в пик сезона, то все усилия могут оказаться напрасными и, даже убыточными.
Как прогнозировать спрос
Чтобы спрогнозировать спрос, разработано огромное количество теорий и специальных инструментов.
Специальное ПО
Так, например, при планировании закупок для супермаркета не обойтись без специализированного программного обеспечения. Основная проблема здесь в огромном ассортименте товаров, который просто физически невозможно "удержать в голове". Кроме того, специальное ПО позволяет автоматизировать процесс подготовки заявок, что при больших объемах закупок дает возможность сэкономить массу времени.
Microsoft Excel
При небольшом ассортименте товаров отличные результаты в прогнозировании спроса можно получить с помощью стандартного приложения Microsoft Excel. Специальные статистические функции, такие как, например, ТЕНДЕНЦИЯ и РОСТ, позволяют без ввода сложных формул мгновенно обработать большие массивы информации. Богатые оформительские возможности Microsoft Excel помогут представить полученные данные не только в табличном виде, но и в более наглядном - в форме графиков и диаграмм.
Вручную
Прогноз спроса на отдельные позиции товаров можно составлять и вручную. Так, например, если товар является новинкой, то даже самые мудреные статистические формулы и ранее накопленная информация не помогут предугадать его популярность. В таких случаях приходится надеяться не на расчеты, а на интуицию и на дополнительные факторы (мнения покупателей, рекламная поддержка и т.п.).
Формулы и методы прогнозирования спроса
Методы, используемые при прогнозировании спроса, отличаются большим разнообразием - от наивных (предполагается, что спрос в следующем месяце будет такой же, как и в прошедшем) до применения в расчетах сложных экономических и математических теорий и их программных реализаций (нейронные сети).
Метод Простой средней
Простейшим из подобных методов является использование вычислений по формуле "простого среднего". Прогноз спроса на следующий период при этом способе высчитывается как среднее арифметическое показателей спроса за все предыдущие периоды. Недостатком этого метода является его высокая "консервативность" - устаревшая информация о прежних продажах помешает проявиться последним тенденциям спроса.
Метод скользящего среднего
Более оперативно на изменение спроса реагирует метод "скользящее среднее". Расчет при этом производится не на основании данных за весь срок наблюдения, а за несколько последних периодов.
Ключевым вопросом является определение «окна скольжения» - за сколько последних периодов необходимо проводить усреднение. Чем больше этот период, тем больше совпадает прогноз по скользящему среднему с простым средним.
Определить период можно эмпирически на основании ошибки прогноза (RMSE) - рассчитать эту ошибку для разных периодов и выбрать оптимальный.
Очевидно, что оптимальным является период в 4 дня.
Интересной вариацией метода является расчет скользящей средней по определенным дням (то есть - для всех понедельников считается скользящая средняя за n последних понедельников, и т.д.) Такой метод может подойти товаров, обладающих ярко выраженной внутри недельной сезонностью (например, хлеб).
Метод средневзвешенной
Сочетанием вышеописанных методов является "метод взвешенного скользящего среднего". В этой модели вычисляется средневзвешенное значение на основании нескольких периодов, но более отдаленным периодам придаются меньшие веса. Таким образом, для расчетов можно брать более длительные наблюдения, но ограничить влияние на расчеты неактуальных данных.
Метод экспоненциального сглаживания
К сожалению, вышеперечисленные методы расчетов "по среднему" позволяют получить лишь очень приближенные результаты. Более точного прогноза можно добиться при использовании моделей "экспоненциального сглаживания" и "экспоненциального сглаживания с трендом". В первом методе последний прогноз объема продаж, корректируется на основе ошибки прогноза, допущенной в последнем периоде. При втором методе расчетов (называемом еще методом "двойного экспоненциального сглаживания") учитываются данные с трендами - благодаря этому данный метод может использоваться даже для среднесрочного прогнозирования.
Метод "Хольта-Уинтерса"
Для учета сезонности и общего тренда спроса применяется модель "Хольта-Уинтерса" (трехпараметрическое экспоненциальное сглаживание). Чтобы получить прогноз спроса в этом методе необходимо правильно подобрать три параметра. Для этого можно использовать как специальные алгоритмы, так и ограничиться простым перебором.
Метод Авторегрессии
При желании получить еще более совершенные прогнозы можно использовать модели "авторегрессии". Эта методика позволяет провести очень подробный анализ имеющихся данных, выявить любые тенденции и отсеять случайные влияния. Однако, в отличие от предыдущих методов, подбор множества параметров потребует от пользователя очень много усилий и времени.
Нейронные сети, генетические алгоритмы
Следует отметить, что чем более сложные методы прогнозирования используются, тем труднее их практическое применение и тем выше вероятность возникновения ошибок. Анализ огромных объемов информации, подбор оптимальных параметров, оперативный учет колебаний рынка - все это порой находится на пределе человеческих возможностей. Наиболее перспективным в решении этой проблемы является использование алгоритмов "нейронных сетей". В этой методике специальная программа после предварительного обучения способна самостоятельно найти лучшее решение - при этом пользователю не нужно вникать во все премудрости используемых теорий. Кроме того "нейронные сети" способны учесть скрытые тенденции и создать достоверный прогноз в такой нестабильной ситуации, где ранее прогнозирование считалось вообще невозможным.
По проведенным специалистами проекта «Forecast NOW» исследованиям прогнозирование нейронными сетями дает лучший результат, чем по всем вышеприведенным методам:
По оси Х показано количество товаров при анализе, по Y- а сколько процентов нейронные сети оказывается лучше, чем другой алгоритм в относительном выражении.
Рис. 2 Нейронные сети + Генетические алгоритмы (ГА) и экспоненциальное сглаживание
Рис. 3 Нейронные сети + Генетические алгоритмы (ГА) и авторегрессия
Рис. 4 Нейронные сети + Генетические алгоритмы (ГА) и метод Хольта Винтерса
Из рисунков видно, что прогнозирование нейронными сетями дает значительно лучший результат.
Выводы
Для прогнозирования спроса нужно:
- Определить характер спроса на товар (если гладкий - прогнозирование нужно, если редкий - прогнозирование не нужно, можно рассчитывать оптимальный запас методами математического моделирования)
- Определить способы прогнозирования спроса (если товарный ассортимент небольшой, то можно вручную или при помощи Excel, если большой - лучше использовать специальное программное обеспечение
- Определить методы прогнозирования спроса (для некоторых товаров хорошо работают стандартные методы (см про скользящее среднее), в общем случае лучшие результаты достигаются нейронными сетями
- Важно помнить, что прогнозирование спроса - лишь первое звено цепочки поставок, и даже самый точный прогноз спроса в случае неправильного управления запасами и пополнением не сможет обеспечить эффективность всей цепочки поставок.