Мы уже разобрали, что такое временной ряд и функцию тренда. Теперь подробнее разберемся с терминологией и остановимся на одной из моделей временного ряда.
Из чего состоит временной ряд
Уровни временного ряда (Yt) представляют из себя сумму двух компонент:
- Регулярную составляющую
- Случайную составляющую
В свою очередь регулярная составляющая состоит из:
- Тренда
- Сезонности
- Циклической составляющей
Однако, в модели необязательно наличие всех этих компонент сразу.
Случайная компонента отражает влияние случайных возмущений на модель, которые по отдельности имеют незначительное воздействие, но суммарно их влияние ощущается.
То есть, в общем случае временной ряд представляет из себя наличие четырех составляющих:
- Тренд (Tt)
- Сезонность (St)
- Цикличность (Ct)
- Случайные возмущения (Et)
Циклическая компонента, по сравнению с сезонностью, имеет более длительный эффект и меняется от цикла к циклу. Поэтому, ее обычно объединяют с трендом.
Виды моделей временного ряда
Обычно, выделяют две модели временного ряда и третью — смешанную.
При выборе необходимой модели временного ряда смотрят на амплитуду колебаний сезонной составляющей. Если ее колебания относительно постоянны, то выбирают аддитивную модель . То есть, амплитуда колебаний примерно одинакова:
Если амплитуда сезонных колебаний возрастает или уменьшается, строят мультипликативную модель временного ряда, которая ставит уровни ряда в зависимость от значений сезонной компоненты.
Построение этих моделей сводится к расчету тренда (Tt), сезонности (St) и случайных возмущений (Et) для каждого уровня ряда (Yt).
Алгоритм построения модели
- Выравниваем ряд с помощью скользящей средней, то есть сглаживаем ряд и отфильтровываем высокочастотные колебания.
- Рассчитываем значение сезонной компоненты St.
- Рассчитываем значения Tt с использованием полученного уравнения тренда.
- Используя полученные значения St и Tt, находим прогнозные значения уровней временного ряда.
- Оцениваем качество модели.
Реализация на практике
Итак, мы имеем на руках данные о продажах за 2016 и 2017 год и хотим спрогнозировать продажи на 2018 год.
Шаг 1
Следуя нашему алгоритму, мы должны сгладить временной ряд. Воспользуемся методом скользящей средней. Видим, что в каждом году есть большие пики (май-июнь 2016 и апрель 2017), поэтому возьмем период сглаживания пошире, например, месячную динамику, т.е. 12 месяцев.
Удобнее брать период сглаживания в виде нечетного числа, тогда формула для расчета уровней сглаженного ряда:
yi — фактическое значение i-го уровня ряда,
yt — значение скользящей средней в момент времени t,
2p+1 — длина интервала сглаживания.
Но так как мы решили использовать месячную динамику в виде четного числа 12, то данная формула нам не подойдет и мы воспользуемся этой:
Иными словами, мы учитываем половины от крайних уровней ряда в диапазоне, в остальном формула не претерпела больше никаких изменений. Вот ее точный вид для нашей задачи:
Сглаживаем наши уровни ряда и растягиваем формулу вниз:
Сразу можем построить график из известных значений уровня продаж и их сглаженной. Выведем ее уравнение и значение коэффициента детерминации R^2:
В качестве сглаженной я выбрала полином третьей степени, так как он лучше всего описывал уровни временного ряда и имел наибольший R^2.
Шаг 2
Так как мы рассматриваем аддитивную модель вида:
Найдем оценки сезонной компоненты как разность между фактическими уровнями ряда и значениями скользящей средней St+Et = Yt-Tt, так как Yt и Tt мы уже знаем.
Используем оценки сезонной компоненты (St+Et) для расчета значений сезонной компоненты St. Для этого найдем средние за каждый интервал (по всем годам) оценки сезонной компоненты St.
Средняя оценка сезонной компоненты находится как сумма по столбцу, деленная на количество заполненных строк в этом столбце. В нашем случае оценки сезонной составляющей расположились в строках без пересечений, поэтому сумма по столбцам состоит из одиночных значений, следовательно и среднее будет таким же. Если бы мы располагали периодом побольше, например с 2015, у нас бы добавилась еще одна строка и мы смогли бы полноценно найти среднее, поделив сумму на 2.
В моделях с сезонной компонентой обычно предполагается, что сезонные воздействия за период взаимопогашаются. В аддитивной модели это выражается в том, что сумма значений сезонной компоненты по всем интервалам должна быть равна нулю. Поэтому найдя значение случайной составляющей, поделив сумму средних оценок сезонной составляющей на 12, мы вычитаем ее значение из каждой средней оценки и получаем скорректированную сезонную компоненту, St.
Шаг 3
Теперь рассчитываем значения уровня тренда T(t) по тому уравнению, которое мы получили при построении сглаженного тренда на первом шаге.
T(t) = - 23294 + 34114 * t - 1593 *t^2 + 26,3 *t^3
Вместо t используем значения из столбца Период из соответствующей строки.
Шаг 4
Имея рассчитанные значения S(t) и T(t) мы можем рассчитать прогнозные значения уровней ряда Y(t). Для этого накладываем уровни сезонности на тренд.
Теперь построим график известных значений Y(t) и спрогнозированных за 2018 год.
Вот мы и нашли спрогнозированные значения уровней продаж на 2018 год. Значения отражают возрастающую тенденцию и сезонные пики. Конечно, эти данные не дают 100% точности, ведь существует множество внешних воздействий, которые могут изменить направление тренда, поэтому к прогнозным значениям обычно строят доверительный интервал, это такой коридор, внутри которого могут колебаться прогнозные значения с заданной вероятностью (чаще всего выбирают 95%). Но об этом я расскажу в следующей статье.
Шаг 5
Осталось оценить точность модели. Для этого будем использовать среднюю ошибку аппроксимации, которая поможет рассчитать ошибку в относительном выражении. Иными словами, это среднее отклонение расчетных значений от фактических, которое вычисляется по формуле:
yi — спрогнозированные уровни ряда,
yi* — фактические уровни ряда,
n — количество складываемых элементов.
Итак, рассчитываем ошибку аппроксимации для нашего случая. Так как в основе нашего тренда лежит полином третьей степени, прогнозные значения начинают хорошо повторять фактические значения к концу 2016 года, думаю, я думаю, поэтому корректнее было бы рассчитать ошибку аппроксимации для значений 2017 года.
Сложив весь столбец с ошибками аппроксимации и поделив на 12, получаем среднюю ошибку аппроксимации 4,13%. Это значение меньше 15% и можем сделать вывод об адекватности модели.
Не забывайте, что прогнозы не бывают точными на 100%. Любые неожиданные внешние воздействия могут развернуть значения уровней ряда в неизвестном направлении 🙂
Реалистичность и исполнимость бюджета компании во многом зависит от того, насколько корректно составили план реализации продукции и, соответственно, спрогнозировали поступление выручки. В этом решении предлагается несколько способов планировать продажи, из которых можно выбрать наиболее подходящий под специфику деятельности компании.
Преимущества и недостатки
В решении подробно и на примерах раскрывается порядок планирования объемов реализации в натуральном и денежном выражении, а также согласования плана продаж с бюджетом доходов и расходов, движения денежных средств. Если планирование продаж – прерогатива коммерческой службы, предлагаемая методика пригодится собственнику бизнеса для проверки обоснованности и корректности заявленных цифр.
Так как большинство компаний работают в условиях конкуренции и успешность бизнеса зависит от возможности реализовать продукцию, рассмотрим вариант – когда план продаж служит отправной точкой при составлении бюджета.
Как организовать планирование продаж
Продажи, как правило, планируют коммерсанты и экономисты. Первые из них прогнозируют состояние рынка, взаимоотношения с покупателями, определяют величину коэффициентов роста продаж и (или) цен; вторые обеспечивают аналитический материал (на базе бухгалтерской и (или) управленческой отчетности). В зависимости от того, какие критерии особенно важны для предприятия, план продаж можно структурировать по-разному: по контрагентам, номенклатуре, группам цен, условиям, платежам и т. д. Продажи можно планировать на горизонт как в месяц, так и несколько лет. Как правило, их прогнозируют на год в разбивке по месяцам и на последующие несколько лет – без разбивки. При необходимости (сложном финансовом положении и угрозе кассовых разрывов) возможна большая детализация – например, только первый (ближайший) квартал раскрывается подекадно, а далее дается помесячный план.
Как подготовить план продаж
Для планирования «от достигнутого» основой служит информация о динамике продаж (в натуральном и стоимостном выражении) за предыдущий период, сопоставимый как по продолжительности, так и по сезонности с плановым. Это требование бывает трудно выполнить, так как продажи обычно прогнозируются в IV квартале, когда год еще не закончился и итоги по нему не подведены. В этом случае используют информацию о фактической реализации за 9 или 10 прошедших месяцев и плановой – за оставшееся до конца года время (ноябрь–декабрь).
Если компания применяет различные ставки НДС или занимается несколькими видами деятельности, предусматривающими разные системы налогообложения, то для нее особенно важно прогнозировать продажи в стоимостном выражении без НДС – так план будет корректнее. Это можно рекомендовать и компаниям, применяющим стандартный, 18-процентный НДС. В дальнейшем, при уточнении направлений использования базового прогноза (например, для подготовки бюджета движения денежных средств, для расчета налоговой нагрузки, для постановки задач отделу продаж и т. п.), следует рассчитывать выручку с НДС.
В зависимости от ассортимента продукции, количества контрагентов и других особенностей бизнеса могут использоваться различные методики планирования объема реализации: по одному продукту, с детализацией по контрагентам и номенклатуре, с учетом не только конечной стоимости, но и ее составляющих (количество, цена, ресурсные ограничения).
Самый простой способ спланировать продажи – взять объем реализации за базовый период (тот, что берется за основу, например, прошлый месяц или аналогичный месяц прошлого года – при планировании по месяцам) и скорректировать его на желаемый прирост по формуле 1.
Формула 1. Расчет плана продаж
Такой способ используется в том случае, когда компания выпускает только один продукт, а продажи планируются на один месяц или в течение года нет сезонных колебаний спроса.
Учесть структуру продаж.
Объем реализации может прогнозироваться в детальном виде, по товарам или (и) клиентам. Расчеты проводятся по формуле 1, но данные за базовый период берутся в той же аналитике (товары или покупатели). Более того, целевые коэффициенты роста продаж придется также задать индивидуально для каждого вида продукции (покупателя). Прогноз формируется на год в целом либо по периодам – но только при отсутствии сезонных колебаний спроса. При планировании в разрезе по клиентам коэффициенты устанавливаются в зависимости от состояния бизнеса контрагентов (например, если компания-покупатель активно развивается, можно планировать прирост продаж), исходя из достигнутых договоренностей, а также на основе экспертных оценок коммерсантов (см. таблицу 1. План продаж в стоимостном выражении по контрагентам).
Таблица 1. План продаж в стоимостном выражении по контрагентам
Пономенклатурный план реализации формируется с учетом индивидуальных коэффициентов роста продаж по каждому продукту, в зависимости от того, предполагается ли увеличить продажи или вывести товар с рынка (см. таблицу 2. План продаж в стоимостном выражении по номенклатуре).
Таблица 2. План продаж в стоимостном выражении по номенклатуре
Можно предусмотреть и двухуровневую структуру плана продаж:
- по контрагентам (покупателям) и закупаемой ими номенклатуре товаров (см. таблицу 3. План продаж в стоимостном выражении по контрагентам и продукции);
- по номенклатуре и ее покупателям (см. таблицу 4. План продаж в стоимостном выражении по номенклатуре продукции и покупателям).
Этот способ позволяет подготовить более детализированный план. Целевые коэффициенты при этом устанавливаются с учетом как состояния взаимоотношений с покупателями, так и намерений компании по продвижению своих продуктов.
Таблица 3. План продаж в стоимостном выражении по контрагентам и продукции
| Контрагент | Номенклатура | |||
| ООО «Елочка» | Конфеты «Бриз» | 1500,00 | 1,015 | 1522,50 |
| Конфеты «Грильяж» | 1000,00 | 1,040 | 1040,00 | |
| Конфеты «Сладкоежка» | 1500,00 | 1,070 | 1605,00 | |
| Конфеты «Солнышко» | 1000,00 | 1,050 | 1050,00 | |
| Итого | 5000,00 | 1,044 | 5217,50 | |
| ООО «Замок» | Конфеты «Бриз» | 5000,00 | 1,010 | 5050,00 |
| Конфеты «Грильяж» | 2000,00 | 1,040 | 2080,00 | |
| Конфеты «Сладкоежка» | 2000,00 | 1,075 | 2150,00 | |
| Конфеты «Солнышко» | 1000,00 | 1,015 | 1015,00 | |
| Итого | 10 000,00 | 1,030 | 10 295,00 | |
| ООО «Зебра» | Конфеты «Бриз» | 1000,00 | 1,110 | 1110,00 |
| Конфеты «Грильяж» | 500,00 | 1,090 | 545,00 | |
| Конфеты «Сладкоежка» | 1500,00 | 1,100 | 1650,00 | |
| Конфеты «Солнышко» | 1000,00 | 1,040 | 1040,00 | |
| Итого | 4000,00 | 1,086 | 4345,00 | |
| ООО «Кенгуру» | Конфеты «Бриз» | 7500,00 | 1,010 | 7575,00 |
| Конфеты «Грильяж» | 9500,00 | 1,040 | 9880,00 | |
| Конфеты «Сладкоежка» | 2000,00 | 1,050 | 2100,00 | |
| Конфеты «Солнышко» | 1000,00 | 1,030 | 1030,00 | |
| Итого | 20 000,00 | 1,029 | 20 585,00 | |
| Всего | 39 000,00 | 1,037 | 40 442,50 | |
Определение коэффициентов роста продаж по контрагентам с учетом закупаемой ими продукции дает несколько иные результаты, чем планирование только по покупателям или только по видам продукции. Принимая во внимание двухуровневую структуру продаж, нужно анализировать не только тенденции взаимоотношений с контрагентом, но и состояние рынка, соотносить интересы предприятия по продвижению того или иного продукта с потребностями и возможностями покупателей. Эта работа сложнее, но ее результаты ценнее для компании.
Таблица 4. План продаж в стоимостном выражении по номенклатуре продукции и покупателям
| Номенклатура | Контрагент | Объем продаж за базовый период, руб. | Коэффициент роста продаж, ед. | Планируемый объем продаж, руб. |
| Конфеты «Бриз» | ООО «Елочка» | 1500 | 1,015 | 1522,50 |
| ООО «Замок» | 5000 | 1,010 | 5050,00 | |
| ООО «Зебра» | 1000 | 1,110 | 1110,00 | |
| ООО «Кенгуру» | 7500 | 1,010 | 7575,00 | |
| Итого | 15 000 | 1,017 | 15 257,50 | |
| Конфеты «Грильяж» | ООО «Елочка» | 1000 | 1,040 | 1040,00 |
| ООО «Замок» | 2000 | 1,040 | 2080,00 | |
| ООО «Зебра» | 500 | 1,090 | 545,00 | |
| ООО «Кенгуру» | 9500 | 1,040 | 9880,00 | |
| Итого | 13 000 | 1,042 | 13 545,00 | |
| Конфеты «Сладкоежка» | ООО «Елочка» | 1500 | 1,070 | 1605,00 |
| ООО «Замок» | 2000 | 1,075 | 2150,00 | |
| ООО «Зебра» | 1500 | 1,100 | 1650,00 | |
| ООО «Кенгуру» | 2000 | 1,050 | 2100,00 | |
| Итого | 7000,00 | 1,072 | 7505,00 | |
| Конфеты «Солнышко» | ООО «Елочка» | 1000,00 | 1,050 | 1050,00 |
| ООО «Замок» | 1000,00 | 1,015 | 1015,00 | |
| ООО «Зебра» | 1000,00 | 1,040 | 1040,00 | |
| ООО «Кенгуру» | 1000,00 | 1,030 | 1030,00 | |
| Итого | 4000,00 | 1,034 | 4135,00 | |
| Всего | 39 000,00 | 1,037 | 40 442,50 | |
Учесть факторы, влияющие на рост продаж
На величину выручки влияют два показателя: цена и объем продаж в натуральном выражении. При планировании можно учитывать желаемую динамику каждого из них. Различные источники прироста (цена и количество) принимаются во внимание при формировании целевого процента увеличения (прироста) продаж (см. формулу 2 Расчет целевого процента прироста продаж):
Формула 2. Расчет целевого процента прироста продаж
Например, перед коммерсантами поставили задачу: увеличить объем продаж на 10 процентов. При этом не уточняется, что должно быть источником этого роста. Можно сформулировать цель четче: увеличить количество продаваемого товара на 5 процентов при росте цен на 6 процентов. В этом случае целевой прирост продаж будет равен 11,3 процента ((100% + 5%) × (100% + 6%) : 100% – 100%). Применяя этот способ планирования продаж, нужно учитывать двухуровневую структуру прогноза реализации продукции – ее можно раскрыть как по видам продукции с разделением по контрагентам, так и наоборот (см. таблицу 5. План продаж с учетом динамики цен и объемов реализации). Если у компании большой ассортимент продукции или широкий круг контрагентов, номенклатуры или клиентов лучше объединить в группы. Например, контрагентов можно агрегировать по регионам, масштабам закупок, целям приобретения товара, способам оплаты и т. п.
Таблица 5. План продаж с учетом динамики цен и объемов реализации
| Контрагент | Номенклатура | Факт | Коэффи- циент роста цен, ед. | Коэффи- циент роста объема реализации, ед. | Коэффи- циент роста продаж, ед. | План | ||||
| Цена, руб. | Коли- чество, кг | Объем продаж, руб. | Цена, руб. | Количество, кг | Объем продаж, руб. | |||||
| ООО «Елочка» | Конфеты «Бриз» | 50,00 | 30,00 | 1500,00 | 1,05 | 1,06 | 1,113 | 52,50 | 31,80 | 1669,50 |
| Конфеты «Грильяж» | 100,00 | 10,00 | 1000,00 | 1,03 | 1,06 | 1,092 | 103,00 | 10,60 | 1091,80 | |
| Конфеты «Сладкоежка» | 25,00 | 60,00 | 1500,00 | 1,04 | 1,07 | 1,113 | 26,00 | 64,20 | 1669,20 | |
| Конфеты «Солнышко» | 40,00 | 25,00 | 1000,00 | 1,05 | 1,05 | 1,103 | 42,00 | 26,25 | 1102,50 | |
| Итого | – | 125,00 | 5000,00 | – | –- | – | – | 132,85 | 5533,00 | |
| ООО «Замок» | Конфеты «Бриз» | 40,00 | 125,00 | 5000,00 | 1,07 | 1,09 | 1,166 | 42,80 | 136,25 | 5831,50 |
| Конфеты «Грильяж» | 100,00 | 20,00 | 2000,00 | 1,04 | 1,08 | 1,123 | 104,00 | 21,60 | 2246,40 | |
| Конфеты «Сладкоежка» | 20,00 | 100,00 | 2000,00 | 1,06 | 1,05 | 1,113 | 21,20 | 105,00 | 2226,00 | |
| Конфеты «Солнышко» | 40,00 | 25,00 | 1000,00 | 1,10 | 1,06 | 1,166 | 44,00 | 26,50 | 1166,00 | |
| Итого | – | 270,00 | 10 000,00 | – | – | – | – | 289,35 | 11 469,90 | |
| ООО «Зебра» | Конфеты «Бриз» | 50,00 | 20,00 | 1000,00 | 1,08 | 1,10 | 1,188 | 54,00 | 22,00 | 1188,00 |
| Конфеты «Грильяж» | 100,00 | 5,00 | 500,00 | 1,09 | 1,06 | 1,155 | 109,00 | 5,30 | 577,70 | |
| Конфеты «Сладкоежка» | 25,00 | 60,00 | 1500,00 | 1,11 | 1,10 | 1,221 | 27,75 | 66,00 | 1831,50 | |
| Конфеты «Солнышко» | 40,00 | 25,00 | 1000,00 | 1,06 | 1,09 | 1,155 | 42,40 | 27,25 | 1155,40 | |
| Итого | – | 110,00 | 4000,00 | – | – | – | – | 120,55 | 4752,60 | |
| ООО «Кенгуру» | Конфеты «Бриз» | 34,90 | 215,00 | 7500,00 | 1,20 | 1,10 | 1,320 | 41,88 | 236,39 | 9900,00 |
| Конфеты «Грильяж» | 95,00 | 100,00 | 9500,00 | 1,09 | 1,03 | 1,123 | 103,55 | 103,00 | 10 665,65 | |
| Конфеты «Сладкоежка» | 20,00 | 100,00 | 2000,00 | 1,08 | 1,04 | 1,123 | 21,60 | 104,00 | 2246,40 | |
| Конфеты «Солнышко» | 40,000 | 25,00 | 1000,00 | 1,06 | 1,06 | 1,124 | 42,40 | 26,50 | 1123,60 | |
| Итого | – | 440,00 | 20 000,00 | – | – | – | – | 469,89 | 23 935,65 | |
| Всего | – | 944,90 | 39 000,00 | – | – | – | – | 1012,64 | 45 691,15 | |
Ситуация: как составить прогноз поступления выручки исходя из бюджета продаж
Для подготовки бюджета движения денежных средств необходимо планировать продажи по месяцам, желательно в разрезе контрагентов, так как это позволит учитывать динамику дебиторской задолженности. Выручка прогнозируется с НДС. Если компания не применяет специальные ставки этого налога (10% и 0%), то весь запланированный объем продаж умножается на 18 процентов (см. таблицу 8. План продаж в стоимостном выражении с НДС для бюджета движения денежных средств). В обратном случае потребуется группировать контрагентов и продажи по ним, а затем умножить полученные объемы реализации на соответствующие ставки налога. Составляя бюджет движения денежных средств, не забудьте скорректировать план продаж на прирост и погашение дебиторской задолженности. Если условия платежа для всех контрагентов одинаковы (например, оплата в течение 14 календарных дней после отгрузки), можно уточнять общий план продаж на переходящую дебиторскую задолженность. При различных условиях оплаты необходимо группировать покупателей по длительности отсрочки (см. таблицу 9. Корректировка плана продаж в стоимостном выражении с НДС для бюджета движения денежных средств).
Таблица 6. План продаж в стоимостном выражении с НДС для бюджета движения денежных средств (фрагмент)
| Контрагент | Январь | … | Декабрь | Итого за год | ||||||
| Коэффициент роста продаж, ед. | Планируемый объем продаж, руб. | … | Объем продаж за аналогичный период прошлого года, руб. | Коэффициент роста продаж, ед. | Планируемый объем продаж, руб. | Объем продаж за аналогичный период прошлого года, руб. | Коэффициент роста продаж, ед. | Планируемый объем продаж, руб. | ||
| ООО «Елочка» | 500,00 | 1,05 | 525,00 | … | 400,00 | 1,05 | 420,00 | 6000,00 | 1,05 | 6300,00 |
| ООО «Замок» | 600,00 | 1,04 | 624,00 | … | 700,00 | 1,04 | 728,00 | 7800,00 | 1,04 | 8112,00 |
| ООО «Зебра» | 300,00 | 1,10 | 330,00 | … | 150,00 | 1,10 | 165,00 | 3000,00 | 1,10 | 3300,00 |
| ООО «Кенгуру» | 2000,00 | 1,03 | 2060,00 | … | 1500,00 | 1,03 | 1545,00 | 21 000,00 | 1,03 | 21 630,00 |
| Всего | 3400,00 | – | 3539,00 | … | 2750,00 | – | 2858,00 | 37 800,00 | – | 39 342,00 |
| НДС (18%) | 612,00 | – | 637,02 | … | 495,00 | – | 514,44 | 6804,00 | – | 7081,56 |
| Всего с НДС | 4012,00 | – | 4176,02 | … | 3245,00 | – | 3372,44 | 44 604,00 | – | 46 423,56 |
Таблица 7. Корректировка плана продаж в стоимостном выражении с НДС для бюджета движения денежных средств (фрагмент)
| Показатель | Январь | Февраль | Март | Апрель | Май | … |
| Дебиторская задолженность на начало периода, руб. | 30 000 | 31 250 | 27 500 | 32 750 | 36 250 | … |
| Объем продаж, руб. с НДС, в т. ч.: | 75 000 | 65 000 | 74 000 | 85 000 | 73 000 | … |
| с отсрочкой платежа 14 календарных дней (приблизительно 50% продаж оплачивается в следующем месяце) | 50 000 | 45 000 | 57 000 | 60 000 | 55 000 | … |
| ООО «Елочка» | 20 000 | 25 000 | 27 000 | 30 000 | 25 000 | … |
| ООО «Замок» | 30 000 | 20 000 | 30 000 | 30 000 | 30 000 | … |
| с отсрочкой платежа 7 календарных дней (приблизительно 25% продаж оплачивается в следующем месяце) | 25 000 | 20 000 | 17 000 | 25 000 | 18 000 | … |
| ООО «Зебра» | 10 000 | 10 000 | 10 000 | 10 000 | 10 000 | … |
| ООО «Кенгуру» | 15 000 | 10 000 | 7000 | 15 000 | 8000 | … |
| Плановая дебиторская задолженность, руб., в т. ч. длиной: | 31 250 | 27 500 | 32 750 | 36 250 | 32 000 | … |
| 14 дней | 25 000 | 22 500 | 28 500 | 30 000 | 27 500 | … |
| 7 дней | 10 000 | 5000 | 4250 | 6250 | 4500 | … |
| Поступления с учетом прироста (погашения) дебиторской задолженности (дебиторская задолженность на начало периода + объем продаж – плановая дебиторская задолженность) | 73 750 | 68 750 | 68 750 | 81 500 | 77 250 | … |
Ситуация: как учесть в прогнозе продаж маркетинговые акции и периоды дефицита
Планировать продажи нужно исходя из спроса, а не динамики объемов реализации за прошлые периоды. Ведь спрос может быть искусственно ограничен размерами поставок или дефицитом на складе. Когда для прогнозов используются заниженные оценки – это приводит к очередному дефициту. Ситуация с маркетинговыми акциями обратная. На некоторое время спрос искусственно увеличен проводимой акцией. Если при планировании закупок ориентироваться на данные за этот период, то ожидания будут необоснованно завышены.
Существует несколько подходов к обработке информации за периоды маркетинговых акций и дефицита. Один из способов – полностью исключить периоды с недостоверными показателями и не учитывать их при планировании. Однако, применяя такой подход, можно столкнуться с тем, что будет упущена значимая информация об изменении тренда продаж или о сезонности. Более того – существенно сократится объем исторических данных. Поэтому лучше воспользоваться альтернативным способом и провести восстановление спроса – очистить его от нехарактерных пиков и спадов. Самое простое – заменить эти значения средними показателями за достоверные периоды. Более сложный вариант – с помощью ретроспективного прогнозирования сформировать данные на прошлые периоды маркетинговых акций и дефицита.
Полученные восстановленные показатели служат более точной оценкой реальному спросу на продукцию. Кроме того, на основе этой информации можно рассчитать упущенную выгоду от дефицита и дополнительную прибыль от проведенной маркетинговой акции. Иногда следует рассматривать как недостоверный и период снижения спроса после маркетинговой акции. Во время нее покупатели приобретают товары на более длительный срок, чем обычно. Часто за значительным подъемом следует спад продаж. Восстанавливая спрос за этот период, можно посчитать негативный эффект от проведения маркетинговой акции. Сопоставление данных (фактических за период спада продаж после маркетинговой акции и с учетом восстановленного спроса за это же время) позволит оценить рентабельность проведенной акции и принять решение о целесообразности ее повторения. После дефицита, напротив, может наблюдаться рост продаж. Однако стоит учитывать то, какие товары реализует компания. Если они могут быть легко приобретены покупателями у других поставщиков, то резкого всплеска спроса не будет и данные за этот период можно будет считать достоверными.
Прогнозирование продаж: точный расчет или гадание на кофейной гуще? Когда мы строили систему в компании-девелопере Урбан Групп, коммерческий директор, Дмитрий Усманов, задал вопрос, — подпишемся ли мы под конкретной цифрой. Мы назвали цифру, дату и время.
Через три недели в 12.15 мы сидели в кафе и наблюдали за графиком поступлений. В 12.00 разносятся приходы за последний день. Точность прогноза составила 99,7%.
Самый частый вопрос, который задают нам клиенты: «Как вы можете так точно рассчитать будущий объем продаж?».
Все дело в кофе) Нет, не в том, по которому можно узнать судьбу вашего бизнеса, а в том, которое мы выпиваем, пока решаем задачу прогнозирования для каждого конкретного предприятия.
Не стоит путать прогнозы объема продаж, основанные на детальных расчетах, с ненаучной ворожбой. Давайте рассмотрим, как составить максимально точный прогноз продаж и какие задачи он решает.
Для чего нужен прогноз продаж?
1. Постановка целей
. Полученная по годовому прогнозу цифра – то, к чему компания должна прийти на следующий год, тот план, который необходимо выполнить. Это часть бизнес-плана для предприятия и реальная, четко просчитанная цель для отдела продаж, от которой можно отталкиваться при начислении премий и бонусов. Очень часто цель ставится из желаний, а не из реальных возможностей.
Поэтому перед тем как поставить цель необходимо сначала сделать прогноз, а потом устанавливать цель. Если цель выше прогноза, то нужно понимать за счет каких изменений цель будет выполнена.
2. Формирование необходимой базы трудовых и производственных ресурсов. Исходя из прогнозного количества клиентов и объема продаж. Задача: запланировать закупки и определить будущие потребности компании в оборудовании и персонале.
3. Управление складскими запасами . В каждый момент времени в распоряжении производства будет находиться складской остаток, достаточный для выполнения задач на определенном этапе. Никакого дефицита или избытка материалов на складе – только рациональное расходование средств!
4. Повышение мобильности бизнеса . На прогнозном графике (или в таблице) можно заблаговременно увидеть моменты возможного проседания объема продаж (например, из-за сезонности продукта) и предпринять меры для корректировки ситуации еще до окончания периода. Кроме того, повышаются шансы мгновенно отследить незапланированный спад продаж, оперативно выявить причины снижения показателей и своевременно исправить ситуацию.
5. Контроль и оптимизация расходов . Прогнозирование покажет, какие затраты в целом понесет компания на производство и реализацию продукции. А значит, можно разработать бюджет и заблаговременно определить, какие издержки подлежат сокращению в случае неисполнения прогноза по увеличению объема продаж.
Методы прогнозирования и как они работают
Существует 3 основных группы методов:
1. Метод экспертных оценок . Базой для них является субъективная оценка определенной группы экспертов, которые имеют свое видение текущей ситуации и перспектив развития. В роли внутренних экспертов выступают руководители компаний и топ-менеджеры. Внешними экспертами могут быть привлеченные консультанты и финансовые аналитики.
Эту методику выбирают при отсутствии большого количества статистических данных, например, когда компания выводит на рынок новый товар или услугу. Эксперты оценивают проблему, основываясь на интуиции и логике. Обобщенное мнение специалистов и становится прогнозом. Метод очень сильно зависит от опыта эксперта в отрасли. Иногда это лучший способ прогнозирования. И тут нет ничего общего с гаданием. Интуиция это вычисления нашего мозга, которые человек не может отследить. Главное уметь очистить интуицию от предрассудков.
Пример.
«Мозговой штурм» – коллективный метод экспертной оценки, в котором принимают участие начальники отделов продаж, маркетинга, производства и логистики. Каждый по очереди озвучивает факторы, которые могут положительно или отрицательно повлиять на будущие продажи. Прогноз формируется по сводному перечню выдвинутых идей.
Но нужно учитывать что каждый из участников будет иметь свои интересы. Продажникам нужно занизить план, чтобы потом геройски его выполнить. Маркетологам завысить чтобы показать перспективы рынка. Производству сократить ассортимент до 1 единицы и сформировать ровный график, логистике не нужны пики и спады.
2. Методы анализа и прогнозирования временных рядов . Оптимальный вариант для предприятия, накопившего базу данных по продажам за несколько лет. Для упрощенного прогнозирования можно воспользоваться стандартной программой Excel. В ней составляется таблица с ежемесячным объемом продаж в каждом году, и на основе этой таблицы выстраивается график.
График показывает основной тренд (повышение или снижение объемов продаж), а также сезонные колебания. Остается экстраполировать кривую на месяц, на год или любой другой период времени. Можно расширить этот метод следующим пунктом.
3. Казуальные (причинно-следственные) методы.
Они учитывают зависимость уровня продаж от одной или нескольких переменных. Для построения адекватной модели необходимо знать независимые факторы, которые влияют на спрос.
Что это за факторы? Доходы населения, цены конкурентов, эффективность рекламы, объемы производства смежных областей – то есть все, что определяет поведение потребителей.
Пример.
Компания реализует сантехнику. Первый фактор – объемы строительства в регионе. Они в прошлом году снизились на 15%, объемы продаж сантехники упали на 10%. В следующем году кризис в строительной сфере продолжится, значит, упадут и продажи унитазов, раковин и ванн. Второй фактор – реклама. Как показал опыт сантехнической компании в прошлые периоды, увеличение расходов на рекламу на 10% увеличивает продажи на 20%. И так далее по каждому фактору влияния.
Итоговый показатель рассчитывается с помощью многофакторного уравнения, в котором каждая переменная протестирована и выверен ее уровень значимости.
Выбор метода зависит от того, какие исходные данные есть в наличии. Самое эффективное решение – сочетание нескольких методов.
Следует учитывать, что прогнозирование величины продаж лучше работает в краткосрочном периоде, и не из-за каких-то особенностей расчета, а потому что на уровне бизнеса практически невозможно предсказать изменение внешних политических и экономических условий. Вспомните, кто был готов к кризису 2008? А к санкциям из-за ситуации на Украине?
Как рассчитать прогноз продаж – чек-лист для бизнеса
Посмотрите, какой алгоритм прогнозирования используем мы, перед тем как гарантировать своим клиентам увеличение объема продаж на 20-200%:
- Анализируем результаты деятельности предприятия за предыдущий период . Берем ежемесячные или еженедельные данные за три предыдущих года. Для нового товара, у которого отсутствует история продаж, используем методы экспертной оценки – основываемся на опыте наших специалистов, работавших с аналогичным бизнесом, опрашиваем внешних экспертов и изучаем конкурентов.
На этом же этапе исходя из предоставленных сведений мы определяем эластичность спроса, чтобы понять, насколько сильно объем продаж зависит от повышения/понижения цены, если они были за эти периоды Каждый экстремум на графике наход объяснение путем анализа страктуры оборота. Какие клиенты купили больше или меньше, почему, что повлияло. В 99 % случаев ответы находятся без особых усилий.
- Определяем тренд рынка . Прогнозировать увеличение продаж продукции можно только в том случае, если общий тренд рынка является растущим или хотя бы стабильным. Увидеть текущие тенденции можно в ЯндексВордстате – мы набираем запрос, соответствующий продукту клиента, и изучаем график.
Если кривая спроса неуклонно снижается и нет никаких данных о скором окончании кризиса в этой отрасли, на рост продаж рассчитывать не стоит. однако можно попытаться удержаться на текущем уровне., кризис вечным не бывает. И если вы сохраните за собой долю рынка, в момент подъема у вас будет лучший старт, чем у конкурентов.
- Учитываем сезонность предлагаемого товара/услуги . Если есть сведения по прошлым продажам – отлично! Если нет, есть простой способ выяснить наличие или отсутствие сезонных колебаний – воспользоваться все тем же графиком по динамике запросов.
Посмотрите, как четко видны сезонные колебания по запросу «кровельные материалы»: летние пики и зимние провалы. Для товаров и услуг, спрос на которые отличается ярко выраженной сезонностью, нужно рассчитать коэффициент сезонности по каждому плановому периоду.
Пример.
Компания продает мягкую кровлю в рулонах. В апреле прошлого года было реализовано 100 рулонов, а уже в июне – 176 рулонов. В апреле этого года компания реализовала 124 рулона, сколько рулонов будет продано в июне? Простая задачка для начальной школы решается в одно действие: 176/100*124=218 рулонов (где 176/100=1,76 – коэффициент сезонности). Аналогично можно сделать расчет коэффициента в целом по рынку.
- Оцениваем актуальное УТП. Например при продаже квартиры мы оцениваем УТП компании по 32 параметрам, каждой характеристике присваиваем вес и четко понимаем силу нашего предложения. Качество уникального торгового предложения серьезно влияет на конверсию. После конкурентного анализа мы можем сказать, какой будет конверсия на сайте для конкретного бизнеса – 2% или все 10%. Если доработать откровенно слабое УТП и четко прописать его в рекламных объявлениях, можно в разы увеличить количество обращений
- Тестируем эффективность рекламы по каждому каналу продаж . Для офлайн-магазинов можно запустить тестовую рекламную кампанию в газетах, на телевизионных каналах региона. Для интернет-магазинов – размещаем таргетированную рекламу в соцсетях или контекстные объявления в Яндекс.Директ (GoogleAdwords). Каждому рекламному каналу присваиваем свой номер телефона или любой другой маркер, позволяющий определить, что именно сработало.
Пример.
Компания реализует металлические двери в двух магазинах в своем городе и интернет-магазине с доставкой по области. Реклама в газетах представляет собой купон с 5% скидкой, который нужно предъявить при обращении. В контекстной рекламе размещаем телефон и отслеживаем количество поступивших по нему звонков. Одна реклама увеличила количество клиентов на 10%, а вторая не сработала? Используем эту информацию для планирования и прогнозирования.
- Анализируем клиентскую базу по физическим и юридическим лицам, среднему чеку, регулярности закупок. Берем статистику по уже завершенным сделкам, вычисляем средний чек для каждой группы клиентов. Мы уже выяснили, сколько новых покупателей принесет нам реклама. Умножаем их количество на средний чек и получаем прогнозный объем продаж.
В расчете будущих объемов продаж для сегмента B2B есть свои особенности. Как правило, это не разовые клиенты, а постоянные деловые партнеры, которые будут покупать товары в течение всего года. Соответственно, кроме среднего чека нужно определить периодичность поставок. Потенциал можно оценить по базам 2gis.ru.
- Проверяем, как работают менеджеры по продажам . Прослушиваем, как менеджеры работают с обращениями. Если по итогам общения с потенциальным клиентом менеджер не смог довести его до заказа, нужно составить эффективные скрипты телефонных разговоров и провести обучение персонала. В результате, из 10 обращений до покупки дойдетне 1 клиент, а, 3.
Когда мы составляем прогноз роста продаж, мы используем именно этот чек-лист, дополняя или видоизменяя его в зависимости от вида бизнеса. Как видите, в нем встречаются элементы всех трех методик. По каждой гипотезе дается оценка, но их совокупность обеспечивает высокую точность прогноза.
Мы можем гарантировать максимально точное прогнозирование при условии, что клиент сначала предоставляет нам как можно большее количество исходных данных, а потом четко реализуются все внедрения. Мы проведем аудит любого бизнеса и точно определим объем на который способен Ваш бизнес и не обижайтесь если он будет в несколько раз Ваше текущего
Аппроксимация функции нескольких независимых переменных (множественная регрессия) – очень интересная, имеющая огромное практическое значение задача! Если научиться ее решать, то можно стать почти волшебником, умеющим делать очень достоверные прогнозы...
Результатов различных процессов на основе данных предыдущих периодов времени. В этой статье мы рассмотрим прогнозирование в Excel при помощи очень мощного и удобного инструмента — встроенных статистических функций ЛИНЕЙН и ЛГРФПРИБЛ.
Не пугайтесь «умных» терминов! Все, на самом деле, не так страшно, как кажется вначале! Не пожалейте время и прочтите эту статью внимательно до конца. Умение применять на практике эти функции существенно увеличит ваш «вес» как специалиста в глазах коллег, руководителей и в своих собственных глазах!
В одной из самых популярных статей этого блога подробно рассказано об (рекомендую прочесть). Но в реальных жизненных процессах результат, как правило, зависит от многих независимых друг от друга факторов (переменных). Как выявить и учесть все эти факторы, связать их воедино и на основании накопленных статистических данных спрогнозировать расчетный конечный результат для некоего нового набора исходных параметров? Как оценить достоверность прогноза и степень влияния на результат каждой из переменных? Ответы на эти и другие вопросы – далее в тексте статьи.
Что можно научиться прогнозировать? Очень многое! В принципе, можно научиться прогнозировать любые самые разнообразные результаты процессов в повседневной жизни и работе. Всегда, когда возникает вопрос: «А что будет, если…?» зовите на помощь Excel, рассчитывайте прогноз и проверяйте его достоверность!
Можно научиться прогнозировать зависимость прибыли от цены и объемов продаж любого товара.
Можно научиться прогнозировать зависимость цены автомобилей на вторичном рынке от марки, мощности, комплектации, года выпуска, количества предыдущих владельцев, пробега.
Можно научиться устанавливать зависимость объемов продаж товаров от затрат на различные виды рекламы.
Можно научиться выполнять прогнозирование в Excel стоимости наборов любых услуг в зависимости от их состава и качества.
В производстве, используя косвенные простые параметры, можно научиться прогнозировать трудоемкость и объем выпускаемой продукции, потребление материалов и энергоресурсов, и т.д.
Прежде чем начать решать практическую задачу, хочу обратить внимание на один весьма важный момент. Научиться выполнять прогнозирование в Excel с использованием вышеназванных функций ЛИНЕЙН и ЛГРФПРИБЛ технически не очень сложно. Гораздо сложнее научиться анализировать процесс, приводящий к результату и находить простые факторы, влияющие на него. При этом желательно (но не обязательно) понимать — КАК зависит результат (функция) от каждого из факторов (переменных). Линейная это зависимость или может быть степенная или какая-нибудь другая? Понимание физического смысла процесса поможет вам правильно выбрать переменные. Подбор аппроксимирующей функции следует производить при полном понимании логики и смысла процесса, приводящего к результату.
Подготовка к прогнозированию в Excel.
1. Четко формулируем название и единицу измерения интересующего нас результата процесса. Это и есть искомая функция — y , аналитическое выражение которой мы будем определять с помощью MS Excel.
В примере, представленном чуть ниже, y — это срок изготовления заказа в рабочих днях.
2. Производим анализ процесса и выявляем факторы — аргументы функции — x 1 , x 2 , ... x n — наиболее сильно на наш взгляд влияющие на результат – значения функции y . Внимательно назначаем единицы измерений для переменных.
В примере это:
x 1 — суммарная длина всех прокатных профилей в метрах, из которых изготавливается заказ
x 2 — общая масса всех прокатных профилей в килограммах
x 3 — суммарная площадь всех листов в метрах квадратных
x 4 — общая масса всех листов в килограммах
3. Собираем статистику – фактические данные – в виде таблицы.
В примере – это фактические данные о металлопрокате и фактических сроках выполненных ранее заказов.
Очень важно при выборе переменных x 1 , x 2 , ... x n учесть их доступность. То есть, значения этих факторов должны быть у вас в виде достоверных статистических данных. Очень желательно, чтобы получение значений статистических данных было простым, понятным и нетрудоемким процессом.
Переходим непосредственно к рассмотрению примера.
Небольшой участок завода производит строительные металлоконструкции. Входным сырьем является листовой и профильный металлопрокат. Мощность участка в рассматриваемом периоде времени неизменна. В наличии есть статистические данные о сроках изготовления 13-и заказов (k =13) и количестве использованного металлопроката. Попробуем найти зависимость срока изготовления заказа от суммарной длины и массы профильного проката и суммарной площади и массы листового проката.
В рассмотренном примере срок изготовления заказа напрямую зависит от мощности производства (люди, оборудование) и трудоемкости выполнения технологических операций. Но детальные технологические расчеты очень трудоемки и, соответственно, длительны и дороги. Поэтому в качестве аргументов функции выбраны четыре параметра, которые легко и быстро можно посчитать при наличии спецификации металлопроката, и которые косвенно влияют на результат – срок изготовления. В результате анализа была установлена сильнейшая связь между изменениями исходных данных и результатами процесса изготовления металлоконструкций.
Примечательно, что найденная зависимость связывает в одной формуле параметры с различными единицами измерения. Это нормально. Найденные коэффициенты не являются безразмерными. Например, размерность коэффициента b – рабочие дни, а коэффициента m 1 – рабочие дни/м.
1. Запускаем MS Excel и заполняем ячейки B4...F16 таблицы Excel исходными статистическими данными. В столбцы пишем значения переменных x i и фактические значения функции y , располагая данные, относящиеся к одному заказу в одной строке.
2. Так как функции ЛИНЕЙН и ЛГРФПРИБЛ — функции выводящие результаты в виде массива , то их ввод имеет некоторые особенности. Выделяем область размером 5×5 ячеек — ячейки I9...M13. Количество выделенных строк всегда — 5, а количество столбцов должно быть равно количеству переменных x i плюс 1. В нашем случае это: 4+1=5.
3. Нажимаем на клавиатуре клавишу F2 и набираем формулу
в ячейках I9...M13: =ЛИНЕЙН(F4:F16;B4:E16;ИСТИНА;ИСТИНА)
4. После набора формулы необходимо для ее ввода нажать сочетание клавиш Ctrl+Shift+Enter. (Знак «+» нажимать не нужно, в записи он означает, что клавиши нажимаются последовательно при удержании нажатыми всех предыдущих.)
5. Считываем результаты работы функции ЛИНЕЙН в ячейках I9...M13.
Карту, поясняющую значения каких параметров в каких ячейках выводятся, я расположил в ячейках I4...M8 для удобства чтения сверху над массивом значений.
Общий вид уравнения аппроксимирующей функции y , представлен в объединенных ячейках I2...M2.
Значения коэффициентов b , m 1 , m 2 , m 3 , m 4 считываем соответственно
в ячейке M9: b =4,38464164
в ячейке L9: m 1 =0,002493053
в ячейке K9: m 2 =0,000101103
в ячейке J9: m 3 =-0,084844006
в ячейке I9: m 4 =0,002428953
6. Для определения расчетных значений функции y — срока изготовления заказа — вводим формулу
в ячейку G4: =$L$9*B4+$K$9*C4+$J$9*D4+$I$9*E4+$M$9 =5,0
y =b +m 1 *x 1 +m 2 *x 2 +m 3 *x 3 +m 4 *x 4
7. Копируем эту формулу во все ячейки столбца от G5 до G17 «протягиванием» и сверяем расчетные значения с фактическими. Совпадение очень хорошее!
8. Предварительные действия все выполнены. Уравнение аппроксимирующей функции y найдено. Пробуем выполнить прогнозирование в Excel срока изготовления нового заказа. Вписываем исходные данные.
8.1. Длину прокатных профилей по проекту x 1 в метрах пишем
в ячейку B17: 2820
8.2. Массу прокатных профилей x 2 в килограммах пишем
в ячейку C17: 62000
8.3. Площадь листового проката, используемого в новом заказе по проекту, x 3 в метрах квадратных заносим
в ячейку D17: 110,0
8.4. Общую массу листового проката x 4 в килограммах вписываем
в ячейку E17: 7000
9. Расчетный срок изготовления заказа y в рабочих днях считываем
в ячейке G17: =$L$9*B17+$K$9*C17+$J$9*D17+$I$9*E17+$M$9 =25,4
Прогнозирование в Excel выполнено. На основе статистических данных мы рассчитали предположительный срок выполнения нового заказа — 25,4 рабочих дней. Остается выполнить заказ и сверить фактическое время с прогнозным.
Анализ результатов.
Мы не будем погружаться глубоко в дебри статистических терминов и расчетов, но некоторых практических аспектов все же придется коснуться.
Обратимся к другим данным в массиве, которые вывела функция ЛИНЕЙН.
Во второй строке массива в ячейках I10…M10 выведены стандартные ошибки se 4 , se 3 , se 2 , se 1 , se b для расположенных выше в первой строке массива соответствующих коэффициентов уравнения аппроксимирующей функции m 4 , m 3 , m 2 , m 1 , b .
В третьей строке в ячейке I11 выведено значение коэффициента множественной детерминации r 2 , а в ячейке J11 — стандартная ошибка для функции — se y .
В четвертой строке в ячейке I12 находится, так называемое F -наблюдаемое значение, а в ячейке J12 — df – количество степеней свободы.
Наконец, в пятой строке в ячейках I13 и J13 соответственно размещены ss reg — регрессионная сумма квадратов и ss resid — остаточная сумма квадратов.
На что следует в регрессионной статистике обратить особое внимание? Что для нас наиболее важно?
1. На сколько достоверно прогнозирует срок изготовления полученное уравнение функции y ? При высокой достоверности аппроксимации значение коэффициента детерминации r 2 близко к максимуму — к 1! Если r 2 <0,7…0,8, то различия между фактическими и расчетными значениями функции будут значительными, и применять полученную формулу для прогнозирования, скорее всего, нельзя.
В нашем примере r 2 =0,999388788. Это означает, что найденное уравнение функции y чрезвычайно точно определяет срок изготовления заказа по четырем входным данным. Вышесказанное подтверждается сравнительным анализом значений в ячейках F4…F16 и G4…G16 и указывает на существенную зависимость между сроком изготовления и данными о входящем в заказ металлопрокате.
2. Определим важность и полезность каждой из четырех переменных x 1 , x 2 , x 3 , x 4 в полученной формуле с помощью, так называемой, t -статистики.
2.1. Рассчитываем t 4 , t 3 , t 2 , t 1 , соответственно
в ячейке I16: t 4 = I9/I10 =26,44474886
в ячейке J16: t 3 = J9/J10 =-11,79198416
в ячейке K16: t 2 = K9/K10 =3,76748771
в ячейке L16: t 1 = L9/L10 =3,949105515
t i = m i / se i
2.2. Вычисляем двустороннее критическое значение t крит с уровнем достоверности α =0,05 (предполагается 5% ошибок) и количеством степеней свободы df =8
в ячейке M16: t крит =СТЬЮДРАСПОБР(0,05; J12) =2,306004133
Так как для всех t i справедливо неравенство | t i |> t крит , то это означает, что все выбранные переменные x i полезны при расчете сроков изготовления заказов – y .
Наиболее значимой переменной при прогнозировании в Excel сроков изготовления заказов y является x 4 , так как | t 4 |>| t 3 |>| t 1 |>| t 2 | .
3. Не является ли случайным полученное значение коэффициента детерминации r 2 ? Проверим это, используя F -статистику (распределение Фишера), которая характеризует «неслучайность» высокого значения коэффициента r 2 .
3.1. F -наблюдаемое значение считываем
в ячейке I12: 3270,188104
3.2. F -распределение имеет степени свободы v 1 и v 2 .
v 1 = k — df -1 =13-8-1=4
v 2 = df =8
Рассчитаем вероятность получения значения F -распределения большего, чем F -наблюдаемое
в ячейке I12: =FРАСП(I12;4;J12) =6,97468*10 -13
Так как вероятность получения большего значения F -распределения, чем наблюдаемое чрезвычайно мала, то из этого следует вывод — найденное уравнение функции y можно применять для прогнозирования сроков изготовления заказов. Полученное значение коэффициента детерминации r 2 не является случайным!
Заключение.
Применение функции MS Excel ЛГРФПРИБЛ почти не отличается от работы с функцией ЛИНЕЙН кроме вида уравнения искомой функции, которое принимает для рассмотренного примера следующий вид:
y =b *(m 1 x1 ) *(m 2 x2 )*(m 3 x3 )*(m 4 x4 )
Статистика множественной регрессии, которую рассчитывает функция ЛГРФПРИБЛ, базируется на линейной модели:
ln (y )=x 1 *ln (m 1 )+x 2 *ln (m 1 )...+x n *ln (m n )+ln (b )
Это означает, что значения, например, se i нужно сравнивать не с m i , а с ln (m i ) . (Подробнее об этом почитайте в справке MS Excel.)
Если в результате использования функции ЛГРФПРИБЛ коэффициент детерминации r 2 окажется ближе к 1, чем при использовании функции ЛИНЕЙН, то применение аппроксимирующей функции вида
y =b *(m 1 x 1 )*(m 2 x 2 )…*(m n x n ),
несомненно, является более целесообразным.
Если прогнозное значение функции y находится вне интервала фактических статистических значений y , то вероятность ошибки прогноза резко возрастает!
Для обеспечения высокой точности прогнозирования в Excel необходима точная и обширная статистическая база данных – информация об известных из практики результатах процессов. Но, даже имея в наличии такую базу, вы не будете застрахованы от ложных предположений и выводов. Процесс прогнозирования коварен и полон неожиданностей! Помните об этом всегда! Глубже вникайте в суть прогнозируемого процесса. Тщательней относитесь к выбору и назначению переменных. На полученные результаты всегда смотрите через «очки скептика». Такой подход поможет избежать серьезных ошибок в важных вопросах.
Для получения информации о выходе новых статей и для скачивания рабочих файлов программ прошу вас подписаться на анонсы в окне, расположенном в конце статьи или в окне вверху страницы.
Отзывы, вопросы и замечания, уважаемые читатели, пишите в комментариях внизу страницы.
ПРОШУ уважающих труд автора СКАЧАТЬ файл ПОСЛЕ ПОДПИСКИ на анонсы статей!
Ошибка многих бизнесменов — ведение продаж вслепую. Они не делают никаких прогнозов продаж, оценивая лишь итоги отчетного периода. Такая схема напоминает американские горки: то пик, то длительное затишье.
Почему так делать не стоит?
- Если не составлять прогноз продаж, персонала падает. Нет ориентира к чему стремиться.
- Любая цифра оценивается по принципу «хоть что-то».
- Нет духа конкуренции, нет лидеров, на которых необходимо равняться.
Чтобы достигать целей, их, прежде всего, надо ставить. Чтобы увеличить выручку, нужно составить прогноз. Главное, чтобы желаемый рост был реалистичен. Практика показывает, что цифры прогноза достигаются тогда, когда запланированные показатели отличаются от реальных возможностей ваших продавцов не более чем на 30-35%.
Обратите внимание на следующие способы составления прогноза:
1. Плюс 10% от достигнутого
Этот способ знаком тем, кто изучал советскую экономику и ее методику прогнозов. Основной смысл этого метода — в прогнозировании показателей на 10-15% выше, чем было достигнуто за предыдущий отчетный период.
Этот метод хорошо работает, когда в вашей компании уже выстроена система продаж, и у каждого менеджера установлены минимально допустимые показатели эффективности.
Однако при этом методе важно установить реальные возможности ваших продавцов. Чтобы прогноз имел вызов, а не содержал показатели нижней планки допустимого.
2. Равнение на лучших
Это популярный мотиватор достижения поставленных целей. Основная суть метода заключается в том, чтобы показать, что если кто-то смог оправдать ожидания прогноза продаж, то смогут и другие.
Однако в качестве ориентира на цифры в прогнозе этот метод не всегда бывает эффективным. Как минимум, потому что в любом отделе продаж есть «локомотивы» и «кандидаты на увольнение». Поэтому, чтобы прогноз был более реальным и оправданным, нужно ориентироваться на нечто среднее между результатами этих двух категорий.
3. Смотрим на конкурентов
Делать прогноз, исходя из собственных достижений, логично, но периодически необходимо сравнивать себя с конкурентами, чтобы выйти на лидирующие позиции.
Это отличный способ делать прогноз продаж, если у вас есть доступ к информации о конкурентах. К их стратегии, бизнес-процессах, закупочных ценах, скидках, и о многом таком, о чем не пишется в коммерческих предложениях и не рассказывается на сайте.
Достать эту информацию можно разными способами. В том числе, проводя партизанские методы работы. Например, позвонить конкуренту под видом покупателя и посмотреть, как выстроена у него цепочка работы с клиентом.
4. Поощряем свои желания
Один из методов составления прогноза продаж заключается в том, что вы отталкиваетесь от ваших реальных желаний. Пусть даже это не соответствует здравому смыслу. Но вы ставите себе за цель определенные цифры и подбираете методы его реализации.
5. Ориентируемся на свою воронку продаж
Этот метод можно применять при прогнозе, если у вас есть замеры результатов всех этапов продаж. Т.е. вы знаете все цифры, которые влияют на продажи в вашем бизнесе.
Чтобы получить все необходимые показатели — проанализируйте работу своего отдел. Для составления прогноза необходимы цифры за период 2-3 месяца.
Какую информацию вы должны анализировать:
- сколько времени в среднем тратится на один холодный звонок,
- сколько времени в среднем тратится на сбор информации о потенциальном клиенте,
- сколько надо сделать звонков, чтобы по цепочке добраться до лица, решения,
- сколько встреч реально может провести в день один менеджер,
- какой процент встреч заканчивается заказом,
- количество повторных продаж,
- средний чек.
Имея на руках эти цифры, вы можете составить реалистичный прогноз.
Как декомпозировать план
Необходимо определиться с целями, которые вы ставите в прогнозах. Дальше важно декомпозировать их на задачи для каждого сотрудника.
Поэтому, составляя прогноз продаж, разбейте общее видение на конкретные направления, с которыми нужно работать для достижения результата.
Необходимо составить следующие планы:
- По новым клиентам;
- По новым продуктам;
- По увеличению доли в текущих клиентах;
- По из различных каналов;
- По оттоку клиентов;
- По невозврату дебиторской задолженности (если есть такая проблема).
Каждую цифру в плане разбейте еще по следующим направлениям:
- По регионам;
- По отделам;
- По сотрудникам;
- По месяцам/дням;
- По промежуточным показателям эффективности с учетом показателей по в воронке (текущая и новая клиентская база).
Чем точнее и детальней вы раздробите цифры в каждом плане, тем вероятней осуществление прогноза.
Пример декомпозиции
Приведем пример декомпозиции прогноза продаж до уровня ежедневных показателей для каждого сотрудника. Но прежде, чем сделать это, убедитесь, что коммерческая структура работает оптимально. Необходимо провести небольшой аудит по 4 направлениям.
Клиенты. Нужно провести сегментацию текущей базы покупателей, чтобы выявить основные целевые группы и сосредоточиться на работе с наиболее рентабельными.
Каналы. Проанализируйте конверсию каждого из них с учетом средней стоимости лида и прекратите вкладывать в то, что не приносит результата.
Сотрудники. В отделе должны остаться работать только самые лучшие кадры. Отсев произойдет автоматически, если вы внедрите 2 принципа:
- принцип «сложного оклада», в котором бонусная часть за выполнение прогноза продаж составляет не менее 50%;
- принцип «больших порогов», который регулирует выплату бонусов: не выполнил до 80% плана – не получил бонус, 80-100% — плюс 1 оклад, перевыполнил план – плюс 2 оклада.
Продукты. Избавьтесь от неликвидных и низкомаржинальных продуктов. Это предотвратит расход ресурсов.
Опираясь на оптимально настроенную систему приступайте к декомпозиции, следуя плану ниже.
1. Определите прогнозную цифру прибыли. Посмотрите на прибыль предыдущих периодов. Исключите разовые сделки. Учтите влияние маркетинга и сезонность.
2. Зная свою маржинальность, по доле прибыли вычислите выручку.
3. Разделите выручку на средний чек и получите примерное количество сделок, которые нужно заключить, чтобы достичь поставленной прибыли.
4. Используя показатель конверсии из заявки в покупателя, просчитайте количество лидов.
5. По промежуточной конверсии в воронке рассчитайте общее количество действий, которые необходимо совершить в рамках бизнес процесса. Речь идет о звонках, встречах, презентациях, повторных звонках, высланных коммерческих предложениях, выставленных счетах.
6. Как только у вас будут количественные показатели каждого этапа, разделите их на количество рабочих дней прогнозного периода (чаще всего принято говорить о месяце).
Таким образом, вы выясните что и сколько должен делать каждый продавец, чтобы в итоге весь отдел закрыл план к концу месяца. Контролируйте выполнение этих показателей на ежедневной основе.