CC BY
502
УДК 658.562
В.Н. ЧАЙНИКОВ
ПРОГНОЗИРОВАНИЕ СБЫТА ПРОДУКЦИИ ПРОМЫШЛЕННОГО НАЗНАЧЕНИЯ*
Ключевые слова: объем продаж, показатели конкурентоспособности продукции, «жизненный цикл» продукции.
На основе анализа теоретических разработок предложена экономико-математическая поисковая модель, позволяющая моделировать и анализировать процесс прогнозирования уровня конкурентоспособности продукции и объема её продажи на рынке. Модель позволяет определять составляющие показателя конкурентоспособности продукции, а именно: полезный эффект и совокупные затраты за полный жизненный цикл продукции.
V.N. CHAYNIKOV FORECAST OF INDUSTRIAL PRODUCT SALES
Key words: volume of sales; product competitiveness indexes; product life cycle.
On the basis of theoretical evidence the paper puts forward economic and mathematical search model enabling to model and analyze the process of forecasting the degree of product competitiveness as well as the volume of its sales in the market. The model enables to determine the content of product competitiveness index, i.e. useful effect and total expenses over the complete life cycle of a product.
Прогнозирование сбыта (продажи) продукции является одним из ключевых показателей любого производственного предприятия, характеризующих его коммерческую деятельность, и приобретает особое значение в условиях рынка, так как во многом определяет его будущую прибыль и стратегию дальнейшего развития. Результаты прогнозирования объема продаж могут не только интерпретировать закономерности спроса и развития производства продукции, но и использоваться для поиска оптимальных стратегических решений. Кроме того, они могут рассматриваться как начальная стадия планирования производства и сбыта продукции, определяющая выбор путей их достижения.
Прогнозирование объема сбыта (продаж) товаров различного назначения рассматривается в ряде работ как отечественных [1, 4, 6], так и зарубежных авторов [8], где используются известные методы экспертных оценок, регрессионного, корреляционного анализа, экстраполяции тренда и т.д. В последнее время в задачах прогнозирования объема сбыта (продаж) товаров и обоснования маркетинговых решений находит применение адаптивный регрессионный анализ [3], а также метод «нейронных» сетей [5]. Не раскрывая сущности известных методов, отметим, что в каждом конкретном случае выбор метода осуществляется исходя из целей прогнозирования, изменения спроса на изготовляемую продукцию, тенденций изменения платежеспособности предприятий, колебания их деловой активности, цикличности появления на рынке новых товаров конкурентов, изменения технологии производства и т.д. При этом прогнозные расчеты одновременно могут быть выполнены разными методами, но при этом окончательный вариант необходимо принимать на основе результатов сравнительного качественного анализа. Использование многовариантности прогнозных расчетов позволяет повысить их верифицируемость, т.е. достоверность, точность и обоснованность. В этой связи необходимы изыскание дополнительных научно обоснованных решений данной задачи и совершенствование существующих методов прогнозирования на основе более глубокого качественного анализа сущности основной тенденции динамики развития объема продаж исследуемых товаров.
* Исследование выполнена при финансовой поддержке РГНФ проект № 10-02-22205 а/В.
Основой качественного анализа содержания основной тенденции динамики развития объема продаж товара (тренда), на наш взгляд, могут служить результаты анализа кривой его «жизненного цикла», включающей этапы внедрения (выхода на рынок), роста, зрелости, насыщения и спада.
Качественный анализ «типичной» кривой «жизненного цикла» показывает, что она имеет Б-образную форму, так как описывает два последовательных процесса: первый - с ускорением развития объема продаж на этапах внедрения и роста, а второй - с замедлением и достижением максимальной величины объема продаж на этапе зрелости. Это дает возможность использовать логистическую кривую для качественного описания «жизненного цикла» товара на его основных этапах внедрения, роста и зрелости.
С учетом отмеченных особенностей кривой «жизненного цикла» товара ставится задача изыскания такой аналитической логистической функции, которая бы по количественной информации на этапе внедрения и роста позволила спрогнозировать основную тенденцию развития динамики объема продаж на этапе зрелости и определить его количественную величину. Прогноз объема продаж товара по логистической функции на этапе зрелости дает возможность предприятию расчетным путем определить два важнейших параметра кривой «жизненного цикла» товара: во-первых - точку перегиба, характеризующую переход основной тенденции динамики ускоренного процесса развития объема продаж на его неизбежное торможение и замедление с достижением максимальной величины; во-вторых - время перехода с ускоренного процесса на процесс замедления, а также время выхода предприятия на максимальный объем продаж. Эта качественная и количественная информация имеет большое практическое значение для промышленного предприятия при принятии дальнейших стратегических управленческих решений его развития.
Для описания логистической кривой и прогнозирования объема продаж воспользуемся функцией вида [9]:
^ M
ц = ТЛхг‘г • (1)
где Qt - объем продаж товара в рассматриваемый момент времени 1, М - максимальное значение объема продаж, достигаемое за время £ а, Ь - постоянные параметры уравнения (1); t - время прогнозирования; е - основание натуральных логарифмов.
Для количественной оценки параметров уравнения (1) и его использования для целей прогнозирования нами были синтезированы три варианта А (генератор Г-700), В (прибор коммутации БУСН), С (устройство защитного отключения УЗО-Б) временных рядов объемов продаж промышленной продукции электротехнической отрасли, производимой предприятиями Чувашской Республики. Сглаживание временных рядов для выявления основной тенденции динамики развития и построения тренда проводилось методом скользящей средней (табл. 1). Для параметризации уравнения (1) использовался метод трех точек [10], который отличается от других известных методов тем, что дает возможность определить максимальное значение объема продаж (М) расчетным путем, что является существенным позитивным фактором, например, по сравнению с методом наименьших квадратов, по которому (М) принимается (задается), исходя из тенденций дальнейшего развития временного ряда. Параметры а, Ь, М уравнения (1) методом трех точек определились по следующим зависимостям:
1
п ' ' 2" M Q0 d1 - dг' Q0
1л ^ ^ 1 1 d^ . M - Q0
в = — (1п d1 - 1п d2); — =--------------------------1—; Ь = ■ 0
1 1 1 1
d1 =-----------------; d2 =-------------------------
Qo Q1 Q1 Q2
2
Основным условием использования метода трех точек для целей параметризации является то, что выбираемые исходные точки должны находиться соответственно в начале ^0), середине (Q1) и конце ^2) временного ряда, охватывающего этапы внедрения и роста. Другим условием использования рассматриваемого метода является равенство временных интервалов (п) между выбранными точками по оси времени.
В результате обработки временных рядов (табл. 1) были выявлены и построены три тренда, которые, как видно из (рисунок), по форме подобны логистическим кривым с характерными участками и точками перегиба А, А , А , а по формулам (2) получены три логистических уравнения, описывающие зависимости объемов продаж соответствующих видов товаров А, В, С времени прогнозирования на этапах внедрения, роста и зрелости:
Результаты расчетов динамических рядов и прогнозные значения объемов продаж товаров по полученным формулам (3) приведены в табл. 1, а на рисунке представлены их графические зависимости (данные расчетов округлены до целого значения). Анализируя расчетные данные, полученные по логистическим уравнениям (3), с фактическими, можно отметить их удовлетворительное совпадение. Величина наибольших отклонений составляет не более 9,8%.
Так как количественные величины расчетов прогнозирования объемов продаж являются вероятностными, зависящими от ряда погрешностей, расчеты прогноза выполнены не только точечными, но и интервальными оценками.
Для определения границ интервалов (QfИн) использовалась формула [10]:
где ^ - коэффициент доверия по распределению Стъюдента, который при уровне значимости } = 5%, согласно таблице Стъюдента, равен 2,571;
5 = X - ^р,-)2 - среднее квадратичное отклонение от тренда, скорректи-
' V п - т
рованное по числу степеней свободы (п-т); т - число определяемых параметров логистической функции (адекватной модели тренда) равняется 3; п -число уровней базисного ряда динамики развития равняется 8; - ве-
личина отклонения теоретических Qti (расчетных) уровней от фактических средних скользящих (условно принятых) уровней объемов продаж. Тогда с вероятностного 0,95 границы доверительных интервалов составляют QfИн = ±2,5715,. Расчетные значения границ интервалов прогнозных величин объемов продаж нанесены на соответствующие кривые (рисунок).
Таким образом, используя информацию об объемах продаж товара на этапах внедрения и роста кривой «жизненного цикла», можно по разработанной методике расчетным путем по логистическим уравнениям определить максимальную величину исследуемого параметра и время его реализации. По этой информации предприятие может заблаговременно разработать программы модернизации выпускаемого товара или перехода на новую модель, опередив конкурента по времени выхода на рынок.
3846 3030
Qt =-------------------------- Qt =----------------------------- Qt
1 + 9,7135 е-°,852^ 1 +13,7819 е-°'85™
1 + 25,3157 е
1000
0,89871
.(3)
(4)
Расчетные значения уровней объемов продаж, полученные по уравнениям логистических кривых
№ п/п Год Полу- годие Время t, годы Г-700 БУСН УЗО-Б
фактические значения, 0. шт. средние скользящие значения, Qcp. шт. расчетные значения, Q,. шт. фактические значения. Q, шт. средние скользящие значения, Qcp, шт. расчетные значения, О,, шт. фактические значения, Q, шт. средние скользящие значения, Qcp. ШТ. расчетные значения, Q„ шт.
1 2001 I 96 - - 63 - * 20 - -
2 II 243 220 220 119 120 120 40 38 38
3 2002 I 0,0 321 359 342 178 173 187 54 65 57
4 II 0.5 513 538 526 222 267 299 101 92 86
5 2003 1 1.0 780 815 747 401 407 429 121 142 131
6 II 1.5 1152 1100 1011 598 620 607 204 192 191
7 2004 1 2,0 1362 1436 1442 861 836 831 254 274 270
8 II 2,5 1794 1802 1786 1049 1072 1101 365 373 368
9 2005 1 3,0 2250 2237 2187 1306 1318 1407 510 489 477
10 II 3,5 2667 2622 2575 1599 1580 1700 602 602 588
11 2006 1 4,0 2950 2945 2905 1835 1834 1999 694 693 683
12 II 4,5 3220 3172 3176 2068 2032 2254 785 783 764
13 2007 1 5,0 3348 прогноз 3357 2191 прогноз 2467 870 прогноз 842
14 11 5,5 - - 3504 - - 2628 * - 889
15 2008 1 6,0 - - 3610 - * 2750 - - 930
16 II 6,5 - - 3699 - - 2835 - - 952
17 2009 1 7.0 - - 3746 - - 2897 - - 971
18 II 7.5 - - 3779 - - 3021 - - 980
19 2010 1 8,0 - - 3805 - - 3027 - - 987
Одним из основных недостатков разработанной методики прогнозирования объема сбыта (продаж) промышленной продукции, как и других известных методик [1, 4, 6], является то, что они при определении прогноза не учитывают динамику изменения показателя конкурентоспособности. Так как все параметры логистического уравнения (1) а, Ь, М постоянны и, как отмечают авторы работ [2, 10], являются комплексными показателями, включающими в себя все факторы, влияющие на величину прогнозируемых объемов продаж, из этого следует, что показатель конкурентоспособности товара тоже является величиной постоянной.
Зависимость объемов продаж товаров от времени: 1 - Г-700; 2 - БУСН; 3 - УЗО-Б;
° - средние скользящие значения объемов продаж;
А - расчетные (прогнозные) значения
Однако в условиях конкуренции именно рост конкурентоспособности, например, промышленной продукции обеспечивает динамику роста ее объема продаж. При этом показатель конкурентоспособности (К) [7], как видно из формулы (5), увеличивается прямо пропорционально повышению качества продукции, т.е. полезному эффекту (П), качеству сервиса (Ксер), снижению цены ее приобретения (Ц) и затрат на дальнейшую эксплуатацию (Э):
К = ——Ксер. (5)
Ц + Э
Учесть взаимосвязь показателя конкурентоспособности и объема продаж продукции можно, используя для этой цели уравнение для прогнозирования показателя конкурентоспособности, полученное в работе [9], которое имеет следующий вид:
К1 !п — К1!п—
К =-
О
О
+ К
(6)
где К - показатель конкурентоспособности продукции в прогнозном периоде; К1 - показатель конкурентоспособности в рассматриваемый период времени £
КБ - показатель конкурентоспособности товара конкурента на рынке, принятого за базовый, который является лучшим в рассматриваемый период времени; t - время прогнозирования (упреждения); О, - объемы сбыта (продаж) то-
вара соответственно в рассматриваемый и прогнозный периоды.
Уравнение (6) позволяет выполнить несколько вариантов расчетов прогнозных значений объема продаж продукции (товара) при соответствующих показателях конкурентоспособности. Так, используя данные (табл. 1) объема продаж, полученные по логистическим уравнениям, определим повышение показателей конкурентоспособности исследуемых товаров в прогнозном периоде с первого полугодия 2007 г. по первое полугодие 2010 г.
Для количественных расчетов параметров, входящих в уравнение (6), используем данные, которые находим следующим образом. Так, объем продаж реализуемого товара О и показатели конкурентоспособности рассматриваемого товара в текущем периоде К1 и товара конкурента КБ определяется исходя из результатов маркетинговых исследований предприятием соответствующего рынка.
Прогнозное значение объема продаж в уравнении (6) может быть определено по разработанной выше методике прогнозирования объема продаж по логистическим функциям (в прямой задаче прогнозирования К() или по заданной (принятой) прогнозной величине К (в обратной задаче). Следовательно, уравнение (6) позволяет выполнить несколько вариантов расчетов прогнозов как показателя конкурентоспособности К(, так и прогнозных значений объемов продаж О(.
Используя прогнозные данные объемов продаж (табл. 1), полученные по логистическим уравнениям (3), определим повышение показателя конкурентоспособности используемых товаров А, В, С за рассматриваемый период прогноза t. При этом по результатам маркетинговых исследований рынка для соответствующих товаров А, В, С примем показатель конкурентоспособности для рассматриваемого периода (первое полугодие 2007 г.) К1 = 0,7; КБ = 0,85; t = 3 года.
Результаты расчетов сведены в табл. 2, которые показывают, что показатели конкурентоспособности в прогнозном периоде увеличиваются, но повышение незначительно, наибольшая величина составляет 1,85%.
Значит, в этом случае предприятие недостаточно вело работу по увеличению конкурентоспособности выпускаемых товаров по всем направлениям ее составляющих. Этот вариант расчета можно назвать пессимистическим.
Если предприятие на основе результатов анализа своего экономического потенциала будет считать возможным увеличить в прогнозном периоде показатель конкурентоспособности своих товаров А, В, С с значений пессимистического варианта (табл. 2) до величины, например, К(=0,75 за счет повышения качества, сервиса, снижения цены приобретения и затрат на дальнейшую эксплуатацию, то прогнозные значения объемов их продаж, как показывают результаты расчетов, значительно увеличатся (табл. 2). Увеличение объемов продаж произойдет в 3,33 раза, и этот вариант расчетов будем считать оптимистическим. Тогда, исходя из результатов двух вариантов прогнозных расчетов, объемов продаж выпускаемых товаров предприятие имеет возможность выбрать и принять к рассмотрению вероятностный вариант, являющийся средним между пессимистическим и оптимистическим вариантами.
Результаты расчетов объема продаж по пессимистическому и оптимистическому вариантам прогноза
№ п/п Исследуемые параметры Виды товаров
A (Г-700) B (БУСН) C (УЗО-Б)
1. Фактические объемы продаж товаров в рассматриваемый период (первое полугодие (табл. 1) 2007 г.), О||гт 3348 2191 870
2. Максимальные прогнозные значения объемов продаж в прогнозном периоде (первое полугодие (табл. 1) 2010 г.), О 1 шт (пессимистический вариант) 3805 3027 987
3. Значения показателей конкурентоспособности К исходя из прогноза объема продаж (первое полугодие 2010 г.) 0,7053 0,7133 0,7051
4. Прогнозные значения объемов продаж при планировании повышения показателя конкурентоспособности в прогнозном периоде до К=0,75 (оптимистический вариант) 11148 7296 2897
5. Среднее прогнозное значение объемов пессимистического и оптимистического вариантов прогноза (вероятностный вариант) 7476 5161 1883
Таким образом, использование предложенной методики, позволяющей осуществить многовариантные расчеты прогноза объема продаж товаров промышленного предприятия, в сочетании с результатами прогнозов, выполненных другими методами прогнозирования, увеличивает возможность повысить их качество, основными компонентами которых являются точность, достоверность и научная обоснованность.
Литература
1. Ветроградов В. Управление продажами / В. Ветроградов. 2-е изд. СПб.: Питер, 2005. 240 с.
2. Гришин А.Ф. Статистические модели в экономике / А.Ф. Гришин, С.Ф. Котов-Данти, В.Н. Ягунов. Ростов н/Д.: Феникс, 2005. 344 с.
3. Девнис В.В. Адаптивное прогнозирование: модели и методы: монография / В.В. Девнис. Воронеж: Изд-во Воронеж. гос. ун-та, 1997. 196 с.
4. Ильин А.И. Планирование на предприятии: учеб. пособие / А.И. Ильин. 6-е изд., перераб. и доп. Минск: Новое знание, 2005. 656 с.
5. Количественные методы анализа в маркетинге / под ред. Т.П. Данько, И.И. Скоробогатых. СПб.: Питер, 2005. 384 с.
6. Кошечкин С.А. Алгоритм прогнозирования объема продаж в MS Excol / С.А. Кошечкин // Маркетинг в России и за рубежом. 2001. № 5. С. 34-42.
7. Лифиц И.М. Формирование и оценка конкурентоспособности товара и услуг / И.М. Лифиц. М.: Юрайт-Издат, 2004. 335 с.
8. Хейман С. Новая стратегия продаж / С. Хейман, Д. Санчес. М.: Лари, 2001.
9. Чайников В.Н. Прогнозирование конкурентоспособности продукции в региональной социальноэкономической системе: монография / В.Н. Чайников. Чебоксары: Изд-во Чуваш. ун-та, 2006. 150 с.
10. Четыркин Е.М. Статистические методы прогнозирования / Е.М. Четыркин. 2-е изд., перераб и доп. М.: Статистика, 1977. 220 с.
ЧАЙНИКОВ ВАЛЕРИЙ НИКОЛАЕВИЧ - кандидат экономических наук, доцент кафедры сертификации и менеджмента, Чувашский государственный университет, Россия, Чебоксары (chvn66r@mail.ru).
CHAYNIKOV VALERIY NIKOLAYEVICH - candidate of economic sciences, associate professor of certification and management department, Chuvash State University, Russia, Cheboksary.
