О.Л. Серёгина, аспирантка, кафедра предпринимательства и коммерции, Санкт-Петербургский государственный политехнический университет,
г. Санкт-Петербург, Россия, seregina [email protected]
ОРГАНИЗАЦИЯ ЭФФЕКТИВНОЙ ПРОГНОЗНОЙ ДЕЯТЕЛЬНОСТИ В РОССИЙСКИХ КОМПАНИЯХ
Аннотация
В настоящей статье рассматриваются вопросы организации работы по прогнозированию продаж российских компаний, производящих и реализующих непродовольственные товары. Описываются основные аспекты прогнозной деятельности, присущие маркетинговому подходу, и предлагаются алгоритм и методы, которые позволят компаниям строить эффективные прогнозы с минимальными затратами.
Ключевые слова: рыночный спрос, прогнозирование продаж, улучшение процессов, методы прогнозирования, непродовольственные товары длительного пользования.
ORGANIZATION OF THE EFFECTIVE FORECASTED IN THE
RUSSIAN COMPANY
Summary
There are the discussing topics of sales forecasting of Russian companies, which produce and sell non-food goods, in the present article. The author describes the main aspects of forecasting activities inherent in the marketing approach, and offers an algorithm and methods, which allow companies to build effective forecasts with minimal effort.
Keywords: market demand, sales forecasting, process improvement, forecasting methods, non-food durable goods.
В условиях постоянно растущей конкуренции на российском рынке непродовольственных товаров производители большое внимание уделяют ассортименту и потребительским свойствам своих изделий, дистрибьюторы и продавцы программам сбыта и лояльности клиентов. А вот вопросам прогнозирования спроса на эти самые изделия, как показало исследование, проведенное автором статьи в 2013 году, целью которого было изучение организации процесса прогнозирования продаж в рамках стратегической деятельности российских компаний, работающих на рынке непродовольственных товаров, достаточного внимания не уделяется. Предметом исследования стал алгоритм построения прогнозов, необходимо было выяснить, какими принципами и методами специалисты пользуются на практике. Опрос показал, что вопросы прогнозирования спроса на сегодняшний момент являются крайне важными для эффективного планирования, как производства, так и продаж, но специалистов и знаний в этой области явно не достаточно. Поэтому тема, поднятая в данная статье, и предлагаемые в ней решения, будут актуальны для практики российских компаний.
Проблема в большинстве случаев заключается в том, что руководство не понимает, как организовать прогнозную деятельность в рамках отдела маркетинга или опасается делегировать эту важную функцию таким новым на российском рынке специалистам. В данной статье описываются мотивы для делегирования функции прогнозирования отделу маркетинга, поднимается вопрос того, как эффективно построить такую работу, и что в итоге это даст компании.
Таким образом, проведенный в рамках исследования анализ работы нескольких десятков российских компаний, многие из которых ориентированы на сбыт своей продукции на федеральном уровне, показал, что далеко не все из них ведут серьезную работу по прогнозированию спроса. В выборку исследования преимущественно были включены
компании, производящие или реализующие непродовольственные товары длительного пользования. Среди крупных компаний-участников исследования можно выделить производителя садовой техники, люстр и светильников, сельскохозяйственной и спецтехники, производителя аксессуаров для мобильных телефонов, медицинского оборудования, эксклюзивного дилера снегоходов, официальных дилеров легковых автомобилей, дистрибьютора бытовой техники и так далее. Такие разные товары, но проведение глубинных интервью с представителями компаний позволило определить, что в большинстве из них вопросы прогнозирования продаж решаются в отделах логистики и продаж, либо на более высоком уровне, например, коммерческим директором. Чаще всего решения по построению прогнозов принимаются интуитивно или основываются на опыте предыдущих лет. Наиболее системно прогнозная деятельность осуществляется в организациях, работающих с продуктами категории FMCG, однако и в них роль маркетологов становится очевидной уже на этапе реализации программ по стимулированию сбыта.
Таким образом, одна из главнейших функций маркетинга -прогнозирование спроса и как следствие продаж - в российских компаниях, работающих с непродовольственными товарами, чаще всего упускается. Такое несерьезное отношение к вопросу в большей степени сказывается на долгосрочном планировании, что в результате образует «дыру» в стратегической деятельности: например, в нужный момент у компании может не оказаться достаточного количества товаров, и клиент пойдет к конкуренту.
Прогнозирование состояния предприятий и организаций в средне- и долгосрочной перспективе необходимо для эффективного менеджмента и является частью стратегического маркетингового анализа, в рамках которого оценка перспективы роста спроса на продукцию организации является важной составляющей анализа конкурентоспособности бизнеса
[1], и это, несомненно, функция маркетинга. Кроме того маркетинг не только изучает рынок, но и принимает участие в планировании и сбыте продукции, в ходе которых вопросы спроса также в приоритете. В отличие от логистов и менеджеров по продажам подход маркетологов позволяет взглянуть на ситуацию под другим углом. А обладающая более широким взглядом на рынок компания способна увидеть больше возможностей для роста [2].
Как уже было сказано выше, проведенное исследование, а также многочисленные публикации на данную тему, показывают, что чаще всего встречаются случаи, когда прогнозирование сводится к экспертному ожиданию развития ситуации. Однако, как утверждается в [3], менее 50% экспертов способны дать достоверный прогноз, потому что прогноз выходит за рамки интуиции эксперта. Это связано по большей части с психологией человека и свойственной ему забывчивостью и снижению значимости давно прошедших событий. Кроме того, если эксперт не является маркетологом, то о некоторых вещах касательно прогнозирования он может даже не иметь представления.
Рассмотрим ряд особенностей маркетингового подхода к вопросам прогнозирования, о которых специалисты других подразделений могут не задумываться.
1. Существует горизонтальный и вертикальный рыночный спрос [2]. Конъюнктура вертикальных рынков не выходит за рамки самого товара. Так, например, часто упоминающаяся в качестве примера компания Nike начинала с довольно узкого определения рынка - спортивная обувь, но после проникновения на рынок менеджмент увидел новые вертикальные возможности для производства одежды и спортивного снаряжения, как для взрослых, так и для детей. Но понимание того, что видов спорта много, и отслеживание интересов потребителей в этом отношении даст компании мощный толчок для развития, позволило компании двигать свой товар и в
горизонтальном направлении. Горизонтальный спрос дополняет спрос на вертикальном рынке. Тем не менее, в компаниях, где отсутствует широкое видение рынка, редко воспринимают подобные возможности всерьез [4]. Соответственно прогнозирование здесь должно идти с разных углов.
2. С точки зрения развития рынка спрос на товар в любой момент времени формируется за счет прихода новых потребителей и существующих клиентов, продолжающих его покупать [2]. В этой связи прогноз рыночного спроса можно построить, объединив число существующих клиентов, процент совершения повторных покупок и показателей единиц новой продукции. Вывод напрашивается сам собой, важным звеном в эффективной прогнозной деятельности является изучение потребителей.
3. Построение прогнозов на одной лишь только статистике больше подходит для «законсервированных» компаний, работающих в вакууме. Даже если история компании представлена лишь в цифрах, необходим анализ таких важных показателей, как сезонность и тренд. Но чаще всего, для эффективного прогнозирования нужен еще и учет факторов. Особенно актуально это становится в период активной работы по стимулированию сбыта, когда спрос корректируется акциями и специальными предложениями. В этом случае прогнозные модели усложняются, а примитивные методы и экспертная оценка уже точно не дадут хороших результатов, да и историю в фактах кому-то нужно записывать, вернее всего возложить эту важную задачу на маркетинг.
4.Точность прогноза зависит от его горизонта: чем дальше горизонт, тем ниже точность [3]. При этом отделы продаж усердно планируют отгрузки на год вперед, поторапливая производство или же, наоборот, с присущим им пессимизмом сдерживают объемы. Никто не подсчитывает ущерб от ошибок такого планирования, между тем составление ежемесячных прогнозов считается затратным не только в денежном
эквиваленте, но и временном. Если бы компании вели счет тому, сколько ежегодно они теряют на затоваривании или дефиците, и сколько можно выиграть при быстрой реакции на изменение спроса, то без вопросов выбор был бы сделан в пользу ежемесячных прогнозов.
5.Когда для данной статьи проводились интервью с представителями различных компаний, на вопрос, кто в вашей компании обычно выступает экспертом для построения прогнозов, полученные ответы повсеместно были похожи: генеральный директор, коммерческий директор, начальники отдела продаж или логистики, ведущий менеджер по продажам. На вопрос, что должен знать эксперт, представители отвечали не сразу и больше склонялись не к знаниям, а к их опыту работы в компании. Считается, чем опытнее сотрудник, тем компетентнее он в вопросах прогнозирования. В таком случае, стоит приглашать в качестве экспертов юристов, завхозов и других специалистов вашей компании, ведь они столько лет отдали ее успешной работе, но только не маркетологов. Конечно, нет. Все перечисленные выше директора и менеджеры, безусловно, могут и должны быть включены в группу экспертов, но дело не просто в количестве лет их работы в компании, а в знании ряда вещей [3]:
• Какие факторы могут влиять на продажи компании?
• Почему они влияют и как?
• В каких случаях они могут не повлиять?
Такой анализ многие авторы [3] рекомендуют проводить не на словах, а применять методы структуризации, например, диаграмму Исикавы. В результате экспертное мнение будет не только обобщено, но и лишний раз подтверждено уверенными доводами. Кто в компании будет проводить данную работу, решать всё тому же директору, но лучше бы он позволил сделать это маркетологу.
Когда доводов в пользу компетентности отделов маркетинга в прогнозировании достаточно, встает вопрос, как организовать работу,
чтобы она была эффективной.
Использование того или иного метода прогнозирования зависит от характера исходных данных [3], поэтому важным этапом в организации эффективной прогнозной деятельности в компании является построение системы обмена данными. Независимо от активного внедрения в работу компаний таких программ, как 1С и SAP, практикующие маркетологи рекомендуют переносить данные о продажах и отгрузках в Excel. В таком случае сиюминутные изменения, связанные с конкретным клиентом, не смогут критично повлиять на итог, а как следствие на точность прогноза.
Прогнозирование включает в себя и такие задачи, как нахождение и выбор наиболее адекватной модели (или моделей), тестирование и мониторинг [4]. Для достижения этих целей компаниям предлагается использовать разнообразное программное обеспечение, например, пакет SPSS, Excel, X-12-ARIMA и PcGive.
Поскольку в прогнозировании используются два основных класса моделей: временных рядов и каузальные [4], то для прогнозирования по каждому из них требуется представлять исходные данные определенным образом.
Анализ временных рядов заключается в поиске статистических закономерностей, на основании которых и строится прогноз. В этом случае глубоких знаний производства, экономических и иных факторов не требуется, достаточно имеющейся числовой информации (табл. 1)[3].
Шаблон организации исходных данных для прогнозирования при отсутствии иной информации кроме статистики
Дата Продажи
янв.12 76,3
фев.12 79,1
мар.12 93,4
апр.12 90,2
май.12 91,6
июн.12 88,5
июл.12 79,1
авг.12 92,2
сен.12 96,3
окт.12
Для построения прогнозов с учетом различного рода факторов, то есть каузальных моделей, необходимо оформить данные таким образом, чтобы влияние ни одного фактора не было упущено. Как правило, в таких моделях используются качественные факторы, например, акции, скидки, работа конкретного продавца, погодные условия и так далее. Напрямую включить такие факторы в модель не представляется возможным, поэтому, чтобы всё-таки построить прогноз, качественные характеристики заменяются искусственными переменными, принимающими значения 1 или 0, что эквивалентно «да» или «нет». Такие переменные получили название DUMMY и широко применяются для построения регрессии и авторегрессии, а также для учета в модели сезонности. При такого рода моделях данные должны быть представлены более масштабно, а качественные характеристики, которые будут переведены в DUMMY, следует размещать в последних столбцах таблицы (табл. 2) [3].
Шаблон организации исходных данных для прогнозирования при наличии дополнительных факторов
Дата Продажи Размер рекламного бюджета Финансовые затраты на проведение акции типа 1 Проведение акции типа 2 Изменение ассортимента у конкурентов
янв.12 76,3 36 1200 0 1
фев.12 79,1 22 0 0 DUMMY 1
мар.12 93,4 56 2550 1 0
апр.12 90,2 0 396 0 1
май.12 91,6 0 0 0 0
июн.12 88,5 55 0 1 0
июл.12 79,1 6 0 0 0
авг.12 92,2 62 0 0 0
сен.12 96,3 58 0 0 0
окт.12
В зависимости от того, какие данные поступят в отдел маркетинга, специалисты должны будут выбрать соответствующий метод прогнозирования. От специфики данных будет зависеть и точность прогноза, и как следствие эффективность всей прогнозной деятельности в компании. Классификаций методов построения прогнозов в литературе очень много, но в целом для применения методологии в рамках больших и не очень отделов маркетинга российских компаний есть смысл упростить и опустить ряд сложно выполнимых методов. Можно ограничиться методами, которые легко выполнить с применением обычного Excel, что также избавит от дополнительных инвестиций в программное обеспечение [3] (рис.1). Предлагаемого инструментария будет достаточно для прогнозирования, как на рынке B2B, так и B2C. Кроме того перечисленные методы подходят для построения прогнозов любого горизонта: од одного дня до нескольких лет.
Нет необходимости утверждать, что маркетолог способен реализовать статистические и иные методы прогнозирования, это уже
вопрос компетенции каждого отдельного специалиста. Но то, что это входит в рамки обязательного маркетингового знания не вызывает сомнения.
Новый продукт : Исходных данных нет
Методы
> Метод аналога
оценки
Методы прогнозирования
Не новый продукт
Методы прогнозирования
> Комбинация сезонной декомпозиции и регрессионного анализа
> Экспоненциальное сглаживание
> Регрессионный анализ
> Авторегрессия
> Медель ARIMA
Исходные данные: статистика и факторы
> Регрессионный анализ
> Авторегрессия
Рис.1 Выбор метода построения прогнозной модели
Для построения эффективной прогнозной деятельности в компании одного моделирования не достаточно. Важным звеном является определение допустимой ошибки модели и контроль исполнения прогнозов. Сверка того, насколько прогноз оправдал ожидания, позволит
скорректировать модель и сделает ее более точной в будущем.
Уделим несколько слов анализу ошибки прогноза. Во-первых, если ошибка прогноза есть, то необходимо проанализировать и найти причины, во-вторых, нужно понять, находится ли ошибка в переделах заданной нормы. Результаты прогноза зависят, как от правильности построения модели прогноза, так и в первую очередь от корректности факторов, которые учитываются на этапе планирования прогнозной деятельности. Кроме того на исполнение прогноза влияют и непредвиденные причины, например, погодные условия в сезон продаж. Показателями определения адекватности результата прогноза будут служить, так называемые MAD и MAPE. MAD - это средняя ошибка модели в натуральных единицах, которая показывает насколько в среднем ошибается выбранная модель, MAPE тот же показатель, но в процентах. Данные показатели определяют приемлемую точность прогноза, то есть интервал, попав в который результаты прогноза можно считать точными.
Отметим, что задачи прогнозирования могут быть разнообразными и не обязательно касаться только вопросов спроса и продаж. Прогнозные модели активно применяются для оценки изменения доли рынка, цен на товары и даже суммы покупки потенциальных клиентов. Представленные модели могут успешно использоваться для прогнозирования товаров длительного пользования, исключением будут являться капиталоемкие товары, которые отличаются редкими продажи, в данном случае прогноз должен строиться на основе распределения Пуассона.
Подведем итог выше сказанному и представим окончательный алгоритм построения прогнозов схематично (рис. 2).
1
2
3
Формулируем цели прогноза
Определяем
период
прогноза
Собираем
экспертное
мнение
4 -
Формулируем факторы влияния на спрос
5 -
Собираем
статистические
данные
6 -
Выбираем
подходящую
модель
7 -
Проверяем т очность модели: расчет MAD и MAPE
8
Строим прогноз
9 -
Анализируем
ошибки
прогноза
Рис. 2 Алгоритм эффективного построения прогнозов
Выводы
Анализ деятельности нескольких десятков российских компаний, работающих на рынке непродовольственных товаров, показал прорехи в построении прогнозов продаж. Результаты опросов подтвердили использование экспертного мнения в качестве основного метода прогнозирования и занижение важности/исключение из процесса прогнозирования специалистов в области маркетинга. Перечисленные проблемы были подробно разобраны в статье, представлены доводы в пользу привлечения маркетологов к прогнозированию продаж, а также расширению используемых методов.
В статье были разобраны главные шаги организации эффективного процесса прогнозирования спроса/продаж в компании. Представленный выше алгоритм прогнозной деятельности в компании позволит выстроить эффективную и малозатратную систему, которая, безусловно, поможет добиться точных прогнозов, и в результате добавит компании значительных конкурентных преимуществ. Предложенные шаги требуют
внимательной кропотливой работы, ответственного ведения статистики и глубоких знаний не только математики и статистики, но и процессов протекающих, как внутри, так и вне компании. Для полноты данных, которых лягут в основу построения прогнозов, необходимо применение методов стратегического маркетингового анализа, поскольку в современных условиях высокой конкуренции нельзя не учитывать факторы поведения потребителей и активности конкурентов.
Одним из самых важных этапов в построении эффективной деятельности по прогнозированию продаж должна стать организация системы обмена информацией между подразделениями компании. Для этого многим российским руководителям придется переломить сложившийся стереотип опасения передачи стратегически важной информации в отделы маркетинга и, наконец, повысить значимость данной службы в построении успешной деятельности своей компании, как на завтра, так и в более дальней перспективе.
Список использованной литературы
1 Казакова Н.А. Маркетинговый анализ. - М.: ИНФРА-М, 2012, 240 с. Роджер Бест Маркетинг от потребителя. - М.: Манн, Иванов и Фербер, 2011, 760 с.
Егоров А.М. Алгоритм правильного прогнозирования продаж // Управление продажами, 2012. №3. С. 134-144.
4 Слуцкин Л. Курс MBA по прогнозированию в бизнесе. - М.: Альпина Паблишер, 2006, С. 8 - 23.