CC BY
49TO THE QUESTION OF MODERN CULTURE: CONSUMPTION OF SIGNS AND THEIR VALUES
Annotation. The culture of consumption is essential in the creation and reproduction of people's tastes, their dreams and aspirations. Not only the choice and behavior of people are influenced by culture, but also the meaning and value significance that they attribute to consumer goods, reflect both modern culture and its historical development. How does all this sense and value significance are transferred from culture to goods/products/services and how do consumers interpret them? The obvious answer is: through marketing in general and consumption of signs (for example, such as the brand and its logo element) and their meanings in particular.
Key words: consumer experience, consumption of culture, consumption of signs and their meanings, brand.
УДК 339.1
ПРОГНОЗИРОВАНИЕ ОБЪЕМА ПРОДАЖ ТОРГОВОГО ПРЕДПРИЯТИЯ ООО «ТЕХНИКА» Крымов Сергей Михайлович, д.э.н., профессор (e-mail: SKrymov@yandex.ru) Петрушина Анна Викторовна, студент
(e-mail: anya.petrushina.97@mail.ru) Белоедова Надежда Павловна, студент
Санкт-Петербургский политехнический университет Петра Великого
Данная статья посвящена прогнозированию объема продаж товаров ООО «Техника» с помощью построения регрессионной модели. Определены факторы, которые в наибольшей степени оказывают влияние на товарооборот исследуемой торговой организации, а также выявлено воздействие каждого из них на продажи.
Ключевые слова: прогноз, регрессия, факторы, товарооборот, корреляция.
Организация эффективных продаж является ключевым фактором деятельности торгового предприятия. Прогнозирование является важным элементом планирования развития организаций, которое позволяет выявить и предупредить возможные риски и угрозы в деятельности предприятия. Формирование прогноза объема продаж является неотъемлемой частью бизнес-плана, опираясь на который инвестор или кредитор будет принимать соответствующее решение, а менеджмент предприятия - оценивать текущую деятельность [1, 2, 3].
Существует множество факторов, оказывающих влияние на товарооборот торгового предприятия, таких как уровень занятости и личных доходов потребителей, ценовая политика предприятия и качество его продукции, уровень конкуренции, сезонные колебания и др. Но для возможности прогнозирования данного показателя необходимы детерминированные исходные данные.
Исследование будет проводится на примере определенной торговой точки сети магазинов ООО «Техника». Были выбраны факторы, которые, как представляется, оказывают наиболее существенное влияние на товарооборот (У) [4, 5, 6]:
Х1 - количество посетителей в день;
Х2 - количество чеков в месяц;
Х3 - средняя сумма чека.
Исходные данные для регрессионного анализа (за 9 месяцев текущего 2017 г.) представлены в табл. 1.
Таблица 1 - Исходные данные для регрессионного анализа
ООО «Техника»
Месяц Количество посетителей, чел. Количество чеков, шт. Средняя сумма чека, руб. Выручка, руб.
Январь 371 72 4542 9842643
Февраль 358 72 5361 10744069
Март 344 67 5237 10835800
Апрель 275 62 4791 8886433
Май 264 61 4760 8935457
Июнь 282 71 5601 11869480
Июль 293 78 5024 12071564
Август 315 83 6173 15921133
Сентябрь 263 75 5872 13159692
Прежде чем строить модель регрессии, нам необходимо провести корреляционный анализ и проверить факторы на мульти коллинеарность. Согласно матрице коэффициентов корреляции существенное влияние на результативный признак оказывает средняя сумма чека и количество чеков, очень слабое влияние - количество посетителей, поэтому этот фактор можно не учитывать (табл. 2). Так как в матрице нет межфакторного коэффициента корреляции большего 0,7, то мульти коллинеарность отсутствует.
Таблица 2 - Матрица коэффициентов корреляции ООО «Техника»
У Х1 Х2 Х3
У 1
Х1 -0,04 1,00
Х2 0,89 0,21 1,00
Хэ 0,89 -0,17 0,66 1
Таким образом, выделив факторы, существенно влияющих на объем продаж, с помощью метода наименьших квадратов было построено уравнение множественной регрессии:
У = -12198295 + 166938хХ2 + 2218хХ
(1)
Для дальнейшей работы с полученным уравнением (1), необходимо провести его качественную оценку. Для этого используются такие показатели, как коэффициент детерминации Я , коэффициент множественной корреляции Я и средняя ошибка аппроксимации.
Коэффициент детерминации равен 0,96, что говорит о высокой точности аппроксимации. Коэффициент множественной корреляции показывает высокую тесноту связи (0,98) зависимой переменной У с двумя включенными в модель объясняющими факторами. Средняя ошибка аппроксимации не превышает 12-15%, это значит, что сумма всех отклонений теоретических значений результативного признака от его фактических значений находится в пределах нормы, в данном случае показатель равен 2,78% - модель признается достаточно достоверной и пригодной для прогнозирования [7, 8, 9].
Важно оценить влияние факторов на зависимую переменную нашей модели. Для этого рассчитаем коэффициент эластичности, бета-коэффициент и дельта-коэффициент для каждого коэффициента регрессии (табл. 3).
Таблица 3 - Коэффициенты влияния факторов на результативный признак
ООО «Техника»
Показатель Х2 Х3
Средний коэффициент эластичности 1,05 1,03
Бета-коэффициент 0,53 0,54
Дельта-коэффициент 0,496 0,504
Исходя из полученных значений в табл. 3, делаем вывод, что в среднем результативный признак У изменяется на 5% и на 3% при изменении факторного признака Х2 и Х3 на 1% соответственно. По бета-коэффициенту видно, что изменение средней суммы чека наиболее сильно влияет на изменение объема продаж. Дельта коэффициент оценивает долю влияния каждого фактора в суммарном влиянии всех факторов. Для переменного фактора Х2 данный коэффициент составляет 0,496, а, следовательно, доля влияния данного фактора составляет 49,6%. Фактора Х3 - 50,4%.
Определив значения факторов Х2 и Х3 за октябрь методом экстраполяции, подставим их в линейное уравнение множественной регрессии (1) и получим прогнозное значение объема продаж. Рассчитанные значения товарооборота и его определяющих факторов за октябрь представлены в табл. 4.
Таблица 4. Прогнозные значения объема продаж в текущем периоде и _его определяющих факторов ООО «Техника»_
Период У Х2 Х3
Октябрь 13915873 77,5 5940,7
В дополнение к самому прогнозу необходимо определить допустимые верхние и нижние границы значений. Такой прогноз дает возможность более гибко планировать тактику на будущие периоды [10-14].
Найдем доверительный интервал. Используя М8Бхее1, было рассчитано стандартное отклонение с помощью функции «СТАНДОТКЛОНП» (вычисление по генеральной совокупности), значение составило 2101907 руб. В дальнейшем применена функция «ДОВЕРИТ.НОРМ», полученное число вычтено из прогнозного значения объема продаж для нахождения нижней границы прогноза, и прибавлено к нему для получения верхней границы. Рассчитанный интервал представлен в табл. 5.
Таблица 5 - Прогнозное значение и доверительный интервал объема продаж ООО «Техника»
Период У Нижняя граница Верхняя граница
Октябрь 13915873 12542652 15289094
С вероятностью 95% товарооборот за октябрь при стабильном развитии составит 13,92 млн. руб., значение может колебаться от 12,543 млн. руб. до 15,289 млн. руб.
Таким образом, прогнозирование объема продаж показало, что в октябре величина выручки для анализируемого предприятия примет стабильно высокое значение. Дополнительных рисков и угроз в ходе исследования выявлено не было.
Список литературы
1. Krasyuk I.A., Bakharev V.V., Medvedeva Y.Y. Sector specific features of innovative development in the Russian economy//SHS Web of Conferences 35, 01052 (2017) DOI: 10.1051/shsconf/20173501052. ICIE-2017.
2. Krasyuk I.A., Kirillova T.V., Kozlova N.A. Network technologies as innovative solution in commodity circulation// SHS Web of Conferences 35, 01055 (2017) DOI: 10.1051/shsconf/20173501055. ICIE-2017.
3. Бахарев В.В., Петрушина А.В. Инновационные подходы к определению торговой наценки // Инновационная экономика: перспективы развития и совершенствования. 2017. № 4 (22). С. 15-20.
4. Кхалаф К.З., Дудаков Г.С. Организационно-экономические аспекты потребления продуктов здорового образа жизни // Экономика и предпринимательство. 2017. № 8-1 (85-1). С. 859-863.
5. Дудакова И. А. Формирование инвестиционной политики на предприятиях машиностроительного комплекса: автореф. дисс. канд. экон. наук; ГОУ ВПО «Ростовский го -сударственный экономический университет» (РИНХ). - Ростов-на-Дону, 2004. 27 с.
6. Федько В.П., Дудакова И.А. Маркетинговая составляющая развития розничной торговли//Российский внешнеэкономический вестник. 2009. № 5. С. 55-64.
7. Красюк И.А., Бахарев В.В., Медведева Ю.Ю. Инновационные решения в розничной торговле //Инновационная экономика: перспективы развития и совершенствования. 2017. № 3 (21). С. 32-38.
8. Левенцов В. А., Левенцов А.Н. Определение влияния снижения размера дебиторской задолженности на финансовые результаты предприятия // Научно-технические ведомости СПбПУ Экономические науки. 2013. № 6-2 (185). С. 67-73.
9. Левенцов В.А., Левенцов А.Н., Крюков И.Н. Финансы и инжиниринг: теория и практика. СПб.: Изд-во Политехн. ун-та, 2014. 334 с.
10. Радаев А.Е., Левенцов В.А. Системы поэтапного имитационного моделирования производственных процессов // Организатор производства. 2011. Т. 50. № 3. С. 3033.
11. Месхи Б.Ч., Красюк И.А., Иванов В.Ю. Контроллинг как инструмент развития и управления производственными процессами предприятий сферы услуг и промышленности: монография. Ростов н/Д: Издательский центр ДГТУ, 2013.133 с.
12. Федько В.П., Дудакова И.А. Маркетинговая составляющая развития розничной торговли//Российский внешнеэкономический вестник. 2009. № 5. С. 55-64.
13. Дудаков Г.С. Совершенствование организации маркетингового исследования потребительского рынка // В сборнике «Современные концепции развития науки»; сборник статей Международной научно-практической конференции. 2017. С. 51-54.
14. Дудаков Г. С. Основные тенденции развития на рынке продуктового ритейла // В сборнике «Лучшая научно-исследовательская работа 2016»; сборник статей победителей V Международного научно-практического конкурса. Пенза, 2016. С. 142-147.
Krymov Sergey Mikhailovich, Professor, doctor of Economic Sciences (e-mail: SKrymov@yandex.ru) Petrushina Anna, student Beloedova Nadezhda, student
Peter the Great St.PetersburgPolytechnic University.St. Petersburg, Russia FORECASTING SALES OF AN ENTERPRISE LLC «TEKHNIKA»
Abstract. This article is devoted to sales forecasting of LLC «Tekhnika» using a regression model. The factors most influencing the commodity circulation of the trade organization were determined, and specified.
Keywords. Forecasting, regression, commodity circulation, correlation, factors.
