CC BY
80
УДК 004:[339.133.017:661.12
Л. С. Томенко*, Г. В. Заходякин
Российский химико-технологический университет им. Д.И. Менделеева, Москва, Россия 125047, Москва А-47, Миусская пл., д. 9 * e-mail: lida_tom@rambler.ru
РАЗРАБОТКА ЛОГИКО-ИНФОРМАЦИОННОЙ МОДЕЛИ БИЗНЕС-ПРОЦЕССА ПРОГНОЗИРОВАНИЯ СПРОСА ДЛЯ ФАРМАЦЕВТИЧЕСКОГО ПРЕДПРИЯТИЯ
Предложена методология прогнозирования спроса с использованием информационного обеспечения на предприятии по производству дженериков, разработана иерархия и структура прогноза. Разработан бизнес -процесс осуществления прогноза на предприятии, предложена его логико-информационная модель. Разработан алгоритм управления процессом прогнозирования.
Ключевые слова: бизнес-процесс; прогнозирование спроса; производство дженериков; логико-информационная модель.
Прогнозирование спроса - важнейшая управленческая функция любой компании, которая занимается производством и продажами товаров и услуг. Правильное прогнозирование -это основа успешного планирования и контроля всех основных функциональных подразделений компании - производства, логистики, маркетинга, финансов. Уровень спроса, его структура и временные колебания обуславливают масштабы производства, объем привлеченных инвестиций и в целом - структуру бизнеса компании.
Каждое функциональное подразделение имеет собственные особенности и потребности в прогнозировании. Конкретно в логистике прогнозирование касается таких вопросов, как пространственное и временное прогнозирование спроса, определение степени вариативности спроса.
Реализация эффективного процесса планирования спроса обычно осуществляется в комплексе с поддержкой программными средствами. Главной задачей использования программных средств является максимальное использование информации об истории продаж и сопутствующих факторах для создания статистического прогноза. Однако для получения качественных прогнозов необходима интеграция суждений человека (экспертного мнения) со статистическим прогнозом, созданного автоматически.
Для обеспечения качественного прогноза с помощью программных средств необходимо подготовить входные данные, которые будут использоваться в модели.
Перед тем как начать процесс прогнозирования спроса, необходимо дать ответы на следующие вопросы:
1. На каком уровне необходимо вести прогноз, то есть создать иерархию прогноза и данных.
2. Определить границу во времени при прогнозировании.
3. Необходимо определить, кто осуществляет прогнозирование.
Иерархия создается для того, чтобы избежать проблем прогнозирования на детальном уровне (товар, местоположение), поскольку группы товаров ведут себя более устойчиво. Кроме того, возможность выводить прогнозы в разных представлениях (по SKU, по регионам распределения, по форме выпуска, по клиентам и т. д.), в соответствии с созданной иерархией, облегчает взаимодействие подразделений внутри компании, поскольку финансовые, коммерческие и логистические подразделения, обычно анализируют продажи с разной детализацией и используют разные единицы измерения. Создание иерархии является проблемой для многих компаний, так как существует множество вариантов разделения номенклатуры на группы.
Фармацевтические предприятия, в особенности дистрибьюторы, сталкиваются с большой проблемой в решении этой задачи, так как номенклатура лекарственных средств может насчитывать до 30 тыс. наименований и содержать в себе множество различных препаратов различной дозировки и различной формы отпуска.
Наиболее оптимальной будет группировка по назначению лекарственных средств (ЛС), т.е. по тому заболеванию (группе заболеваний), с которой они борются и формам выпуска. Однако формировать иерархию только по этим признакам недостаточно. Для прогнозирования на фармпредприятии мы предлагаем создать следующую структуру иерархии, представленную на рис.1.
Рис. 1. Иерархия для прогнозирования спроса на фармзаводе
Прогноз спроса по регионам и прогноз спроса по клиентам создают разные функциональные отделы. Так прогноз по регионам создает отдел маркетинга, а прогноз по клиентам отдел продаж. Отсюда возникает вопрос о межфункциональной координации, так как запросы создаются независимо друг от друга.
В этой ситуации может быть несколько вариантов организации процесса
прогнозирования.
Первый способ организации прогноза -способ, при котором все прогнозы, их структуризацию и взаимосвязь создает отдел прогнозирования, а отделы маркетинга и отделы продаж только передают информацию для построения прогнозов.
Однако в этой ситуации есть несколько тонкостей. Во-первых, данные должны быть определенным образом структурированы, они должны иметь одинаковую структуру как из отдела маркетинга, так и из отдела продаж, каждый раз при передачи информации структура данных должна иметь тот же вид, что и в предыдущий раз. Во-вторых, специалистам по прогнозированию сложно в прогнозе учитывать определенные факторы, которые модель не сможет спрогнозировать. Так специалисты отдела прогнозирования не могут знать возможность вспыхивания заболеваний, возможность привлечения новых клиентов, возможность увеличения объемов продаж постоянным клиентам, так как они не работают непосредственно с клиентами и анализом рынка и не обладают такими данными. При таком прогнозе существенно уменьшается влияние мнения эксперта на прогноз, что может негативно сказаться на результате прогноза.
Для этого случая бизнес-процесс можно представить следующим образом (рис.2):
Рис. 2. Бизнес-процесс прогнозирования спроса
Второй способ организации прогноза - это способ, когда отдел продаж осуществляет прогноз по клиентам, а отдел маркетинга - прогноз по регионам. Далее эти прогнозы поступают в отдел прогнозирования, где специалисты занимаются структурированием, взаимосвязью и созданием иерархии между этими видами прогнозов. На основе полученных прогнозов составляется общий прогноз, на основе которого можно будет посмотреть прогноз для любого уровня иерархии.
При этом способе основной особенностью является способ доступа к прогнозам из различных отделов. Однако передача прогноза из одного прогноза в другой также неудовлетворительна, в особенности из-за того, что готовый прогноз нужен не только для отдела продаж и маркетинга, но и для отделов снабжения, распространения, транспорта, производства, финансов. Передача прогноза и установка программы для прогнозирования в каждый отдел затрачивает много финансовых, денежных и трудовых средств. Поэтому необходимо организовать такую систему, при которой любой сотрудник, которому необходим прогноз, мог бы зайти в программу и увидеть результаты прогноза. Решить эту проблему можно с помощью установки на предприятии интегрированной системы, что является дорогостоящим и трудоемким процессом. Более простым, но в то же время эффективным решением является создание прогноза в программе, размещенной на сервере, к которому имеют доступ все сотрудники компании.
Однако следует ограничить доступ к изменению и редактированию моделей спроса тем отделам, которые не имеют на это полномочий. Этот способ является более предпочтительным, и бизнес-процесс, используя диаграмму ГОБРО, можно представить следующим образом (рис.3):
14 15 16 17
Рис.3. ГОЕЖО диаграмма бизнес-процесса прогнозирования спроса
На рис. 3 показаны следующие потоки информации и управляющие воздействия:
1. Заявка на прогноз.
2. История продаж.
3. Статистика прошлых лет, ожидаемые события: уменьшение/увеличение сегмента рынка, возможное привлечение новых клиентов, ожидание всплеска заболеваемостей, рост популярности определенных видов ЛС, последнее введение регулирующих законов, время регистрации на препараты, ввод на рынок новых препаратов, анализ результатов продаж опытной партии, статистика продаж аналогичного препарата другой фирмы, экспертное мнение, оценка экспертов, результаты анализа прогноза за прошлый период.
4. Фактические продажи прошлого периода, статистические данные прошлых лет, ежемесячные отчеты дистрибьюторов по объему продаж, отклонения по размерам заказов за прошлый период, результаты мониторинга запросов о ЛС в интернете, результаты мониторинга выписанных рецептов в частных клиниках, мониторинг информации о потребностях больниц в ЛС, информация представителей завода, занимающихся продвижением товара, оценка экспертов, результаты анализа прогноза за прошлый период.
5. План маркетинга.
6. План продаж.
7. Согласованные планы.
8. Общий прогноз.
9. Готовый прогноз спроса на следующий период.
10. Планы, не подлежащие согласованию, из-за различий в их структуре.
11. Алгоритм составления плана отдела маркетинга.
12. Алгоритм составление плана продаж.
13. Иерархия модели прогноза.
14. Ожидаемые события.
15. Актуальная информация об изменений отношений с клиентами.
16. Структура прогноза.
17. Мнение экспертов.
При построении модели спроса для фармзавода необходимо учитывать эффект "хлыста". По сути, фармпредприятие не имеет данных для прогнозирования реального спроса на лекарственные препараты, которые покупают потребители лекарств, оно может прогнозировать только спрос дистрибьюторов на основе данных продаж. Чтобы иметь представление о спросе у конечных потребителей, необходимо следить за запасами у распространителей продукции, который сможет отразить спрос у них. Фармзаводы могут договариваться с дистрибьюторами, которыми сотрудничают, о предоставлении отчета складских запасов и отгрузок или же выкупать данные о рыночном спросе у специальных агенств. Но к тому моменту, как эта информация попадет на предприятие и ее смогут использовать в прогнозе, пройдет пара месяцев, поэтому завод всегда обладает только устаревшими данными о продажах аптек. Однако эта информация используется для анализа ситуации в целом и используется в качестве истории для построения модели прогнозирования. Заводы могут заключать договора с постоянными партнерами, которые будут предоставлять им информацию об оставшихся запасах на конец месяца, однако не все партнеры идут на это, так как они не имеют от этого выгоды. В начале каждого года заводы могут проводить анкетирование, в котором партнеры указывают приблизительное количество товаров, которые они предположительно купят. Но в течение этого года значения могут существенно меняться, поэтому при прогнозировании не следует полностью полагаться на эти данные. Следует анализировать количество закупаемого товара. Если аптека закупила значительно большее количество определенной группы лекарств, то можно предположить, что в следующем месяце у него запасы на складе этой группы будут значительно больше, а следовательно закупки в следующем периоде могут уменьшиться. Необходимо каждый месяц сравнивать продажи
клиентам за этот период времени и сравнивать с предыдущими. Анализ деятельности покупателей поможет скорректировать прогноз, включив в модель определенные корректировки в сторону предполагаемых уменьшений или увеличений спроса. Необходимо учитывать и другие факторы.
Окончательный прогноз должен регулярно обновляться. Раз в месяц специалисты по прогнозированию должны учитывать изменения в прогнозах отделов маркетинга и продаж, проверять сохранность связей и иерархии, а также следить за согласованностью прогнозов.
В обязанности специалистов прогнозирования входит также анализ качества прогноза. Ежемесячно специалисты сравнивают реальный спрос за прошедший период с прогнозируемым. Они анализируют причины отклонений. По результатам анализа они или вносят изменения в модель, или приходят к выводу, что это было единичное отклонение, и учет такого события в модели не имеет смысла. Информация о таком единичном отклонении передается в соответствующее подразделение (маркетинговое или подразделение продаж), чтобы они могли
проанализировать его причины и в следующий раз внести изменения в модель прогноза в качестве экспертной оценки и ручной корректировки прогноза.
Рис. 4. Алгоритм управления процессом прогнозирования Для предложенного бизнес-процесса прогнозирования спроса предложен алгоритм управления самим процессом для получения более точных результатов (рис .4.)[1].
Томенко Лидия Степановна - студентка 5-го курса кафедры Логистики и экономической информатии РХТУД.И. Менделеева, Россия, Москва
Заходякин Глеб Викторович - старший преподаватель кафедры Логистики и экономической информатики РХТУ им. Д. И. Менделеева, Россия, Москва
Литература
1. Хлобыстин А. А., Управление процессом прогнозирования спроса на рынке нефтебитумов: дис. канд. эк. наук. - Пермь, 2008. - 157 с.
Tomenko Lidiya Stepanovna, Zakhodyakin Gleb Viktorovich *
D.I. Mendeleev University of Chemical Technology of Russia, Moscow, Russia. * e-mail: lida_tom@ramber.ru
DESIGN OF BUSINESS PROCESS MODEL FOR DEMAND FORECASTING IN THE PHARMACEUTICAL ENTERPRISE
Abstract
The methodology of forecasting demand for the generic drugs manufacturer is proposed, a forecast hierarchy is developed. The forecasting business process model is proposed. An algorithm for forecasting process management is developed.
Key words: business process; demand forecasting; production of generics; logical and informational model.
