Prognozowanie przyszłego popytu (sprzedaży) Dr Rafał Zbyrowski Wydział Zarządzania UW

Transkrypt

1 Prognozowanie przyszłego popytu (sprzedaży) Dr Rafał Zbyrowski Wydział Zarządzania UW

2 Istota prognozowania Podczas gry na lodowisku jadę tam, dokąd krążek zmierza, a nie tam, gdzie jest Wayne Gretzky (

3 Co to jest prognozowanie Prognozowanie to przewidywanie przyszłych zdarzeń, którego celem jest zmniejszenie ryzyka w procesie podejmowania decyzji. Prognozowanie jest racjonalnym, naukowym przewidywaniem przyszłych zdarzeń. Prognoza jest sądem dotyczącym przyszłości prognozowanego zjawiska precyzyjnym i niepewnym.

4 Znaczenie prognozowania sprzedaży Prognoza sprzedaży Zarządzanie sprzedażą Zarządzanie finansami Zarządzanie produkcją Zarządzanie marketingiem

5 Znaczenie prognozowania sprzedaży Prognoza sprzedaży Zarządzanie sprzedażą Zarządzanie finansami Zarządzanie produkcją Zarządzanie marketingiem Decyzje dotyczące sieci sprzedaży Zarządzanie personelem sprzedażowym

6 Znaczenie prognozowania sprzedaży Prognoza sprzedaży Zarządzanie sprzedażą Zarządzanie finansami Zarządzanie produkcją Zarządzanie marketingiem Prognozowanie przepływów finansowych (cash flow) Decyzje kredytowe Decyzje inwestycyjne

7 Znaczenie prognozowania sprzedaży Prognoza sprzedaży Zarządzanie sprzedażą Zarządzanie finansami Zarządzanie produkcją Zarządzanie marketingiem Zarządzanie siłą roboczą (de)inwestycje w infrastrukturę Zarządzanie zapasami

8 Znaczenie prognozowania sprzedaży Prognoza sprzedaży Zarządzanie sprzedażą Zarządzanie finansami Zarządzanie produkcją Zarządzanie marketingiem Wybór grup (rynków) docelowych Decyzje dotyczące polityki cenowej Decyzje dotyczące wsparcia promocyjnego Decyzje dotyczące zmian produktowych

9 Skutki przeszacowania popytu Koszty przestoju oraz niewykorzystane (nadmierne) zdolności wytwórcze Obniżki cen wymuszone koniecznością pozbycia się nadmiernych zapasów Nieplanowane, wysokie wydatki marketingowe (czyszczenie kanałów dystrybucji) Wysokie koszty związane z utrzymywaniem nadmiernych zapasów: problemy z płynnością finansową straty wynikłe ze zniszczenia lub zużycia magazynowanych produktów wysokie koszty magazynowania Nadmiernie wysokie, trudne do realizacji kwoty sprzedażowe Koszty związane z zarządzaniem personelem sprzedażowym

10 Skutki niedoszacowania popytu Utracone możliwości sprzedaży Szkody poniesione z tytułu utraty reputacji Koszty pracy w nadgodzinach oraz nadmierne wydatki na nieplanowane dostawy Niebezpieczeństwo spadku jakości produktów w wyniku nacisków na pełne wykorzystanie mocy produkcyjnych Niskie zadania sprzedażowe Koszty związane z nagłą potrzebą rozbudowy personelu sprzedażowego

11 Rodzaje prognoz Według wykorzystywanych metod: prognozy ilościowe prognozy jakościowe Według horyzontu czasowego: prognozy krótkookresowe (do 12 miesięcy) prognozy średniookresowe (12-36 miesięcy) prognozy długookresowe (powyżej 36 miesięcy)

12 Rodzaje prognoz Prognozy jakościowe Prognozy ilościowe Opinie sprzedawców Opinie kierownictwa firmy Badania ekspertów Metoda delficka Modele szeregów czasowych Modele przyczynowoskutkowe Badanie intencji zakupowych

13 Metody jakościowe Prognozy jakościowe

14 Badanie opinii sprzedawców Prognozy jakościowe Okresowo zbierane opinie sprzedawców (przedstawicieli handlowych) na temat sprzedaży w przyszłym okresie w odniesieniu do przypisanego zakresu produktowego, geograficznego i klientowskiego Na tej podstawie budowane są całościowe prognozy firmy (jako suma poszczególnych prognoz) Zastosowanie: tam, gdzie sprzedawcy mają bezpośredni kontakt z finalnymi nabywcami rynki B2B Prognozy krótkookresowe

15 Badanie opinii sprzedawców Prognozy jakościowe Zalety: sprzedawcy są blisko nabywców wywołuje zaufanie sprzedawców do kwot sprzedażowych szczegółowość danych (różne przekroje) Wady: czasochłonna dla sprzedawców (odciąga ich od głównych obowiązków) możliwe manipulacje sprzedawców (zaniżanie) niska wiedza sprzedawców na temat planów marketingowych firmy (czynniki mające duży wpływ na sprzedaż)

16 Opinie kierownictwa firmy Prognozy jakościowe Okresowe zbieranie informacji (prognoz) od kierownictwa Zalety: prostota szybkość powiązanie z planami marketingowymi Wady: brak obiektywnego spojrzenia ( z zewnątrz ) syndrom grupowego myślenia rozmyta odpowiedzialność

17 Badania ekspertów Prognozy jakościowe Uzyskanie informacji od niezależnych ekspertów (nie będących pracownikami firmy, np. dystrybutorów, dealerów, dostawców, konsultantów, etc.) Metody zbierania opinii ekspertów: grupa dyskusyjna indywidualne ekspertyzy metoda delficka

18 Grupa dyskusyjna Zalety: Fachowcy zebrani w jednym miejscu Dyskusja prowadzona przez moderatora Podsumowanie przez moderatora Akceptacja wszystkich uczestników dyskusji Wady: uczestnicy oddziałują na siebie efekt zależny od osobowości, temperamentu, umiejętności przekonywania

19 Metoda delficka Kilkukrotne, sekwencyjne wysyłanie kwestionariuszy do celowo wybranych ekspertów z prośbą o liczbowe lub jakościowe opinie Indywidualna komunikacja z każdym ekspertem eksperci nie wiedzą kto bierze udział w panelu Analiza jakościowa lub ilościowa uzyskanych w każdej rundzie wyników i odesłanie zestawień zbiorczych Uzyskanie konsensusu (zwykle po 3 rundach)

20 Metoda delficka Zalety: możliwość przeprowadzenia długofalowej prognozy relatywny obiektywizm eksperci pracują niezależnie możliwość dotarcia do wielu ekspertów brak konieczności zebrania ekspertów w jednym miejscu Warunki konieczne: ścisłe i precyzyjne określenie przedmiotu badania konieczność precyzyjnego doboru ekspertów jasne i jednoznaczne sformułowanie pytań w kwestionariuszu nieduża liczba pytań

21 Wybrane metody jakościowe prognozowania popytu Wybrane jakościowe metody prognozowania popytu Charakterystyka Wiarygodność krótkoterminowa (do 12 miesięcy) Wiarygodność średnioterminowa (12 36 miesięcy) Wiarygodność długoterminowa (powyżej 36 miesięcy) Identyfikacja punktów zwrotnych Typowe zastosowania Potrzebne dane Szacowana czasochłonność Opinie przedstawicieli handlowych Panel ekspertów Metoda delficka Dobra Niedostateczna do dobrej Dostateczna do bardzo dobrej Dostateczna do dobrej Niedostateczna do dobrej Dostateczna do bardzo dobrej Niedostateczna Niedostateczna do dobrej Dostateczna do bardzo dobrej Niedostateczna Prognozy kwartalne i roczne w kategorii sprzedaży produktu Dane odnośnie sprzedaży w poprzednich okresach od przedstawicieli handlowych w układzie produktów i klientów Niedostateczna do dostatecznej Prognozy kwartalne, rocznej i długookresowe dla produktów istniejących na rynku i nowych oraz prognoza marży Żadne dane nie są wymagane poza informacjami odnośnie założeń prognozy (tzw. warunki brzegowe) oraz projekcjami pochodzącymi od indywidualnych prognostyków Dostateczna do dobrej Tylko prognozy roczne i długoterminowe dla istniejących i nowych produktów oraz prognozy marż Koordynator badania redaguje, zbiera i rozsyła odpowiedzi w każdej rundzie procedury badawczej 2 3 tygodnie 1 2 tygodnie 2 3 tygodnie

22 Metody ilościowe Prognozy ilościowe

23 Rodzaje metod ilościowych Metody ilościowo-ekstrapolacyjne Metody przyczynowo-skutkowe Badanie intencji zakupowych

24 Wybrane metody ekstrapolacyjne prognozowania popytu Metody Ilościowemetody ekstrapolacyjne Analiza szeregów czasowych Metoda wygładzania wykładniczego Analiza trendu statystycznego

25 Prognozowanie szeregów czasowych Założenie, że wzorce zmian w okresach przeszłych mogą być wykorzystane do przewidywania sprzedaży w okresach przyszłych W modelu zmiennymi objaśniającymi mogą być tylko zmienna czasowa oraz przeszłe wartości lub prognozy zmiennej sprzedaży Modele szeregów czasowych pomijają całkowicie czynniki determinujące poziom sprzedaży W oparciu o szeregi czasowe buduje się model, który pozwala na prognozowanie

26 Przyczyny kształtujące poziom sprzedaży Przyczyny główne trend Przyczyny okresowe wahania stałe model addytywny wahania zmienne (narastające, malejące) model multiplikatywny Przyczyny przypadkowe

27 Metody Prognozy ilościowe metody naiwne metoda średnich ruchomych metoda wygładzania wykładniczego metody analityczne

28 Metody naiwne Prognozy ilościowe 1. Stała wartość sprzedaży 1. y t =y t-1 2. Stałe przyrosty/spadki 1. y t =y t-1 +(y t-1 -y t-2 ) 2. y t =y t-1 +c 3. Oparte o średnie zmiany 1. y t t 1 4. Cykliczne zmiany: 1. y t =y t-k y t 2 1 t 2 i 1 y i 1 y i

29 Błędy prognoz Bezwzględny błąd prognozy * qt yt yt y t rzeczywista wartość zmiennej prognozowanej w okresie t y t * - prognoza zmiennej w okresie t Średni absolutny błąd prognozy T 1 * y t y t T n t n 1 Odchylenie standardowe błędów s * 1 T n T t n 1 ( y t y * t )

30 Przykład metody naiwne Prognozy ilościowe dane faktyczne metoda 1.1 y(t)-y(t-1) metoda 2.1 Styczeń Luty Marzec Kwiecień Maj Czerwiec Lipiec Sierpień Wrzesień Październik Listopad Grudzień Błąd metoda 1.1 = 661 Błąd metoda 2.1 = 321 s * 1 T n T t n 1 ( y t y * t )

31 Metody naiwne Prognozy ilościowe Luty Marzec Kw iecień Maj Czerw iec Lipiec Sierpień WrzesienPaździernik Listopad Grudzień dane faktyczne metoda 1.1 metoda 2.1

32 Marzec Kwiecień Maj Czerwiec Lipiec Sierpień Wrzesień Październik Listopad Grudzień Metoda średniej ruchomej Prognozy ilościowe dane faktyczne średnia ruchoma Styczeń Luty 9728 Marzec ,5 Kwiecień Maj Czerwiec ,5 Lipiec Sierpień Wrzesień Październik ,5 Listopad ,5 Grudzień , dane faktyczne średnia ruchoma Błąd metoda średniej ruchomej = 418

33 Wybrane metody ekstrapolacyjne prognozowania popytu Konstrukcja prognozy metodą naiwną Miesiąc y p Błąd q = y - p q2 R= y-m R ,5 56, ,5 20, ,5 132, ,5 42, ,5 20, ,5 72, ,5 2, ,5 20, ,5 72, ,5 56, ,5 12,25 Razem ,8 M 59,5 10,32 6,79 r2 506,8 11,41% S 6,79 V 11,41% Źródło: opracowanie własne.

34 Wybrane metody ekstrapolacyjne prognozowania popytu Konstrukcja prognozy metodą 3 letniej średniej ruchomej Miesiąc y p Błąd q = y - p q2 R=y-m R ,7-8,7 75,1-11,5 132, ,7 11,3 128,4 6,5 42, ,3 4,7 21,8 4,5 20, ,3 8,7 75,1 8,5 72, ,0-8,0 64,0-1,5 2, ,3 0,7 0,4 4,5 20, ,3 4,7 21,8 8,5 72, ,3-11,3 128,4-7,5 56, ,3-5,3 28,4-3,5 12,25 Razem 543,6 430,3 M 59,5 7,03 6,25 r2 430,3 10,51% S 6,25 V 10,51% Źródło: opracowanie własne.

35 Wybrane metody ekstrapolacyjne prognozowania popytu Konstruowanie prognozy sprzedaży metodą 2 i 4 letniej średniej ruchomej Rok Sprzedaż Prognoza 2 letnia Prognoza 4 letnia Źródło: opracowanie własne w oparciu o Tull D.S., Hawkins D. I. [1990] ss

36 Wybrane metody ekstrapolacyjne prognozowania popytu Szacowanie przyszłej sprzedaży metodą wygładzania wykładniczego Rok Sprzedaż 0,2 0,2 0,5 0,5 0,8 0, śr. art śr. geo śr. art śr. geo śr. art śr. geo

37 Wybrane metody ekstrapolacyjne prognozowania popytu Procedura wyznaczania trendu statystycznego z szeregów czasowych Przekodowanie danych liczbowych w celu uproszczenia obliczeń Wyliczenie wskaźników równania regresji Wyodrębnienie wskaźników cykliczności, sezonowości oraz tzw. składnika losowego Porównanie rzeczywistych rynkowych z wynikami predykcji Ocena stopnia dopasowania modelu do danych rzeczywistych Weryfikacja modelu regresji i oszacowanych wskaźników Źródło: opracowanie własne w oparciu o Aczel A.D. [2000] ss

38 Średnia ruchoma różne okresy n=2 n= n= I II III IV I II III IV I II III IV I II III IV I II III IV

39 Metody analityczne wyodrębnianie trendu kwartał numer kwartału faktyczna sprzedaż sprzedaż na podstawie funkcji trendu reszty I II ,07-310,93 III , ,86 IV ,21 943,21 I ,28 570,28 II ,35-402,65 III , ,58 IV ,49 951,49 I ,56 678,56 II ,63-394,37 III ,7-1467,3 IV , ,77 I ,84 886,84 II ,91-286,09 III , ,02 IV , ,05 I ,12 995,12 II ,19-377,81 III , ,74 IV , ,33 Źródło: M. Rószkiewicz ˆ y t yˆ t t 127,07 t 3162

40 Metody analityczne wyodrębnianie trendu y = 127,07x R 2 = 0,3364 model multiplikatywny I II III IV I II III IV I II III IV I II III IV I II III IV

41 Wahania okresowe - wskaźniki Model addytywny Wskaźniki surowe: Wyznaczenie wskaźnika korygującego: Wyznaczenie wskaźników okresowości 1 ) ˆ ( 1 t t t i S y y n O i d i O Si d k 1 1 k O o i s i

42 Wahania okresowe - wskaźniki Model multiplikatywny Wskaźniki 1 surowe: yt OS i n i t 1 yˆ t d Wyznaczenie 1 wskaźnika korygującego: k O Si d i 1 Wyznaczenie Osi wskaźników okresowości o i k

43 Wahania sezonowe - przykład Surowy wskaźnik okresowości dla pierwszego kwartału: O s O O O s s s ,084 1,333 0,757 0,825 Współczynnik korygujący 0,825 1,084 1,333 0,757 k 4 0,9998 O1 0,825 O 1,084 O O ,333 0,757

44 Wnioski Wielkość sprzedaży jest determinowana w 33,7% trendem Duży wpływ na wielkość sprzedaży ma sezonowość, wyrażająca się wartościami wskaźników sezonowości

45 Modele przyczynowo-skutkowe Prognozy ilościowe

46 Wybrane metody ekstrapolacyjne prognozowania popytu Ilościowemetody przyczynowo-skutkowe Metody regresji oraz model ekonometryczny Badanie intencji zakupowych Wiodący czynnik przyszłego popytu

47 Wybrane metody przyczynowo-skutkowe prognozowania popytu Charakterystyka Wiarygodność krótkoterminowa (do 12 miesięcy) Wiarygodność średnioterminowa (od 12 do 36 miesięcy) Wiarygodność długoterminowa (powyżej 36 miesięcy) Identyfikacja punktów zwrotnych Wybrane przyczynowo-skutkowe metody prognozowania Modele regresji wielorakiej Dostateczna do bardzo dobrej Dostateczna do bardzo dobrej Słaba do dobrej Dostateczna do dobrej Model ekonometryczny Dostateczna do bardzo dobrej Dostateczna do bardzo dobrej Słaba do dobrej Dostateczna do dobrej Badanie intencji zakupowych nabywców Słaba do dobrej Słaba do dobrej Słaba do dobrej Dostateczna do dobrej Wiodący czynnik przyszłego popytu Słaba do dobrej Słaba do dobrej Słaba do dobrej Tendencja do identyfikacji większości właściwych punktów zwrotnych, a także pojedynczych zafałszowań

48 Wybrane metody przyczynowo-skutkowe prognozowania popytu Charakterystyka Modele regresji wielorakiej Potrzebne dane Szacowana czasochłonność Wybrane przyczynowo-skutkowe metody prognozowania Potrzeba, co najmniej 20 obserwacji Model ekonometryczny Podobnie do danych potrzebnych w modelu regresji 1 dzień W początkowym okresie 1-2 miesiące później 2-4 tygodnie Badanie intencji zakupowych nabywców Niezbędne dane z kilku okresów dla znalezienia relacji pomiędzy intencjami nabywców a faktyczną sprzedażą Wiodący czynnik przyszłego popytu Informacje szeroko dostępne z danych wtórnych lub syndykatywnych 2-6 tygodnie 1 dzień

49 Model regresji Powierzchnia ekspozycyjna (X) Model (y=0,254x + 38,878) Reszty Sprzedaż w tyś zł (Y) ,054-5, ,896 10, ,438 1, ,039-1, ,07-4, ,168-8, ,07-1, ,578 4, ,708 0, ,978 3,02 Interpretacja: wzrost powierzchni ekspozycyjnej o 1 m 2 powoduje wzrost sprzedaży o 254 zł. Stopień determinacji = 84,9% Odchylenie standardowe reszt = 5,53 tyś Źródło: M. Rószkiewicz

50 Badanie intencji zakupowych Prognozy ilościowe

51 Badanie intencji zakupowych Prognozy ilościowe Badanie kwestionariuszowe oparte o wywiad bezpośredni z klientami na próbach reprezentatywnych (wywiad face-to-face lub wywiad telefoniczny) Zastosowanie do dóbr trwałego użytku (samochody, sprzęt RTV/AGD oraz zakupów na rynkach B2B Zalety: dotarcie do danych pochodzących ze źródła możliwość zakupu danych od firm badawczych Wady: wysokie koszty czasochłonne trudności w określeniu intencji zakupowych

52 Ogólne zalecenia Wykorzystywanie kilku metod Badania ekspertów lepiej się sprawdzają przy prognozach długookresowych i na rynkach o dużej zmienności Badania opinii sprzedawców lepsze w krótkim okresie (do 6 miesięcy) Metody ilościowe prognozy krótko i średniookresowe, rynki stabilne

53 Zalecana literatura 1. Anczel D., Statystyka w zarządzaniu, PWN, Warszawa 2000, ss Cybulski K., Zarządzanie działem sprzedaży firmy, PWN, Warszawa 2004 r.,ss oraz Kaczmarczyk S., Badania marketingowe, PWE, wyd. III, Warszawa 2002, ss. Ss Rószkiewicz M., Metody ilościowe w badaniach marketingowych, PWN, Warszawa 2002, ss Strzyżewska M., Rószkiewicz M., Analizy marketingowe,diffin, Warszawa 2002, ss