Book.od.ua Книги для вашего бизнеса



Одесская библиотека бизнес литературы
полезные книги для бизнеса

1.6. Суть метода экспоненциального сглаживания

Не скрою, название метода звучит несколько устрашающе и претенциозно, но моей вины в этом нет. (Если вам интересно, в главе 15 вы узнаете, почему он так был назван.) В любом случае дело не в названии - на самом деле этот метод является одной из раз­новидностей самокоррелирующихся методов скользящих средних.
Для примера предположим, что в июне вы предсказали объем продаж в следующем месяце (июле) на уровне 100 000 долларов. На практике же оказалось, что объем составил 125 тысяч долларов, что на 25 тысяч превысило расчетную цифру. Теперь нам нужно предсказать объем продаж в августе. Главная идея данного подхода к прогнозированию состоит в уточнении прогноза, сделанного на июль. Это значит, что, так как прогноз на июль оказался заниженным, прогноз на август нужно поднять над тем уровнем, который планировался ранее.
В общих терминах этот подход можно описать следующим образом.
■S Если более ранний прогноз оказался заниженным, последующий прогноз нужно завысить.
■S Если более ранний прогноз оказался завышенным, нужно занизить прогноз на следующий месяц.
Величина понижения и повышения не устанавливается эмпирически - для этого су­ществуют формулы, вложенные в инструмент экспоненциального сглаживания пакета анализа. При желании вы можете использовать и другие формулы; в главе 15 мы погово­рим об этом подробнее. 
На рис. 1.3 показан более ранний прогноз на июль, который оказался заниженным, исходя из чего мы должны повысить прогноз продаж на август.
На рис. 1.4 показана обратная ситуация, когда прогноз на июль оказался завышенным (вы были слишком оптимистичны!) и прогноз на август пришлось понизить.
Суть метода экспоненциального сглаживания
Использование метода регрессии
Термин регрессия звучит не так страшно, как экспоненциальное сглаживание, однако является более сложным, по крайней мере, с математической точки зрения.
Именно в этом и состоит его главное достоинство. Вся ответственность прогноза ло­жится на математический аппарат, как в остальных двух описанных ранее методах. Однако не забывайте: чтобы получить достоверный результат, нужно иметь достаточный объем исходных данных.
Давайте бросим беглый взгляд на суть этого метода (более подробно мы поговорим о нем в главе 11).
Основная идея метода регрессии состоит в предположении, что одна переменная имеет какую-то связь с другой переменной. К примеру, в детстве рост ребенка имеет взаимосвязь с его возрастом, и, если вы хотите спрогнозировать рост своего ребенка в следующем году (до тех пор, пока он не станет взрослым), вам потребуется только ввести в электронную таблицу соответствующий возраст.
Естественно, ни один человек не похож на другого. К пятнадцати годам одни имеют рост метр пятьдесят, а другие вырастают до метра восьмидесяти. В среднем же с достаточно большой точностью можно предсказать рост любого 15-летнего подростка. И даже предсказать, что рост любого новорожденного будет в районе полуметра. Даже завернутого в пеленки.
Суть метода экспоненциального сглаживания
То же самое можно сказать о прогнозе продаж. Предположим, ваша компания продает продукты широкого потребления. Можно предположить, что объем продаж как-то связан с объемом инвестиций в рекламу. По крайней мере, можно проверить наличие связи между рекламным бюджетом и доходами от продаж. В этом случае, если знать объем инвестиций в рекламу на следующий квартал, можно довольно успешно предсказать и будущий объем продаж.
Теперь предположим, что ваша компания выпускает некий узкоспециализированный продукт, например огнеупорные двери (т. е. те, которые в течение некоторого периода времени способны противостоять огню - их часто можно встретить в современных офисных зданиях). В отличие от продуктов широкого потребления, огнеупорная дверь не обязана иметь сногсшибательный цвет или аромат первозданной свежести. При покупке таких вещей обычно смотрят на соответствие определенным спецификациям и цену.
Если вы продаете такие двери и уверены в их соответствии некоторому стандарту, то можете исследовать взаимосвязь цены и спроса. После этого вы можете связаться с от­делом маркетинга и узнать, какую цену планируется установить на двери в следующем месяце, и смело делать прогноз объема продаж.
Суть вышесказанного сводится к тому, что необходимо установить зависимость одной переменной (рекламного бюджета или цены) от другой (объема продаж).
Для оценки такой зависимости можно использовать инструменты программы Excel. В случае прогнозирования методом регрессии можно предложить программе несколько наборов исходных данных. Продолжая пример, можно составить следующие списки. 
S Хронология рекламного бюджета и объема продаж товаров широкого потребления.
■S История установленных цен на огнеупорные двери и соответствующее количество проданных дверей.
Если предоставить программе Excel хорошие наборы данных, она вернет вам нужную формулу.
■S Excel может вернуть количество рекламных кампаний и их бюджет, а также результат ожидаемой доходности.
■S Также Excel может вернуть коэффициент, на который нужно умножить цену огне­упорных дверей, чтобы получить прогнозируемый в этом случае количественный объем их продаж.
На самом деле все чуточку сложнее, чем описано в предыдущем примере. Про­грамма Excel также возвращает вам число, называемое константой, которое нужно прибавить к результату операции умножения. В главе 11 будет показано, как воспользоваться всеми этими величинами.


Понравился материал? Поделитесь с друзьями!

<< Предыдущая статьяСледующая статья >>
1.5. Как метод скользящих средних заставить работать на себя 1.7. Отображение данных на графике





Убедительная просьба при использовании любых материалов Одесской электронной бизнес-библиотеки ставить активную ссылку на наш сайт. По всем вопросам касательно сайта пожалуйста пишите на почту
      Карта сайта