Опубликован: 20.12.2016 | Уровень: для всех | Доступ: платный
Лекция 23:

Логистический сервис - инструмент маркетинга и фактор повышения конкурентоспособности

< Лекция 22 || Лекция 23: 12345 || Лекция 24 >

Прогнозирование спроса на услуги

Значение прогнозирования спроса. Для эффективного планирования и координации деятельности по оказанию услуг необходимы точные прогнозы спроса. Они дают возможность руководителям предприятий распределять все виды ресурсов. Прогнозы снижают вероятность простоев оборудования и персонала, позволяют предотвращать возникновение в случае напряженного спроса "узких мест", которые в сфере обслуживания в большей степени, чем в производстве, приводят к потере потребителей, а следовательно, и доходов. Прогнозирование повышает эффективность сервисных организаций, позволяя им своевременно изменять загрузку мощностей и вовлекать в работу оптимальный объем материальных, трудовых и финансовых ресурсов. Прогнозирование имеет особое значение в связи с несохраняемостью услуг, т. е. невозможностью создания "буферных" запасов, которые уравновешивали бы имеющиеся возможности организации в оказании услуг и изменяющийся спрос на эти услуги. Прогнозы широко используются в практической деятельности, поскольку значения прогнозных оценок - основа для принятия решений при оперативном, тактическом и стратегическом планировании. Очевидно, что точность и надежность прогноза существенно влияет на эффективность деятельности организации.

Виды экономических прогнозов. Слово "прогноз" в переводе с греческого языка означает "предвидение", "предсказание" о развитии чего-либо, основанное на определенных фактических данных. В общем виде прогноз определяется как научно обоснованное суждение о возможных состояниях объекта в будущем или об альтернативных путях и сроках достижения этих состояний (либо одновременно и о том, и другом)1. Это суждение, хотя и носит вероятностный характер, все же обладает определенной степенью достоверности. Если достоверность является полной, то чаще используется другой термин - "предсказание".

Важнейшая характеристика прогнозов - период упреждения (или глубина прогноза), т. е. отрезок времени от момента, для которого имеются последние статистические данные об изучаемом объекте, до момента, к которому относится прогноз. По этой характеристике экономические прогнозы делятся на оперативные (период упреждения до одного месяца), краткосрочные (период упреждения от одного месяца до одного года), среднесрочные (период упреждения от одного года до пяти лет), долгосрочные (период упреждения от пяти до 15-20 лет) и дальнесрочные (период упреждения свыше 20 лет)2. По способам представления результатов прогнозы бывают точечными (в виде единственного значения прогнозируемой величины) и интервальными (в виде совокупности значений).

В производстве обычно прогнозируется стоимостной объем продукции или количество единиц продукта, которое будет произведено, отгружено или продано. В сфере услуг прогнозируется объем спроса в натуральных или денежных единицах измерения, при этом объектом прогноза может быть конкретная услуга или определенный потребитель, а также некоторая группа услуг или потребителей. Примеры таких прогнозов - объем заказов на перевозку и распределение продукции какого-либо промышленного предприятия или количество туров определенного типа, востребованных клиентами туристической фирмы.

Принципы и общенаучные подходы к прогнозированию в экономике. Процесс разработки прогнозов называется прогнозированием. Прогнозирование представляет собой систему научных исследований качественного и количественного характера, направленных на выяснение тенденций развития, становления, распространения чего-либо (процесса, отношений, науки, отрасли и т. п.) на основании тщательно отобранных фактов. Этот процесс применяется обычно на предварительной стадии разработки управленческих решений и составления планов, а также при поиске возможностей и направлений управленческих воздействий, направленных на ликвидацию отклонений от намеченной траектории развития экономического объекта3. Прогнозирование становится неотъемлемой частью различных видов планирования: текущего и стратегического.

Прогнозирование социально-экономических систем базируется на следующих принципах4.

Принцип системности - исследование качественных и количественных закономерностей в экономических системах, построение такой логической цепочки исследований, согласно которой процесс выработки и обоснования любого решения отталкивается от определения общей цели системы и мобилизации деятельности всех входящих в нее подсистем для достижения этой цели. При этом данная система рассматривается как часть более крупной системы, также состоящей из определенного количества подсистем.

Принцип научной обоснованности - прогнозы должны учитывать требования объективных экономических законов и базироваться на применении научного инструментария, глубоком изучении достижений отечественного и зарубежного опыта формирования прогнозов.

Принцип адекватности - соответствие прогноза объективным закономерностям; выявление и оценка устойчивых тенденций и взаимосвязей в развитии объекта прогнозирования; создание теоретического аналога реальных экономических процессов. Этот принцип требует учета вероятностного, стохастического характера реальных процессов, оценки как господствующих тенденций, так и отклонений, которые могут иметь место, определения возможной области их расхождения, т. е. оценки вероятности реализации выявленной тенденции.

Принцип альтернативности - возможность развития объекта прогнозирования и его составных частей по разным траекториям, при разных взаимосвязях и структурных соотношениях. При прогнозировании будущего возникает необходимость построения альтернатив, т. е. определения двух или более возможных несовпадающих, а нередко и противоположных, взаимоисключающих путей развития.

Принцип целенаправленности предполагает активный характер прогнозирования, т. е. учет целей, которые предстоит достигнуть рассматриваемому объекту путем различных управленческих воздействий на него.

В прогнозировании используются следующие общенаучные подходы.

  1. Исторический подход - рассмотрение каждого явления и процесса во взаимосвязи его исторических форм. Современное состояние исследуемого объекта рассматривается как закономерный результат его предшествующего развития, а будущее - как закономерный результат его развития в будущем и настоящем.
  2. Комплексный подход - рассмотрение объекта исследования в его связи и зависимости с другими процессами и явлениями.

Особенности прогнозирования спроса. Прогнозирование спроса в современной экономике используется чаще всего как база для управления логистическими системами.

Логистическая система - одно из фундаментальных понятий логистики. Термин "логистическая система" обозначает адаптивную (самонастраивающуюся или самоорганизующуюся) систему с обратной связью, выполняющую те или иные управленческие функции и логистические операции, состоящую, как правило, из нескольких подсистем и имеющую развитые связи с внешним миром. Существуют и другие определения данного термина. Отсутствие общепринятого определения указанного термина приводит к тому, что логистическую систему нередко сводят к частному случаю экономической системы5.

Прогнозы - основной источник для планирования и координации в логистике. Они позволяют установить возможные направления развития логистических систем и получить количественные и качественные оценки динамики логистических активностей, необходимых фирме.

Прогнозирование спроса на услуги представляет собой научный, основанный на установленных причинно-следственных связях и закономерностях процесс, в ходе которого выявляется состояние и пути развития спроса на услуги. Этот процесс - частный случай прогнозирования потребительского спроса.

Задача прогнозирования спроса на услуги - предсказание пространственных (где), ассортиментных (каких и сколько), а также временных (когда) параметров спроса. При этом особое значение имеет характер спроса.

Спрос разделяют на зависимый и независимый.

Зависимый спрос на услугу возникает в случае обусловленности этой услуги производственным или торговым процессом, связанным с каким-либо товаром или другой услугой. Так, например, от предполагаемого объема продаж специализированным магазином шин и дисков для автомобилей зависит спрос на услуги шиномонтажа, оказываемые этим магазином. Как правило, если прогноз или план продаж основного продукта определен, то нет необходимости в отдельном прогнозировании спроса на сопутствующие услуги. Это связано с тем, что изменение спроса на основной продукт повлечет за собой и изменение потребности в услугах, однако пропорции между ними обычно остаются постоянными. Для прогноза зависимого спроса используются детерминированные методы, в основе которых лежит расчет вторичной потребности в услуге на основе известной первичной потребности.

Независимый спрос на услугу никак не связан со спросом на другие услуги или какие-либо товары. Например, спрос на стоматологические услуги не связан со спросом на зубные пасты. Следовательно, даже если будет получен достаточно точный прогноз потребностей в зубных пастах, он не поможет уточнению прогноза спроса на услуги стоматологических клиник. Большая часть услуг характеризуется независимым спросом, поэтому необходимо проводить прогнозирование спроса для каждой отдельной услуги. Поскольку прогнозирование требует привлечения значительных объемов информации и затрат времени, наиболее благоприятной представляется ситуация, когда нужно предсказать зависимый спрос на услуги. В этом случае достаточно иметь прогноз только по основному продукту или услуге.

В общем виде модель (формула) прогноза спроса имеет следующий вид6:

Y_t = (B_t ? S_t ? T ? C_t ? P) + I, ( 23.1)

где Yt - прогноз величины спроса на период t;

Bt - базовый уровень спроса в период t;

St - коэффициент сезонных колебаний в период t;

T - коэффициент временной тенденции, характеризующий возрастание или убывание спроса;

Ct - коэффициент циклических колебаний в период t;

Pt - коэффициент поправок на стимулирование продаж в период t;

I - нерегулярная (случайная) компонента.

Не в каждом прогнозе должны учитываться все эти факторы, но их понимание и при необходимости отслеживание являются обязательными7.

Методы прогнозирования. Согласно общей схеме прогнозирования для получения прогноза какого-либо параметра необходимо иметь в распоряжении некоторый метод или методы. Под методами прогнозирования понимается совокупность приемов и способов мышления, позволяющих на основе анализа ретроспективных (прошлых) данных, информации о состоянии объекта прогнозирования в настоящий момент и о внешней среде вывести суждение определенной достоверности относительно будущего развития объекта. В настоящее время насчитывается более 200 разных методов прогнозирования, однако на практике используется около 20.

Многочисленные методы прогнозирования могут классифицироваться по разным признакам: по способам получения и обработки информации, по общему принципу действия, по степени формализации, по назначению прогнозирования и т. п. Наиболее распространена группировка методов по степени формализации, в соответствии с которой все методы прогнозирования разделяются на интуитивные (экспертные), формализованные (фактографические) и комбинированные, сочетающие особенности двух первых групп.

Интуитивные методы прогнозирования позволяют с помощью прогноза оценить состояние развития объекта в будущем независимо от информационной обеспеченности. В основе этих методов лежит выявление мнений группы лиц (экспертов), хорошо информированных об объекте прогнозирования. При этом процедуры интуитивно-логического мышления человека сочетаются с количественными (статистическими) методами обработки полученных результатов. Экспертные методы подразделяются на индивидуальные и коллективные. Индивидуальные имеют несколько разновидностей: оценки типа интервью, аналитические методы (разработка сценариев, подготовка аналитических обзоров и т. п.). К коллективным экспертным оценкам относится, в частности, метод комиссий, дельфийский метод, метод брейнсторминга, метод морфологического анализа.

Интуитивные методы требуют, как правило, много времени, поэтому не имеют широкого распространения в логистике. Такие методы используются чаще всего там, где отсутствует возможность провести формализованную процедуру прогнозирования или одной этой процедуры недостаточно для принятия обоснованного управленческого решения. Примером может служить прогнозирование времени возникновения массового спроса на новую для рынка услугу или его замещения спросом на альтернативную услугу.

Формализованные методы базируются на математической теории и обеспечивают повышение точности и достоверности прогнозов. К формализованным относят методы экстраполяции и методы математического моделирования.

Экстраполяция - это метод научного исследования, заключающийся в распространении выводов, полученных в результате наблюдения над одной частью явления, на другую его часть8. В прогнозировании экстраполяция применяется при изучении временных рядов, т. е. в тех случаях, когда исходная информация представлена в виде динамического (временного) ряда. При экстраполяции спроса предполагается, что будущее похоже на прошлое и настоящее, т. е. существующая структура спроса будет сохраняться еще некоторое время в будущем. В краткосрочном периоде такое предположение является, как правило, верным. Для повышения точности экстраполяции линии тренда корректируются на основе реального опыта.

Тренд - это длительная тенденция изменения экономических показателей. При построении моделей прогнозирования тренд оказывается основной составляющей временного ряда, на которую уже накладываются другие составляющие, например сезонные колебания. В рассмотренной выше модели прогнозирования тренд характеризуется коэффициентом Т.

В общем виде модель прогноза на основе экстраполяции включает три составляющих и записывается в виде:

Y_t=\bar{Y}_t+S_t+\varepsilon_t ( 23.2)

где Yt - прогнозное значение временного ряда;

Yt - среднее значение прогноза (тренд);

St - составляющая прогноза, отражающая сезонные колебания (сезонная волна);

\u03b5t - случайная величина отклонения прогноза.

Для обработки временных рядов может быть предложена следующая последовательность расчетов9.

  1. На основе значений временного ряда на предпрогнозном (интервале наблюдения) периоде с использованием метода наименьших квадратов определяются коэффициенты уравнения тренда Y. Обычно для описания тренда используются полиномы различных порядков, экспоненциальные, степенные функции и т. п.
  2. Для исследования сезонной волны значения тренда исключаются из исходного временного ряда. При наличии сезонной волны определяют коэффициенты уравнения, выбранного для аппроксимации St.
  3. Случайные величины отклонения et определяются после исключения из временного ряда значений тренда и сезонной волны на предпрогнозном периоде. Как правило, для описания случайной величины et используется нормальный закон распределения.
  4. Применяются различные методы для повышения точности прогноза.

Основные методы экстраполяции - метод скользящей средней, метод экспоненциального сглаживания, метод расширенного сглаживания и метод адаптивного сглаживания10.

Метод скользящей средней дает возможность выравнивать динамический ряд путем его расчленения на равные части с обязательным совпадением в каждой из них сумм модельных и эмпирических значений. В прогнозировании спроса используются средние показатели продаж услуг за последние годы (месяцы, недели). Среднее значение продаж за ряд периодов (обычно три, четыре или двенадцать) принимается за прогноз на ближайший предстоящий период. Когда этот период оканчивается, среднее значение для него включается в расчеты, а данные за первый период отбрасываются и т. д. Таким образом, скользящая средняя рассчитывается по формуле 8.3:


Рис. 23.3.

где Ft - прогнозная скользящая средняя на период t;

St - i - объем продаж за период (t - i);

n - число периодов.

Например, при имеющихся фактических данных по месяцам прогноз спроса на основе метода скользящей средней рассчитывается следующим образом.

Месяц Январь Февраль Март Апрель
Объем продаж услуг, тыс. руб. 393 399 412 410

Метод скользящей средней малочувствителен к изменениям, что ограничивает его использование в прогнозировании. Если в прошлом периоде, данные которого используются для прогнозирования, объем продаж подвергался значительным колебаниям, то средняя величина не может быть надежной базой для прогноза. Кроме того, данный метод требует большого постоянно обновляемого объема информации.

Экспоненциальное сглаживание временных рядов - это метод анализа временных рядов, при котором более поздним наблюдениям придается больший вес, т. е. веса точек наблюдения убывают (экспоненциально) по мере удаления в прошлое11. Такой метод дает возможность получить оценки параметров тренда, характеризующих не средние значения, а тенденцию, сформировавшуюся к моменту последнего наблюдения. При этом значения более поздних наблюдений имеют больший вес, чем значения наблюдений более ранних периодов. Метод экспоненциального сглаживания используется в кратко- и среднесрочном прогнозировании, он не требует обширной информационной базы и ее частого обновления, а скорее нацелен на ее более интенсивное использование по сравнению с методом скользящей средней. Этот метод удобен для программирования с использованием компьютерных средств. Наиболее сложным моментов в применении экспоненциального сглаживания является выбор коэффициента сглаживания a (0 < a &lt;1), который и определяет веса точек наблюдени й. Высокое значение этого коэффициента делает прогноз слишком чувствительным к изменениям, а слишком низкое - почти лишает его такой чувствительности. Если альфа-фактор близок к 1, то прогнозным значением спроса становится объем продаж за последний период, а при значении, близком к 0, метод трансформируется в метод скользящей средней.

Расширенное сглаживание предполагает учет сезонных факторов и долгосрочных тенденций. В тех случаях, когда можно четко выявить долгосрочные тенденции и сезонную составляющую динамического ряда, в формулы для прогноза добавляются два соответствующих элемента. Этот метод так же, как и предыдущий, позволяет рассчитать прогнозное значение спроса при минимальном объеме фактических данных.

Адаптивное сглаживание - это метод, предполагающий постоянный пересмотр выбранных значений альфа-фактора. Этот коэффициент пересматривают по окончании каждого прогнозного периода. Таким образом, первоначальная субъективная оценка альфа-фактора становится более объективной. В более сложных разновидностях этот метод позволяет автоматически отслеживать сигналы, говорящие об ошибках и погрешностях, и затем корректировать коэффициент.

При прогнозировании спроса достаточно эффективно может использоваться моделирование, т. е. изучение объектов на их моделях. Модель - это логическое или математическое описание компонентов или функций, отображающих существенные свойства моделируемого объекта или процесса. В управлении хозяйственными процессами наибольшее значение имеют математические, прежде всего экономико-математические модели, представляющие собой математическое описание экономического явления или процесса. Такое моделирование основано на обработке статистической информации ретроспективного характера, оценке отдельных переменных величин, их параметров. Существует множество видов экономико-математических моделей и несколько способов их классификации12. Наибольшее распространение для целей прогнозирования получили корреляционно-регрессионные модели, модели межотраслевого баланса, оптимизационные модели.

Будущий спрос на услуги может прогнозироваться на основе регрессионных моделей, которые основаны на учете влияния независимых факторов. В этом случае спрос на услугу рассматривается как функция от одной или нескольких переменных.

Так, объем спроса на услуги по приготовлению и распространению кофе на стадионе во время футбольных матчей зависит от температуры воздуха во время этих матчей. Практика показывает, что чем холоднее на стадионе, тем больше кофе потребляют болельщики.

Ниже приведена таблица с данными за два сезона13.

Соотношение температуры воздуха и потребления кофе зрителями футбольных матчей

Дата Температура воздуха (°F) Потребление кофе (тыс. чашек)
10.09 65 21
24.09 42 32
01.10 58 19
15.10 32 29
29.10 28 40
12.11 20 43
16.09 72 18
30.09 62 24
14.10 40 33
21.10 56 24
11.11 25 36
18.11 30 38

Количественное соотношение между температурой воздуха и потреблением кофе рассчитывается по уравнению линейной регрессии:

y = 49,775 - 0,45x;

r2 = 0,88,

где y - потребление кофе;

x - температура воздуха;

r2 - коэффициент корреляции.

Из уравнения следует, что с повышением температуры воздуха на 1° по шкале Фаренгейта потребление кофе сокращается на 450 чашек (0,45 x 1°F x 1000 чашек). Данное значение коэффициента корреляции r2 показывает, что 88% изменений в потреблении кофе объясняются изменениями температуры воздуха.

Если прогноз погоды известен, то несложно по данной модели рассчитать спрос на кофе, чашки, сахар, сливки и т. д.

В реальной практике случаи, когда спрос на какую-либо услугу зависит от единственного фактора (простая регрессия), достаточно редки. Чаще же выделяется два и более независимых факторных признаков, тогда речь идет о множественной регрессии. Поскольку регрессионный анализ эффективно учитывает влияние внешних факторов и событий, регрессионные модели больше подходят для составления среднесрочных и долгосрочных прогнозов спроса. Расчеты для линейных регрессионных моделей легко можно выполнить с помощью любого компьютера и большинства моделей калькуляторов. Особенности регрессионного анализа описываются во многих учебниках по статистике, экономико-математическим методам и моделированию.

Ошибки в прогнозах; верификация. Ошибки в экономических прогнозах и, в частности, в прогнозах спроса могут привести к значительным убыткам, а иногда и к банкротствам фирм.

Например14, в конце 1950-1960-х гг. общий грузооборот на воздушном транспорте удваивался каждые 4 года. В 1970 г. одна из крупнейших авиастроительных компаний мира подготовила прогноз, согласно которому спрос на грузовые перевозки воздушным транспортом в 1970-1980 гг. должен был увеличиться в 10 раз. Однако этот прогноз не подтвердился, поскольку в 1970-х гг. из-за энергетического кризиса 1973 г. характер роста сменился с экспоненциальной кривой на логистическую.

Потери фирмы "Форд мотор" (США) из-за модели легкового автомобиля "Эдсель", оказавшейся неудачной, превысили 200 млн долларов США (в 1958 г. была продана 34 381 машина этого типа вместо предполагавшихся 200 тыс.).

Проверка надежности любого прогноза осуществляется путемверификации, т. е. путем сопоставления и проверки ретроспективного прогноза (за прошлый период). Разница между фактическими и прогнозными значениями называется погрешностью прогноза. Для повышения точности прогноза требуется постоянное измерение и анализ погрешностей. Необходимо определить способ выявления и учета погрешностей, а также сформировать механизм обратной связи для своевременной корректировки прогноза.

Для осуществления обратной связи важно, чтобы работники фирм, оказывающих услуги, были заинтересованы в выявлении проблем и в совершенствовании процесса прогнозирования. При соответствующей мотивации сотрудники могут определять главные источники ошибок и разрабатывать способы их устранения. Однако в любом случае следует помнить, что прогноз не может быть абсолютно точным, и ожидания от прогнозирования должны быть реалистичными.

1 Лопатников Л.И. Экономико-математический словарь. М.: Наука, 1993. С. 275.
2 Черныш Е.А., Молчанова Н.П., Новикова А.А., Салтанова Т.А. Прогнозирование и планирование: учеб. пособие. М.: ПРИОР, 1999. С. 19.
3 Лопатников Л.И. Экономико-математический словарь. М.: Наука, 1993. С. 276.
4 Черныш Е.А., Молчанова Н.П., Новикова А.А., Салтанова Т.А. Прогнозирование и планирование: учеб. пособие. М.: ПРИОР, 1999. С. 20.
5 Родников А.Н. Логистика: терминологический словарь. 2-е изд., испр. и доп. М.: ИНФРА-М, 2000.
6 Сергеев В.И. Логистика в бизнесе: учебник. М.: ИНФРА-М, 2001.
7 Модели и методы логистики / под ред. В.С. Лукинского. СПб.: Питер, 2003.
8 Черныш Е.А., Молчанова Н.П., Новикова А.А., Салтанова Т.А. Прогнозирование и планирование: учеб. пособие. М.: ПРИОР, 1999.
9 Модели и методы логистики / под ред. В.С. Лукинского. СПб.: Питер, 2003.
10 Модели и методы логистики / под ред. В.С. Лукинского. СПб.: Питер, 2003.
11 Лопатников Л.И. Экономико-математический словарь. М.: Наука, 1993.
12 Лопатников Л.И. Экономико-математический словарь. М.: Наука, 1993.
13 Бауэрсокс Д. Дж., Клосс Д. Дж. Логистика: интегрированная цепь поставок / пер. с англ. М.: Олимп-Бизнес, 2001. С. 226.
14 Родников А.Н. Логистика: терминологический словарь. 2-е изд., испр. и доп. М.: ИНФРА-М, 2000. С. 202.
< Лекция 22 || Лекция 23: 12345 || Лекция 24 >