Показано с 1 по 13 из 13
  1. #1
    Новый участник
    Регистрация
    13.11.2010
    Сообщений
    3

    Exclamation План маркетинговых мероприятий

    Здравствуйте, уважаемы участники форума!
    В краткости о себе: Меня зовут Сабина. Я работаю PR -менеджером в книжной компании. Училась на экономиста, и мне немного сложно на начальном этапе своей карьерной деятельности. Книжной компании, где я работаю,всего 4 года. До моего прихода тут не составлялся маркетинговый план, так что мне отталкиваться не откуда. Мне в очень сжатые сроки нужно составить План маркетинговых мероприятий на 2011 год.Я начала с анализа продаж за 2009 и 2010 года.Вычислила сезонность продаж, с помощью вот этой формулы Isi = Yi / Y *100. Дальше для составления графика товарооборота,мне нужно вычислить пик сезонности в процентном соотношении,я незнаю как.=( Я думаю, если определить точки ON и OFF продаж,то можно узнать где нужно будет акцентрировать внимание. То есть с помощью рекламных кампании повышать уровень продаж, а где на лояльность магазина.
    Расскажите пожалуйста поэтапно, как составляется план маркетинговых мероприятий и что еще нужно при этом учитывать.
    Буду очень признательна!
    С уважением,
    Сабина

  2. #2
    Кандидат
    Регистрация
    13.11.2010
    Сообщений
    10

    По умолчанию Реклама и PR

    Здраствуйте!
    У меня есть материалы по маркетинговиму плану. И как его составлять.Отправте мне ваш EMAIL.

  3. #3
    Член сообщества
    Регистрация
    17.10.2008
    Сообщений
    179

    По умолчанию

    Сабина, но здесь нет маркетологов. Тем не менее. Начните со своих полномочий и компетенций. Не думаю, что PR-менеджер должен и может составить маркетинговый план компании. И реализовать его. Требуйте полномочия и бюджет маркетинга. Начиная с анализа сезонности, скорее Вы зайдете в "колею" прошлых продаж. Не уподобляйтесь генералам, которые как известно, готовятся к прошлым войнам. Начните с анализа целей собственников и их стратегии, видения бизнеса, внутренних исследований, SWOT и т.д. Анализа рынка, спроса, конкурентов, рыночных возможностей. Стратегии компании или стратегии маркетинга, позиционировании компании. Только затем выстраиваете план для их реализации. Не усложняйте, максимум концентрации. Например, на спросе-ассортименте и продающих моментах при рекламе и стимулировании сбыта. Есть два способа увеличения продаж: 1.повышать частоту посещения покупателями магазина, увеличивать частоту покупок. 2. увеличивать стоимость покупки при одном посещении. Соблюдайте два простых принципа маркетинга: 1. делать другое, делать по другому, т.е. выражаете отличие (основа позиционирования). 2. есть товары, которые мы продаем, есть товары на которых мы зарабатываем (по Парето). И изучайте маркетинг: трудно только первые двадцать лет. Удачи!

  4. #4

    По умолчанию

    Почитайте вот эту книгу, раздел "Сезонная декомпозиция" (Глава 5. Временные ряды и их компоненты)
    http://depositfiles.com/en/files/8558664

    Вот эту книжку тоже можете посмотреть
    http://www.universal-p.ru/leisure/item/158872.html

    Цитата Сообщение от Pashaeff
    Начиная с анализа сезонности, скорее Вы зайдете в "колею" прошлых продаж. Не уподобляйтесь генералам, которые как известно, готовятся к прошлым войнам. Начните с анализа целей собственников и их стратегии, видения бизнеса, внутренних исследований, SWOT и т.д.
    Отталкиваясь от целей собственников, Вы скорее всего будете выдавать желаемое за действительное. Анализ временных рядов является отправной точкой в статистическом прогнозировании. Далеко не все временные ряды поддаются детерминистическому прогнозированию, для стохастических прогнозов требуется огромное количество данных и их нелегко интерпретировать. Но! Если временной ряд в прошлом был достаточно устойчивым, можно получить довольно качественный прогноз. Полученные экстраполяцией и на основе анализа зависимостей цифры можно скорректировать с учетом поставленных руководством целей и запланированных мероприятий. Но делать это нужно не на основании того, что руководству хочется такую то цифирку, а после анализа возможности ее достижения и с указанием действий, которые будут способствовать ее достижению. Просто не нужно доверять прогнозам больше, чем они того заслуживают. Например, если составлен прогноз на пять лет, не нужно ждать истечения прогнозного срока, чтобы удостовериться в том, сбылся прогноз или нет. Смотрите уже в первые месяцы, насколько действительные цифры соответствуют прогнозным. Если отклонение оказывается значительным, нужно разобраться, чем настоящее отличается от прошлого, какие новые факторы появились. Вообще отлонения от прогноза вполне допустимы и ожидаемы, но желательно понимать, что за ними стоит. А дальше либо корректируете прогноз, если прошлые закономерности перестают действовать или появляются новые обстоятельства, либо руководствуетесь прогнозными цифрами, если оказывается, что отклонение является выбросом, связанным с единичным, нехарактерным событием, которое наврядли будет повторяться в будущем, или если отклонение укладывается в установленный коридор вероятностей или коридор допустимых процентных ошибок. Корректировки могут осуществляться различными методами и на основе разных источников информации, а также изменений в политике фирмы. Главное все обосновывать и делать с пониманием.
    Последний раз редактировалось Сергей Васильевич; 14.11.2010 в 03:58.

  5. #5

    По умолчанию

    Цитата Сообщение от Сабина
    ... Я начала с анализа продаж за 2009 и 2010 года.Вычислила сезонность продаж, с помощью вот этой формулы Isi = Yi / Y *100.
    Сабина, это самая примитивная формула определения сезонности, которая не предполагает общего роста или снижения оборотов компании. Поэтому предлагаю использовать метод классической выделения сезонности через декомпозицию - если не хотите читать и считать самостоятельно, то можете воспользоваться готовым файлом Excel для декомпозиции тренда и сезонности и прогнозирования на их основании продаж на год вперёд.

    Цитата Сообщение от Сабина
    Дальше для составления графика товарооборота,мне нужно вычислить пик сезонности в процентном соотношении,я незнаю как...
    Для этого обычно находят максимальный коэффициент сезонности, отнимают от него единицу и переводят в проценты, то есть, если у вас коэффициенты сезонности:
    1,24 1,10 1,11 1,00 0,83 0,74 0,75 0,83 0,96 1,06 1,14 1,14
    - тогда максимальный из них равен 1,24:
    1,24 - 1 = 0,24 = 24%.

    Цитата Сообщение от Сабина
    что еще нужно при этом учитывать.
    Ну, как минимум рентабельность ваших маркетинговых мероприятий, а для этого вам понадобятся стоимость ваших мероприятий и маржинальная рентабельность продаж.

  6. #6

    По умолчанию

    Цитата Сообщение от RazVal
    Поэтому предлагаю использовать метод классической выделения сезонности через декомпозицию - если не хотите читать и считать самостоятельно, то можете воспользоваться готовым файлом Excel для декомпозиции тренда и сезонности и прогнозирования на их основании продаж на год вперёд.
    Не хотелось бы занудствовать, но в представленном файле не классический метод сезонной декомпозиции, а нечто другое. Временной ряд состоит из следующих неявных компонент: тренд, цикличность, сезонность, интервенции, нерегулярная компонента. В классической сезонной декомпозиции сначала на основе центрированного скользящего среднего вычисляются сглаженная тренд-циклическая компонента, и отделяется смешанная сезонная и нерегулярная компоненты. Из последней на основе усреднения вычисляется сезонная компонента. Оставшийся шум считается нерегулярной компонентой. Такой подход соответствует методу Census I. Есть и другие, более изощренные варианты.
    Что не так в Вашем файле? Изначально Вы не знаете вид тренда, он может быть линейным или нелинейным, может даже несколько раз меняться во времени (например, сначала рост, потом падение, потом снова рост). В представленном файле используется допущение линейного тренда, которое не обязательно соблюдается в данных, скорее всего, нет. Потом когда вы вычитаете из действительных данных тренд и усредняете величины, в них будет присутствовать не только сезонность, но и тренд (в той части, в которой он не соответствует линейному), цикличность и нерегулярная компонента, возможно выбросы.

    Как правильно выполнить сезонную декомпозицию в Excel см.
    http://books.google.ru/books?id=gcsp...%20xls&f=false

    И вот еще примерчик от грузинских студентов
    https://www.student.gsu.edu/~mskovar...roject%202.xls
    Последний раз редактировалось Сергей Васильевич; 14.11.2010 в 14:26.

  7. #7

    По умолчанию отличия теории от практики

    Цитата Сообщение от Сергей Васильевич
    В классической сезонной декомпозиции сначала на основе центрированного скользящего среднего вычисляются сглаженная тренд-циклическая компонента
    Центрированную скользящую среднюю получится применить только на данных, исключающих первые 6 месяцев и последние 6 месяцев. И так из имеющихся двух лет статистики Сабины вы вынете год - останется только один год, и тот не полный, так как 2010 год ещё не закончился.

    Цитата Сообщение от Сергей Васильевич
    отделяется смешанная сезонная и нерегулярная компоненты. Из последней на основе усреднения вычисляется сезонная компонента.
    И что вы будете усреднять имея данные меньше чем за 1 год?

    Цитата Сообщение от Сергей Васильевич
    Есть и другие, более изощренные варианты.
    А есть другие - более упрощённые варианты. По тому же адресу находится файл, который прогнозирует спрос с учётом тренда и сезонности, вообще ничего не декомпозируя. Причём, зачастую он даёт лучше результат, чем классическая декомпозиция.

    Цитата Сообщение от Сергей Васильевич
    Изначально Вы не знаете вид тренда, он может быть линейным или нелинейным, может даже несколько раз меняться во времени (например, сначала рост, потому падение, потом снова рост). В представленном файле используется допущение линейного тренда, которое не обязательно соблюдается в данных, скорее всего, нет.
    Всё правильно, кроме последнего вывода, что тренд - скорей всего - не линейный. Мы ведь хотим найти не идеальную кривую, которую удовлетворяла прошлым данным - в таком случае достаточно взять полином (N-1)-ого порядка, и он со 100%-ной точностью пройдёт по имеющимся точкам. Только предсказывать что-либо с помощью этого полинома будет не возможно - он улетит: либо вверх, либо вниз. Не улетают линейные и логарифмические тренды - в примере реализован более простой - линейный. Согласен - это допущение и упрощение, но оно не такое критичное при анализе спроса, вариация которого в России обычно - очень большая.

    Цитата Сообщение от Сергей Васильевич
    когда вы вычитаете из дейтвительных данных тренд и усредняете величины, в них будет присутствовать не только сезонность, но и тренд (в той части, в которой он не соответствует линейному), цикличность и нерегулярная компонента, возможно выбросы.
    Совершенно верно - и всё это, кроме выбросов, убирается усреднением. А убирать выбросы, как и восстанавливать дефицит, предпочитаю до анализа ряда - мы же в будущее хотим прогнозировать спрос, значит нам и ряд нужен прошлого спроса, а не прошлых продаж...

  8. #8

    По умолчанию

    Цитата Сообщение от RazVal
    Центрированную скользящую среднюю получится применить только на данных, исключающих первые 6 месяцев и последние 6 месяцев. И так из имеющихся двух лет статистики Сабины вы вынете год - останется только один год, и тот не полный, так как 2010 год ещё не закончился.
    И что вы будете усреднять имея данные меньше чем за 1 год?
    Согласен, для применения декомпозиции требуются данные не менее чем за пять полных лет. Тот вариант расчета, который Вы приводите в файле мне и самому приходилось применять, когда не было достаточного количества данных, но согласитесь, это все-таки далеко от "классической декомпозиции". Я бы даже сказал, что это декомпозицией можно назвать с некоторой натяжкой.

    А есть другие - более упрощённые варианты. По тому же адресу находится файл, который прогнозирует спрос с учётом тренда и сезонности, вообще ничего не декомпозируя. Причём, зачастую он даёт лучше результат, чем классическая декомпозиция.
    Вот теперь правильно. То, что представлено в вышеприведенной ссылке - это не декомпозиция, а детрендирование и сезонное усреднение остатков. Просто вы в названии к файлу употребляете "классическая декомпозиция". А это явно не так.
    Утверждение насчет лучшего результата по другому файлу - требует верификации на большом количестве данных, сравнение результатов по обоим методам. Самый простой и прекрасно работающий метод для целей краткосрочного прогнозирования - экспоненциальное сглаживание с сезонностью и трендом. Основной его недостаток - неадекватно считаются средние прогнозные ошибки; из-за сглаживания они оказываются сильно заниженными.

    Всё правильно, кроме последнего вывода, что тренд - скорей всего - не линейный. Мы ведь хотим найти не идеальную кривую, которую удовлетворяла прошлым данным - в таком случае достаточно взять полином (N-1)-ого порядка, и он со 100%-ной точностью пройдёт по имеющимся точкам. Только предсказывать что-либо с помощью этого полинома будет не возможно - он улетит: либо вверх, либо вниз. Не улетают линейные и логарифмические тренды - в примере реализован более простой - линейный. Согласен - это допущение и упрощение, но оно не такое критичное при анализе спроса, вариация которого в России обычно - очень большая.

    Совершенно верно - и всё это, кроме выбросов, убирается усреднением. А убирать выбросы, как и восстанавливать дефицит, предпочитаю до анализа ряда - мы же в будущее хотим прогнозировать спрос, значит нам и ряд нужен прошлого спроса, а не прошлых продаж...
    Вот тут неверно. Усреднением Вы не можете все убрать, у вас также усредняются и другие компоненты. В итоге, сезонные коэффициенты получатся искаженными. Полином использовать вполне допустимо на коротких интервалах времени и ничего никуда не улетит, если делать по уму, принимая во внимание ограничения метода. Причем больше третьего порядка использовать я бы не рекомендовал. Полином нужен для того, чтобы описать изгиб в исторических данных, но ни в коем случае не для моделирования будуших изгибов. Приходилось видеть работы студентов, в которых полином (неизвестно по какой причине) применялся к монотонно возрастающему, только слегка затухающему временному ряду и они таким образом смогли получить снижение показателя в прогнозном периоде (видимо, они полагали, что они таким образом учитывают последствия кризиса). Понятно, что это недопустимо. Нельзя математику применять механически, нужно еще и понимать, что делаешь.

    Допущение линейного тренда критичное, поскольку на практике данные очень редко следуют строго линейному тренду. Чаще всего тренд стохастический. Используя декомпозицию, Вы вытаскиваете из данных сглаженную тренд-циклическую компоненту и далее можете ее моделировать в зависимости от того, как она себя ведет. Если линейно, то применяете линейный тренд уже к ней. Но чаще всего она ведет себя нелинейно. Могут быть изменения в уровне тренд-циклической компоненты, могут быть видимые изменения углов наклона. Так что эту компоненту можно моделировать не только прямолинейным глобальным трендом. Например, можно использовать экспоненциальное сглаживание Хольта (т.е. построение сглаженного линейного тренда, что эквивалентно построению простейшей стохастической модели пространства состояний). Возможно, тренд будет затухающим, возможно, будет изменение угла наклона в какой то точке и можно использовать кусочно-гладкую регрессию с выделением нескольких локальных трендов и моделированием угловых интервенций. Бывает актуален и экспоненциальный тренд. Можно и сплайны использовать. В общем, методов моделирования тренда на основе выделенной тренд-циклической компоненты множество, выбираются они в зависимости от того, как ведут себя данные. В Census I нет допущения о функции тренда и это критично.
    Кстати, выбросы не всегда нужно убирать, это могут быть интервенции и их лучше смоделировать.
    Последний раз редактировалось Сергей Васильевич; 14.11.2010 в 17:18.

  9. #9

    По умолчанию

    Цитата Сообщение от Сергей Васильевич
    Утверждение насчет лучшего результата по другому файлу - требует верификации на большом количестве данных, сравнение результатов по обоим методам.
    На большом не проверяли, но на реальных данных этот метод уже показал свою состоятельность: http://www.zakup.ru/viewtopic.php?p=27947#p27947 - буду рад, если проверите на своих и отпишите! ;) Понятное дело, что в одних случаях будет лучше - один, в других - другой, я не претендую на звание изобретателя самого лучшего алгоритма прогнозирования, но можно сказать однозначно, что он - простой и действенный. ;)

    Цитата Сообщение от Сергей Васильевич
    Полином нужен для того, чтобы описать изгиб в исторических данных, но ни в коем случае не для моделирования будуших изгибов.
    А зачем описывать моделью для прогнозирования будущего прошлые изгибы?

    Цитата Сообщение от Сергей Васильевич
    Нельзя математику применять механически, нужно еще и понимать, что делаешь.
    Полностью согласен! Именно поэтому не использую полиномов выше линейного, так как физику их продаж, ну никак нельзя объяснить в понятных терминах.

    Цитата Сообщение от Сергей Васильевич
    Например, можно использовать экспоненциальное сглаживание Хольта (т.е. построение сглаженного линейного тренда, что эквивалентно построению простейшей стохастической модели пространства состояний).
    А вы сможете объяснить физический смысл найденных этим методом коэффициентом? Кстати, опять же не советую использовать больше одной степени свободы - можно получить результат, неверность которого будет видна "на глаз".

    Цитата Сообщение от Сергей Васильевич
    В общем, методов моделирования тренда на основе выделенной тренд-циклической компоненты множество, выбираются они в зависимости от того, как ведут себя данные. В Census I нет допущения о функции тренда и это критично.
    В данном случае критично то, что вы не сможете выложить такой же файлик Excel, куда можно подставить свои данные и получить результат. А исследовать спрос можно долго и упорно - я даже соглашусь с тем, что это - интересный процесс, но, бьюсь об заклад, что Сабина не воспользуется методикой расчёта из вашей ссылки. ;)

  10. #10

    По умолчанию

    Цитата Сообщение от RazVal
    На большом не проверяли, но на реальных данных этот метод уже показал свою состоятельность: http://www.zakup.ru/viewtopic.php?p=27947#p27947 - буду рад, если проверите на своих и отпишите! ;) Понятное дело, что в одних случаях будет лучше - один, в других - другой, я не претендую на звание изобретателя самого лучшего алгоритма прогнозирования, но можно сказать однозначно, что он - простой и действенный. ;)
    Посмотрю на досуге, но проводить исследование эффективности не заинтересован. Если Вы хотите его "запатентовать" и обосновать научную новизну, это Ваша задача. Если не затруднит, дайте прямую ссылку на файл с реализацией; по представленной выше ссылке я нашел только статью с описанием метода.

    А зачем описывать моделью для прогнозирования будущего прошлые изгибы?
    Ну если Вы будете строить прогноз на 300 лет вперед, то полином, понятное дело, выдаст чепуху. Нужно правильно выбирать период применительно к данным. Однако для краткосрочного прогноза использовать полиномы вполне допустимо, недаром они входят во всех пакетах в джентельменский набор аппроксимирующих функций. Полином в этом случае лучше описывает последнее движение данных. Хотя опять же лучше использовать методы сглаживания (например, http://www.bauer.uh.edu/gardner/docs...rend-works.pdf или http://www.google.ru/url?sa=t&source...RLZixA&cad=rja) или авторегрессию.

    Например, в таком вот случае применение полинома вполне оправдано

    Глобальный линейный тренд просто завысил бы прогнозные значения, причем значительно. Проблема полинома в том, что он не для всяких данных годится и может маскировать ошибочные прогнозы при очень неплохой пригодности модели к историческим данным. А это значит, что его всегда нужно проверять на глаз. Линейный тренд не лишен того же недостатка, хотя пригодность модели под нелинейные данные ниже и он не подвержен необоснованным "загибам" в будущем, даже если его применять механистически. Но это также не значит, что линейный тренд всегда выдает более точный прогноз. Все таки, если есть возможность, нужно подстраиваться под ситуацию. Даже, когда речь заходит об обработке больших массивов данных, т.е. когда требуется построить прогноз по сотням позиций, обычно применяют экспоненциальное сглаживание в автоматическом режиме (иначе слишком трудоемко), как более гибкий инструмент. (Попадался как то обзор разных автоматических методов прогнозирования под разные ситуации.) А вообще прогнозы лучше строить в ручном режиме с поправками и корректировками и со знанием дела.

    Полностью согласен! Именно поэтому не использую полиномов выше линейного, так как физику их продаж, ну никак нельзя объяснить в понятных терминах.
    А вы сможете объяснить физический смысл найденных этим методом коэффициентом? Кстати, опять же не советую использовать больше одной степени свободы - можно получить результат, неверность которого будет видна "на глаз".
    А не нужно искать физику там, где ее нет. В чем интерпретация линейного тренда? Угловой коэффициент интерпретируют как изменение y в ответ на изменение x на единицу. В случае тренда это среднее изменение исследуемого показателя в течение периода. Если данные действительно следовали линейной динамики и отклонения от нее были минимальными, такую интерпретацию можно использовать. Но если динамика была нелинейной и угол наклона не был постоянным на исследуемым временном интервале, то искусственное "натягивание" такой интерпретации на данные ровным счетом ничего не дает.
    Напротив, экспоненциальное сглаживание Хольта на выходе позволяет получить линейный тренд с угловым коэффициентом, задаваемым более свежим движением в данных. Интерпретация такая же, что и у линейного тренда, но только не для всего ряда, а для локального тренда, актуального для прогнозного периода. Если прогноз делается на пару-тройку лет, то это лучший вариант, чем опора на глобальный исторический тренд с неоднозначным поведением на разных временных интервалах.
    Или, скажем, у авторегрессии интерпретация тоже никаких сложностей не представляет, зато ограничений на порядок меньше.
    Собственно, советую Вам также обратить внимание на методы анализа с коэффициентами изменяющимися во времени. Рано или поздно приходиться сталкиваться с такими задачами, в которых постоянные коэффициенты просто заводят в тупик.
    А ограничивать весь анализ исключительно линейным трендом, мне кажется, совсем недальновидно.

    В данном случае критично то, что вы не сможете выложить такой же файлик Excel, куда можно подставить свои данные и получить результат. А исследовать спрос можно долго и упорно - я даже соглашусь с тем, что это - интересный процесс, но, бьюсь об заклад, что Сабина не воспользуется методикой расчёта из вашей ссылки. ;)
    Я просто не хочу этого делать, хотя абсолютно никакой сложности это не представляет, так как считаю, что для более профессионального выполнения задачи требуется разобраться в методологии, хотя бы в простейшей, и затем действовать с пониманием, а не тупо подставлять данные в некое "прокрустово ложе", чтобы просто получить какие то цифирки. Хотя опять же повторюсь, что если данных за достаточный период времени собрать не удастся, то действовать придется дедовским способом, устанив тренд (определяемый навскидку) и усредняя остатки по месяцам. Такая оценка сезонности не будет статистически значимой из-за малого количества данных, но она позволяет выйти из ситуации. Правда далеко не всегда может сработать, так как иногда и намека на тренд нет, и сезонности может не быть. На основе двух лет сложно сделать какие-то выводы. И проверка распределения и автокорреляции остатков по-прежнему актуальна, хотя и затруднительна в силу малого количества данных. В случае, если временной ряд имеет достаточное количество наблюдений, лучше пользоваться более качественной и продуманной методологией.
    Если же тестировать пригодность методов путем опроса неподготовленных студентов, то ясное дело, они выберут наиболее простой и понятный для них метод. Но я не думаю, что на практике следует руководствоваться таким подходом. Лучше представить подробные разъяснения. Если же специалист планирует развиваться в будущем и более грамотно решать стоящие перед ним задачи, то ему весьма желательно ознакомиться с соответствующей литературой и приобрести понимание, а также научиться пользоваться специализированным программным обеспечениям (в данном случае программы для статистического анализа данных). Excel для прогнозирования все-таки не самый лучший инструмент.

    P.S. Не воспринимайте мои высказывания как критику в Ваш адрес. Я просто высказываю некоторые замечания, которые Вы можете принять к сведению, а можете проигнорировать. Надеюсь я не сказал ничего обидного?
    Просто интересно поговорить по теме прогнозирования, а то тут нечасто эта тема обсуждается.

    А убирать выбросы, как и восстанавливать дефицит, предпочитаю до анализа ряда - мы же в будущее хотим прогнозировать спрос, значит нам и ряд нужен прошлого спроса, а не прошлых продаж.
    Каким образом Вы выявляете и убираете выбросы?
    И что по Вашему спрос? С моей точки зрения спрос - это функция объема продаж от цены, доходов и ряда других факторов и его анализ представляется мне более затруднительным, чем просто прогнозирование продаж на основе временного ряда. Здесь нужно учитывать факторы, которые влияют на потребительские предпочтения и возможные изменения в политике фирмы, на которые будут реагировать объемы продаж. Кроме того, здесь обычно смотрят на организацию цепочки поставок и сколько товара еще нераспродано и находится в каналах сбыта. Прогнозирование закупок для службы снабжения - это чуток другая тема.
    Изображения Изображения
    Последний раз редактировалось Сергей Васильевич; 15.11.2010 в 11:19.

  11. #11
    Новый участник
    Регистрация
    13.11.2010
    Сообщений
    3

    По умолчанию Спасибо, огромное ребята!

    Очень рада, что нашла этот форум! И огромное огромное спасибо за поддержку, и за то что не проигнорировали мою просьбу!

  12. #12

    По умолчанию

    Цитата Сообщение от Сергей Васильевич
    Посмотрю на досуге, но проводить исследование эффективности не заинтересован. Если Вы хотите его "запатентовать" и обосновать научную новизну, это Ваша задача.
    Нет, модель создавалась только ради решения в допустимые временные сроки практической задачи массового прогнозирования помесячного спроса на год вперёд около 70 000 позиций в 15 центрах продаж - и эту задачу она решила, дав 20%-ное уточнение результатов прогноза по сравнению с используемой до этого моделью (это показал средневзвешенный план-фактный анализ). Ни на что другое я не претендовал. ;)

    Цитата Сообщение от Сергей Васильевич
    дайте прямую ссылку на файл с реализацией.
    Прогноз продаж в Excel с учётом мультипликативной сезонности и текущего тренда.

    Цитата Сообщение от Сергей Васильевич
    Ну если Вы будете строить прогноз на 300 лет вперед, то полином, понятное дело, выдаст чепуху. Нужно правильно выбирать период применительно к данным.
    Достаточно тех самых двух-трёх лет, на вашем же примере:


    Цитата Сообщение от Сергей Васильевич
    Полином в этом случае лучше описывает последнее движение данных...
    Согласен, но вот лучше ли полином прогнозирует движение будущее? ;)

    Цитата Сообщение от Сергей Васильевич
    Все таки, если есть возможность, нужно подстраиваться под ситуацию и прогнозы лучше строить в ручном режиме с поправками и корректировками и со знанием дела.
    Здесь - полностью согласен!

    Цитата Сообщение от Сергей Васильевич
    А не нужно искать физику там, где ее нет. В чем интерпретация линейного тренда?
    В том, что контора растёт, обрастает клиентами.

    Цитата Сообщение от Сергей Васильевич
    тренд это среднее изменение исследуемого показателя в течение периода. Если данные действительно следовали линейной динамики и отклонения от нее были минимальными, такую интерпретацию можно использовать. Но если динамика была нелинейной и угол наклона не был постоянным на исследуемым временном интервале, то искусственное "натягивание" такой интерпретации на данные ровным счетом ничего не дает.
    Напротив, экспоненциальное сглаживание Хольта на выходе позволяет получить линейный тренд с угловым коэффициентом, задаваемым более свежим движением в данных. Интерпретация такая же, что и у линейного тренда, но только не для всего ряда, а для локального тренда, актуального для прогнозного периода. Если прогноз делается на пару-тройку лет, то это лучший вариант, чем опора на глобальный исторический тренд с неоднозначным поведением на разных временных интервалах.
    А мне кажется, что точку спроса через два-три года будет лучше давать как раз долгосрочный тренд, построенный по соизмеримому периоду, нежели, полученный по последним точкам, когда вклад истории нивелируется коэффициентом затухания. Откуда такая уверенность, что именно последнее движение ряда данных, постоянно меняющего направление тренда, определит дальнейшее долгосрочное движение?

    Цитата Сообщение от Сергей Васильевич
    Собственно, советую Вам также обратить внимание на методы анализа с коэффициентами изменяющимися во времени...
    Сергей, разумеется, я знаю и пользуюсь для исследования единичных статистических рядов этими методами. И полностью соглашусь с вами, что именно так и надо делать, но для большого количества рядов приходится использовать всё-таки какие-то, как вы их назвали, "механистические" подходы. ;) Да, они дают результат похуже, но надо понимать, что получение любой информации стоит денег, и оказывается, просто, не рентабельно искать наиболее точный прогноз на таких объёмах данных - будущий спрос интересует в некотором приближении. ;)

    Цитата Сообщение от Сергей Васильевич
    Я просто не хочу этого делать, хотя абсолютно никакой сложности это не представляет, так как считаю, что для более профессионального выполнения задачи требуется разобраться в методологии, хотя бы в простейшей, и затем действовать с пониманием, а не тупо подставлять данные в некое "прокрустово ложе", чтобы просто получить какие то цифирки...
    Если же тестировать пригодность методов путем опроса неподготовленных студентов, то ясное дело, они выберут наиболее простой и понятный для них метод. Но я не думаю, что на практике следует руководствоваться таким подходом. Если же специалист планирует развиваться в будущем и более грамотно решать стоящие перед ним задачи, то ему весьма желательно ознакомиться с соответствующей литературой и приобрести понимание, а также научиться пользоваться специализированным программным обеспечениям (в данном случае программы для статистического анализа данных)...
    Опять же полностью соглашусь, но, к сожалению, большинство математически не подготовленных специалистов не станут приобретать понимание сложных методов прогнозирования, а сделают прогноз на глазок или по среднему арифметическому. Я стараюсь им дать инструмент, который будет работать лучше. ;)

    Цитата Сообщение от Сергей Васильевич
    Не воспринимайте мои высказывания как критику в Ваш адрес. Я просто высказываю некоторые замечания, которые Вы можете принять к сведению, а можете проигнорировать. Надеюсь я не сказал ничего обидного?
    Разумеется, я не обижаюсь на ваши слова! :) Да и вся ваша критика - очень конструктивная!.. А так, народ столько копий ломает вокруг прогнозирования!.. ;) Один спор, на сколько надо делить: на N или на (N-1) при анализе вариации временного ряда спроса - чего стоит!.. ;)

    Цитата Сообщение от Сергей Васильевич
    Просто интересно поговорить по теме прогнозирования, а то тут нечасто эта тема обсуждается.
    С моей точки зрения спрос - это функция объема продаж от цены, доходов и ряда других факторов и его анализ представляется мне более затруднительным, чем просто прогнозирование продаж на основе временного ряда.
    Раз вы являетесь специалистом в этом вопросе, я хотел бы узнать ваше мнение о практических методах поиска эластичности спроса по цене? - Теорию знаю, а вот как искать на практике эту кривую зависимости спроса от цены?

    Цитата Сообщение от Сергей Васильевич
    Здесь нужно учитывать факторы, которые влияют на потребительские предпочтения и возможные изменения в политике фирмы, на которые будут реагировать объемы продаж. Кроме того, здесь обычно смотрят на организацию цепочки поставок и сколько товара еще нераспродано и находится в каналах сбыта. Прогнозирование закупок для службы снабжения - это чуток другая тема.
    Ну, если точные данные о будущем спросе есть, то закупкам остаётся только вовремя всё купить с минимальными совокупными издержками. Но, к сожалению, часто этих данных нет, и поэтому приходится заниматься маркетингом в закупках...
    Изображения Изображения
    Последний раз редактировалось RazVal; 15.11.2010 в 15:10. Причина: добавить рисунок

  13. #13

    По умолчанию

    Цитата Сообщение от RazVal
    Нет, модель создавалась только ради решения в допустимые временные сроки практической задачи массового прогнозирования помесячного спроса на год вперёд около 70 000 позиций в 15 центрах продаж

    но для большого количества рядов приходится использовать всё-таки какие-то, как вы их назвали, "механистические" подходы. ;) Да, они дают результат похуже, но надо понимать, что получение любой информации стоит денег, и оказывается, просто, не рентабельно искать наиболее точный прогноз на таких объёмах данных - будущий спрос интересует в некотором приближении. ;)
    Это в корне меняет дело. Прогнозирование большого количества ассортиментных позиций налагает дополнительные ограничения на метод. Тем не менее, такое прогнозирование всегда отличается меньшей точностью, по сравнению с ручной работой. Если речь идет о ключевых показателях деятельности компании, агрегированной величине продаж и продаж по категориям, макроэкономическом фоне, то здесь уже лучше поработать по-серьезному и изучить не только цифры, но и то, что за ними стоит. Все что я говорил подразумевало ручной режим прогнозирования существенных показателей.

    Достаточно тех самых двух-трёх лет, на вашем же примере:
    http://www.forum.cfin.ru/attachment....1&d=1289819088

    Согласен, но вот лучше ли полином прогнозирует движение будущее? ;)
    Вообще то данные были по годам Поэтому у Вас уже не два года получается, а все 24-36. Но все правильно, нужно каждый раз смотреть визуально на то, что получается в прогнозном периоде.
    В примере предполагалось затухающее поведение временного ряда, когда темп прироста показателя сокращается с каждым периодом. Интерпретация тоже несложная: тренд выдыхается и достигает потолка. Лучше использовать специальную функцию (только оценивание придется делать уже не в рамках линейной модели), но и полином позволяет получить первое приближение, если пользоваться им с осторожностью. Для автоматического прогнозирования он вообще не годится. В ручном режиме - визуальная проверка не помешает и при использовании иных функций.

    В том, что контора растёт, обрастает клиентами.
    Ну такую интерпретацию можно извлечь из любого тренда, не только из линейного. Растет или снижается показатель видно даже из графика временного ряда. А можно просто найти средний темп роста без всяких трендов.

    А мне кажется, что точку спроса через два-три года будет лучше давать как раз долгосрочный тренд, построенный по соизмеримому периоду, нежели, полученный по последним точкам, когда вклад истории нивелируется коэффициентом затухания. Откуда такая уверенность, что именно последнее движение ряда данных, постоянно меняющего направление тренда, определит дальнейшее долгосрочное движение?
    А такую уверенность нельзя получить ни на основе линейного тренда, ни на основе последнего движения данных. Здесь в прогнозировании используется инерция движения показателя, допущение о том, что в будущем будут действовать те же закономерности, которые действовали в прошлом. Поэтому нужно смотреть на то, что стоит за цифрами. Так, если последние изменения в данных были вызваны новыми обстоятельствами, которые будут сохраняться в прогнозном интервале, то следует руководствоваться свежими данными. Свежие данные также более актуальны для краткосрочного прогноза. Долгосрочный прогноз уже будет опираться на глобальный тренд. Но и здесь приходится смотреть на поведение данных. Нередко попадаются ряды, в которых динамика носит непонятный характер, линейная функция указывает на возрастающий тренд, но данные прыгают совершенно непостижимым, хотя и неслучайным образом. В таких случаях прогноз вообще составить затруднительно. Кроме того, на поведение данных могут накладываться дополнительные ограничения. Попробуйте, например, спрогнозировать с помощью линейного тренда ИПЦ, если взять данные с 1991 года по месяцам. Тренд уйдет в отрицательную область. Хотя понятно, что в действительности будет наблюдаться рост цен.

    Раз вы являетесь специалистом в этом вопросе, я хотел бы узнать ваше мнение о практических методах поиска эластичности спроса по цене? - Теорию знаю, а вот как искать на практике эту кривую зависимости спроса от цены?
    Ну вообще то я не считаю себя специалистом именно в прогнозировании спроса.
    А по методам... Базовая модель - логлинейная регрессия. Попадалось много примеров анализа эластичности такого рода. Простой пример
    http://support.sas.com/rnd/app/examp...last/index.htm

    (Только вот сомнительно, чтобы за 25 лет функция спроса оставалась неизменной.)

    В эконометрике также используется система уравнений для спроса и предложения.
    Тут основная проблема анализа в том, что нет возможности получить данные по спросу для любого интервала цен, наблюдаемые данные по продажам находятся вблизи равновесных уровней (около точки пересечения спроса и предложения). С другой стороны, на практике нет необходимости выводить полную функцию зависимости, достаточно узнать, какова эластичность по отклонениям от текущего уровня цены. А для этого статистику собрать вполне реально.
    Последний раз редактировалось Сергей Васильевич; 15.11.2010 в 21:06.

Ваши права

  • Вы не можете создавать новые темы
  • Вы не можете отвечать в темах
  • Вы не можете прикреплять вложения
  • Вы не можете редактировать свои сообщения
  •