Już ponad 3 000 klientów ebooka. 
Ściąga z EXCELA dla każdego - SETKI przykładów funkcji otrzymasz w 3 minuty.
ZOBACZ EXCEL EBOOK >

Techniki prognozowania – metody szacowania popytu i sprzedaży

Tworzenie prognoz jest niezmiernie łatwe. W ciągu paru chwil niemal każdy jest w stanie opracować swoje własne przewidywania co do kierunku zmian dowolnej wartości. Można przy tym posługiwać się licznymi technikami – wyliczeniami statystycznymi, niezależnymi badaniami, analogiami lub samą intuicją.

Równie łatwe jest także późniejsze wytłumaczenie się z tego, dlaczego wcześniejsze prognozy nie pokrywają się z rzeczywistością.

Wystarczy w tym celu zebrać i spisać kilka zdarzeń, które wystąpiły pomiędzy dniem opracowania szacunków, a dniem obecnym, i gotowe. Niektórzy medialni analitycy aż do granic absurdu opanowali tę technikę i nikt ich głupot nawet nie kwestionuje.

Bo każde z tych eksperckich tłumaczeń jest na swój sposób logiczne. I tylko tyle. Zatem przygotowanie „forecastów’ wbrew pozorom wcale nie jest skomplikowane. Największą trudność stanowi tylko opracowanie dobrych prognoz – czyli takich które się po prostu sprawdzają.

Do czego służą prognozy?

Cel tworzonych prognoz w przedsiębiorstwie jest jasny – służą one jako podstawa do podejmowane z wyprzedzeniem odpowiednich decyzji i działań biznesowych. A to wszystko po to, aby zoptymalizować wyniki osiągane przez firmę oraz zasoby, które są niezbędne do ich uzyskania.

Odrębną nieco kwestią jest fakt, że w pewnych momentach niektóre prognozy stają się w firmie celami stawianymi przed pracownikami. A te z kolei mają znaczący wpływ na ich pracę. Zwykła tabelka w Excelu może sporo namieszać, w tym na wiele tygodni popsuć humory wielu osobom w firmie.

Prognozy nie są celem samym w sobie. Są one tylko narzędziem ułatwiającym planowanie oraz zarządzanie poszczególnymi obszarami firmy lub całym przedsiębiorstwem. Niezależnie od tego, ile ich powstaje oraz czego dotyczą, równie istotny jest sposób ich wykorzystania.

Są firmy, w których na bieżąco się analizuje wykonanie, odchylenia, ryzyka i inicjuje się działania korygujące. Ale można spotkać się również z sytuacją, gdy w firmie jedynie raz na miesiąc pokazuje się zestawienie prognoz z wykonaniem i tłumaczy się tylko powody, dla których różnica między tymi wartościami wystąpiła.

estymacja popytu

Prognozowanie popytu i sprzedaży jest niezmiernie ważnym elementem działalności firmy, którego prawidłowość wpływa praktycznie na każdy aspekt jej funkcjonowania, w tym m.in. na procesy zakupowe (surowców, półproduktów), zatrudnienie, produkcję, logistykę, finanse, sprzedaż i obsługę klienta.

Gdy wcześniej robione prognozy nie znajdują potwierdzenia w rzeczywistości, wtedy dochodzi do licznych niepożądanych zjawisk. Dla przykładu w przypadku, gdy następuje „przestrzelenie” wyników (tj. prognozy znacznie przekraczają wykonanie), wtedy może wystąpić:
– nadmierne zatowarowanie magazynu, wzrost kosztów magazynowania, zamrożenie gotówki, pogorszenie płynności finansowej, wzrost kosztów kredytowania, konieczność obniżek cen (nieprzestrzeganie strategii cenowej), zmniejszenie opłacalności sprzedaży;

  • cięcia budżetów; projekty, który były wcześniej zaplanowane są anulowane lub wstrzymywane;
  • nierealność celów premiowych, demotywacja zespołu handlowego,
  • zmiany celów sprzedażowych, handlowcy zamiast koncentrować się na sprzedaży opłacalnych produktów, są zmuszani do sprzedaży produktów, które zalegają w magazynach.

Natomiast konsekwencją niedoszacowania wyników są m.in.:

  • puste magazyny, opóźnienia w dostawach, niezadowolenie klientów, którzy muszą czekać na zakupiony towar
  • zbyt szybkie wyczerpanie budżetów prowizyjnych, konieczność ich zmodyfikowania, co z kolei wpływa niekorzystnie na pracę handlowców;
  • nieciągłość operacyjna, problemy z terminowością obsługi klientów i realizacji reklamacji.

Warto także zaznaczyć, że kwestia poprawności prognozowania jest niezmiernie istotna w przypadku oceny opłacalności wdrożenia nowych produktów. Jeżeli na poziomie definiowania projektu opracuje się analizę finansową, w której błędnie oszacowano popyt, wtedy wszystkie koszty inwestycyjne, które zostały poniesione na uruchomienie nowego obszaru działania firmy, mogą się nigdy nie zwrócić.

Ale zanim przystąpi się radośnie do budowania prognoz należy mieć na uwadze kilka faktów. Oto te najważniejsze:

  • prognoza przedstawia obecny stan wiedzy na temat wszystkich czynników, które potencjalnie mogą wpłynąć na badany proces. Przy natłoku informacji rynkowych, które docierają co dzień do firmy, może się okazać, że już następnego dnia po stworzenia prognozy należy przystąpić do jej korygowania;
  • wyniki prognozy zależą od ich autora, te same dane pokazane różnym osobom, mogą dać w rezultacie zupełnie inne wnioski;
  • nie istnieje żadna reguła na prawidłowość analiz; ani szczegółowość analizy (ilość uwzględnianych parametrów, wielkość bazy z danymi historycznymi, wielość użytych modeli, itd.), ani ilość „ekspertów” zaangażowanych przy jej powstawaniu, ani czas poświęcony na pracę, nie przekładają się bezpośrednio na skuteczność prognoz. Oczywiście zastosowanie szerokiego arsenału technik sprawia, że prognoza staje się w większym stopniu poprawna metodycznie, ale niekoniecznie bardziej trafna. Bardziej udane mogą okazać się proste prognozy, które są oparte na niewielu założeniach.
  • błędne prognozy są lepsze niż ich kompletny brak. Śledzenie wykonania prognoz pozwala na bieżąco analizować stan oceny i odchylenia. W konsekwencji tego można na bieżąco wprowadzać działania korygujące. Z drugiej strony doświadczenie pokazuje, że każda kolejna prognoza jest lepsza. Osoby je przygotowujące zazwyczaj uczą się i wyciągają wnioski z wcześniej popełnionych błędów. W przypadku braku prognoz, nie powstaje taki „materiał edukacyjny”, a ewentualne decyzje naprawcze mogą prowadzić do jeszcze większych błędów.

Metody prognozowania popytu i sprzedaży

Na zjawiska biznesowe mają wpływ różne czynniki, które można podzielić na: czynniki zewnętrzne (egzogeniczne – które są poza kontrolą, należy je traktować zewnętrzne ograniczenia), czynniki wewnętrzne (endogeniczne, których zajście uzależnione jest od wewnętrznych decyzji).

W prognozowaniu bada się relacje pomiędzy tymi czynnikami a badanym zjawiskiem. Dodatkowo estymuje się parametry, które umożliwią wykorzystanie danych z przeszłości do wnioskowania o przyszłości. Na końcowy wynik prognoz niebagatelny wpływ ma wybór metody i sposób budowania modelu prognostycznego.

Jak można się również domyślić skuteczność prognoz jest uzależniona od horyzontu czasowego, który ma podlegać szacowaniu – trafność krótkoterminowych prognoz jest o wiele większa niż tych, robionych na 5 lat do przodu.

Do prognozowania stosuje się najczęściej rozmaite techniki statystyczne i matematyczne, które to z kolei nakłada się na potężne bazy danych powstające w przedsiębiorstwie. Po uruchomieniu dowolnego oprogramowania statystycznego mamy do dyspozycji od kilku do kilkudziesięciu metodyk prognozowania.

Większość z nich można wykonać używając tylko kilku kliknięć (chociaż znajomość teorii, która kryje się za daną techniką obliczeniową jest oczywiście wskazana ;). Wkładamy dane na wejście i otrzymujemy wynik na wyjściu. Ale jak pokazuje doświadczenie, prognozy nie mogą opierać się wyłącznie na analizach danych liczbowych. Bardzo pożądane jest wyważenie wyników obliczeń matematycznych i skonfrontowanie ich z wiedzą ekspercką, w tym z subiektywnymi osądami różnych osób. To naprawdę daje w efekcie lepszy wynik.

Prognozowanie jest trudną sztuką przewidywania przyszłych zdarzeń – kierunków zmian na rynku, zachowań klientów, dystrybutorów, poddostawców. Jedno nieprzewidziane zdarzenie w wymienionych obszarach może sprawić, że wcześniej przyjęte założenia stają się nieprawidłowe.

Analitykom rzadko udaje się dokładnie trafić ze swoimi prognozami. Zawsze występują pewne rozbieżności. Dlatego często końcowym wynikiem ich prac nie są konkretne cyfry, a jedynie podanie przedziału, w jakim będzie się mieścił prognozowana wartość. Oczywiście nawet to się nie zawsze udaje.

Jednym z kluczowych elementów w prognozie jest poprawne wskazanie kierunku zmian. Jeżeli dana wartość miała rosnąć, a w rzeczywistości nieustannie maleje, wtedy naprawdę trudno jest podejmować działania korygujące, aby wyjść na wcześniej założony wynik.

Najczęściej stosowane metody prognozowania.

Analiza i prognozowania szeregów czasowych

Ta metoda oparta jest zazwyczaj na próbie zdefiniowania trendu zmian w badanym szeregu czasowym oraz jego ekstrapolacji (powielaniu) w przyszłość. Trend może przyjmować postać linii prostej wykreślonej wzdłuż czasu (trend prostoliniowy), jak również przybierać inną formę (np. sinusoidalną).

W tym drugim przypadku uwzględnia się w modelu występowanie odchyleń od ogólnej tendencji, które zazwyczaj są efektem występowania zmian cyklicznych, sezonowych lub innych zdarzeń losowych.

Podstawą do prawidłowego wyznaczenia oraz analizowania trendu jest w pierwszej kolejności posiadanie odpowiednią ilość obserwacji historycznych zebranych w regularnych odstępach czasu. Ile minimalnie tych danych powinno być to zależy już każdorazowo od problemu badawczego i wyczucia. Drugim niezbędnym wymaganiem przy analizie trendu jest to, aby wartości w kolejnych okresach między sobą znacząco od siebie nie odbiegały.

Do wykreślenia linii trendu, czy to wzrostowego, malejącego, czy też bocznego, niezbędne jest występowanie prawidłowości w danych. I trzeba liczyć się z tym, że nie zawsze ona występuje.

metoda sredniej ruchomej

Linia trendu to inaczej mówiąc linia najlepszego dopasowania, której suma wszystkich odchyleń od rzeczywistych wartości obserwacji jest jak najmniejsza. Jak już wcześniej wspomniałem linia trendu przybiera zwykle kształt funkcji liniowej – jest ona najbardziej czytelna i zrozumiała.

Ale w przypadku, gdy występują znaczące okresowe odchylenia lepiej posłużyć się alternatywnymi metodami wyznaczania linii trendu. W innym przypadku może dojść do zbyt dużych przekłamać lub wprost do zniekształcenia rzeczywistego charakteru zmian badanej wielkości.

Najczęściej stosowaną metodą analiz trendu jest wykorzystywanie średnich ruchomych, które wygładzają szereg czasowy poprzez uśrednianie wartości z kilku obserwacji. W ten sposób zmniejszane są wahania skrajne i łatwiej jest wychwycić tendencję zmian. Prognozowanie w tym przypadku polega na ekstrapolowaniu historycznej tendencji w przyszłość. W najprostszym ujęciu – tj. graficznym – jest to najzwyklejsze przedłużenie linii trendu wraz z jego zmiennością z okresu obserwacji na okres prognozowany.

Przy bardziej złożonych prognozach trendu wykorzystuje się również wzbogacanie danych o dynamikę rozwojową, analizowanie poziomu odchyleń sezonowych i przypadkowych. W ten sposób powstają tak zwane adaptacyjne modele trendu. Do ich wyliczeń oprócz średniej ruchomej stosowane są np. techniki wygładzenia wykładniczego usuwającego szumy, metoda trendu pełzającego z wagami harmonicznymi.

Metoda wskaźników wyprzedzających (leading indicators)

Technika ta wykorzystuje do prognozowania zachowanie zmiennych, u których stwierdzono, że poprzedzają one zmiany w zjawisku prognozowanym.

Przykładowo sprzedaż ubezpieczeń w miesiącach M2, M3, M4 jest uzależniona od nakładów marketingowych poniesionych w miesiącu M0 i M1. A sprzedaż baterii do telefonu X jest pochodną sprzedaży samego telefonu w miesiącach poprzednich. Najlepiej tę metodę obrazuje poniższy wykres, na którym kształt jednej zmiennej jest zbliżony do obrazu drugiej zmiennej – a zasadnicza różnica występuje tylko w czasie wystąpienia badanych zjawisk.

prognozowanie

Modele ekonometryczne

Na każde równanie ekonometryczne składa się zmienna objaśniana (zależna) oraz zmienne objaśniające uzupełnione przez składnik losowy. Przed przystąpieniem do prognozowania wybiera się najpierw zmienne do analizy, estymuje się ich parametry (np. metodą najmniejszych kwadratów), a następnie weryfikuje się ich istotność.

Celem modelu ekonometrycznego jest ocena wpływy badanych zmiennych objaśniających na zmienne prognozowane (tj. objaśniane). Oczywiście niezbędnym elementem do wykonania tego zadania jest posiadanie dobrych szacunków dotyczących zmiennych objaśniających oraz przyjęcie założenia o tym, że zależność między badanymi zmiennymi (objaśnianymi i objaśniającymi) są stałe w czasie. A także o tym, że na dynamikę badanego zjawiska mają decydujący wpływ głównie zmiany ilościowe zmiennych objaśniających. Oprócz tego, aby model był poprawny, przyjmuje się stałość rozkładu składnika losowego w czasie.

model ekonometryczny

Modeli ekonometrycznych są setki, są modele dynamiczne i statyczne, jednorównaniowe i wielorównaniowe, liniowe i nieliniowe. Wybór tego najlepszego uzależniony jest każdorazowo od zachowania badanego zjawiska. Model musi być jak najlepiej dopasowany do rzeczywistych obserwacji. A przy tym zdroworozsądkowy.

Ten ostatni warunek nie zawsze jest jednak taki oczywisty dla wszystkich. Zdarza się, że wśród zmiennych objaśniających pojawiają się czynniki o wątpliwej zależności, a ich obecność w równaniu jest tłumaczona tylko tym, że „poprawiają dopasowanie modelu”. To jeden z najczęstszych błędów popełnianych przez osoby zaczynające swoją przygodę z ekonometrią.

Szczególnym przypadkiem modeli ekonometrycznych są modele autoregresyjne (np. ARMA, ARIMA), które wykorzystują zmienne objaśniane z przeszłości do określenia zmiennej objaśnianej w przyszłości. Innymi słowy zakładana jest autokorelacja pomiędzy wartościami zmiennej prognozowanej, a jej wartościami z poprzednich okresów – np. sprzedaż w miesiącu X, zależy od sprzedaży w miesiącu X-1, X-2 oraz X-3.

Warto też wspomnieć w tym miejscu o modelach wykorzystujących sztuczne sieci neuronowe oraz systemach uczących się (machine learning)– ale te techniki zostawiam dla prawdziwych pasjonatów i ograniczę się tylko do metod, którymi można się posługiwać przy wykorzystaniu samego Excela.

Metody heurystyczne

Metody heurystyczne opierają się na umiejętności kojarzenia faktów, intuicji i doświadczeniu określonych ekspertów. W ramach tego sposobu prognozowania wybiera się grupę osób, których zadaniem jest określenie zmian badanego zjawiska w warunkach niedostatecznej informacji.

W ramach tych prac mogą ścierać się różne podejścia i opinie poszczególnych uczestników, ale końcowym wynikiem jest opracowanie wspólnego rozwiązania, które jest pochodną wiedzy i doświadczenia uczestników prac. Chyba najbardziej znaną metodą heurystyczną jest burza mózgów. A mniej znanymi, ale zdarza się, że nieświadomie w firmie stosowanymi, metoda delficka i metoda scenariuszowa.

Metoda delficka

Metoda delficka – polega na badaniu opinii wybranych ekspertów poprzez udostępnianie im kolejnych ankiet. Każda z badanych osób ma zagwarantowaną anonimowość, co umożliwia dzielenie się opiniami niekoniecznie zgodnymi z przełożonym lub kolegami z pracy. Dodatkowo ma miejsce kilka etapów ankietowania, treść kolejnych ankiet może być uzależniona od wyników poprzednich edycji. Po dokładnej analizie całego badania, jako prognozę przyjmuje się stanowisko, które jest zgodne z opiniami większości ankietowanych.

Metoda scenariuszowa

Metoda scenariuszowa zakłada, że najlepszym rozwiązaniem problemu prognostycznego jest opracować różnych scenariuszy przyszłych wypadków oraz do każdego z tych scenariuszy dopisanie sposobu zachowania w przypadku, gdyby okazał się prawdziwy. W tego typu prognozach opracowuje się zwykle dwie wersje szacunków:

  • wersję pesymistyczną, która zawiera parametry „czarnego scenariusza” wydarzeń,
  • wersję najbardziej prawdopodobną, której celem jest przedstawienie najbardziej realnych estymacji.

Można też się spotkać z trzecią wersją prognoz – optymistyczną, ale jak pokazuje praktyka, prawdopodobieństwo jej zajścia jest na tyle niewielkie, że nie warto sobie nią zaprzątać głowy. Bardziej istotny jest wariant pesymistyczny i zbadanie, czy przy jego zajściu badane przedsięwzięcie jest nadal na plusie, ewentualnie jakiej wielkości stratami należy się liczyć.

Prognozowanie analogowe

Mówiąc też inaczej, prognozowanie przez analogię. W tym przypadku przewidujemy zachowanie jednej zmiennej poprzez wykorzystanie dostępnych danych dla innej wartości. Przykładowo można prognozować sprzedaż nowego produktu Q z kategorii „płatki śniadaniowe” poprzez wykorzystanie danych o sprzedaży produktu Y z tej samej kategorii (np. poprzez analizę cyklu życia produktu w danej kategorii) lub też oszacować sprzedaż w roku R2 biorąc pod uwagę osiągnięty wynik w roku R1 oraz dynamikę wzrostu w R1 wobec R0.

Na podobnej zasadzie działa prognozowanie indukcyjne – w którym to pewne przypadki szczególne uogólnia się na całą badaną zbiorowość. Przykładowo, sprzedaż produktu Y w mieście liczącym 20 tys. mieszkańców wynosiła 500 sztuk, zatem sprzedaż tego samego produktu w mieście 200-tysięcznym wyniesie 5 000 sztuk.

Metoda badań marketingowych

Częstym sposobem pozyskiwanie informacji z rynku i możliwych zmianach jest realizacja badań. Przeprowadzane są ankiety, które przy większych projektach wzbogacane są również o badania fokusowe. Ze skutecznością wyników tych badań do prognozowania przyszłej sprzedaży i potencjalnego popytu bywa różnie. Bardzo istotne znaczenie ma tutaj dobór pytań, a nawet sam sposób, w jaki się je formułuje.

Praktyka pokazuje, że w przypadku zadawania pytań typu „czy planuje Pan/i w najbliższych 6 miesiącach zakupić produkt Z?” otrzymuje się zwykle znacznie zawyżone wyniki w porównaniu z tym, co rzeczywiście później odnotowuje sprzedaż. Spotkałem się swego czasu z prognozą popytu (na towary z kategorii elektronika w cenie 2-3 tys. zł za sztukę), która szacowała przyszłą sprzedaż bazując bezpośrednio na wynikach badań, korygując je tylko o 20% w dół. Jak pokazała jednak brutalna rzeczywistość, aby osiągnąć realny wynik należało skorygować wyniki badań o 90% w dół.

Jak poradzić sobie z tym problemem? Otóż pomocne okazuje się niezadawanie pytania o planowany zakup wprost, tylko poprzez szereg pytań pomocniczych ocenić potrzebę zakupową ankietowanego. Kolejną praktyczną techniką jest przeprowadzenie krótkich ankiet wśród pracowników działu handlowego, którzy na co dzień mają kontakt z klientami i mają lepszy (bardziej realny) obraz tego, co się dzieje na rynku, niż przykładowo pracownicy działów rozwoju produktów i marketingu.

Symulacja

Symulacje – to jedna z najbardziej trudnych i pracochłonnych metod prognostycznych. W celu przewidzenia przyszłego zachowania klientów wykorzystuje się badania eksperymentalne – czyli rzeczywiste symulacje, w trakcie których klienci stawiani są przed rzeczywistymi decyzjami zakupowymi.

Przykładowa symulacja może polegać na uruchomieniu w supermarkecie na 2 tygodnie wyspy (stoiska), na której sprzedawane są produkty z badanej kategorii – a odpowiednio dobrany personel bada zamiary zakupowe oraz preferencje wyboru (np. poprzez analizę conjoint). Na podobnej zasadzie może funkcjonować testowa strona internetowa, której celem jest oszacowanie popytu i klikalności.

Pytanie...
Korzystasz z EXCEL lub PowerPoint?
Poznaj setki praktycznych przykładów!
500 funkcji Excel + 500 slajdów PowerPoint

Zobacz podręcznik =>

5 komentarzy do “Techniki prognozowania – metody szacowania popytu i sprzedaży”

Dodaj komentarz

X