Применение методов прогнозирования в закупочной логистике торговых предприятий
Автор: Левина Алена Борисовна, Якунина Юлия Сергеевна, Коновалова Татьяна Евгеньевна
Рубрика: Логистика и управление транспортными системами
Статья в выпуске: 2 т.16, 2022 года.
Бесплатный доступ
В статье рассмотрены возможности применения различных методов прогнозирования объема продаж, основанные на логистических принципах, применительно к деятельности предприятий - автомобильных дилеров. Золотое правило логистики формирует основу протекания логистического процесса и связано с поставкой продукции нужного количества и качества, точно в срок, при этом задача прогнозирования продаж - предвидение параметров спроса для планирования деятельности предприятия на будущие периоды. Таким образом, прогнозирование продаж лежит в основе логистической деятельности предприятия. От точности и достоверности прогнозов потребительского спроса напрямую зависит эффективность реализации практически всех логистических функций. При этом специфика деятельности рассматриваемого предприятия - автодилера - накладывает определенные ограничения на возможности прогнозирования продаж. В частности, необходимость учета тенденций изменения рынка, наличие квотирования производителя, учет востребованности ассортимента со стороны потребителей приводят к необходимости корректировки используемых методов прогнозирования продаж. Авторами в статье рассмотрены методы прогнозирования, применяемые в логистике, и выделены методы, которые могут быть использованы автодилерами для определения объема продаж в последующих периодах. Последовательность использования методов прогнозирования формирует алгоритм прогнозирования объема продаж. Апробация методики и алгоритма прогнозирования объема продаж проведена на примере конкретного предприятия и может быть использована аналогичными предприятиями в своей деятельности.
Логистика, прогнозирование в логистике, методы прогнозирования, торговое предприятие, автодилер
Короткий адрес: https://sciup.org/147237411
IDR: 147237411
Текст научной статьи Применение методов прогнозирования в закупочной логистике торговых предприятий
В условиях усиливающейся конкуренции среди российских автодилерских предприятий значение логистического управления возрастает пропорционально: чем больше появляется конкурентов, тем выше становятся требования к системе логистики и снабжения. Эффективная организация логистических процессов автомобильных дилеров позволит оптимизировать и сократить их издержки в условиях насыщенности автомобильного рынка и снижения рентабельности деятельности дилеров. Оптимизация логистических процессов закупок является приоритетной в условиях насыщения рынка и снижения объемов продаж автомобилей, неточное прогнозирование спроса приводит к увеличению издержек предприятия.
Прогнозирование продаж является обязательной деятельностью в большинстве компаний, влияющей на операционную деятельность, логистику, маркетинг и планирование. Логистика решает задачу поставить товар нужного количества и качества, точно в срок, при этом задача прогнозирования продаж – предвидение параметров спроса для планирования деятельности предприятия на будущие периоды. Таким образом, прогнозирование продаж лежит в основе логистической деятельности предприятия.
Прогнозная информационная база и прогнозная оценка определяют эффективность прогнозирования. К базе прогнозной информации предъявляют требования относительно ее точности, актуальности и гибкости. Прогнозная оценка в современных рыночных условиях базируется не на одном методе прогнозирования, а на комплексе методов.
Теория
В теории прогнозирования существует значительное количество методов прогнозирования. К исследованию вопросов прогнозирования и возможностей применения методов прогнозирования проявляют интерес как российские, так и западные ученые.
В отечественной логистической практике внимание исследованию указанной проблемы уде-
ляют Дыбская В.В., Зайцев Е.И., Сергеев В.И., Стергигова А.Н., Лукинский В.С. и др.
По мнению Дыбской В.В., прогнозирование объемов продаж относится к традиционной функции маркетинга, при этом логистические и маркетинговые подразделения компаний должны работать в тесном взаимодействии для обеспечения эффективности функционирования [4].
Лукинский В.С. считает, что прогнозирование является функцией логистики, реализующейся во всех областях логистической деятельности и позволяющей, за счет точного прогноза, оценить возникающие в системе отклонения и создать основу для оптимизации деятельности [7].
Наркевич Л.В., Казангапова Б.А., Васильев А.А., Агеносов А.В. в своих исследованиях освещают возможности применения трендовых, факторных и комбинированных моделей прогнозирования спроса в логистике [1, 2, 6, 10, 11, 13]. По мнению Васильева А.А., выбор конкретной модели краткосрочного прогнозирования в логистической деятельности является сложной задачей, связанной с необходимостью учета множества факторов и наличием практического опыта прогнозирования [2].
Среди зарубежных специалистов вопросами прогнозирования спроса занимаются ученые Makridakis S., Bonneli E., Clarke S., Yelland P., Baz Z.E. и другие [18, 19, 20, 21], указывающие, что практики прогнозирования с течением времени усложняются, что должно приводить к большей точности прогноза. Makridakis S., Bonneli E., Clarke S., Fildes R. утверждают в своем исследовании [18], что несмотря за значимые достижения в методологии, системах и процессах прогнозирования за последние десятилетия, предприятия не пришли к единой системной процедуре прогнозирования, при этом чаще всего комбинируют методы математического прогнозирования и методы, основанные на экспертных оценках. Yelland P., Baz Z.E., Serafini D. в исследовании [21] сделали акцент на том, что современные методики прогнозирования должны быть адаптированы предприятиями под заинтересованные стороны данного прогноза.
Таблица 1
Методы и модели прогнозирования в логистике
Группа методов |
Метод |
Экспертные методы |
|
Методы, основанные на результатах маркетинговых исследований |
|
Трендовые модели |
|
Причинно-следственные модели |
|
Комбинированные мо дели |
|
Методы прогнозирования, используемые в логистической деятельности, можно условно разделить на три группы (см. рисунок).
Каждый из методов прогнозирования применяется при определенных условиях развития рынка. Точность результатов прогнозирования одного и того же показателя по одному и тому же набору исходных данных может быть разной, в зависимости от примеряемого метода.
Наименее применимы в логистике качественные методы, наиболее востребованы количественные методы, основанные на математических моде-
лях, а также комбинированные методы (табл. 1).
Математические методы обладают рядом преимуществ - являются оптимизационными, не допускают логических ошибок и сводят проблему к ее сути. Но при этом применение только математических методов в прогнозировании спроса в логистике не удовлетворяют требованиям по точности и надежности прогнозов, в результате чего предприятия могут терять конкурентные рыночные позиции. Математические методы прогнозирования базируются на обработке предшествующих данных спроса, что в настоящее время недос-

Методы прогнозирования в логистике
таточно для обеспечения точности и надежности прогноза. Следовательно, актуальными становятся комбинированные методы прогнозирования спроса в логистике [2, 6, 16, 19, 20]. От точности и достоверности прогнозов потребительского спроса напрямую зависит эффективность реализации практически всех логистических функций.
Результаты
В рассмотренных методиках прогнозирования не учитывается специфика деятельности предприятия, а именно, дилерство в автомобильном бизнесе, фактор ограниченности ресурсов предприятия, востребованность ассортимента со стороны потребителей. Авторами на основе анализа логистической деятельности предприятия-автодилера и методов прогнозирования, применяемых в логистике, предложена методика прогнозирования объема продаж с учетом изложенных выше факторов.
Методика прогнозирования объемов продаж для предприятия-автодилера состоит из следующих этапов:
-
1) разработка алгоритма прогнозирования объема продаж;
-
2) проведение расчетов прогноза объема продаж;
-
3) принятие итогового решения об объеме поставок.
Алгоритм прогнозирования объема продаж основывается на применении нескольких методов прогнозирования в совокупности, что позволяет учесть влияние различных факторов, в том числе влияние сезонных колебаний, учет предпочтений потребителей, экспертные оценки относительно изменения объемов рынка автомобилей, квотирование дистрибьютора.
Анализ различных методов прогнозирования объемов продаж [9, 10, 12, 14, 15] позволил авторам предложить последовательное использование таких методов прогнозирования, как:
-
1) расчет объема продаж будущего периода с помощью метода скользящей средней, который основывается на предположении, что продажи в последующем периоде будут равны арифметической средней от объема продаж за предыдущие года;
-
2) корректировка объема продаж с учетом влияния фактора сезонности;
-
3) корректировка прогнозируемого объема продаж с применением метода экспоненциального сглаживания, учитывающего долю ошибки прогноза прошлого периода;
-
4) корректировка прогнозируемого объема продаж путем введения коэффициента, отражающего экспертный прогноз падения/роста объема продаж в будущем периоде;
-
5) учет количества квот автомобилей, назначенных дистрибьютором;
-
6) формирование заказа на поставку с учетом количества автомобилей по моделям.
Рассмотрим алгоритм прогнозирования объе- мов продаж на примере предприятия «Мицубиши Центр Челябинск». Данные по объему продаж автомобилей за 3 года представлены предприятием.
На первом этапе рассчитываем объем продаж будущего периода с помощью метода скользящей средней (X n ср ).
Следующим этапом является определение объема заказа автомобилей с учетом коэффициента сезонности (Xn сез), который рассчитывается по формуле:
Хnсез =К сез ∙Х n ср ,
где Ксез - коэффициент сезонности; Xn ср - средний объем продаж аналогичного периода прошлого года.
Прогнозируемый объем продаж с учетом экспоненциального сглаживания Xсгл рассчитывается по формуле:
Х сгл =аn ∙Хnср+(1-|an|)∙Хn сез , (2) где a n - отклонение в долях фактического от планируемого объема продаж в аналогичном периоде прошлого года
Результаты расчетов приведены в табл. 2.
На четвертом этапе вводится дополнительный понижающий/повышающий коэффициент К п , учитывающий экспертный прогноз падения/роста объема продаж в будущем периоде.
Понижающий/повышающий коэффициент рассчитывается по следующей формуле:
К п =1-b , (3)
где b - ожидаемое снижение/увеличение продаж.
Следующим шагом является учет количества квот автомобилей, назначенных дистрибьютором. Данную информацию логисты дилера могут получить у производителя. Из полученного прогноза объемов продаж вычитается число квот на каждый месяц, тем самым формируется заказ на поставку определенного количества автомобилей (табл. 3).
Последним этапом является определение количества автомобилей по моделям в заказе на поставку. Для анализа товарного ассортимента используем матрицу развития ассортимента. Матрица развития ассортимента представляет собой двухмерную модель, сопоставляющую стратегическое положение каждого элемента ассортимента с ближайшим конкурентом и с самим собой во времени [3, 5, 17, 19]. Методология матрицы развития ассортимента включает изучение динамики координат элементов матрицы.
В зависимости от того, как ведут себя товары в матрице (увеличиваются или уменьшаются значения координат по осям матрицы, растет или сокращается относительная доля товарооборота) по сравнению с предыдущим периодом, всем элементам присваивается одна из стратегий финансирования (табл. 4).
По итогам анализа матрицы развития ассортимента по объему продаж автомобилей выделены основные тенденции финансирования ассортимента (табл. 5).
Таблица 2
Результаты расчета объема продаж с применением методов прогнозирования (рассчитано авторами)
Месяц |
Объем продаж с учетом скользящей средней, шт. |
Коэффициент сезонности |
Объем продаж с учетом коэффициента сезонности, шт. |
Объем продаж с учетом экспоненциального сглаживания, шт. |
Январь |
38 |
0,582 |
22 |
28 |
Февраль |
48 |
0,769 |
37 |
37 |
Март |
53 |
0,891 |
47 |
48 |
Апрель |
79 |
1,307 |
103 |
63 |
Май |
76 |
1,420 |
108 |
79 |
Июнь |
69 |
1,146 |
79 |
59 |
Июль |
53 |
0,812 |
43 |
47 |
Август |
58 |
0,933 |
54 |
47 |
Сентябрь |
67 |
1,080 |
72 |
52 |
Октябрь |
73 |
1,270 |
93 |
50 |
Ноябрь |
50 |
0,791 |
40 |
21 |
Декабрь |
63 |
0,998 |
63 |
63 |
ИТОГО |
727 |
12 |
761 |
594 |
Таблица 3
Прогноз объема продаж дилера на последующий период (рассчитано авторами)
Месяц |
Понижающий/ повышающий коэффициент |
Прогноз объема продаж с учетом понижающего/ повышающего коэффициента, шт. |
Квота, шт. |
Заказ на поставку, шт. |
Январь |
2,0 |
56 |
5 |
51 |
Февраль |
1,51 |
56 |
7 |
49 |
Март |
1,25 |
60 |
10 |
50 |
Апрель |
0,6 |
38 |
15 |
23 |
Май |
0,35 |
28 |
10 |
18 |
Июнь |
0,46 |
27 |
10 |
17 |
Июль |
0,51 |
24 |
7 |
17 |
Август |
0,45 |
21 |
7 |
14 |
Сентябрь |
0,5 |
26 |
5 |
21 |
Октябрь |
0,5 |
25 |
7 |
18 |
Ноябрь |
0,43 |
9 |
5 |
4 |
Декабрь |
0,51 |
32 |
5 |
27 |
ИТОГО |
– |
402 |
93 |
309 |
Таблица 4
Стратегии финансирования матрицы развития ассортимента
Стратегия |
Мероприятия |
1 |
Увеличение партии поставки, расширение площади экспозиции, с увеличением или приоритетным финансированием |
2 |
Планируемые поставки соответствуют поставкам прошлого периода, финансирование сохраняется на текущем уровне |
3 |
Сокращение площади экспозиции и количества поставок по товарной позиции с сокращением объема финансирования до начального уровня |
4 |
Временное выведение из ассортиментной матрицы, реализация товарных остатков |
5 |
Исключение товарной позиции из ассортимента до наступления «сезона продаж» |
6 |
Отсутствие товарной позиции в ассортименте, выявление причин отсутствия |
Таблица 6
Прогноз объема продаж автомобилей по моделям на последующий период (рассчитано авторами)
вития ассортимента. Алгоритм прогнозирования объема продаж предприятиями – автомобильными дилерами может быть использован аналогичными предприятиями в своей деятельности.
Список литературы Применение методов прогнозирования в закупочной логистике торговых предприятий
- Агеносов А.В., Хмельникова Н.В. Прогнозная модель оценки спроса в логистике // Вестник Гуманитарного университета. 2013. № 3 (3). С. 17-20.
- Васильев А.А., Курганов В.М., Васильева Е.В. Анализ моделей прогнозирования в логистики // Вестник ТвГУ. Серия «Экономика и управление». 2011. № 9. С. 4-12.
- Вичерка Е.И., Никитина Л.Н. Новые технологии формирования ассортиментной матрицы предприятия легкой промышленности // Инновации. 2013. С. 117-121.
- Дыбская В.В., Сверчкова П.А. Подход к проектированию рациональной сети распределения компании сетевой розничной торговли // Логистика и управление цепями поставок. 2015. № 1. С. 44-59.
- Ильенкова К.М. Основные этапы реализации категорийного менеджмента в торговых компаниях / К.М. Ильенкова // Вестник РЭУ им. Плеханова. 2018. № 6. С. 130-142.
- Казангапова Б.А., Ержан А.А., Иванов А.А. Применение математических методов прогнозирования для определения показателей запасов // Вестник Казахской академии транспорта и коммуникаций им. И. Тынышпаева. 2020. № 1 (112). С. 299-306.
- Лукинский В.С., Панова Ю.Н., Стримовская А.В. Интегрированное управление цепями поставок: теории, модели и методы // Логистика и управление цепями поставок. 2017. № 3 (80). С. 40-56.
- Макарова Т.Н., Конобеева О.Е., Сотникова Е.А. Прогнозирование спроса на товары предприятия: методическое обоснование и практический опыт // Вестник ОрелГИЭТ. 2020. № 2 (52). С. 31-40. DOI: 10.36683/2076-5347-2020-2-52-31-40
- Мачульский В.Ф. Планирование спроса как основа логистической системы предприятия // Логистика сегодня. 2014. № 6. С. 362-376.
- Наркевич Л.В., Боровикова К.П. Прогнозирование объема продаж торговой организации с учетом колебаний спроса // Вестник Белорусско-Российского университета. 2013. № 1(38). С. 116-123.
- Павленкова И.Н. Методы прогнозирования сбыта продукции / И.Н. Павленкова // Modern Economy Success. 2021. № 6. С. 142-149.
- Павленко Г.Ф., Шибаев А. Информационная система для анализа и прогнозирования объемов продаж на торговых предприятиях // Академический журнал Западной Сибири. 2015. Т. 11. № 6 (61). С. 6-7.
- Пензев В.Н., Кулаков В.М. Прогнозирование продаж по модифицированному методу сезонной декомпозиции временного ряда // Логистика и управление цепями поставок. 2016. № 3 (74). С. 80-91.
- Старшинова О.В., Красовский Д.А. Прогнозирование продаж: распространенные заблуждения современной бизнес-аналитики // Управление продажами. 2011. № 4. С. 194-204.
- Холодилин Н.А. Бизнес-процесс продаж: планирование продаж и операционной деятельности компании // Управление продажами. 2019. № 3. С. 162-168.
- Эльяшевич И.П. Прогнозирование потребности в материальных ресурсах в логистике снабжения // Логистика и управление цепями поставок. 2010. № 5 (40). С. 27-37.
- Kiselev V. Methodology of management of assortment of goods of commodity distribution networks // Achieving Commodity & Service Excellence in the Age of Digital Convergence. The 16th Symposium of IGWT. Korea: Suwon, 2008. Proceeding Vol. 1. P. 397-402 .
- Makridakis S., Bonneli E., Clarke S., Fildes R. Gilliland M., Hover J. The Benefits of Systematic Forecasting for Organizations: The UFO Project // The International Journal of Applied Forecasting. 2020. № 59. P. 45-56.
- Mohamad Helmi Ilman Fahmi, Imam Husni Al Amin . Best Products with TOPSIS Method and Sales Forecasting with Weighted Moving Average // Journal of applied informatics and computing. September 2020. № 4(2). P. 116-123. DOI: 10.30871/jaic.v4i2.2188
- Fotios Petropoulos and etc. Forecasting: theory and practice // International Journal of Forecasting. 2022. DOI: 10.1016/j.ijforecast.2021.11.001. URL: https://www.sciencedirect.com/science/article/pii/S01692 07021001758.
- Yelland P., Baz Z.E., Serafini D. Forecasting at Scale The architecture of a Modern Retail Forecasting System // The International Journal of Applied Forecasting. 2019. P. 10-18.