Как найти ошибку прогноза в эксель

• 

Стандартная ошибка появляется при прогнозировании каких-либо данных или арифметических вычислениях, поэтому важно научиться находить этот параметр. В этой публикации разбираем, как найти и исправить стандартную ошибку путем использования инструментов Excel.

Расчет средней арифметической ошибки

В Microsoft Excel цельность и однородность выборки определяется при помощи стандартной ошибки. Стандартная ошибка — это квадратный корень из дисперсии. В приложении предусмотрено два варианта поиска стандартной ошибки: при помощи пакетного анализа и расширенных функций программы.
Чтобы найти значение средней арифметической, необходимо выполнить деление суммарной величины выборки на ее количество в электронной книге.

Расчет стандартной ошибки при помощи встроенных функций

Для того, чтобы правильно вычислять, необходимо изучить пошаговую инструкцию. В этом способе подбор результатов будет осуществляться с помощью комбинированных манипуляций.

1. Для расчетов будем использовать таблицу с выборкой чисел. Кликаем на любой пустой ячейке на листе, где будет отображаться результат. Затем нажимаем кнопку «Вставить функцию.

1. Далее перед вами открывается диалоговое окно, в котором необходимо использовать «СТАНДОТКЛ.В», для этого в поле «Категория» необходимо выбрать «Полный алфавитный перечень». Затем нажмите кнопку «ОК».

1. В окне «Аргументы функции» кликаем в первом поле «Число 1», затем выполняем выделение мышью диапазона ячеек со значениями таблицы и нажимаем кнопку «ОК».

1. Далее активируем ячейку с нашими значениями, переходим в строку формулы и ставим после значений наклонную линию. Переходим в поле наименования, кликаем на указывающий вниз флажок, где из списка выбираем «Другие функции».

1. Снова активируется окно с перечнем функций, в котором необходимо выбрать категорию «Математические», затем функцию «Корень». Далее нажмите кнопку «ОК».

1. Далее открывается окно, в котором необходимо заполнить поле с числом. Для этого переходим в поле «Имя», где спускаемся к пункту «Счет». Если его нет, ищите в дополнительных функциях.

После выполнения этих шагов, стандартная ошибка высчитывается автоматически, пользователю остается только сверить их и проверить значение на некорректное отображение.

Важно!

Для малых и стандартных выборок необходимо использовать разные формулы. В первом случае (если находится до 30 значений), ее необходимо видоизменить.

Решение задачи с помощью опции «Описательная статистика»

Благодаря опции «Описательная статистика» удается выполнить вычисление по различным критериям. По этим правилам удается найти среднюю арифметическую ошибку. Для использования данного метода предварительно нужно запустить «Пакет анализа».

1. Переходим во вкладку «Файл», где перемещаемся в пункт «Параметры». Далее нажимаем на запись «Надстройки».

1. Открывается окошко, в нем в графе «Управление» должно быть прописано «Надстройки Excel», затем рядом нажимаем кнопку «Параметры».

1. В появившемся окне находим «Пакет анализа» и нажимаем кнопку «ОК».

1. Далее выбираем любую свободную ячейку, переходим во вкладку «Данные» и нажимаем «Анализ данных» в блоке «Анализ».

1. Происходит запуск вспомогательного окошка, в котором необходимо выбрать из всех инструментов «Описательную статистику» и нажать кнопку «ОК».

1. Открывается новый мастер значений. Здесь нужно вводить данные предельно внимательно. В поле «Входной интервал» вносим адрес диапазона ячеек с выборкой. Затем указываем параметр «Группирование» «По столбцам». Затем выбираем место для «выходного интервала», его должно быть столько же, сколько и «входного». Ставим галочку напротив «Итоговая статистика» и нажимаем кнопку «ОК».

В результате вычислений вы получаете небольшую таблицу, в которой указаны все данные с определенной стандартной ошибкой.

Ошибка прогнозирования: виды, формулы, примеры

Ошибка прогнозирования — это такая величина, которая показывает, как сильно прогнозное значение отклонилось от фактического. Она используется для расчета точности прогнозирования, что в свою очередь помогает нам оценивать как точно и корректно мы сформировали прогноз. В данной статье я расскажу про основные процентные «ошибки прогнозирования» с кратким описанием и формулой для расчета. А в конце статьи я приведу общий пример расчётов в Excel. Напомню, что в своих расчетах я в основном использую ошибку WAPE или MAD-Mean Ratio, о которой подробно я рассказал в статье про точность прогнозирования, здесь она также будет упомянута.

В каждой формуле буквой Ф обозначено фактическое значение, а буквой П — прогнозное. Каждая ошибка прогнозирования (кроме последней!), может использоваться для нахождения общей точности прогнозирования некоторого списка позиций, по типу того, что изображен ниже (либо для любого другого подобной детализации):

Алгоритм для нахождения любой из ошибок прогнозирования для такого списка примерно одинаковый: сначала находим ошибку прогнозирования по одной позиции, а затем рассчитываем общую. Итак, основные ошибки прогнозирования!

MPE — Mean Percent Error

MPE — средняя процентная ошибка прогнозирования. Основная проблема данной ошибки заключается в том, что в нестабильном числовом ряду с большими выбросами любое незначительное колебание факта или прогноза может значительно поменять показатель ошибки и, как следствие, точности прогнозирования. Помимо этого, ошибка является несимметричной: одинаковые отклонения в плюс и в минус по-разному влияют на показатель ошибки.

1. Для каждой позиции рассчитывается ошибка прогноза (из факта вычитается прогноз) — Error
2. Для каждой позиции рассчитывается процентная ошибка прогноза (ошибка прогноза делится на фактический показатель) — Percent Error
3. Находится среднее арифметическое всех процентных ошибок прогноза (процентные ошибки суммируются и делятся на количество) — Mean Percent Error

MAPE — Mean Absolute Percent Error

MAPE — средняя абсолютная процентная ошибка прогнозирования. Основная проблема данной ошибки такая же, как и у MPE — нестабильность.

1. Для каждой позиции рассчитывается абсолютная ошибка прогноза (прогноз вычитается из факта по модулю) — Absolute Error
2. Для каждой позиции рассчитывается абсолютная процентная ошибка прогноза (абсолютная ошибка прогноза делится на фактический показатель) — Absolute Percent Error
3. Находится среднее арифметическое всех абсолютных процентных ошибок прогноза (абсолютные процентные ошибки суммируются и делятся на количество) — Mean Absolute Percent Error

Вместо среднего арифметического всех абсолютных процентных ошибок прогноза можно использовать медиану числового ряда (MdAPE — Median Absolute Percent Error), она наиболее устойчива к выбросам.

WMAPE / MAD-Mean Ratio / WAPE — Weighted Absolute Percent Error

WAPE — взвешенная абсолютная процентная ошибка прогнозирования. Одна из «лучших ошибок» для расчета точности прогнозирования. Часто называется как MAD-Mean Ratio, то есть отношение MAD (Mean Absolute Deviation — среднее абсолютное отклонение/ошибка) к Mean (среднее арифметическое). После упрощения дроби получается искомая формула WAPE, которая очень проста в понимании:

1. Для каждой позиции рассчитывается абсолютная ошибка прогноза (прогноз вычитается из факта, по модулю) — Absolute Error
2. Находится сумма всех фактов по всем позициям (общий фактический объем)
3. Сумма всех абсолютных ошибок делится на сумму всех фактов — WAPE

Данная ошибка прогнозирования является симметричной и наименее чувствительна к искажениям числового ряда.

Рекомендуется к использованию при расчете точности прогнозирования. Более подробно читать здесь.

RMSE (as %) / nRMSE — Root Mean Square Error

RMSE — среднеквадратичная ошибка прогнозирования. Примерно такая же проблема, как и в MPE и MAPE: так как каждое отклонение возводится в квадрат, любое небольшое отклонение может значительно повлиять на показатель ошибки. Стоит отметить, что существует также ошибка MSE, из которой RMSE как раз и получается путем извлечения корня. Но так как MSE дает расчетные единицы измерения в квадрате, то использовать данную ошибку будет немного неправильно.

1. Для каждой позиции рассчитывается квадрат отклонений (разница между фактом и прогнозом, возведенная в квадрат) — Square Error
2. Затем рассчитывается среднее арифметическое (сумма квадратов отклонений, деленное на количество) — MSE — Mean Square Error
3. Извлекаем корень из полученного результат — RMSE
4. Для перевода в процентную или в «нормализованную» среднеквадратичную ошибку необходимо:

1. Разделить на разницу между максимальным и минимальным значением показателей
2. Разделить на разницу между третьим и первым квартилем значений показателей
3. Разделить на среднее арифметическое значений показателей (наиболее часто встречающийся вариант)

MASE — Mean Absolute Scaled Error

MASE — средняя абсолютная масштабированная ошибка прогнозирования. Согласно Википедии, является очень хорошим вариантом для расчета точности, так как сама ошибка не зависит от масштабов данных и является симметричной: то есть положительные и отрицательные отклонения от факта рассматриваются в равной степени.

Важно! Если предыдущие ошибки прогнозирования мы могли использовать для нахождения точности прогнозирования некого списка номенклатур, где каждой из которых соответствует фактическое и прогнозное значение (как было в примере в начале статьи), то данная ошибка для этого не предназначена: MASE используется для расчета точности прогнозирования одной единственной позиции, основываясь на предыдущих показателях факта и прогноза, и чем больше этих показателей, тем более точно мы сможем рассчитать показатель точности. Вероятно, из-за этого ошибка не получила широкого распространения.

Здесь данная формула представлена исключительно для ознакомления и не рекомендуется к использованию.

Суть формулы заключается в нахождении среднего арифметического всех масштабированных ошибок, что при упрощении даст нам следующую конечную формулу:

Также, хочу отметить, что существует ошибка RMMSE (Root Mean Square Scaled Error — Среднеквадратичная масштабированная ошибка), которая примерно похожа на MASE, с теми же преимуществами и недостатками.

Это основные ошибки прогнозирования, которые могут использоваться для расчета точности прогнозирования. Но не все! Их очень много и, возможно, чуть позже я добавлю еще немного информации о некоторых из них. А примеры расчетов уже описанных ошибок прогнозирования будут выложены через некоторое время, пока что я подготавливаю пример, ожидайте.

MPE – средняя процентная ошибка в Excel

Из данной статьи вы узнаете:

• Для чего нужна средняя процентная ошибка;
• Как она рассчитывается.

+ сможете скачать пример расчета в Excel.

MPE (mean percentage error) — средняя процентная ошибка прогноза.

MPE – средняя процентная ошибка прогноза используется в случаях, когда надо определить модель прогноза дает последовательно завышенные прогнозы или последовательно заниженные прогнозы.

Если значение больше нуля, то прогнозы последовательно занижены, т.е. в среднем меньше факта.

Если ошибка меньше нуля, то прогнозы последовательно завышены, т.е. модель делает прогноз в среднем выше факта.

Как рассчитать среднюю процентную ошибку?

1. Рассчитываем ошибку для каждого значения модели;
2. Делим на фактические данные ошибку в каждый момент времени.

Рассчитываем среднее по пункту 2, и получает среднюю процентную ошибку — MPE:

Рассчитаем на примере прогноза объема продаж:

1. Ошибка = фактические продаж минус значения прогнозной модели для каждого момента времени:

2. Делим ошибку на фактические продажи для каждого периода времени:

3. Рассчитываем среднее значение % ошибки — MPE:

Мы видим, что средняя процентная ошибка у нас получилась -0,65% — это говорит о том, что модель прогноза в среднем дает завышенные прогноза на 0,65%:

Из данной статьи вы узнали, для чего использовать среднюю процентную ошибку прогноза — MPE и как ее рассчитать в Excel.

Если у вас остались вопросы, пожалуйста, задавайте в комментариях, буду рад помочь!

Присоединяйтесь к нам!

Скачивайте бесплатные приложения для прогнозирования и бизнес-анализа:

• Novo Forecast Lite — автоматический расчет прогноза в Excel .
• 4analytics — ABC-XYZ-анализ и анализ выбросов в Excel.
• Qlik Sense Desktop и QlikView Personal Edition — BI-системы для анализа и визуализации данных.

Тестируйте возможности платных решений:

• Novo Forecast PRO — прогнозирование в Excel для больших массивов данных.

Получите 10 рекомендаций по повышению точности прогнозов до 90% и выше.

Прогнозирование продаж является важным видом деятельности практически для любого бизнеса, поскольку это влияет на все: на вашу компанию, ваших клиентов и ваших деловых партнеров. Без прогнозирования продаж вы движетесь вслепую, а ваш бизнес не будет стабильным.

Независимо от того, существует ли у вас процесс прогнозирования продаж или вы начинаете с нуля создавать новый, эта статья научит вас пошаговому систематическому процессу создания и управления эффективным прогнозом продаж. Вы узнаете, как создавать правильные процессы, выбирать правильные методы и использовать соответствующие количественные и качественные данные для создания максимально точного прогноза продаж.

Прогнозирование продаж – это навык, который вы можете использовать практически в любой области вашего бизнеса. Наличие такого навыка сделает вас более ценным, независимо от того, на какой должности вы находитесь сегодня.

Данный материал предназначен для профессионалов в области управления продажами, управления маркетингом или для тех, кто хочет знать, что может произойти в будущем. Возможность составлять точные прогнозы продаж делает вас ценным членом команды, включая практически любую команду, в которой вы находитесь.

Перед началом изучения данного материала у вас должно быть базовое понимание маркетинга и того, как ваша компания генерирует продажи. Мы будем использовать Microsoft Excel для количественной части этого курса. Вам не нужно быть опытным пользователем Excel, но вы должны понимать основные операции, такие как ввод формул и как копировать и вставлять эти формулы в другие ячейки. Суть в том, что вам не нужно быть специалистом по количественным показателям или мастером Excel, чтобы получить пользу от этой статьи.

Понимание прогноза продаж

Прогноз продаж – это прогноз того, какими будут ваши результаты в качестве организации сбыта продукции в конце определенного периода времени. Он используется для многих целей, но прогнозирование продаж – это гораздо больше, чем просто разработка определенного набора цифр.

Прогнозирование заключается в управлении данными, насколько неправильным является ваш прогноз, а не насколько он верный. Расстояние между фактическими результатами и ожидаемыми результатами является риском для вашего бизнеса, и этот риск может быть значительным, даже разрушительным.

Если вы ожидаете высоких результатов, но не дотягиваете до них, вы застрянете с дополнительными запасами на руках, и это будет стоить вашей компании больших денег, которые могли бы быть использованы для лучших проектов. С другой стороны, представьте, что ваши реальные результаты намного выше, чем ваш прогноз. Теперь у вас может возникнуть ситуация, когда у вас закончится продукция. У вас возникают задержки, и вы начинаете терять клиентов.

Вот почему процесс прогнозирования продаж должен информировать организацию о том, что вы ожидаете, но, главное, какие непредвиденные обстоятельства могут произойти в случае неизбежных ошибок. Конечно, время от времени вы можете получить идеальный прогноз, но не рассчитывайте на него.

У вас должен быть план для устранения ошибок. Этот план может включать безопасный резерв продукции, на случай, если клиент захочет сделать непредвиденный заказ. Или, возможно, вам понадобится команда дистрибьюторов, которая со скидкой сможет выкупить ваш резерв.

Другими словами, посмотрите на каждое последствие того, что ваш прогноз может быть слишком оптимистичным или пессимистичным, и разработайте способ смягчения этого последствия. Таким образом, ваш процесс прогнозирования помогает компании работать лучше, а также защищает компанию от неопределенности.

Прогнозирование продаж является одним из наиболее важных процессов в компании, потому что с ним связано множество отделов бизнеса. Давайте посмотрим, почему прогнозирование продаж так важно:

1. Во-первых, влияние прогноза продаж на финансовое планирование бизнеса. Например, прогнозы влияют на цены акций и возможность привлечения новых инвестиций.
2. Во-вторых, прогнозирование продаж влияет на то, как компания создает и управляет своим отделом продаж. Прогнозы продаж будут использоваться для определения территории продаж, установления квот для каждого торгового представителя и для измерения производительности.
3. В-третьих, другие отделы компании полагаются на точные прогнозы продаж. Например, операционный отдел будет принимать важные решения на основе прогнозов продаж. Если вы производитель, вы решаете, сколько продукции производить каждый день, основываясь на тех же прогнозах.
4. В-четвертых, сфера услуг, такие как розничная торговля, банковское обслуживание и общественное питание, решают, сколько сотрудников им нужно каждый день для обслуживания прогнозируемого объема клиентов.
5. В-пятых, прогнозы продаж могут повлиять даже на управление людьми. Они влияют на то, как и когда вы нанимаете новых людей, и на любое увеличение или уменьшение заработной платы.
6. В-шестых, если компания хочет развиваться за счет приобретения другой компании, ей потребуется точный прогноз продаж целевой компании, чтобы решить, сколько за нее заплатить.

Теперь вам должно быть очевидно, что руководители уделяют так много внимания прогнозированию продаж из-за его далекоидущих последствий. Прогнозирование продаж – это систематический процесс, включающий различные бизнес-функции. Вот почему первым шагом в этом процессе является создание правильной команды. 

Так кто же должен участвовать в процессе прогнозирования продаж? Конечно, большинство компаний будут полагаться на команду управления продажами. Они ежедневно управляют торговыми представителями, у них есть много информации о ваших клиентах и конкурентах, которые могут быть использованы в прогнозировании.

Но, хотите верьте, хотите нет, но ваша команда по продажам может не подходить для прогнозирования. Дело в том, что вы можете оказаться в отрасли, где другие отделы, например, отдел маркетинга, лучше разбираются в разработке прогнозов.

Как правило, ваша межфункциональная группа по прогнозированию продаж должна включать финансовый отдел. У них есть много данных о прошлых результатах продаж и расходах в различных областях бизнеса для достижения этих результатов.

Маркетинг предоставляет важную информацию о тенденциях рынка, маркетинговой стратегии, поведении покупателей и позиционировании. Эта информация необходима вам для оценки вероятности конвертации потенциальных клиентов. Операционный отдел производит продукт или услугу и имеет в наличаи свои полезные данные и знания для более подробного прогноза.

После того как вы определили ключевых игроков в своей команде, убедитесь, что они знают о вашем графике планирования, знают свою роль, понимают ожидания, которые вы возлагаете на каждого из них при разработке хорошего прогноза продаж.

Теперь рассмотрим основные шаги прогнозирования:

1. Сначала проанализируйте рынок. В какой вы категории? Насколько велик рынок, какие тенденции, а также как динамика рынка влияют на будущие результаты?
2. Соберите данные. Вам нужно собирать только те данные, которые имеют отношение к прогнозу. Вы также должны учитывать данные, которые хотели бы иметь, но у вас их нет. В таком случае вы делаете предположения.
3. Определитесь с техникой, которую вы будете использовать. Качественная, количественная или комбинация двух?
4. Проверьте ваш прогноз. Проведите свою модель прогнозирования через прошлые циклы продаж и посмотрите, как она выполняется. Есть ли какие-то корректировки, которые необходимо внести для точной настройки прогноза?

---

Хорошие прогнозы не являются просто предположением. Они являются результатом дисциплинированного и многофункционального подхода.

---

Подготовка к прогнозированию продаж

Ваш подход к прогнозированию продаж должен соответствовать маркетинговому плану вашей компании. Сначала вам нужно определить свою рыночную нишу, т.е. пространство в котором вы конкурируете. Вы можете определить это пространство более глобально или, наоборот, более узко, но более сфокусировано.

Например, предположим, вы производите линию продуктов для чистки зубов. Вы можете определить свою нишу на очень глобальном уровне здоровья полости рта. Это говорит о том, что вы предлагаете все виды продуктов, такие как зубные щетки, зубная паста, зубная нить, отбеливание зубов и все остальное. Когда вы определяете рыночную нишу таким образом, происходят две вещи:

• Во-первых, вы предоставляете себе очень широкие возможности для рынка, решая множество специфических задач с помощью широкого спектра продуктов. Но это также означает, что вы сталкиваетесь с широким кругом конкурентов, борющихся за одних и тех же клиентов.
• Во-вторых, вы можете определить свою нишу более узко. Возможно, до определенного уровня, скажем, отбеливание зубов. Этот узкий охват означает, что вы стремитесь к меньшим возможностям на рынке, но с гораздо большей концентрацией внимания и меньшей конкуренцией.

Так что это баланс между возможностью продаж и жесткостью конкуренции, с которой вы сталкиваетесь. Вот почему для прогнозирования продаж мы рекомендуем собраться с вашим маркетинговым отделом, чтобы понять, как они определяют различные рыночные ниши, в которых вы конкурируете.

Далее, для каждой рыночной ниши вы должны понимать тенденции, которые происходят внутри нее. Есть только три направления: продажи растут, продажи снижаются или продажи не меняются. Кажется, все просто, но недостаточно знать направление тренда. Вы должны также попытаться понять причины, т.е. почему сейчас именно такой тренд. Это поможет вам составить более точный прогноз продаж.

Например, представьте, что продажи на вашем рынке растут. В таком случае лучше понять причины, чтобы не быть слишком самоуверенным. Продажи могут быть вызваны определенным трендом, который со временем прекратится. Или, возможно, клиенты или дистрибьюторы запасаются продуктами, вызывая временное увеличение продаж. Более точное прогнозирование продаж составляется тогда, когда прогнозист знает рыночную нишу и реальные причины изменений на этом рынке.

Вы можете подумать, что создали точный прогноз продаж, основанный на достоверных данных и методах прогнозирования, но на рынке, а также внутри вашей компании может многое произойти, что может повлиять на ваш прогноз.

• Во-первых, вы можете быть удивлены тем, что делает ваш конкурент. Что если они запустят отличный новый продукт, который лучше, чем ваш? Или, возможно, они снижают цену или проводят специальную акцию на свою линейку продукции? Может произойти и обратное. Что если у вашего конкурента негативный отзыв на продукт или другое неблагоприятное событие, которое выводит их продукцию с рынка? Сейчас это может показаться хорошей новостью, но вы и ваши коллеги должны скорректировать прогноз и быстро отреагировать. Если вы этого не сделаете, вы можете исчерпать запасы из-за внезапного увеличения спроса, и это может негативно повлиять на ваших постоянных клиентов.
• Во-вторых, на продажи вашей компании также могут повлиять правовые, нормативные или политические изменения. Представьте, что вы работаете в пищевой промышленности, и регулирующий орган объявляет о новом положении, которое ограничивает то, что вы можете продавать? Или представьте себе результат политических выборов, который сделает ваши товары более продаваемыми.
• Теперь, пожалуй, самая сложная вещь в прогнозировании – это изменение структуры покупательской активности. Следующее поколение потребителей может не захотеть покупать ваши товары в том виде, который пользуется спросом у нынешних постоянных клиентов, или, они будут покупать их в меньшем объеме. Здесь нужно снова корректировать ваш прогноз.
• Изменения в технологии могут также повлиять на ваш прогноз продаж. Когда такая компания, как Apple, объявляет о том, что она отказывается от 3,5-миллиметровых гнезд для наушников или использует USB-порт последнего поколения, все компании, поддерживающие эти устаревшие функции, должны пересмотреть свои прогнозы продаж.
• В вашей компании также могут происходить вещи, которые могут повлиять на ваш прогноз продаж. Ваша компания может изменить свою общую коммерческую стратегию, что может помешать или помочь продажам продуктов, которые она производит. Например, отдел маркетинга может решить провести крупную рекламную кампанию или продвигать продукцию на новые рынки.

Как только вы определите свою рыночную нишу и поймете динамику рынка, настало время сконцентрироваться на составлении прогноза продаж. Существует множество методик и пакетов программного обеспечения, поэтому вы должны определить тот, который подходит именно вам.

Методы прогнозирования продаж делятся на две большие категории. Качественный метод, основанный на данных от людей, и количественный метод, основанный на показателях числовых данных, но, честно говоря, лучшие прогнозисты полагаются на комбинацию обоих.

Вот несколько вопросов, которые вы можете задать себе при выборе метода прогнозирования:

• Насколько хорошо вы понимаете свой рынок?
• Он растет или уменьшается и почему?
• Есть ли новые потребительские, конкурентные или технологические тренды?
• Это сезонный бизнес?

Если вы не очень много знаете о своем рынке и происходящих важных изменениях, вы можете использовать качественный метод, который опирается на советы экспертов.

Количественный метод часто использует исторические данные, такие как предыдущие данные о продажах и доходах, производственные и финансовые отчеты, а также статистику посещаемости сайта. Например, анализ данных о сезонных продажах может помочь компании спланировать на следующий год производственные потребности и человеческие ресурсы на основе прошлогодних месячных или квартальных показателей.

Количественный метод также использует прогнозы, основанные на статистическом моделировании, анализе тенденций или другой информации из экспертных источников, таких как правительственные учреждения, торговые ассоциации и даже академические учреждения.

Качественное прогнозирование включает в себя сочетание количественных и качественных методов. Главное для вас – это справиться с последствиями ошибки, поэтому минимизируйте риск, выбирая лучшую технику для вашей ситуации.

Использование количественного метода прогнозирования

Прогнозирование продаж с использованием количественных методов означает, что вам необходимо иметь исторические данные о продажах. То, что вам удалось продать в прошлом, может быть очень хорошим показателем того, что вы сможете продавать в будущем. Каждый период времени, когда ваша компания продавала свои продукты и услуги, происходило множество событий, с точки зрения конкурентных действий, потребительских тенденций и даже изменений в экономике в целом.

Исторические данные, которые вы используете для прогнозирования продаж, должны быть чистыми. То есть ваши данные должны быть точны, они не искажены событиями, которые были вне вашего контроля, т.к. это маскирует истинные и фактические результаты продаж за определенный период.

Для тех методов, которыми мы собираемся поделиться, вам нужно как можно больше данных о прошлых продажах. Обратитесь в финансовый или IT-отдел, чтобы они вам помогли собрать самые точные и полные данные, которые доступны. После этого вам следует очистить эти данные от множества переменных, которые ведут к неточностям прогноза.

Для начала убедитесь, что вы понимаете периоды времени, которые ваша компания использует для регистрации продаж. Эти данные могут быть ежедневными, еженедельными, ежемесячными, ежеквартальными или даже ежегодными. Если у вас имеется такая возможность, тогда используйте ежеквартальные данные. Исследования показали, что этот период времени дает более точные результаты прогноза.

Затем нанесите данные на график о продажах и посмотрите на них визуально. Спросите себя: «Что здесь происходит?». Если вы видите дикие колебания в данных, т.е. слишком высокие продажи или слишком низкие, попробуйте выяснить, что произошло.

В ваших данных могут быть и другие искажения. Например, ваша компания может регистрировать продажи по полной прейскурантной цене, тогда как фактические денежные поступления намного меньше из-за скидок. Скидки, которые вы предлагаете от месяца к месяцу, могут существенно отличаться. Методы, о которых вы узнаете далее, могут решить проблему такого типа.

Далее, избавьтесь от данных, которые представляют период, который не отражает ваш текущий бизнес. Если вы приобретаете бизнес в результате которого заявленные продажи растут, вы можете либо проигнорировать результаты продаж до приобретения, либо использовать два отдельных набора данных для прогнозирования продаж и сложить их вместе.

Теперь перейдем непосредственно к самим методам количественного прогнозирования. Простой, но эффективный метод прогнозирования продаж – это метод, который мы называем ролловер (roll-over). Его легко использовать, потому что техника делает всю работу за вас. Нет расчетов, нет догадок.

Вот как работает прогноз ролловер. Прогноз на следующий период времени – это просто фактические результаты продаж за последний период. Другим словами, для прогнозирования продаж вы берете фактические результаты продаж за один период, например, в прошлом месяце, и делаете это же число своим прогнозом на следующий месяц.

Но как такой подход может быть точным? Как и в случае с любой другой техникой прогнозирования, эта методика будет иметь определенный уровень ошибки, но вы будете удивлены, насколько этот подход может быть очень эффективным для многих бизнес-моделей.

Если вы работаете в довольно стабильном бизнесе с небольшой сезонностью или, вообще без нее, эта техника может вам подойти. И что самое важное в данном методе – независимо от того, насколько он точен, его результаты могут служить ориентиром для сравнения с другими методами прогнозирования.

Давайте посмотрим, как рассчитать погрешность между фактическими и прогнозируемыми продажами. В столбце C вы найдете фактические результаты за 24 месяца. В столбце D вы увидите прогнозируемые результаты ролловера, которые являются фактическими результатами предыдущего месяца. Например, вы можете видеть, что прогноз ролловер на февраль такой же, как и в январе – 4398 единиц.

Теперь, чтобы определить среднюю погрешность, мы собираемся вычесть прогноз ролловер из фактических результатов. Мы будем использовать функцию абсолютного значения (=ABS), потому что нам все равно, положительная или отрицательная разница. Здесь у нас есть разница между фактическим результатом и прогнозируемым результатом за период. Мы можем перетащить эту ячейку вниз, чтобы быстро рассчитать оставшиеся погрешности по всем месяцам.

Наконец, мы хотим найти среднюю погрешность для прогноза ролловер. Мы будем использовать функцию (=СРЗНАЧ) и выделим все погрешности по всем месяцам. Получается, что округленная среднемесячная погрешность составляет 1420 единиц продукции. Это довольно хорошо, в зависимости от того, что может выдержать ваша бизнес-модель. Давайте помнить об этом числе, когда будем оценивать другие методы прогнозирования, чтобы понять, сможем ли мы его улучшить.

С помощью метода ролловер вы используете только фактические результаты продаж текущего месяца, чтобы спрогнозировать следующий. По сути, вы предполагаете, что все, что вы знаете о будущем месяце, основано только на том, что вы узнали в этом. Но это не совсем так. Если у вас есть результаты прошлых продаж в течение нескольких месяцев, у вас есть возможность учиться у каждого месяца. Это может улучшить точность вашего прогноза.

Например, что если вы взяли последние четыре месяца фактических продаж, рассчитали среднее значение и использовали это среднее в качестве прогноза на следующий месяц? Другими словами, если вы прогнозируете продажи на май, вы должны рассчитать средние фактические продажи за январь, февраль, март и апрель. Для прогноза на июнь вы снова будете использовать средние фактические продажи за предыдущие четыре месяца: февраль, март, апрель и май.

Этот метод называется прогнозом скользящего среднего. Среднее число движется от месяца к месяцу. Посмотрим, работает ли он лучше, чем наш предыдущий метод.

Мы начнем с расчета скользящей средней за май. Для этого мы сначала подведем итоги за четыре месяца, то есть с января по апрель, а затем, разделим на четыре. Скользящая средняя составляет 5 534.

Далее, мы вычисляем среднюю погрешность, вычитая скользящее среднее из фактических результатов с помощью функции абсолютного значения (=ABS). Похоже, что наша средняя погрешность составила 988 единиц.

Теперь рассчитаем среднюю погрешность за все месяцы. Мы снова перетаскиваем ячейку скользящего среднего на последний месяц и сделаем то же самое со средней погрешностью. Мы так же используем функцию =СРЗНАЧ и найдем среднюю погрешность за весь период. Она составила 1312 единиц, что уже лучше, чем 1420, которые мы получили с помощью метода ролловер.

Но что, если характер вашего бизнеса таков, что в последние месяцы квартала вы имеете наибольший объем продаж? Другими словами, в эти месяцы прослеживается наибольшая динамика на вашем рынке. Здесь вам необходимо делать упор на последние месяцы. Этот метод называется взвешенным скользящим средним.

Вот как рассчитать взвешенное скользящее среднее за май месяц:

1. Во-первых, мы используем фактические продажи за январь-апрель, как и раньше, но теперь мы хотим решить, какой вес должен иметь каждый месяц. Мы думаем, что в апреле получим 40% веса, март – 30%, февраль – 20%, а январь – 10%. Мы выбрали эти проценты произвольно, но вы можете поэкспериментировать, опираясь на вашу статистику продаж, чтобы найти то, что лучше для вас.

2. Во-вторых, вычислим взвешенное скользящее среднее в Excel. Сначала мы умножаем фактические результаты за январь на 0,1, затем добавляем фактические результаты за февраль и умножаем на 0,2, еще добавляем фактические результаты за март, умноженные на 0,3, и, наконец, добавляем фактические результаты за апрель, умноженные на 0,4. Нажимаем Enter и получаем 5 754 единиц.

3. В-третьих, когда у нас уже есть прогноз взвешенной скользящей средней, давайте посмотрим, в чем сейчас заключается погрешность, через вычитание полученного результата 5754 с фактического результата мая месяца.

4. В-четвертых, просчитаем среднюю погрешность за два года. Для этого потянем обе формулы до последнего месяца. Мы получили результат 1257, что еще лучше предыдущих результатов. Это говорит о том, что последние месяцы действительно отражают то, что происходит в нашем бизнесе.

Мы возьмем последнюю модель. В конце концов, более точный прогноз позволяет нам и нашей команде лучше управлять планами действий на случай непредвиденных обстоятельств, а именно этим и занимается прогнозирование продаж – управление рисками и возможностями нашего бизнеса.

Мы хотим показать вам еще одну методику количественного прогнозирования, потому что она популярна у опытных прогнозистов и дает очень хорошие результаты в большинстве ситуаций. Данный метод называется экспоненциальным сглаживанием (ЭС).

Вот основная идея. Используя метод взвешенного скользящего среднего, мы использовали лишь несколько предыдущих точек данных, чтобы вычислить среднее значение в качестве нашего прогноза на следующий период. Мысль здесь заключается в том, что последние месяцы обладают большим весом, с точки зрения рыночных факторов.

Что если бы был способ собрать все данные о продажах за предыдущие месяцы, но сделать это таким образом, чтобы сгладить большие максимумы и минимумы в наших данных? По сути, это устраняет то, что мы называем «шумом» наших данных.

Это легко рассчитать. Нам нужно только три показателя. Продажи за текущий период, прогноз на текущий период и весовой коэффициент для текущего периода, точно такой же, как мы использовали для взвешенной скользящей средней. Только теперь это число будет называться сглаживающим фактором.

Вот как это рассчитать. Возьмем фактические продажи за последний период, умноженные на коэффициент сглаживания. Добавьте к этому прогноз самого последнего периода, умноженный на один минус коэффициент сглаживания.

ЭС=(ФП×КС) + (ПП×(1−КС))

ФП – соответствует фактическим продажам за последний период;

КС – равно коэффициенту сглаживания, представленному в десятичной форме. Давайте использовать тот же вес из последнего примера 0,4;

ПП – соответствует прогнозу самого последнего периода. Другими словами – это результат вычисления сглаживания из предыдущего периода, т.е. ЭС предыдущего месяца.

Используя скользящую среднюю и метод ролловер, мы предполагаем, что каждый результат продаж содержит некоторое предвидение относительно будущих результатов. Теперь мы также учитываем не только прошлые фактические результаты, но и все прошлые прогнозы. Другими словами, мы предполагаем, что прошлые прогнозы тоже могут поделиться с нами о будущем прогнозе.

Рассчитаем среднее экспоненциального сглаживания в Excel. В электронной таблице Excel мы начнем со столбца J. Поскольку январь – наш первый месяц в наборе данных, мы возьмем фактические результаты за январь и предположим, что это прогноз. Итак, мы возьмем 4398 с января месяца и перенесем это же число в ячейку J3. Чтобы рассчитать прогноз на февраль, мы умножим фактические результаты предыдущего месяца на 0,4, а затем добавим прогноз предыдущего месяца, умноженный на 0,6. Опять же, эти числа выбираются произвольно, и вы можете выбрать показатели, которые больше подходят вам под бизнес-модель.

Далее, мы вычислим абсолютную погрешность, вычитая фактические результаты по прогнозу экспоненциального сглаживания.

Мы еще раз перетащим обе эти формулы до последнего месяца. Наконец, мы рассчитаем среднее значение ошибки для сравнения с другими методами прогнозирования. У нас получилась средняя погрешность равна 1229 единиц, что еще немного лучше предыдущих результатов.

Экспоненциальное сглаживание не только легко, но и отлично реагирует на новые тенденции или сезонность в вашем бизнесе. Этот метод быстро реагирует на изменения на рынке, сохраняя при этом лучший результат предвидения из всех перечисленных методик.

Использование качественного метода прогнозирования продаж

Прогнозирование продаж опирается на поведение клиентов, а именно, что клиенты будут делать или не будут делать в течение определенного периода времени, поэтому имеет смысл применить ориентированный на клиента подход к прогнозированию. Это значит смотреть на два вида данных: что вы знаете о своих клиентах и что ваши клиенты знают о себе.

Начнем с первого. Анализируя любой рынок, вы хотите сгруппировать клиентов по четырем типам:

1. Клиенты, которые уже покупают у вас. На самом деле, они не только покупают у вас, они покупают исключительно у вас, и никогда у конкурентов.
2. Вторая группа похожа на первую в том, что они в настоящее время покупают ваши товары и услуги. Разница в том, что эти клиенты также покупают товары у ваших конкурентов. Почему? Потому, что для некоторых категорий продуктов клиенты хотят выбора. Например, рынок одежды. Вы почти наверняка носите одежду от разных производителей. Рынок продуктов питания является еще одним примером.
3. Третья группа клиентов – это те, кто покупает исключительно у ваших конкурентов, а не у вас. По крайней мере, пока.
4. Четвертая группа клиентов – это те, кто не покупает ваш тип продукта у кого-либо. Они называются потребителями без категории. Эти потенциальные клиенты очень важны, потому что их приобретение дает вам новый источник дохода. Вместо того чтобы просто брать долю рынка у конкурента, получение таких клиентов помогает вам увеличить свой рынок.

Теперь вам нужно оценить потенциальное количество клиентов, которых вы могли бы привлечь для каждого из этих четырех типов.

• Сначала вы оцениваете общее количество клиентов для каждого типа.
• Затем вы делаете предположения о том, какой процент вы можете переманить на свою сторону. В прогнозировании продаж мы называем это подходом к прогнозу сверху вниз. Вы сначала оцениваете клиентов из первых групп, а затем думаете, чем вы можете привлечь остальных из последних двух категорий.

Второй ориентированный на клиента подход к прогнозированию прост: спросите своих клиентов, что они ожидают у вас заказать в ближайший период. Конечно, это зависит от вашей отрасли, но вы будете удивлены, насколько клиенты смогут и захотят рассказать вам об ожидаемых расходах на предстоящий год.

Вы можете подумать, что потенциальные клиенты не захотят тратить на это время. Тогда дайте им оптовую скидку или другой стимул, чтобы сообщить вам о своих намерениях. Даже если это не на 100% точно, это все же хорошая информация. Прогнозирование – это управление погрешностями и клиенты могут сделать многое, чтобы помочь вам.

Торговые представители и ваши дистрибьюторы обладают уникальными, близкими к рынку взглядами, что может принести дополнительную пользу в прогнозировании продаж. Вот как это можно использовать.

Во-первых, попросите своих представителей и дистрибьюторов дать вам оценку общего годового объема продаж на их территории. Затем попросите их разбить эту сумму по месяцам или кварталам. Этот шаг хорош тем, что он заставляет их распределять общее количество по меньшим периодам времени. Это заставляет их действительно задуматься об оценках, которые они вам дают.

---

Теперь совет. Самый большой риск, связанный с тем, чтобы спрашивать представителей и дистрибьюторов об оценках продаж заключается в том, что вряд ли они будут проводить различие между прогнозом и квотой продаж. Торговые представители предпочли бы торговую квоту ниже, чем то, что может продаться на рынке. В этом есть смысл. Кому нужна квота продаж, которая не может быть достигнута?

---

Это одна из основных причин, по которой вы хотите использовать комбинацию качественных и количественных методов прогнозирования. Использование нескольких методов поможет вам обнаружить эту проблему.

Когда вам дают оценки от торговых представителей и дистрибьюторов, самое важное, что вы понимаете, какие предположения они использовали для оценки. Например, каковы их предположения о новых или утерянных клиентах, новых конкурентах, ценовых изменениях, новых маркетинговых инициативах, новых продуктах и т. д.

Наконец, вы можете рассмотреть возможность использования простого математического метода, называемого анализом ожидаемых значений. Ожидаемое значение – это ожидаемый прогноз для данной территории. ОЗ рассчитывается путем умножения каждого из возможных результатов на вероятность каждого результата, а затем суммирования всех этих значений.

Как это сделать. Попросите вашего представителя или дистрибьютора предоставить вам приблизительные продажи по каждому клиенту, и вероятность их достижения. Вероятность означает, что прогноз будет достигнут от 1% до 100%.

Давайте предположим, что у представителя пять клиентов, и он предоставляет вам всю информацию. Ожидаемое значение является прогнозом, основанным приведенном выше уравнении. Таким образом, в этом уравнении вы умножаете вероятность прогноза на каждого клиента, а затем складываете все вместе.

Использование анализа ожидаемых значений, скорее всего, даст прогноз с меньшей ошибкой, чем просто запрос представителей дать общий годовой прогноз. Подход ОЗ использует их скрытые знания о том, что происходит на их территории и эти знания могут помочь вам сделать лучшие прогнозы продаж.

Для некоторых отраслей лучший способ прогнозировать продажи – использовать группу экспертов. Это люди, которые имеют широкий спектр знаний в вашей отрасли. Вы можете работать на рынке, который является сезонным или непредсказуемым из-за факторов, связанных с экономикой или политическим климатом. Именно здесь экспертная оценка может помочь уменьшить ваши ошибки в прогнозировании.

Например, давайте представим, что вы занимаетесь строительными материалами. Ваша компания производит товары для строительства новых домов, а вы продаете товары новым подрядчикам. Это прекрасный пример отрасли, на которую влияют такие экономические факторы, как доверие потребителей, процентные ставки и демографические тенденции.

Прогнозирование продаж может быть сложным и дорогостоящим, если вы ошибаетесь. Чтобы создать группу экспертов, ищите людей, которые имеют разнообразное и уникальное представление об этой отрасли. Например, вы можете включить людей, которые работают в сфере ипотеки. Вы также можете включить экспертов по недвижимости, которые отслеживают движение рынка покупки жилья. Они дают важную информацию о покупателях и строительных компаниях, которые могут помочь вам с вашим прогнозом.

Когда вы создали группу экспертов, вы должны решить, какую информацию вы хотите от них получать. Хотите ли вы, чтобы оценка строительства нового дома базировалась на национальном, региональном или вашем рынке? Хотите ли вы получать ежегодные, ежеквартальные или ежемесячные данные?

Старайтесь определить, к какой группе экспертов лучше всего обращаться. Любая группа будет иметь разные уровни знаний и опыта, что помогает нейтрализовать искажения в данных. Когда вы получите их индивидуальные прогнозы строительства новых домов в следующем году, вы обнаружите, что все они разные, иногда совсем другие.

Вот совет: главное, не индивидуальный прогноз от каждого члена группы, а то, какие предположения они сделали, чтобы сделать этот прогноз. Вам больше всего нужны их предположения, потому что именно здесь вы найдете самые важные идеи о том, как разработать свой прогноз. На основании их предположений вы сможете решить, какие из них наиболее важны, а какие следует свести к минимуму или, возможно, даже игнорировать. Возьмите важные предположения и найдите способ проверить их.

Как и все методы прогнозирования, речь идет о точности по сравнению с нашей контрольной отметкой – прогнозом по методу ролловер. Вам необходимо отслеживать, как работают эксперты, по сравнению с простым ежемесячным подходом прогнозирования и решить, смогут ли эксперты дать более надежный результат.

Заключение

Правильное прогнозирование продаж – это несложный процесс, просто он требует немного времени для получения правильных данных и применения нескольких простых методов. Чем лучше вы становитесь в этом процессе, тем больше вы помогаете своей компании расти и оставаться конкурентоспособной.