В 1987 году Гордон Грэм написал книгу «Управление дистрибьюторскими запасами». В ней он описал метод прогнозирования будущего спроса на сезонную и несезонную продукции. Коротко остановимся на этих формулах. Сегодня формулы, которые просто «легки для понимания» или «работают лучше, чем парень с блокнотом», следует заменить более совершенными методами.

В то время, когда Гордон Грэм писал книгу простые формулы были нужны дистрибьюторам для успешного управления запасами. Тогда было достаточно разделить весь ассортимент на две большие группы и определить метод прогнозирования для каждой из них.

Несезонная продукция: Расчет спроса на месяц, основанный на среднем уровне потребления, зафиксированного за прошедшие шесть месяцев.

Сезонная продукция: Расчет спроса на будущий месяц, основанный на среднем уровне потребления, зафиксированного в шести месяцах, предшествующих тому же месяцу что и текущий в прошлом году, и на последующем применении тренда, отражающего изменение объема продаж.

Это простые формулы, но и их было достаточно, поскольку многие закупщики не умели эффективно работать с математическими формулами или компьютерами. Десятиклавишные калькуляторы считались последним достижением техники. По существу, большинство решений о покупке в то время основывалось на «методе ненаучного тыка». Любая формула (в том числе формула Грэма), вводимая в употребление для обеспечения последовательности в размещении заказов, должна была быть достаточно простой и легко воспроизводиться на калькуляторе.

Компьютеры не обладали достаточной мощностью, чтобы производить расчеты по комплексным формулам прогнозирования по тысячам элементов в разумное время. Расчет среднего арифметического Грэма по тысячам товаров превосходил возможности большинства вычислительных систем.

Прогнозы спроса, получаемые на основании формул Грэма, в основном отличались большей точностью, чем прогнозы парня на складе с карандашом и блокнотом. Однако по-прежнему существовала значительная разница между прогнозами по Грэму и фактическими продажами. В то время эти отклонения рассматривались как «неминуемые» и преодолеть их было невозможно.

Новые условия

Теперь рассмотрим, как изменились рыночные уловия с 1987 года.

• Технологии позволили дистрибьюторам расширять и увеличивать свои рынки сбыта. В результате у каждого игрока появилось больше конкурентов, чем когда бы то ни было. Конкуренция заставила дистрибьюторов постоянно иметь в наличии необходимую продукцию, в нужном месте и в нужное время.
• Кроме того, возросшая конкуренция оказала давление на уровень наценки. Дистрибьюторы должны предлагать более низкие цены, чтобы поддерживать текущий объем продаж и привлекать новых покупателей.
• Количество продукции, выпускаемой на рынок, продолжает увеличиваться с большой скоростью.

Эти условия порождают специфические проблемы:

• Снижение уровня наценок ведет к ограничению свободных денег, доступных дистрибьютору для инвестиций в запасы.
• Деньги, доступные для инвестиций в запасы дистрибьюторы должны распределять на большее количество продуктов.
• Клиенты менее терпимы, если доступность товара не отвечает их ожиданиям.

Таким образом дела дистрибьютора явно плохи, если в запасах нет товаров, которые ожидают клиенты. А если он закупил слишком много товара, то деньги заморожены и их невозможно инвестировать в другую продукцию, которая позволила бы извлечь выгоду из новой ситуации на рынке.

Эти проблемы вызывают необходимость максимально точного прогнозирования спроса. Оптовики больше не могут принимать как «неизбежность» значительные расхождения между прогнозами и фактическими продажами.

Специфика товаров

Товары с отличной друг от друга структурой потребления и различные модели пополнения требуют разных формул прогнозирования. Нам нужно несколько формул для сезонных и несезонных товаров. Например, для товара, продажи которого отражают местные экономические условия, необходима иная формула, нежели для товара с устойчивыми, довольно предсказуемыми продажами. И, что немаловажно само по себе, каждая формула должна быть легкой для понимания.

Давайте рассмотрим некоторые формулы прогнозирования спроса, разработанные Effective Inventory Management, Inc. Начнем с формулы для несезонных товаров с относительно ровным потреблением. Это товары, которые продаются регулярно и объем продаж которых увеличивался или снижался менее чем на 20% в месяц за последние несколько месяцев.

Прогнозируя потребление несезонных товаров с относительно ровным потреблением, нам необходимо вывести его средний уровень, который был зафиксирован за несколько прошедших периодов. Но нам также необходимо придать больший "вес" продажам в последние месяцы. Почему?

Часто тенденции в потреблении товара проявляются по мере того, как со временем он становится более или менее популярным. Спрос на несезонные товары в будущем скорее всего будет сопоставим с потреблением, зафиксированном в нескольких предшествующих периодах, чем с тем, который был шесть, восемь или двенадцать месяцев назад.

В то же время, от периода к периоду в потреблении товара, как правило, имеют место несколько случайных изменений. Обратите внимание, как потребление товара из первого приведенного ниже примера колебалось за пять прошедших месяцев. Эта модель «вверх-вниз» свойственна имеющимся в запасе товарам с объемом продаж от умеренного до высокого. Если бы в наших расчетах мы использовали только один или два недавно завершившихся периода, то, возможно, случайные колебания оказали бы слишком большое влияние на прогноз спроса. Нам необходимо в достаточной мере использовать историю потребления, чтобы предотвратить значительное воздействие случайных колебаний на прогноз потребления по товару.

Методика расчета

Стандартный набор весовых коэффициентов (весов), которые рекомендуется использовать при расчете спроса на несезонный товар с уровнем продаж от умеренного до высокого, выглядит следующим образом.

Используйте вес 3,0 к потреблению, зафиксированному в последний период.

Вес 2,5 – месяц назад;
Вес 2,0 – 2 месяца назад;
Вес 1,5 – 3 месяца назад;
Вес 1,0 – 4 месяца назад.

Давайте посмотрим, как рассчитывается прогноз продаж на товар при следующей истории потребления. Потребление – это количество продукции, проданной, переведенной, использованной в сборках или заказах на ремонт, или другим образом выведенной из запасов.

Таблица №1

Месяц	Общее потребление	Количество рабочих дней в месяце	Потребление в рабочий день
Июнь	148	20	7,4
Май	133	19	7,0
Апрель	126	18	7,0
Март	110	22	5,0
Февраль	104	20	5,2

Обратите внимание, что мы указали количество рабочих дней в каждом месяце и определили потребление в рабочий день. При применении показателя потребления в рабочий день прогноз точнее, чем у традиционных методов прогнозирования, которые опираются на общее потребление в месяц или в календарный день. Все-таки, если компания закрыта на несколько дней в течение месяца (вспомним те же рождественские каникулы), то считать меньшее потребление в этом месяце равным потреблению, зафиксированному в других месяцах – это путь к занижению будущего прогнозируемого спроса. Например, в Таблице №1, общее потребление, зафиксированное в мае (133 штуки) примерно на 5,5% больше, чем общее потребление, зафиксированное в апреле (126 штуки), но спрос в рабочий день одинаковый.

Чтобы определить прогнозируемый спрос в июле, применим весовые коэффициенты формулы расчета спроса к показателям потребления в рабочий день за предыдущие пять месяцев.

Таблица №2

Месяц	Весовой коэффициент	Потребление в рабочий день	Результат
Июнь	3,0	7,4	22,2
Май	2,5	7,0	17,5
Апрель	2,0	7,0	14,0
Март	1,5	5,0	7,5
Февраль	1,0	5,2	5,2
В сумме	10,0	-	66,4

Результат (66,4) делим на суммарный вес (10,0) и так определяем прогноз спроса в рабочий день в июле (6,64 штук в день). А данный спрос в день умножаем на количество рабочих дней в июле (21), получаем спрос 139,4 штук на июль.

Сравните результаты данного расчета с прогнозами спроса, получаемыми при использовании других формул и методов прогнозирования.

Особенности сезонных товаров

Некоторые товары, как, например, пляжные зонты, летом популярнее, чем зимой. Зато продажи переносных обогревателей значительно увеличиваются, когда холодает. Это и есть сезонные товары. Но погода – не единственный фактор, который определяет сезонность или несезонность товара. Если потребление товара зависит от события (как Рождество или начало учебного года) или ежегодной деятельности (например, уборка территорий осенью), то считается, что этот товар тоже сезонный. Его потребление повышается и снижается в течение всего года.

У товара очень низкое потребление в зимние месяцы. Но в начале весны цены начинают постепенно расти и достигают максимума в летние месяцы – в июне, июле и августе. Очевидно, что прогнозировать спрос на июнь 1999 года с использованием формулы для несезонных товаров с регулярным потреблением не имеет смысла. Для расчета спроса на сезонные товары нам нужны другие формулы.

Мы обнаружили, что один из лучших показателей, определяющих спрос на сезонный товар в следующем месяце, это потребление, зафиксированное в нескольких месяцах, следующих после того же, что и текущий в прошлом году. Например, формула для прогнозирования спроса на сезонные товары учитывает потребление в том же месяце прошлого года, что и в текущем, и в следующем за ним месяце, причем применяются следующие весовые коэффициенты: примените весовой коэффициент 2,0 к потреблению в месяце, что и прогнозируемый в прошлом году.

Примените весовой коэффициент 1,0 к потреблению в месяце следующем за прогнозируемым, в прошлом году.

Месяц	Весовой коэффициент	Потребление в рабочий день	Результат
Июнь 1998	2,0	21,1	42,2
Июль 1998	1,0	25,6	25,6
В сумме	3,0	-	67,8

Результат (67,8) делим на суммарный вес (3,0) и определяем прогноз спроса в рабочий день в июне, составляющий 22,6 штуки. Так как в июне 1999 года 20 рабочих дней, спрос для данного периода составит 453 штуки (20 дней x 22,6 штуки в день).

Но при прогнозировании спроса с историей годичной давности существует проблема. Объем продаж мог увеличиться или уменьшиться за последние 12 месяцев. Ввиду этого, к результатам расчета по средневзвешенной формуле необходимо применить тренд, чтобы отразить общие изменения в объеме продаж.

Многие ERP-системы позволяют вручную задавать тренд. Скажем, вы определяете, что за прошлый год объем продаж увеличился на 20%. Чтобы спрогнозировать фактический спрос, необходимо на 20% увеличить результат, рассчитанный по средневзвешенной сезонной формуле, и так мы спрогнозируем фактический спрос на июнь 1999 года:

22,6 штуки /день + 20% = 27,1 штук/день

Большинство передовых ERP-систем рассчитывает тренд автоматически, сравнивая общее потребление за три предыдущих завершившихся месяца (до расчета прогнозируемого спроса) с общим потреблением за такие же три месяца в прошлом году:

Общее потребление с марта 1999 года по май 1999 года = 530 штук
Общее потребление с марта 1998 года по май 1998 года = 462 штуки
(530 - 462) ? 462 = 14,7%
Оборот за последние три месяца был на 14,7% больше, чем в тот же период в прошлом году. Этот процент прибавляется к результатам расчета по средневзвешенной формуле:
22,6 штук/день + 14,7% = 25,9 штук/день
Указанные вручную или рассчитанные ERP-системой автоматически, тренды следует применять при использовании сезонной формулы прогнозирования для влияния на изменения, которые претерпел объем продаж за последние 12 месяцев.


Джон Шрайбфедер, президент компании Effective Inventory Management,
Материал подготовлен при участии компании «Корус консалтинг»