Объем продажи велосипедов

Год	Годовой объем продаж (в 1000 долларов)
1	1340
2	1221
3	909
4	1501

Продолжение табл. 7.1

Год	Годовой объем продаж (в 1000 долларов)
5	1350
6	1253
7	1561
8	1435
9	1114
10	1239
11	1453
12	1890
13	2220
14	2450
15	2790
16	3450
17	3759
18	????

Необходимо определить прогнозную оценку объема продаж на во­семнадцатый год.

Представив в графическом виде данные табл. 7.1, можно с помо­щью метода наименьших квадратов подобрать прямую линию, в наи­большей степени соответствующую полученным данным (рис. 7.1), и оп­ределить прогнозную величину объема продаж.

В то же время более внимательное рассмотрение рис. 7.1 позволяет сделать вывод о том, что не все точки близко расположены к прямой. Особенно эти расхождения велики для последних лет, а верить послед­ним данным, видимо, следует с достаточным основанием.

В данном случае можно применить метод экспоненциального сгла­живания, назначая разные весовые коэффициенты (большие для послед­них лет) данным для разных лет [10], [25]. В последнем случае прогноз­ная оценка в большей степени соответствует тенденциям последних лет.

Циклический характер колебаний статистических показателей ха­рактеризуется длительным периодом (солнечная активность, урожайность отдельных культур, экономическая активность). Такие явления, как пра­вило, не являются предметом исследования Маркетологов, которых обыч­но интересует динамика проблемы на относительно коротком интервале времени.

Сезонные колебания показателей имеют регулярный характер и наблюдаются в течение каждого года. Они и являются предметом изуче­ния Маркетологов (спрос на газонокосилки, на отдых в курортных местах в течение года, на телефонные услуги в течение суток и т.д.). Поскольку выявленные закономерности носят регулярный характер, то их вполне обоснованно можно использовать в прогнозных целях.

В отличие от прогноза на основе регрессионного уравнения про­гноз по тренду учитывает факторы развития только в неявном виде, и это не позволяет «проигрывать» разные варианты прогнозов при разных воз­можных значениях факторов, влияющих на изучаемый признак. Зато прогноз по тренду охватывает все факторы, в то время как в регрессион­ную модель в лучшем случае невозможно включить в явном виде более 10—20 факторов.

Временные ряды помимо простой экстраполяции могут использо­ваться также в целях более глубокого прогнозного анализа, например объема продаж. Целью анализа в данном случае являются разложение временного ряда продаж на главные компоненты, измерение эволюции каждой составляющей в прошлом и ее экстраполяция на будущее. В ос­нове метода лежит идея стабильности причинно-следственных связей и регулярности эволюции факторов внешней среды, что делает возможным использование экстраполяции. Метод состоит в разложении временного ряда на пять компонент:

— структурная компонента, или долгосрочный тренд, обычно свя­занный с жизненным циклом товара на исследуемом рынке;

— циклическая компонента, соответствующая колебаниям относи­тельно долгосрочного тренда под воздействием среднесрочных флуктуа­ции экономической активности;

— сезонная компонента, или краткосрочные периодические флук­туации, обусловленные различными причинами (климат, социально-психологические факторы, структура нерабочих дней и т.д.);

— маркетинговая компонента, связанная с действиями по продви­жению товара, временными снижениями цен и т.п.;

— случайная компонента, отражающая совокупное действие плохо изученных процессов, непредставимых в количественной форме.

Для каждой компоненты рассчитывается параметр, основанный на наблюдавшихся закономерностях: долгосрочном темпе прироста продаж, конъюнктурных флуктуациях, сезонных коэффициентах, специфичных факторах (демонстрации, мероприятия по стимулированию сбыта и т.п.). Затем эти параметры используют для составления прогноза.

Понятно, что такой прогноз имеет смысл как краткосрочный, на период, в отношении которого можно принять, что характеристики изу­чаемого явления существенно не изменятся. Это требование часто оказы­вается реалистичным вследствие достаточной инерционности внешней среды.

К числу главных ограничений экстраполяционных методов следует отнести следующие.

Большинство прогнозных ошибок связано с тем, что в момент формулирования прогноза в более или менее явной форме подразумева­лось, что существующие тенденции сохранятся в будущем, что редко оп­равдывается в реальной экономической и общественной жизни.

Так, в 40-х годах нашего века американские специалисты предска­зывали: производство легковых автомобилей в США достигнет насыще­ния и будет составлять 300 000 штук в месяц. Но уже в 1969 г. их в США производилось более 550 000 штук. В настоящее время эта цифра возрос­ла еще в 1,2—1,3 раза.

В 1983—1984 гг. на американский рынок были введены 67 новых моделей персональных компьютеров, и большинство фирм рассчитывало на взрывной рост этого рынка. По прогнозам, которые давали в то время маркетинговые фирмы, число установленных компьютеров в 1988 г. должно было составить от 27 до 28 миллионов. Однако к концу 1986 г. было поставлено только 15 миллионов, поскольку условия использования компьютеров радикально изменились, а этого никто не предвидел.

Эти ошибки в прогнозах носили не математический, а чисто логи­ческий характер: ведь при прогнозировании использовались временные ряды, достаточно хорошо отражающие имеющийся в то время статисти­ческий материал.

Развитие общества определяется очень большим числом факторов. Эти факторы сильно связаны между собой, и далеко не все они поддают­ся непосредственному измерению. Кроме того, по мере развития общест­ва порой неожиданно начинают вступать в действие все новые и новые факторы, которые раньше не учитывались.

Временные ряды могут становиться ненадежной основой для раз­работки прогнозов по мере того, как экономика приобретает все более международный характер и все в большей степени подвергается крупной технологической перестройке. В связи с этим необходимо в первую оче­редь развивать способности предвидения, что подразумевает хорошее знание ключевых факторов и оценку чувствительности фирмы к внеш­ним угрозам.

Вышеназванное ни в коей мере не умаляет значимости экстропо­ляционных методов в прогнозировании. Как и любые методы, их надо уметь использовать. Прежде всего экстраполяционные методы следует применять для относительно краткосрочного прогнозирования развития достаточно стабильных, хорошо изученных процессов. Прогнозный пе­риод времени не должен превышать 25—30% от исходной временной базы. При использовании уравнений регрессии прогнозные расчеты сле­дует проводить для оптимистических и пессимистических оценок исход­ных параметров (независимых переменных), получая таким образом оп­тимистические и пессимистические оценки прогнозируемого параметра. Реальная прогнозная оценка должна находиться между ними.

В ряде случаев прогнозную оценку, полученную на основе экстра­поляционных методов, используют как индикатор желательности получе­ния определенной величины прогнозируемого параметра. Предположим, что была получена прогнозная оценка величины спроса на какой-то то­вар. Она говорит о том, что при тех же условиях внешней среды, струк­туре и силе действия исходных факторов величина спроса к определен­ному моменту времени достигнет такой-то величины. Менеджерам, кото­рые используют результаты данного прогноза, следует ответить на во­прос: «А устраивает ли нас данная величина спроса?» Если «да», то надо приложить максимум усилий, чтобы все сохранить без изменения. Если «нет», то необходимо использовать внутренние возможности (например, провести дополнительную рекламную компанию) и постараться повлиять на определенные факторы внешней среды, поддающиеся косвенному воздействию (например, повлиять на деятельность посредников, пролоб­бироавть изменение определенных тарифов, импортных пошлин). Вся эта деятельность направлена на обеспечение получения желаемой величины спроса.