Znaczenie prognozowania popytu

Prognozowanie popytu produktów ma kluczowe znaczenie dla każdego dostawcy, producenta lub sprzedawcy. Prognozy zapotrzebowania w przyszłości będą decydować o ilości, które powinny być zakupione, produkowane i dostarczane. Prognozy popytu są konieczne, ponieważ na podstawowe procesy operacyjne, przejście od dostawców surowców, wyrobów gotowych w ręce klientów, potrzeba czasu. Większość firm nie może po prostu czekać na popyt, a następnie reagować na niego.  Firmy muszą przewidywać i planować przyszłe zapotrzebowanie, tak aby mogły natychmiast reagować na zamówienia klientów.

 Innymi słowy, większość producentów "działa do ręki", a nie "produkuje na zamówienie" - planują, a następnie wdrażają zapasy  wyrobów gotowych w lokalizacjach terenowych. Zatem, gdy zamówienie klienta materializuje się , może być spełnione niezwłocznie - ponieważ większość klientów nie chce czekać  na ich kolejkę w całym łańcuchu dostaw. Cykl taki może potrwać kilka tygodni lub miesięcy, aby przejść  przez dostawców części i podzespołów, poprzez wytworzenie produktu, aż do do ostatecznej wysyłki zamówienia do klienta.

Firmy, które oferują szybką dostawę do klientów będą miały tendencję do wyprzedzenia wszystkich konkurentów na rynku, poprzez utrzymanie zapasów,  zapewnienie szybkiego czas cyklu zamówienia. Ważne jest aby wytwarzać przynajmniej większościowej części produktów na podstawie przewidywania przyszłego popytu. Zdolność do dokładnego prognozowania popytu stwarza także możliwości  kontrolowania kosztów poprzez wypoziomowanie ilości produkcji, racjonalizacji  transportu i  planowanie sprawną logistyką.

W ogólnej praktyce, dokładne prognozowanie popytu doprowadzi do skuteczności działań i wysoki poziom obsługi klienta, a niedokładne  będzie nieuchronnie prowadzić do nieefektywnych, wysokich kosztów operacji i / lub złego poziomu obsługi klienta. W łańcuchu dostaw, możemy podjąć działania  w celu poprawy wydajności i efektywności procesu logistycznego.

Prognozowanie popytu w systemie logistycznym

Specjaliści logistyki są zazwyczaj zainteresowani, gdzie i kiedy popyt będzie się koncentrował. Rozważmy sytuację sprzedającego towar poprzez pięć supermarketów w Wrocławiu, Poznaniu, Warszawie, Kielcach, i Gdańsku. Nie wystarczy wiedzieć, że całkowity  możliwy popyt będzie 5.000 sztuk miesięcznie lub, powiedzmy, 1.000 sztuk miesięcznie . Ważne jest aby wiedzieć, na przykład, jak wiele market we Wrocławiu sprzedaje w danym miesiącu z wyszczególnieniem jakie  z towarów  muszą być dostarczane w określonym czasie. Wymóg może być np. potrzebny do prognozowania miesięcznego zapotrzebowania  dla pierwszych trzech miesięcy przyszłego roku.

Ponieważ system logistyczny musi spełniać konkretne zapotrzebowania, innymi słowy, co jest potrzebne, gdzie i kiedy, dokładniejsze prognozy muszą być generowane precyzyjnie nietylko o ilosci towaru ale o lokalizacji magazynowania i  jego okresu. Tak więc, systemy informacji logistycznej często muszą wygenerować tysiące indywidualnych prognoz w każdym tygodniu. Sugeruje to, że zalecane procedury prognozowania muszą być dość "automatyczne", to jest metoda prognozowana  powinna działać bez stałej interwencji manualnej analityka.

Prognozowanie popytu jest to problem, który pojawia się w wielu kontekstach ekonomicznych i menedżerskich, a setki procedur prognozowania zostały opracowane dla wielu różnych celów, zarówno wewnątrz  jak i poza przedsiębiorstwami. Procedury, które omówię okazały się bardzo stosowne do zadania prognozowania zapotrzebowania produktów w systemie logistycznym. Inne techniki, które mogą być bardzo przydatne dla innych problemów prognozowania, okazały się być nieodpowiednie lub niewystarczające do zadania prognozowania popytu w systemach logistycznych. W dużych firmach, wiele organizacji jest zaangażowanych w tworzenie prognoz. Działy marketingu, na przykład,  generują wysokie długoterminowe prognozy zapotrzebowania rynku i udziału w rynku rodziny produktów dla celów planowania. Marketing także często rozwija krótkoterminowe prognozy mające pomóc ustalić cele sprzedażowe lub kwotowe. Istnieje często silna presja organizacyjna grupy logistycznej, aby po prostu korzystać z tych prognoz, zamiast generować dodatkowe prognozy popytu w systemie logistycznym. Wszakże ekonomia  podpowiada  iż  prognozy marketingowe są bardziej kosztowne do opracowania.

W praktyce jednak, większość firm wykazało, że planowanie i prowadzenie skutecznego systemu logistycznego wymaga zastosowania dokładnych prognoz zagregowanych popytu. Organizacja produkcji może wymagać prognozy zapotrzebowania produktu na tydzień ale organizacja obrotu powinna przewidywać jakie może być   zapotrzebowanie na regiony kraju oraz według miesięcy /kwartałów/ innych przedziałów czasowych. Organizacja logistyki musi przechowywać szczegółowe informacje o konkretnych składach i wysyłać je w konkretne dni do konkretnych sklepów. Zatem system logistyczny, w przeciwieństwie, musi często generować co tydzień  lub nawet codziennie, prognozy na o wysokim poziomie  szczegółowości dla każdego z setek pojedynczych miejsc sprzedaży.

Ważną kwestią dla wszystkich prognoz jest "horyzont", czyli jak daleko w przyszłość musi sięgać projekt prognozy. Zgodnie z ogólną zasadą, im dalej w przyszłość patrzymy, tym bardziej nasza wizja staje się mniej dokładna.. Wszystko  zależy od tego, czemu prognoza służy. Dla planowania w nowych zakładach produkcyjnych, na przykład, być może będziemy zmieszeni do prognozowania zapotrzebowania na wiele lat w przyszłość, ponieważ  wynik będzie służyć firmie bardzo długo.  Na potrzeby obsługi systemu logistycznego, horyzont prognozowania potrzebuje być dłuższy niż czas cyklu dla danego produktu.

Ważne jest również, aby pamiętać, że prognozy popytu opracowane w ramach systemu logistycznego musi być zasadniczo zgodne z planowaniem  generowanym przez produkcję i organizacje gospodarczych. Jeśli dział produkcji planuje produkcję dwóch milionów egzemplarzy, podczas gdy dział marketingu zamierza sprzedać cztery miliony sztuk, a prognozy logistyczne wystawiają całkowity popyt na milion jednostek, zarząd musi pogodzić te bardzo różne wizje przyszłości.

Charakter zapotrzebowania klientów

Większość z procedur opisanych w tym rozdziale związanych jest  z sytuacją, w której prognozowanie popytu  wynika z działań podejmowanych przez klientów firmy . Zakłada się, że klienci mogli zamówić, co, gdzie i kiedy zechcą. Firma może być w stanie wpływać na ilość i harmonogram zapotrzebowania klientów, zmieniając tradycyjnie tzw "Marketing Mix" oraz  ceny, promocje i dystrybucję. Wolne środki klientów  reagują częśto w sposób złożony  zamawiając konkurencyjnym rynku co  jest często trudne do zrozumienia lub przewidzenia. Brak w przedsiębiorstwie wcześniejszej wiedzy o tym, jak klienci będą zamawiać to naczelny problem prognozowania  - to sprawia, że pojawia się rzeczywisty popyt losowy.

Jednak w wielu  sytuacjach, gdy  przepływy surowców i części składowe muszą być przewidywane i kontrolowane, przepływy te nie wynikają z indywidualnych decyzji  klientów, ale raczej są na podstawie harmonogramu produkcji. Tak więc, jeśli np Aple postanawia wyprodukwać1000 jednostek pewnego modelu komputera w drugim tygodniu października, wymagania dla każdej części urządzenia są znane. Biorąc pod uwagę, każdy dostawca części na wstępie zna całkowity wymóg części, zamówienia mogą być określone poprzez  analizę produktu w procesie projektowania i wytwarzania. Prognozy zapotrzebowania klienta na produkt nie są istotne dla tej analizy. Aple może, ale nie koniecznie sprzedać 1000 komputerów, ale to już zupełnie inna sprawa . Kiedy już zobowiązał się do produkcji 1.000 sztuk, system logistyczny musi działać na rzecz tego celu produkcji. Material Requirements Planning (MRP) to technika jaka jest często używana do obsługi tego rodzaju zapotrzebowania. To zapotrzebowanie na elementy składowe, czyli jak opisano popyt zależny (ponieważ zależy od wymagań produkcji), w przeciwieństwie do zapotrzebowania, niezależnego, które powstaje bezpośrednio ze zleceń klientów lub zakupów gotowych. Technika MRP tworzy deterministyczne harmonogramy popytu na części składowe, które menedżer  lub kierownik logistyki musi spełnić. Zazwyczaj szczegółowe procesy MRP prowadzone są tylko dla głównych komponentów (w tym przypadku, płyty główne, dyski, klawiatury, monitory, i tak dalej). Zapotrzebowanie na inne części, takich jak złącza i układów pamięci, które są wykorzystywane w wielu różnych linii produktów, często można po prostu oszacować  przy użyciu metod statystycznych prognoz,.

Ogólne koncepcje prognoz

Wszystkie firmy wymagają prognozowania zapotrzebowania, ale trudno byłoby znaleźć jakiekolwiek dwie firmy, w których prognoza popytu przebiegałaby w dokładnie taki sam sposób. W ciągu ostatnich kilku dekad, wiele różnych technik prognozowania zostało opracowanych dla wielu różnych obszarów zastosowań, w tym inżynierii i ekonomii. Wiele takich procedur zostały zastosowane do praktycznego problemu prognozowania zapotrzebowania w systemie logistycznym, z różnym powodzeniem. Większość komercyjnych pakietów oprogramowania, prognozowanie popytu w systemie wsparcia logistycznego obejmuje kilkadziesiąt różnych algorytmów prognozowania, tak że analityk może użyć  generowania alternatywnych prognoz popytu. Chociaż istnieją  różne techniki prognozowania  prawie każdy prognozowanie można podzielić na jedną z czterech podstawowych kategori w oparciu o  podejście do problemu:

1. Podejście osądów. Istotą  podejścia osadów jest rozwiązanie problemu prognostycznego, zakładając, że ktoś wie i może powiedzieć znać odpowiedź. Oznacza to, że wyrok w tej technice opieramy o  zgromadzoną wiedzę i kierujemy się opiniami ludzi, którzy są w stanie wiedzieć, jaki będzie popyt. Na przykład, możemy przeprowadzić badania bazy klientów do oszacowania, jaka będzie  sprzedaż  w przyszłym miesiącu.

2. Eksperymentalne podejście. Inne podejście do prognozowania popytu, jest atrakcyjne,  gdy nie ma innych informacji, na których mogą opierać się prognozy, jest przeprowadzenie eksperymentu popytu na niewielkiej grupie klientów oraz ekstrapolacja wyników do większej populacji. Na przykład, firmy często testują nowy produkt na konsumentach w izolowanych geograficznie do ustalenia ich  prawdopodobnego udział w  całym rynku. To doświadczenie jest następnie ekstrapolowane na krajowy rynku, aby zaplanować sprzedaż produktu. Podejście eksperymentalne jst bardzo przydatne i niezbędne dla nowych produktów, ale dla istniejących produktów, które mają zgromadzony historyczny rekord popytu wydaje się intuicyjne, że prognozowanie popytu powinno być szacowane na podstawie tego doświadczenia .

3. Relacyjna / przyczynowe podejście. Założeniem prognozy przyczynowego lub relacyjnego jest to, że po prostu, istnieje powód, dla którego ludzie kupują nasz produkt. Jeśli uda nam się to zrozumieć lub zestaw takich przyczyn to możemy wykorzystać tę wiedzę do opracowania prognozy zapotrzebowania. Na przykład, jeśli sprzedajemy parasole na stoisku na chodniku, prawdopodobnie zauważysz, że dzienne zapotrzebowanie jest silnie skorelowane z pogodą - sprzedajemy więcej parasoli kiedy pada. Kiedy już ustalono ten związek, odpowiednia pogoda pozwoli nam zamówić dość parasole do zaspokojenia przewidywanego popytu.

4. Podejście "Szereg czasowy". Procedura szereg czasowy jest zasadniczo inna niż w pierwszych trzech podejściach które przedyskutowaliśmy wyżej. W czystej technice szeregów czasowych, nie ekspertyzy lub opinie są wymagane. Nie patrzymy na "przyczyny"  lub czynniki. Nie testujemy przedmiotu lub doświadczenia z klientami. W metodzie tej uznaje się iż  zapotrzebowanie występuje w czasie według pewnych wzorców, które powtarzają się, przynajmniej w przybliżeniu. Jeśli możemy opisać te ogólne wzory lub tendencje, bez względu na ich "przyczyny", możemy użyć do tego opisu, tworząc podstawę prognozy.

W pewnym sensie, wszystkie procedury prognozowania obejmują analizę doświadczenia historycznego do wzorców i projekcji tych wzorców w przyszłość w przekonaniu, że będzie przypominała  przeszłość. Różnice w czterech podejściach  to sposób  "szukania wzorca" .. Osądy podejścia opierają się na subiektywnych, ad-hoc analiza zewnętrznych jednostek. Eksperymentalne narzędzia ekstrapolacji wyników z małej liczby klientów do dużych populacji. Przyczynowe metody czyli szukaj powodów zapotrzebowania. Techniki szeregów czasowych - po prostu analizuj dane popytu sam zidentyfikuj wzorce, które pojawiają się dotychczas i je utrzymuj.

Osądy podejścia do prognozowania

Badania. To podejście gdzie każdy przyczynia "kawałek" do tego co będzie ostateczną prognozą. Na przykład, możemy pobrać dane z naszej bazy klientów do szacowania popytu na nadchodzący okres. Alternatywnie, możemy zbierać szacunki naszych sił sprzedaży, jakiej każdy sprzedawca spodziewa się sprzedaży w następnym okresie. Podejście jest co najmniej prawdopodobne, w sensie, że pytamy ludzi, którzy są w stanie dowiedzieć się czegoś o przyszłym popycie. Z drugiej strony, w praktyce powstały poważne problemy związane z  tymi  narzędziami. Po pierwsze może być trudne i kosztowne zbieranie danych od wielu klientów. Historia pokazuje również, że przeglądy "zamiaru zakupu" zazwyczaj były zawyżone do rzeczywistego popytu - sympatia produktu to jedno, ale faktycznie jego zakup jest często zupełnie inny. Sprzedawcy mogą także świadomie (lub nawet nieświadomie) przesadzać lub nie doceniają swoich prognoz sprzedaży . Jeśli personel sprzedaży (lub baza klientów) uważa, że ich prognozowanie jest pewne względem  poziomu  zapasów towarów, które będą dostępne w następnym okresie, mogą być one bardzo kuszące .

Metody consensusu. Jako alternatywę do  podejścia badawczego, metody konsensusu użyć można  do niewielkiej grupy osób dla opracowania ogólnych prognoz. W "jury wykonawczej opinii", na przykład może zasiadać grupa menedżerów która w w firmie będzie spotkać i rozwijać poprzez debaty i dyskusje ogólną prognozę popytu.  Podczas gdy te kadry są niewątpliwie doświadczone, nie są one  bezinteresownymi obserwatorami, gdyż pojawia się okazja do stronniczości co jest oczywiste. Bardziej formalna procedura konsensusu, zwana "Metoda Delphi", została opracowany w celu kontrolowania tych problemów. W tej technice, panel bezinteresownych ekspertów technicznych jest przedstawiony do kwestionariusza dotyczącego prognozy. Odpowiedzi są zbierane, przetwarzane i redystrybuowane w panelu, upewniając się, że wszystkie informacje nadesłane przez któregokolwiek członka panelu jest dostępna dla wszystkich członków, ale na zasadzie anonimowości. Każdy ekspert odpowiada na forum zgromadzenia. Drugi kwestionariusz jest wprowadzany do panelu i proces ten jest powtarzany, aż zostanie osiągnięty konsensus prognoz. Konsensusowe metody zazwyczaj są właściwe tylko dla prognoz wysoce zagregowanych.

Eksperymentalne strategie prognoz

W początkowej fazie rozwoju nowych produktów,  jest ważne, aby uzyskać pewne oszacowanie poziomu potencjalnego zapotrzebowania na produkt. Różnorodne techniki badania rynku są wykorzystywane do tego celu.

Badania klientów są czasami przeprowadzane przez telefon lub na rogach ulic, w centrach handlowych, i tak dalej. Nowy produkt jest wyświetlany lub opisany, a potencjalni klienci pytani, czy byliby zainteresowani zakupem przedmiotu. Takie podejście może przyczynić się do izolowania atrakcyjności lub funkcji produktu a doświadczenie pokazuje, że "zamiar zakupu", mierzona w ten sposób jest trudny do przetłumaczenia na miarodajną prognozę popytu.

Panele konsumentów są również używane w początkowych fazach rozwoju produktu. Tutaj mała grupa potencjalnych klientów zostaje zgromadzona w pomieszczeniu, w którym będą mogli skorzystać z produktu i dyskutować między sobą. Członkowie komisji są często opłacania za uczestnictwo. Jednak badania, procedury te są bardziej przydatne dla analizy cech produktu niż szacowania popytu gdyż nie stanowią one prawdziwego "eksperymentu dla popytu", ponieważ żadne zakupy się nie odbyły.

Test marketingowy jest często stosowany po rozwoju nowego produktu, ale przed pełną skalą krajową wprowadzenia nowej marki lub produktu. Chodzi o to, aby wybrać stosunkowo mały, dość samodzielny, ale jakoś demograficznie "typowy" obszar rynku. W Polsce, jest to często średniej wielkości miasto, takie jak Opole lub Białystok. Całkowity plan marketingowy dla pozycji, w tym reklamy, promocji, dystrybucji i taktyki, jest opracowywany dla tego wąskiego obszaru  a następnie "rozwijany na rynek ogólny " .. Chociaż dane te są wykorzystywane do oszacowania potencjalnych sprzedaży do większego rynku krajowego, nacisk kładzie się zwykle na "dostrajanie" całkowitego planu marketingowy w celu ubezpieczenia, że nie będzie problemów lub potencjalnych kłopotów które  zostały przeoczone.

Dane panelowe to procedury opracowane ostatnio dla stniejących długo marek i produktów. W tych procedurach, zbiera się duży zestaw gospodarstw domowych które zgadzają się uczestniczyć w prowadzonych badaniach swoich nawyków zakupowych.. Członkowie komisji zbierają  informacje na temat liczby osób w gospodarstwie domowym, ich wieku, dochodów, i tak dalej. Ilekroć kupia artykuły spożywcze w supermarkecie uczestnicząc w badaniach, ich tożsamość zostaje uchwycona  wraz z tożsamością i ceną każdego produktu przez nich zakupionego. Jest bardzo proste dzięki zastosowaniu kodów UPC i skanerów optycznych.. Procedura ta prowadzi do bogatej bazy obserwowanego zachowania zakupowego klientów. Analityk jest w stanie wyświetlić każdy zakup w świetle pełnego zbioru alternatyw dla wybranej marki, które były dostępne w sklepie w momencie zakupu, w tym wszystkie inne marki, ceny, wielkości, zniżki, oferty, oferty kuponu, i tak dalej.  Producent i menadżer są teraz w stanie przetestować promocję cenową i oszacować jej prawdopodobny wpływ na przywiązanie do marki.. Takie prognozowanie popytu może się rozwinąć w cenny wgląd w zachowanie popytu na poziomie klienta.

Relacyjne / przyczynowe podejścia do prognozowania

Załóżmy, że nasza firma prowadzi sklepy w kilkunastu większych miastach, a teraz mamy podjąć decyzję o otwarciu nowego sklepu w mieście, gdzie nie działał wcześniej. Musimy przewidzieć, co będzie ze sprzedażą w nowym sklepie. Aby to zrobić, możemy zbierać historyczne dane sprzedażowe od wszystkich naszych istniejących sklepów. Dla każdego z tych sklepów możemy również gromadzić odpowiednie dane związane z mieszkańców miasta, średni dochód, liczba konkurencyjnych sklepów w okolicy, i inne istotne dane . Te dodatkowe dane są dalej zmiennych objaśniającymi niezależnymi do dalszej analizy. Dane dotyczące sprzedaży w sklepach są traktowane jako zmienna zależna, które staramy się wyjaśnić lub przewidzieć.

Podstawowym założeniem jest to, że jeśli uda nam się znaleźć relacje między zmiennymi objaśniającymi (ludność, dochód, i tak dalej) i sprzedażą dla istniejących sklepów, to takie relacje będą także w nowym mieście. Tak więc, poprzez zbieranie danych o  zmiennych objaśniających w mieście docelowym i stosowaniu tych relacji, można oszacować sprzedaż w nowym sklepie .  Procedury matematyczne i statystyczne znajdują zastosowanie w  testowaniu  tych wyjaśniających relacji  i generowaniu z nich prognoz . Wyróżniamy metody przyczynowe takie jak :

Modele ekonometryczne, np. modele  regresji wielokrotnej. Mniej (modele jendorównaniowe) lub bardziej skomplikowane systemy obejmujące zestawy równań regresji (modele wielorówanniowe). 

Modele wejścia-wyjścia  szacowania przepływu towarów między rynkami i branżami. Modele te zapewniają integralność przepływów do  modelowanych rynków i przemysłu, są one wykorzystywane głównie w dużych analizach makroekonomicznych i nie stwierdzono ich przydatności w aplikacjach logistycznych.

Modele cyklu życia pozwalające spojrzeć na różne etapy  istnienia produktu "życia":  uruchomiony, dojrzewa, i faza out. Techniki te badają charakter konsumentów, którzy kupują produkt na różnych etapach ("wczesne wprowadzenie", "kupujący", "główny nurt maruderów", itp.) w celu ustalenia trendów cyklu życia produktu w strukturze popytu. Takie modele są szeroko wykorzystywane w branżach takich jak wysokie technologie, mody i niektórych dóbr konsumpcyjnych mających krótkie cykle życia.

Modele symulacyjne są wykorzystywane do modelowania przepływów składników w zakładach produkcyjnych w oparciu o harmonogramy i przepływu wyrobów gotowych w całej sieci dystrybucji w celu zaspokojenia popytu klientów. Niewiele jest teori  budowy takich modeli symulacyjnych. 

Prognozowanie szeregów czasowych

Chociaż wszystkie cztery metody są czasem wykorzystywane do prognozowania zapotrzebowania to jednak na ogół szeregi czasowe są podejściem jnajbardziej odpowiednim i najdokładniejszych aby generować dużą liczbę krótkoterminowych prognoz. Wiele różnych procedur prognozowania szeregów czasowych zostało opracowanych. Techniki te obejmują bardzo proste procedury, takie jak średnia krocząca i różnych procedur na podstawie powiązanych koncepcji wyrównywania wykładniczego. Procedury te są szeroko stosowane w systemach logistycznych.. Inne, bardziej skomplikowane procedury, takie jak modele Boxa-Jenkinsa (ARIMA) , są również dostępne i także czasami stosowane w systemach logistycznych. Jednakże, w większości przypadków, nie bardziej wyrafinowane narzędzia okazały się lepsze od prostszych narzędzi, a więc nie znalazły szerokiego stosowania w systemach logistycznych.

Mapa strony ekonometria.4me.pl

Copyright © ekonometria.4me.pl 2005-2013. Wszelkie prawa zastrzeżone. Zabrania się kopiowania, redystrybucji, publikacji lub modyfikacji jakichkolwiek materiałów zawartych na stronie internetowej , bez wcześniejszej pisemnej zgody autorów.

Prognozowanie popytu