8. Прогнозування попиту на існуючу продукцію підприємства з врахуванням результатів аналізу портфеля продукції.
Даний розділ курсової роботи виконується на прикладі однієї асортиментної позиції (наприклад, тієї, що вносить найвагоміший внесок в загальні продажі підприємства, тобто має максимальне значення параметру К).
Прогнозування попиту на продукцію підприємства виконується за допомогою методу лінійного регресійного аналізу.
Основний зміст методу лінійного регресійного аналізу.
Регресія - це залежність між двома або декількома корельованими перемінними. Її використовують для пророкування значення однієї перемінної на основі значення іншої. Взаємозв'язок звичайно встановлюють на основі даних, що спостерігаються.
Графік лінійної регресії виражається рівнянням Y = a + b, де Y - значення залежної перемінної, щодо якої вирішується рівняння; а - відрізок, що відтинається на координатній осі Y; b - кут нахилу прямій відносно координатної осі Х; Х - незалежна перемінна (в аналізі часових рядів Х позначає поточний час).
Лінійну регресію використовують для прогнозування як у моделях часових рядів, так і в причинно-наслідкових моделях. Коли залежна перемінна (на графіку звичайно відкладається по вертикальній осі) змінюється в залежності від часу (відкладається на графіку по горизонтальній осі), мають справу з аналізом часових рядів. Якщо одній перемінна змінюється при зміні іншої перемінної, це називається причинним зв'язком (наприклад, кількість проданих квартир залежить від числа рекламних оголошень у періодичних виданнях).
При аналізі часових рядів необхідно визначати сезонний індекс. Сезонний індекс - це коригувальний коефіцієнт, який необхідно увести в часовий ряд для обліку коливань попиту по сезонах року.
Звичайно термін сезонний асоціюється з періодом року, у той час як термін циклічний використовують для визначення не річних, а будь-яких інших повторюваних процесів [26]. Прогнозувати можна з будь-яким ступенем деталізації – по кварталах, по місяцях, по тижнях, по днях тощо.
Наведемо приклад виконання прогнозу попиту на базі квартальних даних попереднього періоду
Припустимо, що дані попереднього періоду були такими:
-
Квартал
Продажі, шт.
1- 2008
2- 2008
3- 2008
4- 2008
2009
2009
2009
2009
300
200
220
530
520
420
400
700
П
обудуємо
графік продажів і визначимо рівняння
лінійного тренда, використовуючи
електронні таблиці Exell.
Графік і рівняння тренда представлені
на рисунку 11.
Рис. 11. Графік продажів за попередні два роки в квартальній розбивці.
Визначимо сезонний індекс, порівнюючи поточні дані з лінією тренда (таблиці 4):
Таблиця 4
Визначення сезонного індексу (по кварталах)
Квартал |
№№ часового периоду |
Поточне значення попиту |
Значення з рівняння тренда Y = 52,26Х +176,07 |
Відношення поточного значення до тренда (сезонний індекс поточного року) |
Сезонний індекс (середнє значення сезонних індексів однакових кварталів у двох роках) |
1 2 3 4 2009 1 2 3 4
|
1 2 3 4
5 6 7 8 |
300 200 220 530
520 420 400 700 |
228,33 280,59 332,85 385,10
437,37 489,63 541,89 594,19 |
1
0
0
1
1
0 0,74 1,18 |
1 - 1,25* 2 - 0,79 3 - 0,70 4 - 1,28 |
2008
,31
,71
,66
,38
,19
,86* Сезонний індекс визначається усередненням сезонних індексів однакових кварталів кожного року.
Тепер можна обчислити прогноз на 2010 рік (на 9,10,11,12 часові періоди) з урахуванням тренда і сезонних факторів:
Прогноз = Тренд Сезонний коефіцієнт
1-й квартал 2010 року: Y9 = (52,26*9 + 176,07)* 1,25 = 808 шт.;
2-й квартал 2010 року: Y10 = (52,26*10 + 176,07)*0,79 = 552 шт.;
3-й квартал 2010 року: Y11 = (52,26*11 + 176,07)*0,70 = 525,65 шт.;
4-й квартал 2010 року: Y12 = (52,26*12 + 176,07 )*1,28 = 1028,10 шт.
Аналогічно можна спрогнозувати попит на базі помісячних даних про продажі певного виду продукції (табл. 5, рис.12).
Таблиця 5