Клиентелла нематериальный актив и информационная база прогнозирования развития компании

курсу за 2003 год (то есть с точки зрения аналитика, строящего прогноз на 2004 год в 2003 году).

Среднегодовой курс на 2003 год – 31,2, на 2004 год –29,5. Соответствующие данные представлены в таблице 19.

Мы видим следующее:

•прогноз полного объема продаж по всем трем продуктам практически точно совпадает с величиной, которая реально сложилась в действительности; прогнозное значение составило 338 305 тысяч рублей, а фактическое – 339 194 тысячи рублей. Таким образом, по отношению к фактическому уровню продаж прогноз оправдался на 99,7 процента;

•по отдельным продуктам наблюдаются, однако, более существенные расхождения: продукту № 1 – 77,0 процента, продукту

№ 2 – 113,4 процента, продукту № 3 – 92,3 процента. Однако эти расхождения компенсируются в итоговом результате.

Итак, резюмируем полученные результаты проведенных нами расчетов. Сопоставление суммарных результатов – прогнозного и реального – свидетельствует о достаточно хорошем совпадении. Однако по отдельным продуктам имеются определенные расхождения, которые в итоговых прогнозах взаимно компенсируются. Именно поэтому совокупная оценка прогнозных значений продаж по ОАО «X» мало чем отличается от фактических показателей. Это означает, что предложенная схема обоснования прогнозов развития компании в целом достаточно удобна для прогнозирования объемов реализации.

Что означает «компенсация» неточностей в прогнозах? Она означает, что более разумно подходить к анализу смертности клиентов не относительно каждого отдельного продукта, а в совокупности для целостной системы отношений «клиент – компания».

41

Кроме того, нами был проведен альтернативный способ проверки дееспособности описанного метода прогнозирования объема продаж рассматриваемой компании. В рамках альтернативной схемы расчетов мы видим следующее:

•кривые смертности строились для дистрибьюторов безотносительно распространяемых ими продуктов. Иными словами, дистрибьютор считался «живым», пока он был связан соглашениями о распространении хотя бы одного продукта;

•анализ рождаемости клиентов также проводился безотносительно распространяемых ими продуктов;

•прогнозная нагрузка на клиента также устанавливалась без привязки к конкретным распространяемым продуктам.

Приведем таблицу (табл. 20), аналогичную таблице 11, но в этой таблице содержатся данные о дистрибьюторах безотносительно распространяемых ими продуктов.

Таблица 20

Совокупные сводные данные по дистрибьюторам

42

Обработав эти данные способом, аналогичным рассмотренному ранее, мы найдем для параметров распределения Вейбулла:

a= 3,463535 ;

b= 1,063314 .

Заметим, что для этого случая форма распределения Вейбулла очень близка к экспоненте (для которой b = 1 ).

Полученные в результате данные приведены в таблице 21.

Таблица 21

Сравнения реальных и прогнозных данных

Очевидно, что полученные таким образом величины хорошо совпадают с теми, которые приведено в таблице 18. При этом, поскольку мы игнорируем разделение дистрибьюторов по отдельным продуктам, нет причин для возникновения приведенных в таблице 18 расхождений прогнозных и реальных данных.

Общий результат прогноза

Перейдем к прогнозу нагрузки на клиентов, и следовательно, к прогнозу выручки рассматриваемого ОАО на будущее. В соответствии с изложенным нами был проведен расчет двумя различными способами. В первом случае:

•кривые смертности дистрибьюторов строились для каждого распространяемого продукта в отдельности;

•анализ рождаемости клиентов проводился для каждого распространяемого продукта в отдельности;

•прогнозная нагрузка на клиента была рассчитана для каждого распространяемого продукта в отдельности. Таким образом, был

получен отдельный прогноз по каждому продукту.

Во втором случае (по аналогии с предыдущими рассуждениями):

•кривые смертности строились для дистрибьюторов безотносительно распространяемых ими продуктов, то есть дистрибьютор

43

«считался живым», пока он был связан соглашением о распространении хотя бы одного продукта;

•анализ рождаемости клиентов проводился безотносительно распространяемых ими продуктов;

•прогнозная нагрузка на клиента была установлена без привязки к конкретным распространяемым продуктам.

Рассмотрим первый случай, а именно случай «привязки» к конкретному продукту. В таблице 22 приведены соответствующие данные.

Данные для каждого отдельного продукта (№ 1, № 2 и № 3) как по прогнозной оценке выручки, так и по обороту, реально сложившимся в 2004 году и ранее, представлены на графике (рис. 13).

44

Рис. 13. Объем продаж по продуктам

Мы наблюдаем следующие закономерности:

•по продукту № 1 (нижняя линия) спад продаж, наблюдавшийся до 2005 года, как видно, продолжится и в прогнозном периоде. Нужно особенно отметить этот факт, который свидетельствует о достаточной гибкости разработанного метода;

•по продукту № 2 (средняя линия) прогнозные значения продолжают подъем. Но кривая постепенно приходит к насыщению;

•по продукту № 3 (верхняя линия) прогнозные значения продолжают подъем, но кривая уже не приближается к насыщению.

Необходимо отметить неодинаковый качественный вид прогнозных кривых. Это также говорит о существенной гибкости описываемых методик.

Приведем прогнозные данные безотносительно производимых продуктов (по 2-му варианту расчетов) (табл. 23).

45

Таблица 23

Прогнозные данные безотносительно отдельных продуктов, долл.

Эти данные несколько ниже, чем в таблице 19. Причем эта разница растет с увеличением прогнозного периода. Рассмотрим динамику ее изменения (табл. 24).

Таблица 24

Относительная разница между расчетом по клиентам в отдельности и совокупным расчетам

46

ОБСУЖДЕНИЕ И ВЫВОДЫ

Представленный метод прогноза оборота компании является альтернативой построению прогнозных значений оборота компании при помощи трендов. Фактически метод трендов входит в рассматриваемый метод как составная часть. На самом деле тренды используются для построения нагрузки на каждого отдельного клиента. Величина этой нагрузки в том гипотетическом случае, когда клиент «выживает» со 100-процентной вероятностью, определяется именно с помощью трендов. Следовательно, трендовая зависимость учитывает ряд внешних, «конъюктурных» факторов, которые должны влиять и влияют на итоговые величины прогнозных значений оборота. Это могут быть такие факторы, как общий рост/стагнация рынка, изменение курсов валют, изменение цен на определенные товары, например на энергоносители, и т. д. Следует заметить, что из трендовых зависимостей могут «выпасть» произошедшие по каким-либо причинам быстрые «скачки» подобных факторов; в этом случае, возможно, придется «подкорректировать» результат вручную, как это было сделано в нашем примере при анализе результатов, полученных при сопоставлении реальных данных и прогноза на 2004 год.

Как было показано, рассмотренный метод построения прогнозов будущих значений оборота компании путем анализа ее отношений с клиентами достаточно гибок. С его помощью можно строить прогнозы как валовой выручки предприятия, так и в ряде случаев выручки, относящейся к отдельным продуктам. Имеет, однако, смысл обсудить такой важный вопрос, как область применимости метода.

Существуют ли ограничения, связанные с отраслью, в которой применяются рассмотренные методы, либо с характером выпускаемых компанией, для которой строятся прогнозы, продуктов? Вообще говоря, если существует слишком большой набор продуктов и отраслей, для которых метод оказывается неприменим, то полезность такого метода отчасти нивелируется. Правомерно ли это для описанной методики?

Понятно, что если отрасль, в которой работает компания, для которой строится прогноз валовой выручки, является слишком «неустойчивой» или выпускаемые продукты, возможно, не являются обычными, то описанную методику необходимо применять крайне осторожно. Для некоторых случаев эта методика может оказаться вообще неприменимой. Следует, правда, заметить, что если наша

47

методика по этим причинам оказывается не вполне применимой, то и стандартный трендовый метод окажется подходящим еще в меньшей степени.

Всвязи со сказанным возникает вопрос, а много ли таких отраслей, в которых хорошо применим описываемый метод? Для ответа на этот вопрос еще раз обратимся к примеру ОАО «X». С одной стороны, проверка метода на примере этого предприятия дала очень хороший результат. Из этого следует, что отрасль, в которой оно работает, не является «критической». Но с другой стороны, как мы говорили, все три продукта, выпускаемые этим предприятием, относятся

кнаукоемкой биотехнологической промышленности. Вообще говоря, эта область является относительно «неустойчивой». И тот факт, что и в этой, казалось бы «сложной» для методики, области мы получили весьма хорошие результаты, говорит о «мощности» метода, о том, что случаев, в которых этот метод оказывается неприменимым, не так уж и много.

Взаключение следует отметить одно «внутреннее» ограничение методики – для некоторых типов и размеров клиентуры ее использование может оказаться громоздким. Так, в примере с OAO «Х» авторами была обработана типичная клиентская база, насчитывающая несколько сотен клиентов. Вообще говоря, обработка базы такого размера требует значительных усилий. На наш взгляд, это является некоторым ограничением методики, которое, впрочем, возможно обойти, автоматизируя расчеты различными способами.

48

ПРИЛОЖЕНИЯ

Приложение 1

Данные о нагрузке по клиентам (продукт № 3) за прошлые годы, долл.

49

50