5. Деление товаров на категории и определение доли товаров группы а.

Деление товаров на категории выполняется аналитически и графически. Аналитический расчет заключается в следующем:

1) все товары с прибыльностью выше средней относятся к категории А. То есть, по табл.6 все товары сК_i ≥ К_срследует отнести к категорииАи по той же таблице найти долю этой группы в общей прибылиW_А.;

2) подсчитывается количество товаров группы А - N_Aсоответствующая этой группе товаров прибыль в % по кумулятивному рядуW_A. С учетом этих данных находится средняя прибыль по оставшейся номенклатуре товаров.

, (7)

3) к группе товаров категории Вследует отнести те товары, для которых выполняется правилоК_ср > К_j ≥ K_BC.

Остальные товары составляют группу С.

Рисунок 1 – Диаграмма Парето: АВС – анализ номенклатуры товаров

Результаты деления товаров на категории и определения доли товаров группы А представлены в таблице 7.

Таблица 7 – Результаты деления товаров на категории и определения доли товаров группы А

Группа	Количество	Wa	КBC
А	13	69,7	2,020
В	8	91,8	2,020
С	7	100,000	2,020

6. Расчет бюджета товаров группы а.

Бюджет товаров группы Аопределяется через заданный в исходных данных общий бюджетВ₀ в условных единицах по формуле:

, (8)

где- доля затрат в %, приходящаяся на группу товаров категорииА. Эта доля находится из таблице 6 по формуле:

, (9)

в которой S_A - это суммарные затраты на товары группы А по таблице 6.

3. Прогнозирование продаж товаров группы а.

Прогнозирование продаж выполняется для всех товаров группы Аи осуществляется по временным рядамQ_i(i=1,2,...n). Горизонт прогнозирования∆tи доверительная вероятность прогнозаβвходят в состав исходных данных. Для прогнозирования используется линейная модель тренда с доверительными границами для зависимой переменнойQ.

1. Расчет коэффициентов линейной модели тренда для товаров группы а.

Параметры модели прогнозирования:

, (10)

определяются методом наименьших квадратов. Для их расчетов можно применит разные способы.

Первый заключается в формировании в среде Excel точечного графика Q(t)с последующим построением линии тренда.

Рисунок 2 -Коэффициенты линейной модели тренда для Товара 21

Рисунок 3 -Коэффициенты линейной модели тренда для Товара 18

Рисунок 4 -Коэффициенты линейной модели тренда для Товара 22

Рисунок 5 -Коэффициенты линейной модели тренда для Товара 20

Рисунок 6 -Коэффициенты линейной модели тренда для Товара 23

Рисунок 7 -Коэффициенты линейной модели тренда для Товара 17

Рисунок 8 -Коэффициенты линейной модели тренда для Товара 24

Рисунок 9 -Коэффициенты линейной модели тренда для Товара 10

Рисунок 10 -Коэффициенты линейной модели тренда для Товара 26

Рисунок 11 -Коэффициенты линейной модели тренда для Товара 28

Рисунок 12 -Коэффициенты линейной модели тренда для Товара 9

Рисунок 13 -Коэффициенты линейной модели тренда для Товара 2

Рисунок 14 -Коэффициенты линейной модели тренда для Товара 3

Второй способ состоит в использовании встроенных функций Excel.

Таблица 8 –Встроенные функции Excel, используемые для прогнозирования

Параметры	Обозначение
Среднее значение аргумента t (мес.)	tср
Коэффициент корреляции	r
Коэффициенты линейной модели тренда		a
		b
Статистика Стьюдента		tβ

Результаты представлены в таблице 9.

Таблица 9 – Результаты прогнозирования

	tср	r	a	b	tβ
Т21	4	-0,981	335,14	-3,7143	2,015
Т18	4	-0,968	276,57	-3,9643	2,015
Т22	4	0,941	261,14	2,6756	2,015
Т20	4	-0,941	324,86	-2,8214	2,015
Т23	4	0,948	198,86	1,5714	2,015
Т17	4	0,945	140,57	2,9643	2,015
Т24	4	-0,981	215,43	-3,5357	2,015
Т10	4	-0,825	250	-2,8571	2,015
Т26	4	0,972	111,71	2,5714	2,015
Т28	4	0982	63,286	2,6071	2,015
Т9	4	0,831	102,71	2,5357	2,015
Т2	4	0,923	144,43	7,6429	2,015
Т3	4	0,943	241,43	7,8571	2,015