СТРАТЕГИЧЕСКИЙ МЕНЕДЖМЕНТ / стратегический / Реализация Стратегий Компаний_Фомина-Смирнова

Фактические и десезонализированные квартальные объемы продаж компании Lewplan plc

100┼

│

│

│

└───┼───┼───┼───┼───┼───┼───┼───┼───┼───┼───┼───┼───┼───> Квартал, год

Рис. 4.4

Уравнение линии тренда имеет вид:

T = a + bx - номер квартала,

где a и b характеризуют точку пересечения с осью ординат и наклон линии тренда. Для определения параметров прямой, наилучшим образом аппроксимирующей тренд, можно использовать метод наименьших квадратов. Таким образом, как мы знаем из предыдущей главы о линейной регрессии, уравнения для расчета параметров a и b будут иметь вид:

где x - порядковый номер квартала, y - значение (T + E) в предыдущей таблице. С помощью калькулятора подсчитаем:

2

SUM x = 91, SUM x = 819, SUM y = 4158,7; SUM xy = 32 747,1, n = 13.

Подставив найденные значения в соответствующие формулы, получим: b = 19,978, a = 180,046.

Следовательно, уравнение модели тренда имеет следующий вид:

Трендовое значение объема продаж, тыс. шт. = 180,0 + 20,0 x номер квартала.

Расчет ошибок

Шаг 3 нашего алгоритма, предшествующий составлению прогнозов, состоит в расчете ошибок или остатка. Наша модель имеет следующий вид:

A = T + S + E.

В нашем случае ошибки достаточно малы и составляют от1 до 2 процентов. Тенденция, выявленная по фактическим данным, достаточно устойчива и позволяет получить хорошие краткосрочные прогнозы.

Прогнозирование по аддитивной модели

Прогнозные значения по модели с аддитивной компонентой рассчитываются так:

F = T + S (тыс. шт. за квартал),

где трендовое значение T = 180 + 20 x номер квартала, а сезонная компонента S составляет +42,6 в январе - марте, -20,7 в апреле - июне, 62,0 в июле - сентябре и +40,1 в октябре - декабре.

Порядковый номер квартала, охватывающего ближайшие 3 месяца с апреля по июль 19X9 г., равен 14, таким образом, прогнозное трендовое значение составит:

T = 180 + 20 x 14 = 460 (тыс. шт. за квартал).

Соответствующая сезонная компонента равна - 20,7 тыс. шт. Следовательно, прогноз на этот квартал определяется так:

F (апрель - июнь 19X9 г.) = 460 - 20,7 = 439,3 тыс. шт.

Не следует забывать: чем более отдаленным является период упреждения, тем меньшей оказывается обоснованность прогноза. В данном случае мы предполагаем, что тенденция, обнаруженная по ретроспективным данным, распространяется и на будущий период. Для

сравнительно небольших периодов упреждения такая предпосылка может действительно иметь место, однако ее выполнение становится менее вероятным по мере составления прогнозов на более отдаленную перспективу.

4.3.Анализ модели с мультипликативной компонентой

Внекоторых временных рядах значение сезонной компоненты не является константой, представляет собой определенную долю трендового значения. Таким образом, значения сезонной компоненты увеличиваются с возрастанием значений тренда.

Пример. Компания CD plc осуществляет реализацию нескольких видов продукции. В ходе разработки стратегии необходимо определить, как будут изменяться объемы продаж этих продуктов. Объемы продаж одного из продуктов за последние13 кварталов представлены в таблице 4.6.

Объем продаж этого продукта, так же как и в предыдущем примере, подвержен сезонным колебаниям, и значения его в зимний период выше, ч м в летний. Однако размах вариации фактических значений относительно линии тренда постоянно возрастает. К таким данным следует применять модель с мультипликативной компонентой:

Фактическое значение = Трендовое значение x Сезонная вариация x Ошибка, т.е.:

A = T x S x E.

В нашем примере есть все основания предположить существование линейного тренда, но чтобы полностью в этом убедиться, проведем процедуру сглаживания временного ряда.

│. .

│х

60 ┼

└────┼────┼────┼────┼────┼────┼────┼────┼────┼────┼────┼────┼────┼────>

Рис. 4.5

Расчет значений сезонной компоненты.

В сущности, эта процедура ничем не отличается от, котораятой применялась для аддитивной модели. Также вычисляются центрированные скользящие средние для трендовых значений, однако оценки сезонной компоненты представляют собой коэффициенты, полученные

по формуле A : T = S x E.

Результаты расчетов приведены в таблице 4.7.

Таблица 4.7

Расчет значений сезонной компоненты для CD plc

Значения сезонных коэффициентов получены на основе квартальных оценок по аналогии с алгоритмом, который применялся для аддитивной модели. Так как значения сезонной компонентыэто доли, а число сезонов равно4, необходимо, чтобы их сумма была равна4, а не нулю, как в предыдущем случае. (Если бы в исходных данных предполагалось7 сезонов в течение недели по одному дню каждый, то общая сумма значений сезонной компоненты должна была бы равняться 7). Если эта сумма не равна 4, производится корректировка значений сезонной компоненты точно таким же образом, как это уже делалось ранее.

Как показывают оценки, в результате сезонных воздействий объемы продаж в январемарте увеличиваются на 11,6 процента соответствующего значения тренда (1,116). Аналогично сезонные воздействия в октябредекабре приводят к увеличению объема продаж 5,5на процента от соответствующего значения тренда. В двух других кварталах сезонные воздействия состоят в снижении объемов продаж, которое составляет 90,7 и 92,2 процента от соответствующих трендовых значений.

Таблица 4.8

Расчет значений сезонной компоненты для CD plc

--------------------------------

<*> Скорректированная оценка сезонной компоненты получена в результате умножения соответствующей доли на (4/3,984).

Десезонализация данных и расчет уравнения тренда

После того как оценки сезонной компоненты определены, можем приступить к процедуре десезонализации данных по формулеA : S = T x E. Результаты расчетов этих оценок значений тренда приведены в таблице 4.9.

Таблица 4.9

Расчет уравнения тренда для компании CD plc

Полученные трендовые значения наносятся на исходную точечную диаграмму.

Фактический и десезонализированный объем продаж по 3-месячной средней

60┼

│

│

│

└────┼────┼────┼────┼────┼────┼────┼────┼────┼────┼────┼────┼────┼────>

простоты, что тренд линейный и для расчета параметров прямой наилучшим образом его аппроксимирующей, будем применять метод наименьших квадратов. Воспользовавшись той же процедурой, что и в разд. 4.2, находим, что:

T = 64,6 + 1,36 x номер квартала (тыс. шт. в квартал).

Это уравнение будем использовать в дальнейшем для расчета оценок трендовых объемов продаж на каждый момент времени.

Расчет ошибок:

A : (T x S) = E или A - (T x S) x E.

Итак, мы нашли значения тренда и сезонной компоненты. Теперь мы можем использовать их для того, чтобы рассчитать ошибки в прогнозируемых по модели объемах продажT x S по сравнению с фактическими значениями A.

В таблице 4.10 эти ошибки рассчитаны как отношение E = A : (T x S).

Таблица 4.10

Расчет ошибок для компании CD plc

Для каждого рода ошибки достаточно велики, что видно из графика десезонализированных значений. Однако начиная с первого квартала 19X7 г. величина ошибки составляет в среднем 2 - 3 процента от фактического значения, и можно сделать вывод о соответствии построенной модели фактическим данным.

Прогнозирование по модели с мультипликативной компонентой

При составлении прогнозов по любой модели предполагается, что можно найти уравнение, удовлетворительно описывающее значения тренда. В обоих изложенных выше примерах эта предпосылка была успешно выполнена. Тренд, который нами рассматривался, был, очевидно, линейным. Если бы исследуемый тренд представлял собой кривую, мы были бы вынуждены моделировать эту связь с помощью одного из методов формализации нелинейных взаимосвязей, рассмотренных ранее. После того как параметры уравнения тренда определены, процедура составления прогнозов становится совершенно очевидной. Прогнозные значения определяются по формуле:

F = T x S,

где T = 64,6 + 1,36 x номер квартала (тыс. шт. за квартал), а сезонные компоненты составляют 1,116 - в первом квартале, 1,097 - во втором, 0,922 - в третьем и 1,055 - в четвертом квартале. Ближайший следующий квартал - это второй квартал 19X9 г., охватывающий период с апреля по июнь и имеющий во временном ряду порядковый номер14. Прогноз объема продаж в этом квартале составляет:

F = T x S = (64,6 + 1,36 x 14) x 0,907 = 83,64 x 0,907 = 75,9 (тыс. шт. за квартал).

С учетом величины ошибки прогноза мы можем сделать вывод, что данная оценка будет отклоняться от фактического значения не более чем на2 - 3 процента. Аналогично прогноз на октябрь - декабрь 19X9 г. рассчитывается для квартала с порядковым номером16 с использованием значения сезонной компоненты для IV квартала года:

F = T x S = (64,6 + 1,36 x 16) x 1,055 = 83,36 x 1,055 = 91,1 (тыс. шт. за квартал).

Разумно предположить, что величина ошибки данного прогноза будет несколько выше, чем предыдущего, поскольку этот прогноз рассчитан на более длительную перспективу.

ВМЕСТО ЗАКЛЮЧЕНИЯ

Реализация стратегии: мониторинг и контроль

В качестве заключения нам бы хотелось остановиться на процессе реализации выбранной компанией стратегии.

Итак, стратегия разработана, формализована или нет, но, безусловно, осознана и прочувствована всеми сотрудниками компании, стратегический план составлен, но... "нет ничего стабильнее изменений", и как понять, в какой части пути по отношению к поставленным стратегическим целям находится сейчас компания? Как определить, что стратегическое видение и цели успешно реализуются в повседневных действиях сотрудников компании? Как оценить их эффективность?

Мы уже упоминали(2), что процесс стратегического планирования носит перманентный и

инструмент управления, транслирующий стратегию в систему четко поставленных стратегических задач и сбалансированных показателей, которые измеряют степень выполнения данных стратегических задач. В центре внимания этого подходаориентация на соответствие стратегическим целям действий отдельных подразделений компании, включая каждого отдельного сотрудника.

BSC предполагает реализацию принципа последовательной связи цели и мероприятий. В ходе построения сбалансированной системы целей выстраивается сбалансированная система показателей, которые конкретизируют содержание стратегических целей и делают разработанные