Мы поставили и развили в России и мире

современные технологии анализа данных!

Пресс-центр

Мероприятия

Контакты

Система прогнозирования продаж «Sales–Forecast»

Прогнозирование продаж большого ассортимента товаров

Рост списка наименований продаваемой продукции заставил многие торговые организации искать новые подходы в прогнозировании объемов продаж. Можно было путем детального анализа спрогнозировать продажи десятков видов товара, но сделать это с сотнями, а тем более тысячами рядов невозможно. При этом для любой компании, претендующей на место на рынке, необходимо строить прогнозы продаж для всех, или хотя бы наиболее распространенных видов товара, в противном случае она бы испытывала значительные финансовые потери. 

Основной характерной чертой подобного рода задач является наличие базы данных о продажах большого ассортимента товаров (от сотен единиц до десятков тысяч). Это означает, что имеется большое количество временных рядов продаж, требующих периодического удлинения для планирования бюджета и принятия управленческих решений.

В большинстве случаев аналитики компаний решают задачу прогнозирования продаж с помощью простейших средств анализа, которые предоставляет пакет MS Excel (особенно если информация о продажах содержится в таблицах Excel), а также с помощью аналитических модулей СУБД или ERP-систем. Кроме этого особой популярностью пользуется метод экспертных оценок.

Однако подобный подход к прогнозированию продаж обладает рядом недостатков. Во-первых, простейшие методы прогнозирования, которые включены в неспециализированные программные продукты, такие как Excel, для большинства реальных временных рядов продаж просто не работают, давая тривиальные прогнозы. Таким образом, удовлетворительная точность прогнозирования может быть достигнута при использовании специальных аналитических программных пакетов, таких как STATISTICA, или моделей, разработанных «на коленке» самими аналитиками (например, в том же Excel). Такие модели, кстати, могут давать достаточно высокую точность, однако чаще всего они работают только для конкретных рядов, с которыми непосредственно имеет дело аналитик.

Во-вторых, даже при использовании продвинутых методов, позволяющих строить более или менее точные прогнозы, необходима индивидуальная работа с каждым рядом. Это гарантирует высокую трудоемкость работы уже при небольшом ассортименте, хотя вовсе не гарантирует, что высокая точность прогнозирования обязательно будет достигнута. Как следствие, при достаточно большом числе позиций построение прогнозов приемлемой точности для всего ассортимента (или хотя бы для его части) вручную неизбежно требует больших трудозатрат и временных ресурсов.

Альтернативный подход, которого придерживаются во многих крупных компаниях-ритейлерах с ассортиментом товаров в тысячи и десятки тысяч наименований, состоит в использовании специальных модулей для планирования складских запасов и прогнозирования спроса, включенных в состав многих ERP- или SCM-систем. Как показывает практика, точность прогнозов в этом случае оставляет желать лучшего. Однако быстродействие подобных систем вполне приемлемо.

Очевидно, ошибки в прогнозировании спроса ведут либо к чрезмерному наполнению склада, что повышает издержки на хранение продукции, либо к невозможности продать тот или иной товар покупателю из-за отсутствия его на складе, что негативно отражается на лояльности клиента к компании и снижает прибыль.

Ясно, что компания всегда исходит из экономической эффективности бизнес-процессов. Поэтому до некоторого времени не вполне эффективное прогнозирование продаж и планирование складских запасов может устраивать руководство. Однако с ужесточением конкуренции между компаниями (особенно сильно этот процесс наблюдается в секторе розничных сетей), а также с расширением ассортимента продукции, качественное и оперативное прогнозирование спроса становится все более востребованным.

Оптимальным подходом в задаче прогнозирования большого числа временных рядов, по-видимому, является совместное использование оптимизационных алгоритмов автоматического прогнозирования и классических аналитических методов, усовершенствованных и адаптированных под специфику конечной задачи и непосредственно связанным с ней массивом исходных данных.

Последние разработки компании StatSoft Russia, российского представительства StatSoft Inc. (разработчика системы STATISTICA), в области автоматизации процессов прогнозирования, а также неразрывно связанных с ними процессов извлечения, форматирования и чистки данных, а также экспорта прогнозов в БД, воплощены в специальном приложении для прогнозирования продаж - системе Sales-Forecast.

Описание системы Sales-Forecast 

Ядром системы являются современные методы прогнозирования, реализованные в пакете STATISTICA, которые позволяют строить прогнозы временных рядов как на основе их собственной истории, так и с привлечением дополнительных переменных и построением многомерных объясняющих моделей (см. раздел Подход к прогнозированию в пакете STATISTICA).

Для работы системе Sales-Forecast требуются данные о продажах в виде временных рядов. Данные могут быть импортированы из любых форматов электронных таблиц (в том числе MS Excel, Quattro Pro, ASCII и др.), а также из таблиц баз данных, поддерживающих технологию OLE DB (например, MS SQL Server, Oracle и др.).

Специальные процедуры преобразования и чистки данных, импортированных из исходного хранилища, создают таблицу STATISTICA, содержащую все исследуемые временные ряды продаж. Пример такой таблицы приведен ниже:

Рис. 1. Пример таблицы исходных данных 

Пользовательский интерфейс системы Sales-Forecast основан на диалоге с пользователем. Диалоговые окна могут содержать как минимальные настройки, необходимые для быстрого запуска алгоритма прогнозирования, так и более детальные настройки для опытных пользователей.

Стартовое окно системы выглядит следующим образом: 

Рис. 2. Стартовое окно системы SalesForecast 

В системе используются следующие прогностические и аналитические методы:

• спектральный анализ;

• адаптивные методы прогнозирования (экспоненциальное сглаживание);

• модели АРПСС (ARIMA) и АРПСС с интервенциями;

• методы сезонной декомпозиции (Census 1, Census 2);

• нейронные сети.

Окно настроек автоматического прогнозирования для метода экспоненциального сглаживания приведено ниже. 

Рис. 3. Настройки прогнозирования методом экспоненциального сглаживания 

Система в автоматическом режиме перебирает большое число моделей (в данном случае моделей экспоненциального сглаживания), подгоняя их к каждому ряду продаж, и анализирует точность прогнозирования каждой из этих моделей на основе независимой оценки ошибки с помощью метода кросс-проверки. Модель, обеспечивающая наименьшую ошибку прогноза, может быть автоматически принята в качестве основной, и прогноз с ее помощью представлен пользователю.

Горизонт прогнозирования может варьироваться и задаваться как с помощью ручного ввода, так и с использованием встроенного календаря. 

Рис. 4. Задание интервала прогнозирования 

Все результаты анализа и прогнозирования (по умолчанию это таблица и график прогноза) помещаются в рабочую книгу STATISTICA с разделением по различным продуктам. Пример такой рабочей книги приведен на следующем рисунке. 

Рис. 5. Рабочая книга STATISTICA

По окончании обработки выбранных временных рядов формируется общая таблица с прогнозами по всем продуктам, информация из которой может быть выгружена в исходное хранилище.

Кроме того, имеется возможность создания на основе результатов прогнозирования законченных аналитических отчетов, содержимое которых определяет и настраивает пользователь. В отчет помещаются необходимые таблицы и графики, может быть добавлен текст, а также в него могут быть вставлены любые объекты, поддерживающие технологию Active-X. Отчет сохраняется в формате .rtf, .pdf, .html и др., поэтому результаты анализа и прогнозирования можно просматривать за рабочими станциями, на которых система STATISTICA не установлена.

Подход к прогнозированию в пакете STATISTICA

Пакет STATISTICA является комплексным аналитическим инструментом, предназначенным для решения широкого круга различных задач и проведения исследований в самых разных областях применения статистики, например, в промышленности, финансовой сфере, рекламном бизнесе, медицине, социологии и т.д.

Для многих компаний одной из актуальных задач является задача прогнозирования временных рядов и, в частности, временных рядов продаж. Необходимо предвидеть ситуацию, чтобы принимать адекватные меры и решения.

Подробнее о решении задачи Прогнозирования читайте здесь.

Большинство методов модуля Временные ряды и прогнозирование, благодаря объектной модели системы STATISTICA и наличию встроенного языка программирования STATISTICA Visual Basic легли в основу комплексного программного решения Sales-Forecast для автоматического прогнозирования большого количества временных рядов продаж.

Система допускает гибкие настройки формата исходных данных, требований к вычислительным ресурсам, а также сложности и количества используемых моделей. Основное достоинство системы автоматического прогнозирования состоит в том, что все вычисления, связанные с оптимизацией прогностических моделей перекладываются на компьютер. Это, впрочем, никак не исключает возможность внесения аналитиком экспертных поправок. Хотя в большинстве задач вычислительные алгоритмы оказываются значительно более эффективными.

Резюме

Задача как можно более точного и оперативного прогнозирования продаж является одной из наиболее важных для многих компаний (особенно для представителей сектора розничной торговли). И инвестиции в это направление при правильном подходе окупаются очень быстро.

Современные аналитические пакеты (например, пакет STATISTICA) предлагают широкое многообразие методов для анализа и прогнозирования временных рядов продаж. Однако при большом ассортименте продукции подход, при котором рассматривается каждый ряд в отдельности, проводится его детальный анализ и построение прогноза, становится практически не осуществимым.

В связи с этим применяются другие подходы к решению этой задачи. Один из них – использование методов сегментации, часто позволяющих значительно понизить размерность задачи.

Более же перспективным и надежным подходом, по-видимому, является использование программных решений, автоматизирующих процесс построения прогнозов и максимально использующих вычислительные ресурсы компьютера. В этом случае происходит перебор большого числа всевозможных моделей, из которых затем выбирается оптимальная, наилучшим образом описывающая и прогнозирующая временной ряд модель.

Программный продукт такого класса, система Sales-Forecast, создан в компании StatSoft. В его основу легли современные методы прогнозирования, реализованные в пакете STATISTICA. Это решение было внедрено в нескольких компаниях-клиентах и показало высокую точность прогнозирования и приемлемое время проведения вычислений. Это совершенный инструмент снижения трудоемкости и автоматизации решения актуальной задачи прогнозирования продаж.

Видео: Система автоматического прогнозирования Sales-Forecast

---

За более подробной информацией о системе Вы можете обратиться к специалистам StatSoft.

Также рекомендуем Вам ознакомиться с примерами реализованных проектов StatSoft Russia.

info@statsoft.ru         +7 (495) 787-77-33      +7 (499) 674-06-15          STATISTICA 13.3 Trial

Авторские права на дизайн и материалы сайта принадлежат компании StatSoft Russia. Все права защищены.

© StatSoft Russia 1999-2023

StatSoft Russia – компания, зарегистрированная и действующая в соответствии с законами России, которые могут отличаться от законов других стран, имеющих офисы StatSoft. Каждый офис StatSoft является самостоятельным юридическим лицом, имеет право предлагать услуги и разрабатывать приложения, которые могут быть, а могут и не быть представлены в офисах StatSoft других стран. Лицензионное соглашение      Карта сайта