<<

стр. 18
(всего 31)

СОДЕРЖАНИЕ

>>

Однако, несмотря на значимость, минимизацию затрат не следует ставить на первое
место, так как конечной целью является выбор поставщиков, которые могут стать
стратегическими партнерами, начиная со стадии разработки изделия.

Международная дистрибуция

Как фирма начинает планировать международные поставки? В табл. 12.9 приведены
источники поставок (фирмы, производящие изделия или услуги) и посредники. Если
фирма еще не имеет опыта прямых закупок, то для выхода на международный рынок
лучше привлечь посредников. Кратко прокомментируем каждый из этих источников.

Таблица 12.9. Формы международных каналов распределения

Преимущества Недостатки
Посредники
Дистрибьюторы
Являются самыми дорогими
Покупают и перепродают Решают культурные,
источниками; покупатель оплачивает
товары. Принимают заказы коммерческие и технические
прибыль и накладные расходы как
и платежи. Предоставляют задачи. Если доставка в США,
производителя, так и дистрибьютора.
гарантийные обязательства. то оплата в долларах, условия
Часто оплата совершается в
Могут предлагать обучение оплаты — стандартные. Легко
иностранной валюте. Условия оплаты
клиентов устраняются дефекты
— аккредитив
Представители
изготовителя
Принимают заказы от Оплата в иностранной валюте. Для
имени источника; за услуги Решают культурные, зарубежной компании условия
получают комиссионные. коммерческие и технические оплаты — аккредитив. Не несут
Могут обеспечивать задачи. Их услуги обычно никакой гарантийной
техническую и дешевле, чем дистрибьюторов ответственности и практически не
коммерческую поддержку занимаются исправлением дефектов
Брокеры
Наименее дорогие
За вознаграждение сводят Несут наименьшую ответственность
посредники. Оказывают
вместе заинтересованные за источник или изготовление
широкий спектр услуг. Могут
стороны для совершения продукции, за выполнение гарантий.
иметь тесные контакты в
сделок (транзакций). Оказывают слабую техническую
промышленности.
Диапазон услуг очень поддержку. Оплата в иностранной
Большинство из них готовы
широк валюте, возможен аккредитив
вести переговоры
Торговые компании
Связи по всему миру, самый Обычно это дорогостоящая
Широкий диапазон видов широкий круг источников альтернатива. Большинство
деятельности: брокерство, снабжения. Обладают предпочитает торговать на уже
представительство, большим опытом и существующих рынках или создавать
дистрибуция, программный возможностями. Практически рынок для новой продукции, а не
менеджмент отсутствуют культурные и заниматься индивидуальными
языковые проблемы запросами. Из-за низкого масштаба

530
производства большинство
покупателей имеют незначительный
выигрыш
Главные источники
Большие транснациональные корпорации
Большая часть
Высокий потенциал;
международного бизнеса.
возможность выигрыша от
Могут предпочесть новых
экономии на масштабе. Из-за масштаба немногие покупатели
клиентов через
Хорошая поддержка, имеют выигрыш. Отсутствие выгод
дистрибуцию или
обучение, обеспечение при закупках через американские
американские дочерние
гарантии. Практическое дочерние компании
компании, которые нельзя
отсутствие культурных и
рассматривать как
языковых барьеров
офшорный источник
Производители среднего
масштаба
Подавляющее большинство
возможных источников.
Государственные или Низкие издержки при
частные организации. приемлемом уровне риска. Необходимость в преодолении
Большинство уже Наличие возможностей для культурных и языковых барьеров.
занимаются экспортом. тесных долгосрочных Иностранная валюта, аккредитив
Могут иметь взаимоотношений
представительство США в
бюро по связям
Небольшие
специализированные фирмы
Обычно частные и
принадлежащие одному
Самые низкие издержки. Наиболее вероятно наличие
человеку фирмы. Обладают
Возможность оказания услуг с культурных и языковых проблем.
ограниченными
учетом индивидуальных Покупатель несет ответственность за
возможностями, обычно
пожеланий и требований фрахт (транспортировку), сделку.
оказывают одну услугу или
потребителя Иностранная валюта, аккредитив
выполняют один
технологический процесс
Не имеющие выхода на
рынок (внутрифирменный)
Филиалы или
При доступности могут быть Обычно не желают или препятствуют
субподрядчики,
очень дешевыми и получению прямых заказов. Наличие
контролируемые более
дисциплинированными в дополнительных издержек в случае
крупными фирмами через
плане качества и выполнения использования таких фирм через
инвестиции или
заказов в срок головную компанию
невыгодные закупки
Источник. Thomas К. Hickman and William M. Hickman, Jr., Global Purchasing: How to Buy Goods
and Serveces in Foreign Markets (Homewood, IL: Business One Irwin, 1992), p. 58-59. Перепечатано с
разрешения McGraw-Hill Companies.




531
Компания Campbell использует систему, которую называет "непрерывным пополнением товаров"
(Continuous Product Replenishment— CPR). В магазин розничной торговли продуктами питания
продукция компании Campbell поступает с завода для пополнения запасов по мере того, как
покупатели разбирают товар, причем в том же количестве, в каком куплен товар. CPR
осуществляется с помощью системы электронного заказа, управляемой компанией Campbell, что
освобождает от этой проблемы розничную торговлю. Стабильное производство, поддерживающее
определенные уровни запасов, ведет к финансовой эффективности всех звеньев снабженческой
цепи.

Дистрибьютор обычно имеет в продаже широкий ассортимент товаров
производителя и эксклюзивные права на их продажу на определенной территории. В
слаборазвитых странах эти права широко варьируются.
Представитель производителя не имеет в продаже ассортимента товаров, но это
продавец, получающий комиссионные. Обычно представители производителя имеют
эксклюзивные права или на определенной территории, или на определенную категорию
потенциальных клиентов. Главная задача брокера — свести вместе потенциальных
покупателей и поставщиков, хотя брокеры могут предлагать и другие дополнительные
услуги. Торговые компании предоставляют разнообразные услуги, даже финансовые и
маркетинговые. При необходимости они могут оказывать покупателю или поставщику
техническую помощь.
Главные источники (снабжения) — это производители. Если фирма имеет опыт в
международных закупках, ей лучше работать напрямую с главным источником, а не через
посредника. Это не только дешевле, но и уменьшает риск сбоя в поставках. Из главных
источников поставок (крупные транснациональные компании, производители среднего
размера, небольшие специализированные фирмы и фирмы, не имеющие выхода на рынок)
лучше всего выбирать небольшие специализированные фирмы. При работе с мелкими
компаниями могут возникнуть проблемы коммуникаций, транзакций и транспортировки,
но при хорошо налаженных связях для поставки достаточно и мелких компаний.


Потоки электронной информации в снабжении

Снабженческая цепь связывает вместе все этапы — от поставки сырья и
производства товаров до передачи их потребителю. Некоторые действующие системы
(например, MRP — система планирования материальных потребностей) "выталкивают"
изделия потребителю, другие "вытягивают" их (производство "точно в срок"). Однако во
всех случаях частота и скорость прохождения информации по цепи оказывает сильное

532
влияние на уровень материальных запасов, эффективность, затраты и т.д. Быстро
развивающейся областью, призванной решить эти проблемы, является электронный
информационный поток.
Консалтинговая компания Grant Thornton LLP ежегодно проводит опросы
промышленников. Последние исследования показали быстрый рост электронного обмена
данными (Electronic Data Interchange — EDI)13. Установлено, что 53% производителей
среднего масштаба обмениваются информацией со своими потребителями электронным
способом, в основном чтобы обработать заказы на изделия, выставить счет и условия
транспортировки. В 55% случаев потребители начинают с электронного обмена, хотя 23%
считают, что снабжение происходит по взаимному согласию. Только 19% предприятий
предложили EDI своим потребителям. Большинство (70%) считает, что "безбумажные"
электронные коммуникации выгодны обеим сторонам.
13
The Seventh Annual Grant Thornton Survey of American Manufacturers Report (1996). Ha Web-сервере
компании Grant Thornton приведено много дополнительной ин- ' формации об управлении снабжением (http:
//www.gt. com).

Существует много сфер применения EDI. В дальнейшем мы сделаем обзор
применения EDI в розничной торговле, например в универмагах и супермаркетах. Для
обозначения безбумажной коммуникации между розничными торговцами и
поставщиками были введены термины "быстрое реагирование на спрос" (Quick Response
— QR) и "эффективное реагирование на запросы потребителя" (Efficient Consumer
Response — ECR). Благодаря использованию открытых компьютерных систем,
работающих с программным продуктом Windows компании Microsoft, коммуникации
значительно улучшились, но у систем EDI, QR и ECR еще есть большие перспективы.

Быстрое реагирование

Количество программ, обеспечивающих реализацию метода быстрого
реагирования, сильно возросло. Исследования Делуата (Deloitte) и Туше (Touche)
показывают, что 68% розничных торговцев уже используют или планируют использовать
QR14. Быстрое реагирование основано на сканировании штрих-кода и EDI. Целью этого
метода является создание системы пополнения запасов "точно в срок" между
поставщиками и розничными торговцами.
14
"Quick Response Grows", Chain Store Age Executive, May 1993, p. 158—159.

Фактически все средние и крупные склады используют для сканирования штрих-код
под названием Универсальный код изделия (Universal Product Code — UPC). 90%
респондентов отметили, что они используют сканирование по принципу точка продажи
(Point-Of-Sale — POS) на кассовом аппарате, который одновременно осуществляет другой
принцип — поиск цены (Price-Look-Up — PLU).

Эффективное реагирование на запросы потребителя
Эффективное реагирование на запросы потребителя (Efficient Consumer Response
— ECR) — это вариация быстрого реагирования (QR) и электронного обмена данными
(EDI), принятая в индустрии супермаркетов в качестве бизнес-стратегии, когда
дистрибьюторы, поставщики и продавцы тесно взаимосвязаны для того, чтобы доставить
товары к потребителям. Они могут использовать штрих-код и EDI. При этом возможна
экономия за счет уменьшения издержек в снабженческой цепи и сокращения товарных
запасов.
Исследование ассоциации Kurt Salmon оценивает потенциальную экономию систем
ECR в 30 миллиардов долларов15. В секторе сухих бакалейных товаров это позволило бы

533
уменьшить дневные запасы со 104 дней до 61 дня. В исследовании, проведенном Мак-
Кенси (McKinsey), установлено, что цены на сухие и бакалейные товары можно снизить в
среднем на 10,8% благодаря повсеместному применению ECR16.
15
James Aaron Cooke, "The $30 Billion Promise", Traffic Management, December 1993, p. 57-61.
16
David B. Jenkins, "Jenkins Leads EDI Effort", Chain Store Age Executive, March 1993, p. 147.

Без ECR производители "выталкивают" товары на рынок, постоянно или несколько
раз в году предлагая посредникам большое количество товара по низким ценам. Это
называется форвардной закупкой. Посредник затем работает с супермаркетом, предлагая
премиальные купоны, чтобы стимулировать потребителей купить товар во время
проведения рекламной кампании производителя. Непроданный товар складируют для
передачи их в супермаркет при следующей рекламной кампании производителя.
ECR делает акцент на потребителях, а не на производителях. Покупая товары,
клиенты "вытягивают" их через магазины и систему снабжения. Это позволяет иметь в
системе небольшие товарные запасы.
Дж. А. Кук (James Aaron Cooke) провел исследование, которое установило, что
дистрибьюторы закупают 80% товаров во время распродаж, устраиваемых
производителями, или во время так называемых "сделок" (Deals). Они могут покупать
четыре раза в год и забивать товаром все свои склады. Пока промышленность не
освободится от этой приверженности к большим закупкам, все методы текущего
пополнения запасов не будут иметь никакого значения17. Большинство экспертов
предсказывают, что торговля после 2000 года будет придерживаться философии ECR. К
этому готовятся все компании.
17
James Aaron Cooke, "The $30 Billion Promise", Traffic Management, December 1993, p. 57-61.

Информационная система фирмы Wal-Mart

Компанию Wal-Mart удостоили награды за спутниковую сеть, которая впервые была
введена в действие в 1987 году. Эта сеть поддерживает данные, в том числе аудио и видео,
предоставляет информацию о товарных запасах, а также позволяет вести электронную
торговлю в реальном времени.
Электронный обмен данными фирмы Wal-Mart, введенный в действие в 1990 году,
обеспечивает прием электронных заказов на товары и получение счетов практически ото
всех поставщиков Wal-Mart.
Линия связи розничной торговли Wal-Mart, введенная в действие в 1991 году,
позволяет поставщикам получать прямой доступ в реальном времени к данным с точек
продаж (Point-To-Sale — POS). Это дает возможность поставщикам делать достоверные
прогнозы и лучше управлять материальными запасами. Подобные данные поступают
непосредственно от кассовых аппаратов магазинов, поэтому они отражают ситуацию в
реальном времени. Для ведения переписки в этой системе снабжения, т.е. составления
графиков, платежей и т.п., используют возможности электронной почты (E-mail).
Используя такую систему и данные с "точек продаж", можно договориться с
крупными поставщиками, чтобы они принимали решения о закупках через фирму Wal-
Mart. Они имеют прямой доступ к данным с "точек продаж" и создают свои заказы на
закупку. Фирма Wal-Mart пытается использовать метод EDI в международном масштабе,
но пока в этом направлении достигнут небольшой прогресс18.
18
Going Beyond EDI: Wal-Mart Cited for Vendor Links", Chain Store Age Executive. March 1993, p. 150-151.




534
Резюме

В производстве две трети суммы затрат на изготовление изделий составляют
расходы на закупаемые материалы. Поэтому управлению снабжением и функциям
закупок отведена важная роль и они имеют высокий организационный уровень.
В данной главе мы постарались показать многочисленные изменения, произошедшие
в этой области. Вероятно, самой важной является тенденция к использованию аутсорсинга
и мировых поставщиков. Поставщики разных стран не только конкурируют между собой,
используя маркетинговые исследования, но их, в свою очередь, тщательно отбирают
покупатели в поисках низких издержек и надежных источников снабжения.
Управление снабженческой цепью все в большей мере перемещается к продавцу.
Контракты по закупкам товаров теперь связаны с графиками поставок. В главе также
затронут ряд вопросов, касающихся закупок и поставок по системе "точно в срок".
Применение электронного обмена информацией сместило основную часть работы по
закупкам в сторону поставщика благодаря прямому доступу к данным в "точках продаж"
и расширению возможностей прогнозирования поставок продукции. Возникающие при
этом взаимосвязи обещают быть долгосрочными и, что еще важнее, позволяют проводить
отбор поставщиков.


Вопросы для контроля о обсуждения

1. Какие недавние изменения в экономике привели к повышению роли управления
цепью снабжения и закупок?
2. Используя данные из текста этой главы, охарактеризуйте профессиональные
качества менеджера по закупкам и его работу.
3. Как фирма отбирает потенциальных поставщиков?
4. Какие характеристики поставщика самые важные для покупателя?
5. Что означают стратегические партнерские отношения между покупателем и
поставщиком?
6. Поставщики, работающие по системе JIТ, сталкиваются с дополнительными
сложностями, которых нет у обычных поставщиков. Что это за сложности?
7. Небольшие фирмы-поставщики не могут конкурировать с крупными фирмами при
получении заказов на поставки по системе JIТ. Правильно ли это утверждение?
Прокомментируйте.
8. Почему компания выбирает зарубежных поставщиков, не обращая внимания на
широкие возможности закупок в США? Обсудите все "за" и "против".
9. Какие преимущества или недостатки имеют закупки у единого поставщика по
сравнению с закупками у нескольких поставщиков?
10. Какие профессиональные черты важнее всего для агента по закупкам?
11. В настоящее время вы сотрудничаете со многими поставщиками для закупки
каждого наименования товара. Как вы выберете из них того, который должен стать вашим
единственным поставщиком на долгосрочной основе?
12. Если вы поставщик, то какие важные факторы вам следует учесть по отношению
к вашему покупателю (вашему потенциальному потребителю) для установления с ним
долговременных взаимоотношений?
13. Относительно электронного информационного потока кратко охарактеризуйте
EDI, метод быстрого реагирования (QR), эффективное реагирование на запросы
потребителей (ECR) и данные с "точек продаж" (POS). Как они помогают
функционировать каждой системе снабжения?

535
14. "JIТ-закупки — это не что иное, как уловка, чтобы переложить бремя
материальных запасов на плечи поставщиков". Прокомментируйте это утверждение.
15. Приведите различия между "выталкивающей" и "вытягивающей" системами
распределения. Укажите преимущества и недостатки каждой.
16. Какой вы получили бы результат, если бы конкурирующая фирма предложила
вам аналогичные услуги, но на 10% дешевле, чем фирма Federal Express? Воспользуйтесь
данными из табл. 12.2.


Задачи

1. Фирма PCQ Inc. установила три следующих критерия для выбора одного
поставщика из трех претендентов: выполнение, потенциал и качество. Методом
аналитической иерархической процедуры, используя следующие матрицы, определите
лучшего поставщика.

Попарное сравнение оценочных критериев
Совершенство Потенциал Качество
Совершенство 1 1/3 1/5
Потенциал 3 1 4
Качество 5 1/4 1

Попарное сравнение поставщиков
Совершенство S1 S2 S3
1 3 4
S1
1/3 1 3
S2
1/4 1/3 1
S3
Потенциал S1 S2 S3
1 1/5
S1 2
1/2 1 1/2
S2
5 2 1
S3
Качество S1 S2 S3
1 1/5 1/4
S1
5 1 2
S2
4 1/2 1
S3

2. CAQ Inc. решила использовать аналитическую иерархическую процедуру для
выбора одного поставщика среди трех претендентов, приняв такие критерии: издержки,
доступность и качество. Используйте следующие матрицы для решения этой задачи
фирмы CAQ Inc.

Попарное сравнение оценочных критериев
Издержки Доступность Качество
Издержки 1 1/3 0,2
Доступность 3 1 1/3
Качество 5 3 1

536
Попарное сравнение поставщиков
Издержки S1 S2 S3
1 1/2 1/4
S1
2 3
S2 1
4 1
S3 1/3
Доступность S1 S2 S3
1 3
S1 5
1/5 2
S2 1
1/3 1/2 1
S3
Качество S1 S2 S3
1 1/4 1
S1
4 1 3
S2
1 1/3 1
S3

3. Вычислите грузовую стоимость изделия при использовании Express Mail (поставка
в течение одной ночи) и Parcel Post (поставка в трехдневный срок) для отправки груза из
Пеории, штат Иллинойс, в Мемфис, штат Тен-неси. В нижеприведенной таблице указаны
соответствующие издержки. Примите, что стоимость хранения запасов составляет 25% в
год от стоимости изделия и в году 365 дней.

Транспортные расходы из Пеории в Мемфис, в долларах

Вес Издержки при поставке за одну Издержки при поставке в течение
(в фунтах) ночь трех дней
2 15,00 2,87
3 17,25 3,34
4 19,40 3,78
5 21,55 4,10
6 25,40 4,39
7 26,45 4,67
8 27,60 4,91
9 28,65 5,16



Ситуация для анализа

Компания Thomas Manufacturing

— Поставка отливок модели 412 для нас весьма критична. Мы не можем останавливать
производство из-за этой отливки каждый раз, когда у вас появляются даже незначительные
проблемы с формами, — говорит м-р Литт, инженер компании Thomas Manufacturing.
— Меня волнует текущий брак, — отвечал м-р Джеймс, представитель литейной компании
А&В Foundry. — Я не могу тратить время на эти отливки, в то время как другая работа
простаивает.
— Если вы не можете изготовить их вовремя и надлежащим образом, я вынужден буду
передать наш заказ на другой литейный завод, который сможет это сделать, — резко ответил м-р

537
Литт.
— Пожалуйста, действуйте! Все в ваших руках. У меня масса другой работы с меньшей
головной болью, — ответил м-р Джеймс.
М-р Литт вернулся на свою фирму с отливочной моделью 412. (Модель используют при
изготовлении отливочных форм для серого чугуна. После охлаждения форму разламывают,
освобождая отливку.) Он вспомнил, что м-р Данн, вице-президент по производству компании
Thomas Manufacturing (рис. 12.5), несколько месяцев назад получил часть отливок от другого
литейного завода в Доусоне. Оказалось, что этот завод имеет все необходимое для изготовления
такой отливки.
К удивлению м-ра Литта, м-р Данн не обрадовался тому, что модель 412 вернулась на завод.
М-р Данн лично связался с заводом в Доусоне, где ему ответили, что не смогут принять заказ на
эту работу, так как он требует реконструкции, что займет шесть месяцев. Найти другого
поставщика было трудно. Большинство литейных заводов брались за изготовление сложной
отливки только в том случае, если заказ на сложную отливку размещался бы одновременно с
крупным заказом на простые отливки.
М-р Данн знал, что мощности цеха по отливке серого чугуна загружены полностью. Нужно
самим специализироваться на литье или закрывать это производство. М-р Данн собрал данные о
предприятиях по выпуску отливок из серого литейного чугуна, расположенных в радиусе 500
миль от его завода (табл. 12.10), которые обозначили основные проблемы. В радиусе 60 миль от
завода фирмы Thomas Manufacturing находилось три литейных завода. Thomas Manufacturing
имела дело с одним из заводов до 12-месячной забастовки на нем. После этого Thomas
Manufacturing разместила большинство своих заказов по отливкам на заводе фирмы А&В. Кроме
того, м-р Данн случайно разместил один заказ на заводе в Доусоне и обратился с просьбой
установить постоянную квоту для их компании. В последние четыре года сотрудничество с
компанией А&В развивалось успешно. М-р Данн планировал продолжать сотрудничество с этими
двумя литейными заводами. До настоящего времени завод компании А&В изготавливал
продукцию отличного качества по той же цене, что и завод в Даусоне.
После телефонного звонка в компанию А&В м-р Данн понял, что м-р Джеймс непреклонен в
своем решении отказать им в выполнении заказа.

Таблица 12.10. Данные по литейным заводам, расположенным в радиусе 500 миль от за-веда
компании Thomas Manufacturing

А. Отгрузка произведенной продукции

Серый чугун (коммерческие отливки) Количество Стоимость

За прошлый год 280 тыс. тонн 65 млн. долл.
За текущий год 243 тыс. тонн 54 млн. долл.
В. Динамика числа литейных заводов в десятилетнем периоде

140 133 131 134 137 134 134 128 126 116 (Текущий год)




538
Рис. 12.5. Организационная структура компании Thomas Manufacturing
Отливка 412
Компания Thomas Manufacturing является производителем портативных электрогенераторов
с объемом продаж в 6 миллионов долларов. На современном заводе компании работают около 160
человек. Большая часть этих небольших генераторов энергии продавалась по всей Северной
Америке.
Отливка модели 412 была одной из деталей генератора. Отливка весила 35 кг и ее стоимость
составляла примерно 60 долларов. Отливочная форма для ее изготовления стоила 8 тысяч
долларов. Для стабильной работы требовалось 100 отливок в месяц, и компания Thomas
Manufacturing обычно ежемесячно их получала. Модель 412 составляла примерно 15% от общего
числа отливок, необходимых компании.
Нормальное время выполнения заказа составляло не меньше восьми недель. На случай
возникновения проблем с поставками Thomas Manufacturing имела шестинедельный запас этих
отливок.
М-р Литт, ответственный за литье, объяснил, что форма отливки сложная, но, так как без
этой детали невозможно производство, работу надо было выполнять. В принципе, литейщик безо
всяких проблем мог бы вручную сделать 50 отливок за два дня.

Вопросы

1. Какие альтернативы открывались перед м-ром Данном, чтобы предотвратить
прекращение выпуска популярного генератора?
2. Как вы считаете, может ли м-р Литт принять решение об изготовлении отливки модели
412 на собственном производстве?
3. Исходя из приведенных данных выясните, имеет ли компания Thomas Manufacturing
какой-либо выигрыш от сотрудничества с литейными заводами?
Источник. M.R. Leenders, H.E. Fearon and W.B. England, Purchasing and Materials
Management, 7th ed. (Homewood, IL: Richard D. Irwin, 1980), p. 50-53.


Основная библиография

Laura M. Birou and Stanley E. Fawcett, "International Purchasing: Benefits, Requirements,
and Challenges", International Journal of Purchasing and Materials Management, Spring 1993,
p. 28-37.
David N. Burt and Michael F. Doyle, The American Keiretsu: A Strategic Weapon for
Global Competitiveness (Homewood, IL: Business One Irwin, 1993).
Ellen J. Dumond, "Moving Toward Value-Based Purchasing", International Journal of
Purchasing and Materials Management, Spring 1994, p. 3—8.
Harold E. Fearon, Donald W. Dobler and Kenneth H. Killen, The Purchasing Handbook,
th
5 ed. (New York: McGraw-Hill, 1993).
539
Harold E. Fearon and Michiel R. Leenders, Purchasing's Organizational Roles and
Responsibilities (Tempe, AZ: Center for Advanced Studies/National Association of Purchasing
Management, 1995).
LeRoy H. Graw and Diedre M. Maples, Service Purchasing. What Every Buyer Should
Know (New York: Ban Nostrand Reinhold, 1994).
Chan K. Hahn, Charles A. Watts and Kee Young Kim.
"The Supplier Development Program", Journal of Purchasing and Materials Management,
Spring 1990, p. 2—7.
Thomas K. Hickman and William M. Hickman, Jr., Global Purchasing. How to Buy Goods
and Services in Foreign Markets (Homewood, IL: Business One Irwin, 1992).
Michiel R. Leenders and Harold E. Fearon, Purchasing and Supply Management, 11th ed.
(Burr Ridge, IL: Richard D. Irwin, 1997).
Randy Meger, "Suppliers — Manage Your Customers", Harvard Business Review,
November—December 1989, p. 160— 168.
Eugene W. Muller, Job Analysis: Identifying The Tasks of Purchasing (Tempe, AZ: Center
for Advanced Purchasing Studies, 1992).
Richard E. Plank and Valerie Kijewski, "The Use of Approved Supplier Lists",
International Journal of Purchasing and Materials Management, Spring 1991, p. 3—41.
Charles C. Poirier and Stephen E. Reiter, Supply Chain Optimization: Building the
Strongest Total Business Network (San Francisco: Berrett-Koehler Publishers, 1996).
John Ramsey, "The Myth of the Cooperative Single Source", Journal of Purchasing and
Materials Management, Winter 1990, p. 2-5.




540
ГЛАВА 13 Прогнозирование



В этой главе...
Управление спросом
Виды прогнозирования
Компоненты спроса
Качественные методы прогнозирования
Анализ временных рядов
Каузальное (причинное) прогнозирование
Выбор метода прогнозирования
Фокусирующее прогнозирование
Компьютерное прогнозирование
Резюме


Ключевые термины

Анализ временных рядов (Time Series Analysis)
Групповое согласие (Panel Consensus)
Зависимый спрос (Dependent Demand)
Исследование рынка (Market Research)
Константа сглаживания (Smoothing Constants Alpha)
"Корни травы" (Grass Roots)
Метод Дельфи (Delphi Method)
Мнение руководства (Executive Judgement)
Независимый спрос (Independent Demand)
Причинная (каузальная) связь (Causal Relationship)
Прогнозирование на основе линейной регрессии (Linear Regression Forecasting)
Сезонный фактор (Seasonal Factor)
Скользящее среднее (Moving Averages)
Спрос, очищенный от сезонных колебаний (Deseasonalization of Demand)
Среднее абсолютное отклонение (Mean Absolute Deviation)
Трекинг (Tracking Signal)
Трендовый эффект (Trend Effect)
Фокусирующий прогноз (Focus Forecasting)
Экспоненциальное сглаживание (Exponential Smoothing)

Ресурсы WWW

Tech Web (http://www.techweb.com)



Масштаб и мощность баз данных компании Wal-Mart имеют огромное влияние в
индустрии информатики. С объемом данных свыше 7 Тбайт на двух быстрорастущих
системах NCR Wal-Mart управляет одним из самых крупных хранилищ данных. Теперь,
применяя новую прикладную программу извлечения информации из массивов данных,
розничный торговец сможет лучше использовать такие системы для пополнения товарных
запасов на складах.
541
Формула успеха компании Wal-Mart — получение информации о нужном продукте
по самой низкой цене, обязывает ко многому, а именно к многомиллионным инвестициям
в хранилище данных. " Wal-Mart может предоставить более конкретную информацию, чем
большинство ее конкурентов, относительно продукции, хранения, сроков поставки и т.д. и
действует исходя из этого, — говорит Ричард Уинтер, консультант по базам данных в
Бостоне. — Эта программа обладает удивительными возможностями".
Кроме двух терабайтовых баз данных NCR, которые обрабатывают большинство
приложений поддержки принятия решений, компания имеет данные объемом 6 Тбайт на
мэйнфреймах (больших ЭВМ) фирм IBM и Hitachi и 500 Гбайт на сотнях серверов,
которые работают на основе базы данных OnLine Dynamic Server компании Informix. Wal-
Mart разработала собственное промежуточное программное обеспечение для управления
системными приоритетами. "Мы все время предоставляем право на 100%-ное
использование базы данных", — говорит Рик Дэлзел, вице-президент по разработке
прикладного программного обеспечения.
В таких системах содержатся данные по точкам заказа, товарным запасам,
перемещению товаров, рыночной статистике, демографической информации о
потребителях, финансам, доходам от реализации продукции и по выполнению поставок.
Данные используют в трех направлениях: анализ трендов, управление запасами и
изучение запросов клиентов. Вследствие этого приобретают "черты индивидуальности"
каждая из 3000 (или около того) торговых точек компании Wal-Mart, которые
используются менеджерами компании для определения ассортимента товаров и
презентации каждого магазина.
Извлечение информации из массивов данных означает, что Wal-Mart начинает
выгружать прикладную программу прогнозирования спроса, основанную на программном
обеспечении нейронной сети и компьютере с четырьмя тысячами процессоров компании
Neo Vista Solutions Inc. из Купертино, штат Калифорния. Прикладная программа
"рассматривает ассортимент товаров во всех магазинах, чтобы установить сезонную
структуру продажи каждого товара", — говорит г-н Дэлзел. Система Neo Vista хранит
заслуживающие внимания годовые данные о продажах 100 тысяч наименований изделий и
прогнозирует потребность каждого магазина в конкретном товаре.
В дальнейшем компания Wal-Mart планирует расширить использование анализа
потребительской корзины. Данные будут собираться по отдельным видам товаров,
которые включат совокупные закупки покупателей, и таким образом компания сможет
проанализировать взаимосвязь и структуру закупок. Г-н Дэлзел говорит, что этот проект
сможет в конечном счете утроить размер хранилища данных компании Wal-Mart.
Компания Wal-Mart через Всемирную паутину (Web) обеспечивает доступность
данных для своих менеджеров магазинов и поставщиков. За день к этой базе данных
обращаются 3500 пользователей, которые делают до 10 тысяч запросов. Предполагается,
что это количество удвоится.

" Wal-Mart позволяет целой армии людей пользоваться базой данных при принятии
тактических решений", — говорит консультант Ричард Уинтер.
"Влияние Wal-Mart огромно".
Источник. John Foley, Tech Web, December 9, 1996. Web-узел Tech Web расположен
по адресу http://www.techweb.com

Прогнозы жизненно необходимы для каждой коммерческой организации и для
каждого значительного управленческого решения. Прогнозирование служит базисом
корпоративного долгосрочного планирования. В сфере финансов и бухгалтерии прогнозы
являются основой бюджетного планирования и контроля затрат. Маркетинг опирается на
прогнозирование продаж при планировании новых видов продукции, поощрении
персонала в сфере торговли, а также при принятии других ключевых решений.

542
Производственный и операционный персонал использует прогнозы как для принятия
стратегических решений, таких как выбор технологического процесса, планирование
производственных мощностей и размещение оборудования, так и для решения текущих
вопросов планирования производства, составления календарных планов и планирования
материальных запасов.
Следует помнить, что идеальный прогноз обычно невозможен. Слишком много
факторов, влияющих на экономическую деятельность, нельзя предвидеть со всей
определенностью. Поэтому не следует искать идеальный прогноз, важнее ввести в
практику постоянную корректировку прогнозов и научиться жить с неточными
прогнозами. Это, однако, не означает, что надо отказаться от совершенствования модели
или методологии прогнозирования. В разумных пределах следует стремиться к поиску и
использованию наилучшего доступного метода прогнозирования.
При прогнозировании целесообразно использовать два или три метода и
рассматривать их с точки зрения здравого смысла. Наблюдаются ли в общей
экономической деятельности изменения, которые окажут влияние на прогноз? Есть ли
изменения в поведении промышленных и частных потребителей? Будет ли наблюдаться
дефицит необходимых комплектующих? Постоянный пересмотр и корректировка
прогнозов в свете новых данных — это залог успешного прогнозирования. В этой главе
будут рассмотрены качественное и количественное прогнозирование, но, главным
образом, внимание будет уделено нескольким количественным методам анализа
временных рядов. Более подробно будут рассмотрены метод скользящего среднего,
линейная регрессия, тренды, сезонные колебания (включая устранение их влияния) и
фокусирующее прогнозирование. Обсуждаются также источники ошибок и их
вычисление.


Управление спросом

Цель управления спросом состоит в координации и контроле всех источников спроса
для эффективного использования производственной системы и своевременной поставки
продукции.
Как формируется спрос на продукцию или услуги фирмы и как фирма может влиять
на спрос? Существуют два основных источника — зависимый и независимый спрос.
Зависимый спрос — это спрос на изделие или услугу, вызванный спросом на другие
изделия или услуги. Например, если фирма продает 1000 трехколесных велосипедов, то
для производства этого количества велосипедов ей необходимы 1000 передних и 2000
задних колес. Этот тип спроса не требует прогноза, следует просто составить таблицу. Что
касается возможного объема продажи трехколесных велосипедов, то это будет
независимый спрос, так как в этом случае спрос на изделие может не зависеть от спроса
на другие изделия1. Тема зависимого и независимого спроса более полно будет раскрыта в
главах 15 и 16.
1
В дополнение к зависимому и независимому спросу существуют и другие взаимосвязи между товарами,
например через комплектующие и сопутствующие им причинные связи, т.е. спрос на один вид товара
вызывает спрос на другой.

По отношению к зависимому спросу у фирмы мало возможностей, чтобы
предпринять какие-либо действия. Но что касается независимого спроса, то фирма при
желании может сделать многое.
1. Занять активную позицию, чтобы оказать влияние на спрос. Фирма может влиять
на свой торговый персонал, поощрять как клиентов, так и собственный персонал, может
проводить кампании распродажи товаров и снижать цены. Такие действия увеличивают
спрос. И наоборот, спрос можно уменьшить, подняв цены или ослабив усилия по
543
продвижению товара.
2. Занять пассивную позицию и просто реагировать на спрос. Существует
несколько причин для пассивной позиции фирмы, когда она просто принимает
происходящие события, не пытаясь изменить спрос. В частности, фирма не стремится
проводить мероприятия по повышению спроса, если она работает на полную мощность.
Из других причин следует указать: фирма не в силах изменить спрос из-за дорогой
рекламной кампании; рынок может быть статическим и фиксированным по объему; спрос
находится вне контроля компании. Существуют и другие причины пассивного отношения
к рыночному спросу: конкурентные, правовые, этические, моральные, а также связанные с
охраной окружающей среды. Координировать управление таким независимым и
зависимым, активным и пассивным спросом сложно. Эти виды спроса берут начало из
внутренних и внешних источников в форме продажи изделия нового наименования,
ремонта деталей для уже проданных изделий при обслуживании изделия, пополнения
запасов из фабричных складов и поставок комплектующих для производства. В этой главе
основное внимание будет уделено независимому спросу.


Виды прогнозирования

Прогнозирование можно разделить на четыре основных вида: качественное, анализ
временных рядов, анализ причинных (каузальных) связей и моделирование.
Качественные методы основаны на субъективных оценках и мнениях. В основе
анализа временных рядов, главной темы данной главы, лежит идея, что данные,
относящиеся к спросу в прошлом, можно использовать для прогнозирования будущего
спроса. Данные по спросу в прошлом могут включать несколько компонентов, таких как
тренды, сезонные или циклические колебания (описаны в следующем разделе
"Компоненты спроса"). Причинное прогнозирование, которое мы рассмотрим, используя
метод линейной регрессии, предполагает, что спрос связан с некоторыми
основополагающими факторами окружающей среды. Моделирование позволяет
прогнозисту бегло просмотреть ряд допущений, касающихся условия прогноза. В табл.
13.1 представлены характеристики каждой из четырех основных моделей
прогнозирования. В этой главе будут рассмотрены первые четыре метода анализа
временных рядов, представленные в таблице, и первая причинная модель.


Компоненты спроса

В большинстве случаев спрос на продукцию или услуги можно разбить на шесть
компонентов: средний спрос за определенный период, тренд, сезонные колебания,
циклические колебания, случайные выбросы и автокорреляция. На рис. 13.1 представлено
изменение спроса за четырехлетний период с трендом, сезонными колебаниями и
разбросом значений вокруг сглаженной кривой спроса.
Циклические колебания определить сложно, так как цикл может быть неизвестен
или причину цикла невозможно установить. Циклическое влияние на спрос может
исходить от таких факторов, как политические выборы, война, экономические условия
или социологические процессы.
Случайные изменения вызваны непредсказуемыми событиями. Если из общего
спроса удалить все статистические компоненты (среднее значение, тренды, циклические
колебания и автокорреляцию), остается только необъяснимая составляющая спроса. Если
невозможно идентифицировать причину этой составляющей, то принимают, что она
относится к чисто случайным факторам.


544
Таблица 13.1. Методы прогнозирования и общеупотребительные модели

I. Качественные
Субъективные; оценочные. Основаны на оценках и суждениях
методы
Составляется прогноз методом сбора исходных данных у особ,
находящихся внизу иерархической лестницы, т.е. у тех, кто связан с
"Корни травы" объектом прогноза. Например, полный прогноз рынка сбыта можно
дать, объединив исходные данные, полученные от каждого продавца,
обслуживающего определенную территорию
Заключается в сборе данных различными методами (опросы, интервью
и т.п.) для проверки гипотезы о рынке. Обычно этот метод используют
Исследование рынка
при долгосрочном прогнозировании и прогнозе продаж новых видов
товаров
Прогноз основан на свободном открытом обмене мнениями на
совещаниях. Идея состоит в том, что групповое обсуждение приводит к
Групповое согласие лучшему прогнозу, чем индивидуальное составление прогноза.
Участниками обсуждения могут быть исполнительные директоры,
продавцы или клиенты
Метод связан с анализом жизненного цикла аналогичного товара.
Используется при планировании нового вида продукции, когда прогноз
Историческая аналогия
можно получить на основе исследования истории продвижения
аналогичного товара
Группа экспертов отвечает на вопросы. Руководитель группы
компилирует результаты и формулирует новый вопрос, который ставят
Метод Дельфи на рассмотрение группы. Таким образом в процессе изучения проблемы
не наблюдается влияния группового давления или доминирования
мнения отдельного лица
II. Анализ временных Основан на идее, что предысторию ситуаций в динамике можно
использовать для прогнозирования будущего
рядов
Проводится усреднение за конечный период времени путем деления
Простое скользящее
суммы значений точек на число точек. Каждая точка оказывает
среднее
одинаковое влияние на результат
Аналогичен предыдущему методу, но определенным точкам, исходя из
Взвешенное скользящее
опыта, можно присвоить большую или меньшую значимость по
среднее
отношению к другим точкам
Экспоненциальное Самым "старым" точкам присваивают экспоненциально уменьшенный
сглаживание вес, т.е. эти данные считаются менее значимыми
Устанавливает прямую зависимость между значениями данных и
Регрессионный анализ
временем. Самый распространенный метод наименьших квадратов
Очень сложный, но, вероятно, наиболее точный статистический метод
Метод Бокса Дженкинса анализа. Связывает класс статистических моделей с данными и
(Box Jenkins) приспосабливает модель к временному ряду, используя байесово
апостериорное распределение
(Другое название — Х-11). Разработан Джулиусом Шискиным (Julius
Shiskin) из Census Bureau. Эффективен при разложении временных
Временные ряды
рядов на сезонные, трендовые и иррегулярные компоненты. Требует
Шискина
данных за последних три года. Очень хорош для определения коридора
прогноза, например, при прогнозировании продаж компании
Трендовое Устанавливает математическую линию тренда по точкам данных о
проецирование прошлом и проецирует их на будущее
Основаны на выделении основных и второстепенных факторов,
III. Причинные
влияющих на прогнозируемый объект. Например, на продажи может
(каузальные) методы
оказывать влияние реклама, качество и конкуренция


545
Аналогичен методу наименьших квадратов, но может содержать
Регрессионный анализ множество переменных. Основан на том, что прогноз — это событие,
зависящее от других событий
Эконометрические Модели описывают определенный сектор экономики с помощью
модели системы независимых уравнений
Сфокусированы на продажу продукции. Определяют взаимосвязь
Модели вход-выход изменения объема продаж производителя с изменениями в закупках
потребителей
Используется статистика развития процессов, влияющих на
прогнозируемый процесс, но опережающая его. Например, увеличение
Упреждающие
индикаторы цены на бензин сигнализирует о будущем падении спроса на легковые
автомобили
Динамические модели, обычно компьютерные, которые позволяют
определить влияние внешних и внутренних факторов. В зависимости от
IV. Моделирование переменных в модели, прогнозист может задать, например, такие
вопросы: что случится с прогнозом, если цена возрастет на 10%? Какое
влияние на прогноз окажет умеренный экономический спад в стране?




Рис. 13.1. Изменение спроса на товар во времени

Автокорреляция отражает постоянные свойства процесса. Ожидаемое значение
переменной в любой точке более или менее связано со своими прошлыми значениями.
Случайный спрос с течением времени может варьировать в широких пределах. При
большой автокорреляции спрос не будет сильно меняться во времени (от одной недели к
другой).
Стартовой точкой при разработке прогноза обычно являются трендовые линии. Эти
линии затем корректируют в зависимости от сезонных, циклических колебаний и любых
других ожидаемых событий. На рис. 13.2 показаны четыре наиболее часто употребляемых
типа трендов.
Линейный тренд представляет собой прямую наклонную линию. Форма S-кривой
характерна для кривых роста продаж товара. Самой важной точкой на S-кривой является
точка перехода от медленного роста к быстрому. Асимптотический тренд начинается с
наибольшего роста спроса, а затем постепенно уменьшается. Такая форма кривой может
наблюдаться в том случае, когда фирма выходит на уже существующий рынок, собираясь
насытить его или захватить большую долю рынка. Экспоненциальная форма характерна
для кривых, отражающих продукцию со взрывным ростом спроса. Экспоненциальный
тренд предполагает, что продажи будут продолжать бесконечно расти, но на практике это
довольно рискованное допущение.
В широко используемом визуальном методе прогнозирования исходные данные
наносят на координатную сетку и затем определяют характер наиболее подходящего
546
тренда (например, линейный, 5-образный, асимптотический или экспоненциальный).
Привлекательность этого метода состоит в том, что, поскольку математический аппарат
для таких трендов хорошо отработан, несложно определить значения для будущих
периодов времени.
Иногда кажется, что данные не описываются ни одной из типовых кривых. Это
может быть обусловлено различными причинами, и такое явление существенно усложняет
задачу. В таких случаях ограничиваются нанесением данных на координатную сетку.


Качественные методы прогнозирования

"Корни травы"

Как показано в табл. 13.1, при прогнозировании методом "корни травы"
составляется прогноз по данным, получаемым с самого основания иерархии, которые
затем последовательно суммируются и обобщаются на более высоких уровнях.
Предполагается, что индивид, находящийся ближе всего к потребителю или к конечному
использованию продукции, знает будущие потребности лучше всех. Хотя это не всегда
верно, во многих случаях данное допущение справедливо и является основой
рассматриваемого метода.
Прогнозы нижнего уровня суммируют и передают на следующий более высокий
уровень. Это обычно районный товарный склад, который затем учитывает данные
прогноза в резервных запасах и объеме заказа. Полученный прогноз потребности товара
затем передается на следующий уровень, которым может быть региональный товарный
склад. Процедура повторяется до тех пор, пока не будет достигнут верхний уровень,
прогноз которого представляет собой исходные данные для производственной фирмы.

Исследование рынка

Для проведения прогноза методом исследования рынка фирмы часто привлекают
сторонние компании, специализирующиеся на таких исследованиях. Вас также могут
привлечь к подобным маркетинговым исследованиям рынка, и вы, наверное, не избежали
телефонных опросов, выясняющих, какие товары вы предпочитаете, ваш доход, привычки
и т.д.
Рыночные исследования чаще всего используют для получения информации о
товарах, о перспективности товаров, симпатиях и антипатиях потребителей и т.д. В
качестве методов сбора информации обычно применяют социологические опросы и
наблюдения.




547
Рис. 13.2. Типы трендов

Групповое согласие

Основная идея метода группового согласия ("одна голова — хорошо, а две —
лучше") выражается в тезисе, что группа людей с различными позициями может
разработать более надежный прогноз, чем один человек. Прогнозы с участием групп
специалистов разрабатываются при проведении открытых "круглых столов", со
свободным обменом мнениями участников всех уровней управления и отдельных лиц.
Недостатком проведения таких открытых дискуссий является то, что нижний уровень
служащих может подавляться вышестоящими менеджерами. Например, продавец
определенного типа товара может высоко оценивать будущий спрос на данный товар, но
может побояться высказать свою точку зрения, совершенно противоположную оценке,
данной вице-президентом по маркетингу. Метод Дельфи (который кратко рассмотрен
дальше) разработан для устранения этого недостатка и обеспечения свободного обмена
мнениями.
Если решения по прогнозированию принимаются на высшем уровне (при внедрении
новой производственной линии или принятии стратегических решений о товарах,
например, о новых рынках), обычно используют термин мнение руководства. Этот
термин говорит сам за себя, т.е. это случай, когда к принятию решения привлечена группа
высших руководителей.

Историческая аналогия

В попытке предсказать спрос на новый товар идеальной ситуацией было бы наличие

548
уже существующего или аналогичного товара, который можно использовать в качестве
модели. Существует много сфер, где можно найти такие аналогии, например,
комплектующие, конкурентоспособные изделия, изделия-заменители и высокодоходные
изделия. Кроме того, по почте рассылается масса рекламных продуктов,
распространяются каталоги для заказа через почту, где также можно найти товар-аналог.
Если вы покупаете компакт-диски через почту, то вы, кроме них, получаете информацию
о новых компакт-дисках и CD-плейерах. Причинная связь здесь следующая (см. табл. 13.1,
часть III): спрос на компакт-диски вызван спросом на проигрыватели компакт-дисков.
Проводя аналогию, можно спрогнозировать спрос для проигрывателей цифровых
видеодисков, исходя из анализа прошлого спроса на стерео- и видеопроигрыватели
компакт-дисков. Эти изделия принадлежат к одному классу электроники и обычно
приобретаются потребителями на одинаковом уровне. В качестве более простого примера
можно привести тостеры и кофеварки. Фирма, которая уже производит тостеры и хочет
начать выпуск кофеварок, могла бы использовать данные по тостерам как вероятную
модель роста.

Метод Дельфи

Как уже упоминалось в связи с методом группового согласия, заявление или мнение
вышестоящего чиновника, вероятно, будет весить больше, чем мнение его подчиненных.
При этом часто подчиненные боятся высказать свои настоящие соображения, опасаясь
гнева руководства. Для устранения этого в методе Дельфи обеспечивается
конфиденциальность участвующих в исследовании лиц. Каждый участник имеет
одинаковый вес. Председательствующий готовит анкету (вопросник) и раздает ее
участникам. Их ответы подытоживаются и возвращаются всей группе вместе с новым
перечнем вопросов.
Метод Дельфи разработан в 50-х годах компанией Rand. Ниже приведены основные
стадии осуществления этого метода.
1. Выберите экспертов. Это должны быть специалисты-профессионалы,
представляющие различные области.
2. С помощью вопросника (или электронной почты) получите прогнозы (замечания
или уточнения прогнозов) ото всех участников.
3. Подведите итоги и раздайте полученные выводы участникам с соответствующими
новыми вопросами.
4. Снова подведите итоги, совершенствуя прогнозы и условия, опять разработайте
новые вопросы.
5. Повторите в случае необходимости п. 4. Ознакомьте с окончательными
результатами всех участников.
Обычно с помощью метода Дельфи можно достичь удовлетворительных результатов
уже за три раунда. Продолжительность составления прогноза зависит от числа
участников, объема работы, выполняемой при разработке прогноза, и быстроты ответов
участников.


Анализ временных рядов

Модели временных рядов прогнозируют будущее, исходя из прошлых данных.
Например, данные о продажах, собранные за последние шесть недель, можно
использовать для прогнозирования продаж на еще не наступившую седьмую неделю.
Поквартальные данные продаж, собранные за несколько последних лет, можно
использовать для прогнозирования продаж будущих кварталов. Несмотря на то, что оба
примера содержат данные о предыдущих продажах, для прогнозирования, вероятно, будут

549
использоваться различные модели временных рядов.
В табл. 13.2 показаны модели временных рядов и некоторые их характеристики.
Обратите внимание, что в табл. 13.2 представлены методы от очень простых до
очень сложных. В этой таблице не указан метод простого скользящего среднего,
характеристики которого аналогичны методу простого экспоненциального сглаживания.
Отметим, что определение взвешенного скользящего среднего может быть весьма
запутанным, особенно если прогнозист включает в прогноз сезонные или другие
циклические факторы, влияющие на прогноз. Его характеристики находятся между
характеристиками методов экспоненциального сглаживания Холта и экспоненциального
сглаживания Винтера. Здесь подробно не рассматриваются модели Холта и Винтера, но,
если у читателя возникнет желание применить к исходным данным такие разновидности
экспоненциального сглаживания, то он сможет найти их в литературе.
Признавая, что термины краткосрочный, среднесрочный и долгосрочный зависят от
контекста, в котором они используются, обратим внимание, что в бизнес-
прогнозировании термин краткосрочный обычно означает период времени до трех
месяцев; среднесрочный — от трех месяцев до двух лет; долгосрочный — свыше двух лет.
Вообще говоря, модели краткосрочного прогноза усредняют случайные изменения и
регулируют краткосрочные колебания (типа реакций потребителей на новое изделие).
Среднесрочные прогнозы полезны при наличии сезонных колебаний, а модели
долгосрочных прогнозов устанавливают общие тренды и особенно полезны в определении
границ прогнозов.
При выборе модели прогнозирования фирме следует руководствоваться таким
данными.
1. Временной горизонт прогнозирования.
2. Исходные данные.
3. Требуемая точность.
4. Бюджет, выделенный для разработки прогноза.
5. Уровень квалификации персонала.
При выборе модели прогнозирования существуют и другие проблемы, например
степень гибкости фирмы. (Чем лучше фирма способна реагировать на изменения, тем
менее точным может быть прогноз.) Еще одна важная проблема — это последствия
плохих прогнозов. Если решение о крупных инвестициях должно базироваться на
прогнозе, то прогноз должен быть очень хорошим.

Простое скользящее среднее

Если спрос на изделие стабильный (не растет и не падает), не носит сезонного
характера и имеет лишь случайные флуктуации, для прогноза можно использовать метод
скользящего среднего. Учитывая, что скользящие средние центрированы и усреднены за
небольшой интервал времени, этот метод наиболее удобен для непосредственного
предсказания последующего периода времени. Например, центрированное пятимесячное
среднее января, февраля, марта, апреля и мая приходится на март. При этом нужны
данные всех пяти месяцев. Если нашей целью является прогноз на июнь, то мы должны
каким-то образом при отсутствии фактических данных за будущие июнь, июль и август
определить наше скользящее среднее с марта по июнь. Таким образом, появляется
временной разрыв между месяцем центрирования и прогнозируемым месяцем, что
снижает точность прогноза, если пользоваться только имеющимися данными, чем и
приходится чаще всего довольствоваться на практике. Если мы хотим сделать прогноз на
июнь, используя пятимесячное скользящее среднее, берут средние значения за январь,
февраль, март, апрель и май. После июня для прогноза на июль следует брать средние
значения за февраль, март, апрель, май и июнь и т.д. Этот метод иллюстрируется
результатами прогнозирования, приведенными в табл. 13.3 и на рис. 13.3.

550
Важно выбрать наилучший интервал усреднения для простого скользящего
среднего, он зависит от разрешения следующего противоречия: чем длиннее интервал
усреднения, тем лучше сглаживаются флуктуации (которые иногда даже желательны), но
если в исходных данных наблюдается тренд роста или спада, то усиливается эффект
запаздывания тренда (лаговый эффект). Поэтому, несмотря на то, что короткий интервал
усреднения дает большие разбросы, его использование лучше отслеживает тренд. И
наоборот, более продолжительный интервал усреднения дает сглаженный результат, но
приводит к лаговому эффекту.

Таблица 13.2. Характеристики методов прогнозирования, основанных на анализе временных рядов

Время,
Количество
затрачиваемое Подготовка
Метод Модель Горизонт
статистических
прогнозирования данных прогноза на подготовку персонала
данных
прогноза
От 5 до 10
Особой
Простое наблюдений для Данные
подготовки
должны быть Краткосрочный Малое
экспоненциальное установления
не
сглаживание весовых стационарными
требуется
коэффициентов
От 10 до 15
От
наблюдений для
Экспоненциальное Тренд, без Достаточно
краткосрочного
сглаживание установления сезонных Малое общей
до
Холта (Holt) весовых колебаний подготовки
среднесрочного
коэффициентов
По меньшей От
Экспоненциальное Тренд и Средний
мере 4-5 краткосрочного
Малое
сглаживание сезонные уровень
наблюдений за до
Винтера (Winter) колебания подготовки
сезон среднесрочного
От 10 до 20; для От
Тренд и Средний
сезонного по краткосрочного
Регрессионные
сезонные Малое уровень
трендовые модели меньшей мере 5 до
колебания подготовки
за сезон среднесрочного
Имеет
Может длительный
Причинные 10 наблюдений Краткосрочный, Высокий
обрабатывать период
регрессионные на независимую среднесрочный уровень
сложные разработки и
модели переменную и долгосрочный подготовки
малое время
модели
внедрения
Обрабатывает
циклические и
Достаточно От
сезонные Не требует
Декомпозиция двух краткосрочного От малого до
модели; может особой
временных рядов экстремальных до среднего
определять подготовки
значений среднесрочного
экстремальные
точки
Должны быть
стационарными
Краткосрочный, Высокий
50 или больше или
Метод Дженкинса среднесрочный Продолжительное уровень
наблюдений приведенными
и долгосрочный подготовки
к
стационарным
Источник. J. Holton Wilson and Deborah Allison-Koerber, "Combining Subjective and Objective
Forecasts Improves Results", Journal of Business Forecasting, Fall 1992, p. 4.



551
Таблица 13.3. Текущий спрос и прогноз методом простого скользящего среднего при трех- и
девятинедельном интервале усреднения

Трехнедельное Девятинедельное Трехнедельное Девятинедельное
Неделя Спрос Неделя Спрос
усреднение усреднение усреднение усреднение
1 800 16 1700 2200 1811
2 1400 17 1800 2000 1800
3 1000 18 2200 1833 1811
4 1500 1067 19 1900 1900 1911
5 1500 1300 20 2400 1967 1933
6 1300 1333 21 2400 2167 2011
7 1800 1433 22 2600 2233 2111
8 1700 1533 23 2000 2467 2144
9 1300 1600 24 2500 2333 2111
10 1700 1600 1367 25 2600 2367 2167
11 1700 1567 1467 26 2200 2367 2267
12 1500 1567 1500 27 2200 2433 2311
13 2300 1633 1556 28 2500 2333 2311
14 2800 1833 1644 29 2400 2300 2378
15 2000 2033 1733 30 2100 2367 2378




Рис. 13.3. Прогноз методом простого скользящего среднего при трех- и де-вятинедельном
интервале усреднения по сравнению с текущим спросом

Формула для вычисления простого скользящего среднего:


где F1 — прогноз на будущий период;
п — интервал (число периодов) усреднения;
А1-1— фактическое значение в прошлом периоде;
А1-2, А1-3, А1-n — фактические значения два периода назад, три периода назад и так
далее до п периодов назад.
Графики на рис. 13.3, построенные по данным табл. 13.3, показывают влияние
интервала усреднения на значение скользящего среднего. Мы видим, что тренд роста
выравнивается примерно к 23-й неделе. Трехнедельное усреднение лучше отражает
фактические изменения спроса, чем девятинедельное, хотя последнее более сглаженное.
Одним из недостатков метода простого скользящего среднего является
необходимость статистического учета и хранения всех прошлых данных. При
ограниченной номенклатуре товаров и интервале усреднения от трех до шести периодов
552
это не очень существенно. Но при вычислении скользящих средних, например, при 60-
периодном усреднении для каждого из 20 тысяч наименований материальных запасов
потребуется значительное количество данных.

Взвешенное скользящее среднее

При определении простого скользящего среднего каждому элементу базы данных
присваивается равный вес, а при расчете взвешенного скользящего среднего им может
присваиваться любой произвольный вес, при условии, что сумма всех весов равна 1.
Например, магазин может обнаружить, что при четырехмесячном интервале усреднения
наилучший прогноз оказывается при использовании веса, равного 40% для продаж
истекшего месяца; веса, равного 30% для месяца, предшествующего истекшему месяцу,
20% — третьему от истекшего месяцу и 10% — четвертому месяцу. Если текущий
уровень продаж составлял:

Месяц 1 Месяц 2 Месяц 3 Месяц 4 Месяц 5
100 90 105 95 ?

то прогноз на пятый месяц будет следующим:
F5 = (0,40 х 95) + (0,30 х 105) + (0,20 х 90) + (0,10 х 100) = 97,5.
Ниже приведена формула для вычисления взвешенного скользящего среднего:
F1 = w1A1-1 + w2A1-2 + ...wnA1_n; (13.2)
где wl — значение веса, присвоенное истекшему периоду (t -1);
w2 — значение веса, присвоенное периоду (t — 2);
wn — значение веса, присвоенное периоду (t — n);
п — общее число периодов в прогнозе.
Схема присвоения веса может быть любой, например, некоторые периоды можно
игнорировать (их вес принять равным нулю), более старые периоды могут иметь больший
вес по сравнению с последними, но обязательно сумма всех весов должна быть равна
единице:
Предположим, что в нашем примере продажи в 5-м месяце составили 110 единиц.
Тогда прогноз на 6-й месяц будет следующим:
F6 = (0,40 х 110) + (0,30 х 95) + (0,20 х 105) + (0,10x90)= 102,5.
Выбор весовых коэффициентов. Опыт, метод проб и ошибок являются самым
простыми способами выбора веса. Как правило, близкое прошлое служит наиболее
важным индикатором будущего, а значит, этому периоду времени присваивают более
высокий вес. Например, доходы за прошлый месяц или производственные мощности
завода лучше оценивать по текущему месяцу, а не брать данные трехмесячной давности.
Однако, если данные имеют сезонные колебания, это следует учитывать при
установлении весовых коэффициентов. Объему продаж купальных костюмов в июле про-
шлого года следует присваивать более высокий вес, чем продажам декабря (в северном
полушарии).
Преимущество метода взвешенного скользящего среднего перед простым
заключается в возможности влияния на прогноз, изменяя результаты прошлых периодов.
Однако использование этого метода дорого и менее удобно, чем использование метода
экспоненциального сглаживания, рассматриваемого ниже.

Экспоненциальное сглаживание

Главным недостатком рассмотренных методов прогнозирования (методы простого и
взвешенного скользящего среднего) является необходимость использования большого
количества прошлых данных. (Это относится и к регрессионному анализу, который будет
553
рассмотрен позже.) В рассмотренных методах новые блоки данных суммируются с
предыдущими, данные, относящиеся к самому раннему периоду, исключаются и, исходя
из этого строится прогноз. Во многих случаях (а, может быть, даже в подавляющем
большинстве) самые последние данные наиболее характерны для будущего по сравнению
с более ранними данными. Если считать, что значимость данных уменьшается с течением
времени, то наиболее подходящим методом усиления влияния последних периодов
является экспоненциальное сглаживание.
Метод получил название "экспоненциальное сглаживание" в связи с тем, что каждое
значение периодов, уходящих в прошлое, уменьшают на множитель (1 — а). Например,
если а = 0,05, то коэффициенты взвешивания для различных периодов будут следующими.
Взвешивание при а=0,05

Последний период а(1-а)° 0,0500

Данные, полученные один период назад а(1-а)1 0,0475

Данные, полученные два периода назад а(1-а)2 0,0451

Данные, полученные три периода назад а(1-а)3 0,0429


Экспоненциальное сглаживание чаще всего используется для прогнозирования.
Фактически, этот метод является составной частью всех компьютеризированных
программ прогнозирования и широко используется при заказе запасов в фирмах
розничной торговли, оптовых компаниях и сервисных агентствах.
Метод экспоненциального сглаживания получил широкое распространение по таким
шести причинам.
1. Экспоненциальные модели на удивление точны.
2. Составление экспоненциальной модели относительно несложное.
3. Пользователь может понять, как работает модель.
4. Использование модели требует немногих вычислений.
5. Требования к памяти компьютера невысоки из-за ограниченного объема
необходимых статистических данных.
6. Несложно выполнить тесты на точность работы модели.
Для прогнозирования будущего методом экспоненциального сглаживания
необходимы только три вида данных: данные последнего прогноза, текущий спрос и
константа сглаживания а. Эта константа определяет уровень сглаживания и скорость
реакции на разницу между прогнозами и текущими событиями. Выбор значения
константы зависит как от природы продукта, так и от опыта менеджера и его способности
быстро реагировать. Например, если фирма производит стандартное изделие с
относительно стабильным спросом, быстрота реагирования на различия между текущим и
прогнозируемым спросом нужна невысокая, от 5 до 10%. Однако, если фирма наращивает
выпуск, желательно иметь более высокую скорость реагирования, возможно от 15 до 30%,
чтобы придать большую значимость текущему росту. Чем выше темп роста, тем выше
должна быть скорость реагирования. Иногда пользователи простого скользящего среднего
переходят к методу экспоненциального сглаживания, но предпочитают придерживаться
при прогнозировании тех же приемов, что и в методе простого скользящего среднего. В
этом случае константу сглаживания приблизительно определяют по формуле


Уравнение для однократного экспоненциального сглаживания имеет такой вид:
Ft=Ft-1 +a(At-1-Ft-1); (13.3)

554
где Ft — экспоненциально сглаженный прогноз на период Г, Ft-1 — экспоненциально
сглаженный прогноз, сделанный для предшествующего периода;
At-1— фактический спрос в предшествующем периоде;
а — константа сглаживания.
Это уравнение показывает, что новый прогноз равен прогнозу прошлого периода,
плюс поправка (разность между предыдущим прогнозом и фактическим результатом)2.
2
Некоторые авторы предпочитают называть Ft сглаженным средним значением.

Чтобы продемонстрировать действие метода, примем, что долгосрочный месячный
спрос на изучаемый товар относительно стабилен и поэтому можно принять константу
сглаживания а = 0,05. Если экспоненциальный метод прогнозирования используют
постоянно, то существует прогноз для предшествующего месяца3. Допустим, что прогноз
спроса на предшествующий месяц составляет Ft-1 = 1050 единиц. Если фактический спрос
составил 1000 единиц, а не 1050, то прогноз спроса на следующий месяц будет таким:
3
Когда метод экспоненциального сглаживания применяют впервые, начальный прогноз или стартовое
значение можно получить с помощью простой оценки или усреднения значений предыдущих периодов,
например, взяв среднее значение первых двух или трех периодов.

F, = Ft-1 +а(At-1 -Ft-t) = 1050 + 0,05(1000 - 1050) = = 1047,5 единиц.
Поскольку коэффициент сглаживания мал, реакция нового прогноза на ошибку в 50
единиц выражается в снижении значения прогнозируемого на следующий месяц спроса
только на 2,5 единицы.
Недостатком однократного экспоненциального сглаживания является лаговый
эффект. На рис. 13.4 представлены текущие данные в виде сглаженной (плавной) кривой,
чтобы показать эффекты запаздывания экспоненциальных прогнозов. Прогноз
запаздывает в периоды роста или падения спроса и превышает фактические значения при
его уменьшении. Обратите внимание: чем выше значение а, тем точнее прогноз, тем
ближе он к реальным событиям. Для большего соответствия реальному спросу можно
ввести трендовый фактор. Кроме того, можно изменять значение а. В таких случаях
говорят об адаптивном прогнозировании. Трендовые эффекты и адаптивное
прогнозирование более подробно рассмотрены в следующих разделах.

Трендовые эффекты при экспоненциальном сглаживании.

Следует помнить, что восходящий или нисходящий тренд в данных, собранных за
последовательные периоды времени, приводит к отставанию экспоненциального прогноза
от фактической ситуации. Экспоненциально сглаженные прогнозы можно
откорректировать введением тренда. Для этого необходимы две константы сглаживания.
Помимо константы сглаживания а, в уравнении тренда используют константу
сглаживания тренда 5, которая уменьшает влияние ошибки, т.е. разности между
действительным значением и прогнозируемым. Если оба коэффициента сглаживания не
включены в уравнение, вероятность ошибки возрастает.
В первом периоде возникает проблема определения начального значения тренда,
которое следует выбрать либо из предположений, основанных на фактах, либо из
ориентировочного расчета по данным в прошлых периодах для аналогичных товаров.
Ниже приведены уравнения для вычисления прогноза с использованием тренда
(FIT):
FITT = Ft+Tt; (13.4)
Ft=FITt-1+a(At-1-FITt-1); (13.5)
Tt=Tt-1+a?({At-1-FITt-1); (13.6)
где Ft — экспоненциально сглаженный прогноз на период t,

555
Тt — экспоненциально сглаженный тренд на период t,
FIT, — прогноз, включающий тренд в периоде t;
FITt_1 — прогноз, включающий тренд предыдущего периода;
At-1 — фактический спрос в предыдущем периоде;
а — константа сглаживания прогноза;
? — константа сглаживания тренда.

Пример 13.1. Прогноз с трендовым регулированием

Примем, что исходный прогноз Ft-1=100 единицам, тренд
Тt-1 =10 , а = 0,20 и ?5= 0,30. Рассчитайте прогноз на следующий
период, при условии, что значение фактического спроса оказалось равно 115, а его
прогнозное значение — 100.

Решение

Сложив значения исходного прогноза и тренда, получим: FITt-1 = Ft-1 + Tt-1 = 100 +
10=110.
Значение фактического спроса At-1 равно 115, поэтому:
Ft = FITt-1+a(At-1-FITt-1) = 110 + 0,2(115 - 110) = 111,0;
Tt = Tt-1 +a?(At-1 -FITt-1) = 10 + (0,20)(0,30)(115 - 110) = 10,3;
FITT = Ft + Tt =111,0 + 10,3= 121,3.
Если значение фактического спроса окажется 120 вместо 121,3, то процедуру
следует повторить и прогноз на следующий период будет таким:
Ft-1 = 121,3 + 0,2(120-121,3)= 121,04;
Tt-1 = 10,3 + (0,2)(0,3)(120- 121,3) = 10,22;
FITt-1 = 121,04 + 10,22 = 131,26.
Выбор значения константы сглаживания прогноза. Экспоненциальное
сглаживание требует, чтобы константа сглаживания а находилась в диапазоне от 0 до 1.
Если реальный спрос стабильный (например, спрос на электроэнергию и продукты
питания), то для снижения влияния краткосрочных или случайных колебаний следует
использовать небольшую величину а. Если реальный спрос быстро увеличивается или
уменьшается, то для учета изменений лучше брать большее значение константы
сглаживания а. Идеальным было бы предугадать точное значение а. К сожалению, этому
мешают два обстоятельства. Во-первых, для определения значения а, наилучшим образом
подхо дящего к текущим данным, требуется время. Во-вторых, из-за изменения спроса,
значение константы а, выбранное на текущий период, требует корректировки для
прогноза последующих периодов. Поэтому необходим какой-либо автоматизированный
метод, позволяющий отслеживать ситуацию и изменять значения а.




556
Рис. 13.4. Экспоненциальные прогнозы по сравнению с текущим спросом и эффект лага

Адаптивное прогнозирование. Существуют два способа управления значением
константы а. Первый использует набор различных значений а, а другой —
отслеживающую (трекинговую) ошибку.
1. Два или несколько заранее определенных значения а. При этом способе измеряют
величину ошибки между прогнозом и действительным значением спроса. В зависимости
от степени ошибки используют различные значения а. Если ошибка большая, то значение
а, например, равно 0,8. Если ошибка невелика, то а = 0,2.
2. Замена константы сглаживания на трекинговый коэффициент а, учитывающий
отставание прогноза от тех или иных тенденций изменения спроса (в противоположность
случайным флуктуациям). Трекинговый коэффициент а рассчитывают как
экспоненциально сглаженную текущую ошибку, деленную на экспоненциально
сглаженную абсолютную ошибку. При этом значения коэффициента а изменяются в
диапазоне от 0 до 1.

Ошибки прогнозирования

Используя слово "ошибка", мы имеем в виду расхождение между прогнозом и
действительностью. Однако, до тех пор пока значение прогноза находится в
доверительных границах, определение которых будет рассмотрено в разделе "Измерение
ошибок", эти расхождения фактически не являются ошибкой, хотя пользователи обычно
считают их ошибкой.
Спрос на продукцию обусловлен взаимодействием ряда факторов, слишком
сложных для точного описания их в модели. Поэтому, конечно же, все прогнозы содержат
какую-либо ошибку. При обсуждении ошибок прогнозов следует отдельно остановиться
на источниках ошибок и вычислении ошибок.

Источники ошибок

Ошибки могут возникать по разным причинам и иметь различные источники. Одним

557
из распространенных источников, не осознаваемым многими разработчиками прогнозов,
является перенос ранее использовавшихся трендов на текущие прогнозы. Например,
говоря о статистических ошибках в регрессионном анализе, имеют в виду отклонения
наблюдений от линии регрессии. Для уменьшения необъяснимой ошибки к линии
регрессии обычно добавляют доверительный интервал (например, границы
статистического контроля). Но впоследствии, при использовании в качестве инструмента
прогноза линии регрессии, бывает сложно определить ошибку из-за установленного
доверительного интервала. Это происходит потому, что доверительный интервал
базируется на данных прошлых периодов. Он может иметь или не иметь силу для
прогнозируемых данных и поэтому использовать его нужно осторожно. Фактически, как
показывает опыт, текущие ошибки всегда больше, чем ошибки, предсказанные с помощью
моделей прогнозов.
Ошибки можно разделить на систематические (погрешность измерения) и
случайные. Систематические ошибки возникают вследствие действия постоянных
факторов, присущих методу измерения. К источникам систематических ошибок
относятся: недостаточное количество прямых переменных, использование некорректной
зависимости между переменными, применение неверной трендо-вой линии, ошибочный
сдвиг сезонного спроса (не в ту сторону) и наличие необнаруженного тренда во
временных рядах. К случайным ошибкам можно отнести те, которые нельзя объяснить
используемой моделью прогноза.

Измерение ошибок

Для описания ошибок используют несколько общих понятий: стандартная ошибка,
среднее квадратов ошибок (дисперсия) и среднее абсолютное отклонение. Кроме того, в
прогнозировании для учета позитивных и негативных систематических отклонений
используют трекинг.
Стандартная ошибка будет обсуждаться в разделе, посвященном линейной
регрессии. Стандартная ошибка определяется корнем квадратным функции, поэтому
удобнее использовать саму функцию, которая является средним квадратов ошибок, или
дисперсией.
Среднее абсолютное отклонение (Mean Absolute Deviation — MAD) раньше часто
употреблялось, но со временем от него стали отказываться в пользу измерения
стандартного отклонения и стандартной ошибки. В последние годы опять вернулись к
MAD из-за его простоты и надежности при оценке трекинга. MAD представляет собой
среднее значение ошибки в прогнозах, которое, как и стандартное отклонение, измеряет
разброс некоторого наблюдаемого процесса от некоторого ожидаемого процесса.
MAD вычисляют как разность между действительным и прогнозируемым спросом
без учета знака, по следующей формуле:


где t — номер периода;
А — текущий спрос данного периода;
F — прогнозируемый спрос данного периода;
п — общее количество периодов;
| | — символ модуля (абсолютной величины).
При нормальном распределении ошибок прогноза (что, как правило, и наблюдается
на практике) среднее абсолютное отклонение следующим образом взаимосвязано со
стандартным отклонением:

или примерно 1,25 MAD.

558
И наоборот: 1 MAD = 0,8 стандартного отклонения.
Стандартное отклонение обычно большая величина. Если установлено, что MAD
набора точек равно 60 единицам, то стандартное отклонение будет равно 75 единицам. В

<<

стр. 18
(всего 31)

СОДЕРЖАНИЕ

>>