Корректировка ошибок в прогнозах

Корректировка ошибок в прогнозах


Главная » Ресурсы » Здесь

Отсутствие запасов не только вредит бизнесу, так как клиенты, которые не могут получить желаемое, уходят к другим поставщикам, но также вносит ошибки в статистику спроса. Из-за отсутствия запасов нулевые продажи обязательно приравниваются к нулевому спросу. Прогнозы Salescast не застрахованы от данной проблемы, однако при правильном использовании программы вероятность ее возникновения значительно снижается.

Image


Влияние отсутствия запасов на обычные прогнозы

Обычное (усредненное) прогнозирование предсказывает спрос с 50%-ной вероятностью того, что он будет либо выше, либо ниже. В случае отсутствия запасов товара происходит «занижение» показателей, так как непроданные единицы товара не учитываются.

Как следствие, прогнозы, основанные на таких фактических данных получаются ошибочными и приводят к дальнейшим случаям отсутствия запасов.

В самых крайних случаях, когда не установлен минимальный уровень запасов, процесс пополнения может быть «заморожен», продажи не будут фиксироваться — из-за того, что нет запасов — и товар снова не будет заказываться. Что гораздо хуже, прогнозы в таких ситуациях точны на 100%: предполагаемый объем продаж равен нулю, и реальные продажи также равны нулю.

Проблемы при включении данных об отсутствии товара

Чтобы скорректировать ошибки прогнозирования из-за случаев отсутствия товара, нужно их учитывать. Для этого необходимо собирать подробную фактическую информацию по всем прошлым (и текущим) случаям. Данная идея привлекательна, однако ее воплощение на практике требует значительных усилий.

  • Большинство компаний не ведут строгий учет случаев отсутствия товара. Чтобы повысить качество прогнозирования спроса недостаточно каких-либо частичных данных по случаям отсутствия товара, информация должна быть полной и точной.
  • Случаи отсутствия запасов (к счастью) не так уж часты, обычно не более 10 % всего товарооборота. Как следствие, требуется большой объем данных по товарообороту, чтобы собрать достаточно данных для качественного статистического анализа случаев отсутствия товара.
  • Последствия таких случаев неоднозначны. Отсутствие того или иного товара приводит к каннибализации (недоступного товара доступным), если существуют альтернативные варианты. Кроме того, часть клиентов готовы подождать, и следствием этого становятся «всплески» спроса, когда товар снова появляется в продаже.

Компания Lokad имеет значительный опыт анализа случаев отсутствия товаров, и мы даже разработали специальную технологию для тех, кто занимается таким анализом. Наш опыт говорит нам, что для компаний, имеющих менее 100 точек распространения, и эквивалентных по объему товарооборота организаций попытки скорректировать объемы заказов с помощью анализа данных по прошлым случаям отсутствия товара не приносят должного эффекта.

Более точные квантильные прогнозы

Квантильные прогнозы представляют собой гораздо более эффективный и экономичный способ борьбы с отсутствием товаров. Вкратце: квантили используются для расчета точек заказа при прогнозах, ошибочных «по умолчанию». Например, точка заказа рассчитанная для 95 %-ого уровня обслуживания подразумевает, что в 95 % случаев спрос будет удовлетворен (и только в 5 % случаев покупатель столкнется с проблемой отсутствия товара).

Квантильные прогнозы для высокого уровня обслуживания (фактически выше 90 %) заметно отличаются от обычных. Чтобы рассчитать 95 %-й квантильный прогноз, анализировать нужно, в основном, 5 % самых сильных колебаний спроса. Хотя существует возможность того, что случаев отсутствия товара в истории предприятия было так много, что даже те самые 5 % продаж являются частью «постоянного» спроса На практике такое происходит довольно редко. Даже при длительном отсутствии товара максимальный уровень спроса, как правило, выше, чем средний.

Таким образом, квантильные прогнозы никогда не доводят ситуацию до того, чтобы неправильные прогнозы еще сильнее усугубляли проблему с отсутствием товара. На практике мы наблюдаем, что для большинства наших клиентов квантильные прогнозы стали инструментом достижения успеха, так как они значительно снижают частоту случаев отсутствия запаса товаров и «возвращают контроль над уровнем обслуживания». Спустя некоторое время частота случаев отсутствия запасов достигает планового уровня обслуживания.