Управление запасами. Просто о сложном - стр. 7
Начнем же мы с того, что поговорим об экстраполяции. В общем случае этот термин означает построение функции по имеющимся значениям и прогнозирование следующих значений.
Из школьного курса алгебры мы помним, как построить график, если задана функция, отражающая зависимость одного показателя от другого. Однако в жизни нам никто подобную функцию не даст. Поэтому единственное, что мы пока можем сделать – это построить график изменения объема продаж (потребления) от времени. Однако это будет весьма формальная зависимость, поскольку продажи не происходят с течением времени сами по себе. Вы не можете продавать продукцию без рекламного бюджета, без сотрудников, без складского запаса, без транспорта и т. д.
Следовательно, для получения реальной картины все эти (и многие иные) параметры также должны быть учтены при построении графика. Мы же пока просто берем временные координаты и отмечаем на них объемы продаж. Можем ли мы определить, каковы будут этим объемы в следующем месяце?
Экстраполяция позволяет нам утверждать, что «будущее похоже на прошлое». Мы можем увидеть, что происходило в последние периоды, и сделать вывод о том, что в ближайший отрезок времени картина будет похожей.
Такой подход используется не от хорошей жизни. Просто мы не можем предсказать будущее, и полагаем, что оно будет похожим на прошлое.
Если в последний месяц продажи росли, логично предполагать, что они будут расти и в следующем месяце, не правда ли?
Однако, прогнозировать точки перегиба графика продаж с помощью экстраполяции невозможно. Другими словами, если в прошлые периоды продажи падали, мы будем прогнозировать спад. Если росли – рост. А вот момент изменения ситуации (тренда) предсказать практически невозможно.
Получается, что эти модели хорошо работают при краткосрочном и среднесрочном прогнозировании. При долгосрочном прогнозировании они не работают.
Например, если сегодня на улице +20 С, то с определенной вероятностью можно предположить, что завтра и послезавтра погода будет примерно такой же. Но предполагать, что и через несколько месяцев она будет неизменной – безумие.
Теперь посмотрим, как эта идея реализуется в конкретных формулах.
Давайте разберем 2 подхода:
– скользящее среднее
– скользящее среднее с весовыми коэффициентами
Но сначала обсудим один принципиально важный момент, который почти всегда ускользает от практиков.
Глава 4. Подготовка статистики
Источники информации для уточнения прогноза
Если у вас имеются данные потребления за прошлые периоды, то их необходимо… Правильно, подготовить. Звучит парадоксально? На первый взгляд да. Давайте разбираться.
Для простоты мы по-прежнему будем оперировать месячным интервалом между размещением заказа и поступлением на склад (хотя в жизни Т может быть любым).
Допустим, продажи (списание со склада) АВ123 за март, апрель, май составляли по 100 единиц. Не надо быть ясновидящим, чтобы в подобной ситуации сделать прогноз на июнь. Очевидно, он будет 100 единиц (по крайней мере, из имеющихся данных, другой прогноз не сделать). Более того, наш прогноз легко может сбыться на практике, и потребление реально составит 100 единиц.
Здесь необходимо сделать одну весьма важную оговорку, и договориться о терминах. В бизнесе это не совсем так, а иногда и совсем не так, но в управлении запасами понятие «реализация», «продажа», «расход», «потребление», «списание», «отгрузка» – синонимы.