Прогнозирование спроса на услуги

Для эффективного планирования и координации деятельности по оказанию услуг необходимы точные прогнозы спроса, которые дают возможность руководителям предприятий распределять все виды ресурсов. Прогнозы снижают вероятность простоев оборудования и персонала, позволяют предотвращать возникновение в случае напряженного спроса «узких мест», которые в большей степени, чем в производстве, приводят к потере потребителей, а, следовательно, и доходов. Прогнозирование повышает эффективность сервисных организаций, позволяя им своевременно маневрировать загрузкой мощностей и вовлекать в работу оптимальный объем материальных, трудовых и финансовых ресурсов. Особенно важным становится прогнозирование в связи с несохраняемостью услуг, то есть с невозможностью создания «буферных» запасов, которые уравновешивали бы имеющиеся возможности организации в оказании услуг и изменяющийся спрос на эти услуги.

Слово «прогноз» в переводе с греческого означает предвидение, предсказание о развитии чего-либо, основанное на определенных фактических данных. В общем виде прогноз определяется как научно обоснованное суждение о возможных состояниях объекта в будущем или об альтернативных путях и сроках достижения этих состояний (либо как о том, так и другом) [1, c. 275]. Это суждение, хотя и носит вероятностный характер, все же обладает определенной степенью достоверности. Если достоверность является полной, то чаще используется другой термин – «предсказание».

Важнейшей характеристикой прогнозов является период упреждения (или глубина прогноза), под которым при прогнозировании понимается отрезок времени от момента, для которого имеются последние статистические данные об изучаемом объекте, до момента к котором относится прогноз. Экономические прогнозы по этой характеристике делятся на оперативные (период упреждения до одного месяца), краткосрочные (период упреждения от одного месяца до одного года), среднесрочные (период упреждения от одного года до пяти лет), долгосрочные (период упреждения от пяти лет до пятнадцати-двадцати лет) и дальнесрочные (период упреждения свыше двадцати лет) [2, 19]. По способам представления результатов прогнозы разделяются на точечные (в виде единственного значения прогнозируемой величины) и интервальные (в виде совокупности значений).

В производстве обычно прогнозируется стоимостной объем или количество единиц продукта, которые будут произведены, отгружены или проданы. В сфере услуг прогнозируется объем спроса в натуральных или денежных единицах измерения, при этом объектом прогноза может быть конкретная услуга или определенный потребитель, а также некоторая группа услуг или потребителей. Примерами таких прогнозов могут быть объем заказов на перевозку и распределение продукции какого-либо промышленного предприятия или количество туров определенного типа, востребованных клиентами туристической фирмы.

Процесс разработки прогнозов называется прогнозированием. Прогнозирование представляет собой систему научных исследований качественного и количественного характера, направленных на выяснение тенденций развития, становления, распространения чего-либо (процесса, отношений, науки, отрасли и т.п.) на основании тщательно отобранных фактов. Этот процесс применяется обычно на предварительной стадии разработки управленческих решений и составления планов, а также используется при поиске возможностей и направлений управленческих воздействий, предназначенных для ликвидации отклонений от намеченной траектории развития экономического объекта [1, с.276]. Прогнозирование становится неотъемлемой частью различных видов планирования: оперативного тактического и стратегического.

Прогнозирование социально экономических систем базируется на следующих принципах: системности, научной обоснованности, адекватности, альтернативности, целенаправленности [2, с.20]

Принцип системности предполагает исследование качественных и количественных закономерностей в экономических системах, построение такой логической цепочки исследований, согласно которой процесс выработки и обоснования любого решения отталкивается от определения общей цели системы и подчинения достижения этой цели деятельности всех входящих в нее подсистем. При этом данная система рассматривается как часть более крупной системы, также состоящей из определенного количества подсистем.

Принцип научной обоснованности означает, что прогнозы должны учитывать требования объективных экономических законов и базироваться на применении научного инструментария, глубоком изучении достижений отечественного и зарубежного опыта формирования прогнозов.

Принцип адекватности означает соответствие прогноза объективным закономерностям и предполагает выявление и оценку устойчивых тенденций и взаимосвязей в развитии объекта прогнозирования, создание теоретического аналога реальных экономических процессов. Этот принцип требует учета вероятностного, стохастического характера реальных процессов, оценки как господствующих тенденций, так и отклонений, которые могут иметь место, определения возможной области их расхождения, то есть оценки вероятности реализации выявленной тенденции.

Принцип альтернативности означает возможность развития объекта прогнозирования и его составных частей по разным траекториям, при разных взаимосвязях и структурных соотношениях. При прогнозировании будущего возникает необходимость построения альтернатив, то есть определения двух или более возможных несовпадающих, а нередко и противоположных, взаимоисключающих путей развития.

Принцип целенаправленности предполагает активный характер прогнозирования, то есть учет целей, которые предстоит достигнуть рассматриваемому объекту путем различных управленческих воздействий на него.

В прогнозировании используются общенаучные подходы: исторический и комплексный.

Исторический подход заключается в рассмотрении каждого явления и процесса во взаимосвязи его исторических форм и предполагает, что современное и состояние исследуемого объекта есть закономерный результат его предшествующего развития, а будущее – закономерный результат его развития в будущем и настоящем.

Комплексный подход предполагает рассмотрение объекта исследования в его связи и зависимости с другими процессами и явлениями.

Прогнозирование спроса в современной экономике используется чаще всего как база для управления логистическими системами[1], поскольку такие прогнозы являются основным источником для планирования и координации в логистике. Они позволяют установить возможные направления развития логистических систем и получить количественные и качественные оценки динамики логистических активностей, необходимых фирме.

Прогнозирование спроса на услуги представляет собой научное, основанное на установленных причинно следственных связях и закономерностях выявление состояния и путей развития спроса на услуги и является частным случаем прогнозирования потребительского спроса.

Задачей прогнозирования спроса на услуги является предсказание пространственных (где), ассортиментных (каких и сколько), а также временных (когда) параметров спроса. При этом особое значение имеет характер спроса. Спрос разделяют на зависимый и независимый.

Зависимый спрос на услугу возникает в случае обусловленности этой услуги производственным или торговым процессом, связанным с каким-либо товаром или другой услугой. Так, например, от предполагаемого объема продаж специализированным магазином шин и дисков для автомобилей зависит спрос на услуги шиномонтажа, оказываемые этим магазином. Как правило, если прогноз или план продаж основного продукта определен, то нет необходимости в отдельном прогнозировании спроса на сопутствующие услуги. Это связно с тем, что изменение спроса на основной продукт повлечет за собой и изменение потребности в услугах, однако пропорции между ними обычно остаются постоянными.

Спрос на услугу является независимым, когда он никак не связан со спросом на другие услуги или какие-либо товары. Например, спрос на стоматологические услуги не связан со спросом на зубные пасты. Поэтому даже если будет получен достаточно точный прогноз потребностей в зубных пастах, он не поможет уточнению прогноза спроса на услуги стоматологических клиник. Большая часть услуг характеризуется независимым спросом, поэтому необходимо проводить прогнозирование спроса для каждой отдельной услуги. Поскольку прогнозирование требует значительных объемов информации и затрат времени, наиболее благоприятной является ситуация, когда требуется предсказать зависимый спрос на услуги. В этом случае достаточно иметь прогноз только по основному продукту или услуге.

В общем виде модель (формула) прогноза спроса имеет следующий вид [4]:

где – прогноз величины спроса на период t;

– базовый уровень спроса в период t;

– коэффициент сезонных колебаний в период t;

– коэффициент временной тенденции, характеризующий возрастание или убывание спроса;

– коэффициент циклических колебаний в период t;

– коэффициент поправок на стимулирование продаж в период t;

– нерегулярная (случайная) компонента.

Не в каждом прогнозе должны учитываться все эти факторы, но их понимание и при необходимости отслеживание являются обязательными [5].

Согласно общей схеме прогнозирования для получения прогноза какого-либо параметра необходимо иметь в распоряжении некоторый метод или методы. Под методами прогнозирования понимается совокупность приемов и способов мышления, позволяющих на основе анализа ретроспективных (прошлых) данных, информации о состоянии объекта прогнозирования в настоящий момент и о внешней среде вывести суждение определенной достоверности относительно будущего развития объекта. В настоящее время насчитывается более 200 разных методов прогнозирования, однако на практике используется около двадцати.

Многочисленные методы прогнозирования могут классифицироваться по разным признакам: по способам получения и обработки информации, по общему принципу действия, по степени формализации, по назначению прогнозирования и т.п. Наиболее распространенной является группировка методов по степени формализации, в соответствии с которой все методы прогнозирования разделяются на интуитивные (экспертные), формализованные (фактографические) и комбинированные, сочетающие особенности двух первых групп.

Интуитивные методы прогнозирования позволяют получить прогнозную оценку состояния развития объекта в будущем независимо от информационной обеспеченности. Сущность этих методов заключается в выявлении мнений группы лиц (экспертов), хорошо информированных об объекте прогнозирования. При этом процедуры интуитивно-логического мышления человека сочетаются с количественными (статистическими) методами обработки полученных результатов. Экспертные методы подразделяются на индивидуальные и коллективные. Индивидуальные имеют несколько разновидностей: оценки типа интервью, аналитические методы (разработка сценариев, подготовка аналитических обзоров и т.п.). Коллективные экспертные оценки включают, в частности метод комиссий, дельфийский метод, метод брейнсторминга, метод морфологического анализа.

Интуитивные методы отнимают как правило много времени, поэтому не имеют широкого распространения в логистике. Такие методы используются чаще всего там, где отсутствует возможность провести формализованную процедуру прогнозирования или проведения такой процедуры недостаточно для принятия обоснованного управленческого решения. Примером может служить прогнозирование времени возникновения массового спроса на новую для рынка услугу или его замещения спросом на альтернативную услугу.

Формализованные методы базируются на математической теории и обеспечивают повышение точности и достоверности прогнозов. К формализованным относят методы экстраполяции и методы математического моделирования.

Экстраполяция – это метод научного исследования, заключающийся в распространении выводов, полученных из наблюдения над одной частью явления, на другую его часть [2]. В прогнозировании экстраполяция применяется при изучении временных рядов, то есть в тех случаях, когда исходная информация представлена в виде динамического (временного) ряда. При экстраполяции спроса предполагается, что будущее похоже на прошлое и настоящее, то есть существующая структура спроса будет сохраняться еще некоторое время в будущем. В краткосрочном периоде такое предположение является, как правило, верным. Для повышения точности экстраполяции линии тренда корректируются на основе реального опыта.

Тренд– это длительная тенденция изменения экономических показателей. При построении моделей прогнозирования тренд оказывается основной составляющей временного ряда, на которую уже накладываются другие составляющие, например, сезонные колебания. В рассмотренной выше модели прогнозирования тренд характеризуется коэффициентом Т.

Основными методами экстраполяции являются метод скользящей средней, метод экспоненциального сглаживания, метод расширенного сглаживания и метод адаптивного сглаживания [5].

Метод скользящей средней дает возможность выравнивать динамический ряд путем его расчленения на равные части с обязательным совпадением в каждой из них сумм модельных и эмпирических значений. В прогнозировании спроса используются средние показатели продаж услуг за последние годы (месяцы, недели). Среднее значение продаж за ряд периодов (обычно три, четыре или двенадцать) принимается за прогноз на ближайший предстоящий период. Когда этот период оканчивается, средне значение для него включается в расчеты, а данные за первый период отбрасываются и т.д. Таким образом, скользящая средняя рассчитывается по формуле:

где – прогнозная скользящая средняя на период t;

– объем продаж за период (t-i);

– число периодов.

Например, при имеющихся фактических данных по месяцам прогноз спроса на основе метода скользящей средней рассчитывается следующим образом:

= 404 тыс. руб.

= 406 тыс. руб. и т.д.

Метод скользящей средней малочувствителен к изменениям, что ограничивает его использование в прогнозирование. Если в прошлом объем продаж подвергался значительным колебаниям, то средняя величина не может быть надежной базой для прогноза. Кроме того, данный метод требует большого постоянно обновляемого объема информации.

Экспоненциальное сглаживание временных рядов это метод анализа временных рядов, при котором более поздним наблюдениям придается больший вес, то есть веса точек наблюдения убывают (экспоненциально) по мере удаления в прошлое [1]. Такой метод дает возможность получить оценки параметров тренда, характеризующих не средние значения, а тенденцию, сформировавшуюся к моменту последнего наблюдения. Метод экспоненциального сглаживания используется в кратко- и среднесрочном прогнозировании, он не требует обширной информационной базы и ее частого обновления, а, скорее, он нацелен на ее более интенсивное использование по сравнению с методом скользящей средней. Этот метод удобен для программирования с использование компьютерных средств. Наиболее сложным моментов в применении экспоненциального сглаживания является выбор коэффициента сглаживания  (0<<1), который и определяет веса точек наблюдений. Высокое значение этого коэффициента делает прогноз слишком чувствительным к изменениям, а слишком низкое – почти лишает его такой чувствительности. Если альфа-фактор близок к 1, то прогнозным значением спроса становится объем продаж за последний период, а при значении, близком к 0, метод трансформируется в метод скользящей средней.

Расширенное сглаживание предполагает учет сезонных факторов и долгосрочных тенденций. В тех случаях, когда можно четко выявить долгосрочные тенденции и сезонную составляющую динамического ряда, в формулы для прогноза добавляются два соответствующих элемента. Этот метод также как и предыдущий позволяет рассчитать прогнозное значение спроса при минимальном объеме фактических данных.

Адаптивное сглаживание – это метод, предполагающий постоянный пересмотр выбранных значений альфа-фактора. Этот коэффициент пересматривают по окончании каждого прогнозного периода. Таким образом первоначальная субъективная оценка альфа-фактора становится более объективной. В более сложных разновидностях этот метод предполагает автоматическое отслеживание сигналов, предупреждающих об ошибках и погрешностях, и последующее корректирование коэффициента.

При прогнозировании спроса достаточно эффективно может использоваться моделирование, то есть изучение объектов на их моделях. Модель представляет собой логическое или математическое описание компонентов или функций, отображающих существенные свойства моделируемого объекта или процесса. В управлении хозяйственными процессами наибольшее значение имеют математические, прежде всего экономико-математические модели, представляющие собой математическое описание экономического явления или процесса. Такое моделирование основано на обработке статистической информации ретроспективного характера, оценке отдельных переменных величин, их параметров. Существует множество видов экономико-математических моделей и несколько способов их классификации [1]. Наибольшее распространение для целей прогнозирования получили корреляционно-регрессионные модели, модели межотраслевого баланса, оптимизационные модели.

Будущий спрос на услуги может прогнозироваться на основе регрессионных моделей, которые основаны на учете влияния независимых факторов. В этом случае спрос на слугу рассматривается как функция от одной или нескольких переменных. Так, объем спроса на услуги по приготовлению и распространению кофе на стадионе во время футбольных матчей зависит от температуры воздуха во время этих матчей (Пример 1).

Пример 1. Потребление кофе во время футбольных матчей

Практика показывает, что чем холоднее на стадионе, тем больше кофе потребляют болельщики. В таблице помещены данные за два сезона

–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––

Дата Температура воздуха (F) Потребление кофе (тыс. чашек)

–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––

10.09 65 21

24.09 42 32

01.10 58 19

15.10 32 29

29.10 28 40

12.11 20 43

16.09 72 18

30.09 62 24

14.10 40 33

21.10 56 24

11.11 25 36

18.11 30 38

–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––

y = 49,775 – 0,45x r² = 0,88

где y – потребление кофе; x = температура воздуха

–––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––––

Уравнение линейной регрессии, приведенное в таблице, показывает количественное соотношение между температурой кофе и потреблением кофе. Из уравнения следует, что с повышением температуры воздуха на один градус по шкале Фаренгейта потребление кофе сокращается на 450 чашек (0,45 х 1F х 1000 чашек). Значение коэффициента корреляции r² показывает, 88% изменений в потреблении кофе объясняются изменениями температуры воздуха.

Если прогноз погоды известен, то несложно по данной модели рассчитать спрос на кофе, чашки, сахар, сливки и т.д.

Источник: Бауэрсокс Доналд Дж., Клосс Дейвид Дж. Логистика: интегрированная цепь поставок / Пер. С англ. - М.: ЗАО «Олимп-Бизнес», 2001. С.226.

В реальной практике случаи, когда спрос на какую-либо услугу зависит от единственного фактора (простая регрессия) достаточно редки. Чаще же выделяется два и более независимых факторных признаков, тогда речь идет о множественной регрессии. Поскольку регрессионный анализ эффективно учитывает влияние внешних факторов и событий, регрессионные модели больше подходят для составления среднесрочных и долгосрочных прогнозов спроса. Расчеты для линейных регрессионных моделей легко можно выполнить с помощью любого компьютера и большинства моделей калькуляторов. Особенности регрессионного анализа описываются во многих учебниках по статистике, экономико-математическим методам и моделированию.

Ошибки в экономических прогнозах и, в частности, в прогнозах спроса могут привести к значительным убыткам, а иногда и к банкротствам фирм (Пример 2). Проверка надежности любого прогноза осуществляется путем верификации, то есть путем сопоставления и проверки ретроспективного прогноза (за прошлый период). Разница между фактическими и прогнозными значениями называется погрешностью прогноза. Для повышения точности прогноза требуется постоянное измерение и анализ погрешностей. Необходимо определить способ выявления и учета погрешностей, а также сформировать механизм обратной связи для своевременной корректировки прогноза.

Пример 2. Ошибки в прогнозах спроса

В конце 1950-1960 гг. общий грузооборот на воздушном транспорте удваивался каждые 4 года. В 1970 г. одна их крупнейших авиастроительных компаний мира подготовила прогноз, согласно которому спрос на грузовые перевозки воздушным транспортом в 1970-1980 гг. должен был увеличиться в 10 раз. Однако этот прогноз не подтвердился, поскольку в 1970-х гг. из-за энергетического кризиса 1973 г. характер роста сменился с экспоненциальной кривой на логистическую.

Потери фирмы «Форд мотор» (США) из-за модели легкового автомобиля «Эдсел», оказавшейся неудачной, превысили 200 млн. долл. (в 1958 г. были проданы 34 381 машина этого типа вместо предполагавшихся 200 тыс.).

Источник: Родников А.Н. Логистика: терминологический словарь, 2-е изд. исправленное и дополненное. – М.: ИНФРА-М, 2000. С. 202.

Для осуществления обратной связи необходимо, чтобы работники фирм, оказывающих услуги, были заинтересованы в выявлении проблем и в совершенствовании процесса прогнозирования. При соответствующей мотивации они могут определять главные источники ошибок и разрабатывать способы их устранения. Однако в любом случае необходимо помнить, что прогноз не может быть абсолютно точным, и ожидания от прогнозирования должны быть реалистичными.

s Контрольные вопросы

1. Каковы виды прогнозов, выделенные по признаку периода упреждения? Приведите примеры.

2. В чем состоят особенности прогнозирования спроса на услуги?

3. Что означает альфа-фактор в моделях сглаживания временных рядов?

4. В чем основное различие между методом скользящей средней и экспоненциальным сглаживанием?

5. Какие элементы входят в общую модель прогнозирования спроса?

6. Каким образом характер спроса на слуги влияет на точность прогноза?

@ Задачи и упражнения

1. Приведите примеры услуг с зависимым и независимым спросом.

2. Приведите примеры услуг с существенным и несущественным влиянием сезонности на спрос.

3. Рассчитайте прогнозные значения месячного спроса на услуги маршрутных такси до конца года, используя данные таблицы.

— Вопросы для обсуждения на семинаре

1. Почему современные фирмы уделяют много внимания прогнозированию, если известно, что погрешности прогнозов велики?

2. Является ли прогнозирование обязательным видом деятельности в организациях сферы услуг?

Ñ Основные понятия

Прогноз, предсказание, период упреждения, глубина прогноза, оперативные прогнозы, краткосрочные прогнозы, среднесрочные прогнозы, долгосрочные прогнозы, дальнесрочные прогнозы, точечные прогнозы, интервальные прогнозы, прогнозирование, принцип системности, принцип научной обоснованности, принцип адекватности, принцип альтернативности, принцип целенаправленности, исторический и комплексный подходы к прогнозированию, зависимый спрос, независимый спрос, методы прогнозирования, интуитивные и формализованные методы, метод скользящей средней метод экспоненциального сглаживания, метод расширенного сглаживания и метод адаптивного сглаживания, моделирование, модель, простая регрессия, множественная регрессия, верификация прогноза, погрешность прогноза.

¨ Рекомендуемая литература

1. Лопатников Л.И. Экономико-математический словарь. М.: ВО «Наука», 1993.

2. Черныш Е.А., Молчанова Н.П., Новикова А.А., Салтанова Т.А. Прогнозирование и планирование: Учебное пособие. М.: Издательство «ПРИОР», 1999 г.

3. Родников А.Н. Логистика: терминологический словарь, 2-е изд. исправленное и дополненное. – М.: ИНФРА-М, 2000. – (Библиотека словарей «ИНФРА –М»).

4. Сергеев В.И. Логистика в бизнесе: Учебник. – М.: ИНФРА-М, 2001. (Серия «Высшее образование»).

5. Бауэрсокс Доналд Дж., Клосс Дейвид Дж. Логистика: интегрированная цепь поставок / Пер. С англ. - М.: ЗАО «Олимп-Бизнес», 2001.