Инструкция по составлению прогноза продаж методом двадцать пятого месяца

Прогнозирование скорости убытия (прогноз продаж) – рассчитанная по определенной технологии гипотеза об объемах продаж за период с распределением этого объема по времени.

Ошибки при прогнозировании продаж могут привести к следующим результатам:
·       При завышенном прогнозе.
  Невыполнение финансовых планов и недостаток денег на инвестиции.
  Перетарка склада.
·       При заниженном прогнозе.
  Повышенная потребность в товаре и недостаток средств на закупку.
  Нехватка логистических и складских мощностей.
Но это проблемы вне компетенции закупщика.
Самая большая проблема при некорректном прогнозе – нехватка товаров в магазине.
В этом случае в распоряжении покупателя есть несколько сценариев.

Позитивный сценарий: Покупатель переключился и купил другой аналогичный товар

• Частично негативный сценарий: Покупатель отказался от покупки товара этой категории и перенес ее на другую дату, когда товар появится в этом магазине. Остальные товары были куплены, лояльность покупателя к магазину пострадала не критично.
• Негативный сценарий: Не найдя интересующий товар покупатель полностью отказался от покупки и совершил ее у конкурентов.
• Катастрофический сценарий: Несколько раз не найдя любимых товаров покупатель приобрел негативный опыт и перешел на другой канал покупок.

Отсутствие товара в любом случае является недоработкой торговой сети и товар, введенный в ассортиментную матрицу должен быть в наличии

Влияние отсутствия товара на поведение потребителей определяется лояльностью к бренду, частотой покупок, наличием альтернатив:

• Отсутствие товаров, аналогичных по цене, отпугнет «экономящих»
• Отсутствие товаров, аналогичных по свойствам и назначению, отпугнет «целеустремленных»
• Отсутствие любимых и «достойных» брендов отпугнет «традиционалистов», привыкших покупать одни и те же товары
• Покупателя «со списком» может отпугнуть отсутствие любого товара из списка.

Казалось бы, для устранения этих негативных последствий достаточно закупить побольше товаров. Но и у излишнего товарного запаса есть свои недостатки.

Низкая оборачиваемость запасов, что ведет к иммобилизационным издержкам (замораживанию денежных средств)
·       Дополнительные складские и логистические расходы
·       Возможные потери товарного вида или просрочка
·       Возможные потери из за устаревания (для бытовой техники и мобильных телефонов это выход новых моделей, для одежды – смена сезона, для продуктов с длительными сроками годности – недоверие покупателям к товарам, которые «давно лежат»).
Следовательно, для того, чтобы не нести убытки необходимо повысить качество прогнозирования. Не вникая сейчас в роли товаров и влияние отсутствия товара на покупателя, подойду к вопросу математически, разделив товары по степени их уходимости.

·       Для товаров с большим объемом продаж запас рассчитывается по статистической модели на основе произведения скорости убытия (рассчитанной с учетом коэффициента сезонности и общего тренда), умноженной на количество дней заказа + резервный и неснижаемый товарный запас – текущий остаток.
·       Для товаров с низкой уходимостью значимость прогноза снижается, так как часто задача закупщика сводится к:

• Пополнению запаса до неснижаемого запаса, допустим, презентабельной выкладки, когда продажи в месяц из торговой точки 1 шт., а согласно запас полки 3 шт.
• Увеличению заказа до минимального кванта поставки
• Все это приводит к снижению оборачиваемости, но обеспечению оптимальной логистики и презентабельной выкладки.

Для снижения требований к качеству прогноза скорости убытия, помимо сбора информации о возмущениях и совершенствования процедуры автозаказа есть одно простое средство – уменьшение частоты поставок:
·       Более частые поставки от поставщика (допустимо для товаров с небольшим квантом поставки)
·       Создание запаса на промежуточном складе (возможно, даже своем РЦ), что позволит при стандартном времени выполнении заказа поставщиком, допустим 15 дней, обеспечить быстрый «довоз» товара в случае резкого скачка спроса, допустим, через 2 дня.

Конечно, у частых поставок есть свои недостатки – рост операционных издержек, но это уже другая задача (см. модель Уилсона)

Берем статистику за 24 месяца. При этом в нее не должен входить последний закончившийся месяц (25 месяц).
Т.е. если мы проводим расчет в ноябре, двадцать пятым месяцем является октябрь текущего года. Статистику используем за период с октября 2023 до сентября 2025 года.
1.Расчет коэффициента сезонности категории на основании статистики продаж по категории за 12 месяцев
·       По методу наименьших квадратов составляем линейный тренд (рассчитываем коэффициенты а и в)
·       Рассчитываем помесячные значения по линейному тренду
·       Y=ax+b (х-номер месяца)
·       Рассчитываем коэффициент сезонности как отношение реального значения от расчетного по тренду.
2. В случае, если доступна статистика за 24 месяца:
·       Рассчитываем коэффициенты сезонности для «предыдущего» года.
·       Рассчитываем усредненный коэффициент сезонности для каждого месяца
3. Расчет прогноза по коэффициентам сезонности на октябрь 2025 г по формуле:

Y=(a*13+b)*Ксез1

Составляем линейный прогноз на 13й месяц и умножаем его на коэффициент сезонности первого месяца
4. Рассчитываем прогноза на основании статистики за 3-6-9.
В случае расчета краткосрочного прогноза можно применять упрощенные методики:
Вариант 1: Прогноз LFL
Продажи предыдущего месяца умножаем на отношение продаж по месяцам прошлого года

Прогноз октябрь 2025 = Продажи сентябрь 2025* (Продажи октябрь 2024/Продажи сентябрь 2024)

Вариант 2: Краткосрочный прогноз на основании тренда.
·       Продажи за период нормируются коэффициентом сезонности.
·       Рассчитывается линейны тренд за 3, 6 и 9 месяцев.
·       Рассчитывается линейный прогноз на октябрь.
·       Рассчитанный прогноз умножается на коэффициент сезонности.
В результате у нас получается пять прогнозов продаж на октябрь 2025 года.

Сравниваем результаты работы в октябре с прогнозами.
Выбираем два самых достоверных.
Выставляем весовые коэффициенты значимости прогнозов обратно пропорционально полученной ошибке прогнозирования.
Рассчитываем прогноз по формуле.