Метод индекса рыночных показателей

Метод индекса рыночных показателейпозволяет оценить потенциал рынка потребительских товаров. Производитель мужских сорочек хотел бы оценить потенциальные показатели объема продаж своей продукции в Шотландии. По существующим данным, суммарный потенциал продаж сорочек по стране составляет 400 млн фунтов стерлингов в год. Текущий объем продаж компании в масштабах всей страны равен 4 800 000 фун­тов стерлингов в год, то есть около 1,2 процента от суммарного потенци­ального рынка. Объем продаж по Шотландии составляет 1 200 000 фун­тов стерлингов. Компании хотелось бы узнать, является ли ее доля шот­ландского рынка больше или меньше, чем ее же доля рынка в целом по стране. Для этого в первую очередь необходимо рассчитать рыночный потенциал Шотландии. Одним из способов расчета является умножение численности населения на доход на душу населения по региону и на среднюю долю дохода, расходуемую на приобретение сорочек. Затем полученное произведение необходимо сравнить с соответствующим показателем для страны в це­лом. Следуя такому методу расчета, производитель определил, что на Шотландию приходится 8 процентов суммарного потенциального спроса на мужские сорочки, существующего в Великобритании. Поскольку сум­марный потенциал по стране равен 400 млн фунтов стерлингов в год, суммарный потенциал по Шотландии составляет 0,08 х £400 млн = = 32 млн фунтов стерлингов. Следовательно, исходя из объема продаж компании в Шотландии, равного 1 200 000 фунтов стерлингов, ее доля в рыночном потенциале данного региона равна £1 200 000/£32 млн = = 3,75 процента. Сравнив этот показатель со значением доли на общего­сударственном рынке, равном 1,2 процента, компания обнаружила, что ее коммерческая производительность по Шотландии гораздо лучше, чем по другим регионам Соединенного Королевства.

ПРОГНОЗЫ НА ОСНОВЕ СПРОСА В ПРОШЛОМ

Для проведения анализа временных рядов используются прошлые пока­затели продаж или других аспектов деятельности с целью оценки буду­щего. Хотя в основном этот способ можно назвать элементарным, по качеству прогнозирования он нередко превосходит более усложненные методы. Одной из причин успешности этого метода является его объек­тивность. Анализ временных рядов является настолько механическим, что вряд ли остается возможность управленческого вмешательства, из-за которого результаты могут быть искажены.

Анализ временных рядов

Многие фирмы в своих прогнозах исходят из прошлых показателей продаж - метод, который наш циничный Ральф Харрис назвал "живо сопоставимым с управлением кораблем по следу, остающемуся от него на волнах". Предполагается, что статистический анализ позволяет вы­явить причины прошлых продаж. Затем чтобы предсказать объемы бу­дущих продаж, аналитики могут воспользоваться причинно-следствен­ной связью.

Анализ временных рядовсостоит из деления продаж на четыре составляющие: тенденция, цикличность, сезонность и непостоянные фак­торы (рис. 9.2). Затем выполняется рекомбинация этих составляющих с целью формирования прогноза продаж:

1. Тенденция- это долгосрочный основополагающий фактор роста/ падения объема продаж в результате базовых изменений численно­сти населения, формирования капитала и технологий. Тенденцию определяют, соединяя показатели продаж за прошлые периоды пря­мой или кривой.

2. Цикличность- это среднесрочные волнообразные колебания про­даж в результате общих изменений в экономической и конкурент­ной деятельности. Цикличность может использоваться для прогно­зирования в рамках средних по длительности периодов. Цикличес­кие колебания тем не менее трудно поддаются прогнозированию, поскольку они не происходят на регулярной основе.

' Рис. 9.2. Анализ временных рядов

3. Сезонностьобусловлена последовательным изменением объема про­даж на протяжении года. Термин "сезонность" может относиться к любым повторяющимся ежечасно, еженедельно, ежемесячно или ежеквартально колебаниям объемов продаж. Компонент сезоннос­ти может быть связан с погодными факторами, праздниками и тор­говыми обычаями. Принцип сезонности определяет стандарт про­гнозирования объемов продаж в рамках кратких по длительности периодов.

4.К непостоянным факторамотносятся веяния моды, забастовки, восстания, пожары и прочие нарушения обычного порядка. Эти компоненты по определению являются непредсказуемыми и долж­ны быть исключены из данных о прежних объемах продаж, чтобы выявить колебания объемов продаж в нормальных условиях. Одна британская компания розничной торговли обнаружила, что луч­шим признаком для предсказания дневного объема продаж была глубина снежного покрова! Реальный, но совершенно бесполезный результат!

Согласно этому методу, объем продаж V_t , за период t рассчитывают путем перемножения всех составляющих: объема продаж продукта за про­шлый период V_t-1, тенденции Т_t цикличности C_t и сезонности S_{t .}

V_t =V_t-1 х Т_t х С_t х S_t.

Продав в этом году 12 000 страховых полисов (V_t-1=12 000), компания, специализирующаяся на страховании жизни, хотела бы предсказать объем продаж на декабрь следующего года. Согласно долгосрочной тенденции, темп ежегодного роста составляет 5 процентов (T_t = 1,05). Таким обра­зом объем продаж в следующем году составит £12 000 х 1,05 = £12 600. Тем не менее в следующем году ожидается спад деловой активности, в результате которого суммарный объем продаж, вероятно, составит не более 90 процентов от ожидаемого объема продаж, определенного со­гласно существующей тенденции (C_t = 0,90). Следовательно, объем про­даж в следующем году скорее всего составит £12 000 х 1,05 х 0,90 = £11 340. Если бы объем продаж был одинаковым в каждом месяце, то соста­вил бы £11 340/12 = £945. Но в декабре обычно объем продаж страхо­вых полисов превышает среднемесячный, т.е. индекс сезонности S_l2 ра­вен 1,30. Следовательно, объем продаж в декабре может достичь £945 х 1,30 = £1 228.

Основную проблему в анализе временных рядов представляет оценка составляющих сезонности, цикличности и тенденции. Простой подход к решению данной проблемы - это вычисление средних показателей за несколько лет, хотя он и не позволяет придать дополнительный вес пос­ледним событиям, и остается нерешенным вопрос о том, по какому имен­но количеству периодов следует вычислять средний показатель. Метод скользящего среднего с экспоненциальным взвешиванием позволяет пре­одолеть эту проблему путем включения всех статистических данных за прошлые периоды с присвоением более высокого весового коэффициента только последним данным. Это позволяет избежать проблемы, связанной с отбрасыванием данных, зато возникает новый вопрос - определение скорости экспоненциального затухания при определении показателей за прошлые периоды. Было разработано множество методов автоматичес­кой корректировки весовых коэффициентов, но всем им свойствен тот же недостаток, что и любому виду анализа временных рядов: они основа­ны на предпосылке о повторении принципов колебаний, существовавших в прошлые периоды.