Основные заблуждения:

  • Чем сложнее модель, тем лучше. Не всегда справедливое утверждение, иногда бывают случаи, когда более простая модель лучше анализирует ситуацию в будущем, оставаясь устойчивой к непредвиденным факторам.
  • Чем больше исторических данных, тем лучше модель. Мне так часто приходится слушать от коллег, что для того, чтобы строить точный прогноз необходимо обладать историческими данными минимум за 2, а лучше за 3 года. В корне неверное утверждение, ситуация на рынке так часто меняется, что применение большого массива исторических данных иногда приводит к тому, что модель становится сильно неустойчивой по истечении короткого промежутка времени.
  • Построив точную модель, которая неплохо себя показала в течение года, у меня нет сомнений, что данная модель будет отлично работать и дальше. Опять же неверное утверждение. Процесс прогнозирования должен быть непрерывным, для того, чтобы вовремя адаптировать его к изменяющейся рыночной ситуации.
  • Хочу построить точную модель, чтобы она учитывала всевозможные факторы и могла использоваться для прогноза любой товарной категории. Утверждение из области фантастики. Построить модель, которая будет хорошо работать для каждой товарной категории и учитывать все факторы, невозможно в принципе. Все товарные категории имеют свою специфику, разную сезонность, разную степень устойчивости к рыночным факторам. Для каждой товарной категории должна быть своя индивидуальная модель, которая будет учитывать факторы данной товарной категории. Бывают конечно исключения, когда одна и та же модель хорошо работает в нескольких товарных категориях, но это лишь до поры до времени, пока не «всплывет» фактор, который присущ именно данной товарной категории.
  • Сейчас мы внедрим софт, который будет строить прогноз самостоятельно и больше у нас не будет никаких проблем.  Это тоже самое как сказать, я куплю самую лучшее хирургическое оборудование и буду самым лучшим хирургом. Обладать лучшим инструментом для прогнозирования, это не значит быть лучшим специалистом по прогнозированию. Софт – это всего лишь инструмент, а не панацея от всех бед.  Хороший софт в неумелых руках может даже навредить.
  • Анализ временных рядов позволяет строить самые точные модели. Действительно есть программное обеспечение, которое строит прогноз, только используя анализ временных рядов.  Применение данных моделей строиться на предположении, что ситуации, которые были в прошлом, с большой долей вероятности повторяться и в будущем. Применение данных моделей лучше всего практиковать при краткосрочном прогнозировании и лишь по тем данным, в которых не прослеживаются причинно следственные связи. Там где такие связи прослеживаются лучше использовать регрессию. Кроме этого, для прогноза продаж новых продуктов такие модели также не используются.
  • Для того, чтобы построить прогноз по продажам товарной категории обязательно необходимы исторические данные о продажах данной товарной категории.  Можно вовсе не иметь никаких данных, чтобы построить прогноз.

Подробнее познакомиться с методами прогнозирования, в каких случаях их применять, как построить прогноз не имея исторических данных и многих других секретах прогнозирования и анализа данных читайте на страницах моего блога.