Практика прогнозирования

Пример сезонной декомпозиции и сглаживания пиков

3

Выкладываю простейшие примеры прогнозов временных рядов а также возможные пути борьбы с пиками.

Модель

А вот здесь уже более реальный пример на живых данных, пример с форума 4p:
Пример с форума 4p

Еще один пример восстановления данных о продажах при дефиците товаров, в примере используется сезонная декомпозиция по неделям. В вот и файл. Пример с форума zakup.vl.ru

XYZ-анализ

10

Сегодня я хочу поговорить еще об одном типе анализа, который имеет прикладное значение для предприятия, а именно XYZ-анализ.

XYZ-анализ позволяет произвести классификацию ресурсов компании в зависимости от характера их потребления и точности прогнозирования изменений в их потребности. Алгоритм проведения можно представить в четырёх этапах:

  1. Определение коэффициентов вариации* для анализируемых ресурсов;
  2. Группировка ресурсов в соответствии с возрастанием коэффициента вариации;
  3. Распределение по категориям X, Y, Z.
  4. Графическое представление результатов анализа.

* Коэффициент вариации — показывает, какую долю среднего значения этой величины (среднее арифметическое) составляет ее средний разброс (усредненное отклонение от среднего арифметического). Чем меньше величина коэффициента вариации, тем точнее Вы можете спрогнозировать величину.

Категория X — ресурсы характеризуются стабильной величиной потребления, незначительными колебаниями в их расходе и высокой точностью прогноза. Значение коэффициента вариации находится в интервале от 0 до 10 %.

Категория Y — ресурсы характеризуются известными тенденциями определения потребности в них (например, сезонными колебаниями) и средними возможностями их прогнозирования. Значение коэффициента вариации — от 10 до 25 %.

Категория Z — потребление ресурсов нерегулярно, какие-либо тенденции отсутствуют, точность прогнозирования невысокая. Значение коэффициента вариации — свыше 25 %.

Реальное значение коэффициента вариации для разных групп может отличаться по следующим причинам:

  • сезонность продаж,
  • проводимые акции,
  • дефицит каких-либо ресурсов и т. д.

Чем точнее Вы спрогнозируете необходимые ресурсы тем больше оборачиваемость, меньше затовариваемость.

В некоторых случаях XYZ-анализ можно заменить ABC-анализом по количеству обращения (покупок), так как по закону больших чисел, потребление товаров, которые продаются чаще, проще прогнозировать.

Как правило, XYZ-анализ применяют в комбинации с каким либо другим методом. Так как сам по себе он позволяет определить лишь вероятность появления большой погрешности при прогнозе.

Удачи в применении!


6 советов прогнозиста из силиконовой долины

0

Пол Саффо, прогнозист, работающий в Кремниевой (Силиконовой) долине рассказал о “правилах предсказания”.

Предсказания возможны, только если события предопределены. Прогнозы строятся на рациональном постижении мира. Саффо предлагает 6 правил прогнозирования.

1. Очертите границы неопределенности

Хороший прогноз выявляет значимые факторы, которые, с одной стороны, расширяют представления о будущем, а с другой — сужают пространство, в пределах которого может развернуться интуиция. Представим себе, что на дворе 1997 год. В Японии только что выпустили в продажу Toyota Prius, и нужно спрогнозировать будущие продажи гибридных автомобилей. Для начала стоит рассмотреть внешние факторы: частные (цены на нефть, отношение потребителей к охране окружающей среды) и более общие (экономическая ситуация в целом), учесть перспективы конкурирующих технологий (например, нового топлива), а также рост популярности малогабаритных автомобилей. На периферии круга возможностей — непредсказуемые события вроде терактов или войны на Ближнем Востоке.

2. Определите траекторию будущих событий

Природа самых существенных изменений описывается S-образной кривой: медленное начало, неспешное развитие, потом внезапный и стремительный взлет к высшей точке и в конце — снижение или даже возврат к первоначальному уровню.

Искусство прогнозирования состоит в том, чтобы угадать ход кривой в самом начале, задолго до точки перегиба, после которой как раз и сколачиваются состояния и начинаются революции. Возьмем для примера путешествие Колумба в 1492 г. Его открытие пришлось как раз на момент, когда кривая поисков новой земли на западе достигла высшей точки. Колумб не первым достиг Нового Света, но он первым вернулся назад и принес известие в Европу — и тысячи людей отправились на запад. Если бы члены Лиссабонской академии астрономии и математики умели делать прогнозы, они не отклонили бы проект в 1485 г., не объявили бы расчеты Колумба фантастическими и слава спонсора открытия Америки досталась бы королю Португалии, а не испанским монархам. Просто надо было учесть все предыдущие безуспешные попытки путешественников и увидеть, что по всем признакам точка перелома в поисках новой земли вот-вот будет достигнута.

Нижняя часть S-образной кривой гораздо длиннее, чем представляется многим. Телевидение, изобретенное в 1930-е, начало свой взлет только в 1950-х. Интернет просуществовал почти 20 лет к 1988 г., когда началось его стремительное восхождение. Уловив начало S-образной кривой, всегда правильнее считать, что события будут развиваться медленно, а не думать, что перемены вот-вот наступят.

3.Учитывайте то, что выходит за рамки привычного

Писатель-фантаст Уильям Гибсон заметил: “Будущее уже наступило. Просто оно еще неравномерно распределено”. Начало S-образной кривой вроде ниточки, которая свешивается из будущего. И важно принять во внимание факторы, которые не соответствуют общему правилу, не вписываются в классификацию и зачастую просто отбрасываются.

В конце 1990-х на интернет-аукционе eBay вдруг стали торговать персонажами и объектами из игры EverQuest, а в 2001 г. сама eBay по какой-то причине это запретила. Эти операции были предвестниками бурного роста торговли в виртуальном мире игры Second Life. Сейчас в мире порядка 12 млн человек втянулись в подобные игры, годовая сумма сделок в виртуальном мире оценивается минимум в $1 млрд реальных денег. Чаще всего событие-предвестник воспринимается как курьез. Но если вы хотите заранее обнаружить нечто такое, что в ближайшие годы ворвется в жизнь, обратите внимание на любопытные идеи, на которых вроде бы поставили крест.

4.Не бойтесь отказываться от предположений

Опаснее всего для прогнозиста, да и для любого человека, принимающего решение, — довериться лишь одному сообщению, а все остальные проигнорировать. Именно эта ошибка привела 8 сентября 1923 г. к трагедии: тогда в тумане разбились о скалы сразу девять американских эсминцев. Штурман первого корабля был настолько убежден в правильности собственных расчетов, что проигнорировал неудобную информацию и повел корабль прямо на прибрежные скалы. За ним повернули еще девять кораблей. На десятом эсминце палубные офицеры усомнились в расчетах головного корабля и доложили об этом штурману, он не поверил им, но на всякий случай за час до рокового поворота дал команду изменить курс. Этим он спас корабль и еще три следовавших за ним.

5.Назад смотрите дальше, чем вперед

Умение смотреть во вчерашний день очень важно для прогнозирования, однако недавнее прошлое редко бывает надежным индикатором будущих событий. Как говорил Марк Твен, “история не повторяется, история рифмуется”. Оглядываясь назад в поисках параллелей, нужно рассмотреть период в два раза более долгий, чем период вашего прогноза.

6. Когда не делать прогноз

Даже в периоды стремительных и решительных преобразований всё в основном остается по-старому. Во времена доткомовского бума многое изменилось, но в основе революции лежали все те же нужды потребителя и все те же неумолимые законы экономики. Почти никто не заметил, что люди пользуются новыми широкополосными каналами связи для покупки традиционных вещей, например книг, и для обычных человеческих занятий — в интернете болтают и развлекаются. Провидцы заявили, что прежние законы больше не действуют, но мыльный пузырь доткома лопнул, как и все экономические пузыри в прошлом. А ведь приближение кризиса увидел бы любой, кто не поленился бы изучить историю экономических чудес.

В истории бывают моменты, когда сделать прогноз сравнительно легко, а иногда это совершенно невозможно.

Конечно, большинство советов Пола относятся к долгосрочному или стратегическому прогнозированию, но в то же время они позволяют задуматься над теми инструментами и факторами, которые мы используем при формировании прогноза.

Удачи Вам в применении советов.


Какой прогноз лучше — точный или устойчивый?

0

Сегодня я затрону еще одну тему, над которой, если Вы и не задумывались, то обязательно рекомендую обратить на нее внимание.

Для начала давайте определим пару понятий, обозначенных в теме. Что я понимаю под ними.

Точность — чем меньше сумма отклонений фактических данных от смоделированных, тем точнее модель.

Устойчивость — способность модели давать минимальные отклонение в довольно продолжительный промежуток времени.

С одной стороны каждая модель должна обладать этими двумя характеристиками, но с другой стороны, если модель точная в течение года или на исторических данных, это не значит что в будущем она будет оставаться устойчивой. И наоборот, если модель устойчива на протяжении длительного промежутка времени, это не значит, что она точная на некоторых периодах времени.

Часто при выборе моделей прогнозирования я встаю перед выбором. Какую модель мне выбрать, стоит ли ее усложнять для увеличения точности, или наоборот, постараться ее сделать более устойчивой вне зависимости от времени, но пренебречь краткосрочной погрешностью. И со временем я пришел к выводу, что необходимо принимать решение в зависимости от ситуации и от той политики планирования, которая принята в Вашей компании.

Я рассуждаю следующим образом: если я формирую долгосрочный прогноз развития предприятия, то я выбираю более устойчивую модель, пренебрегая точностью на определенных промежутках, понимая, что более устойчивая модель даст результат точнее, чем точная на исторических данных модель.

Если я формирую краткосрочный прогноз, я стараюсь увеличить степень точности модели, вводя дополнительные факторы.

Самый правильный ответ, это конечно и точная и устойчивая, но со временем я понял, что на быстро изменяющихся рынках, это практически недостижимая цель.

Ну и напоследок, пару советов какие критерии можно применить для оценки точности модели.

Коэффициент детерминации r^2 — показывает как раз степень точности модели на исторических данных. Чем ближе он к единице, тем точнее модель.

Для определения устойчивости модели, Вы можете применить статистику Дарбина-Уотсона (DW). Чем она ближе к 2-ум, тем устойчивее модель.

Я специально не привожу формулы расчета коэффициента и статистики, так как вовсе не обязательно их вычислять чтобы понять насколько модели устойчивы и точны, я открою Вам маленький секрет, как это понять графически.

Строим график относительных остатков — (факт — модель)/модель. Если шкала слева не превышает и не меньше +-3-5%, то модель довольно точна и скорее всего при вычислении коэффициента детерминации, он будет близко к единице. Лучше, конечно, чтобы максимум и минимум не сильно отклонялись от нуля.

Специально строим относительные отклонение, потому что если строить абсолютные, то при погрешности в 1% от суммы в 1 млрд. руб., можно получить абсолютное отклонение в 10 млн. руб. Для кого-то такой степени точности будет достаточно, а для кого-то это может быть критичным для бизнеса. Тут опять же необходимо понимать степень важности для организации погрешности прогноза.

Как же проверить устойчивость. Все очень просто, если график остатков (абсолютных или относительных — не важно), пересекает ноль множество раз, на граничных точках, в середине диапазона, то скорее всего Ваша модель устойчива.

Да и вычисляя статистику Дарбина-Уотсона, она будет находится ближе к 2-ум. Если же график находится выше нуля или ниже нуля, то скорее всего существует некий фактор, которым Вы пренебрегли и  который обязательно может повлиять на степень точности модели в будущем. Кроме этого, если построить тренд графика остатков, лучше, чтобы он совпадал с нулевой линией, если принимает вид синусоиды, тангенса, полинома или другой, описываемый более сложной формулой кривой, то скорее всего Ваша модель не устойчива.

Ну вот, теперь не обладая какими-либо глубокими знаниями в статистике Вы сможете проверить степень точности и устойчивости модели, всего лишь взглянув на график остатков.

Желаю Вам устойчивых И точных прогнозов!


Что за зверь такой — эластичность?

5

Эластичность — такое знакомое до боли слово для большинства специалистов, кто имеет высшее образование. Стандартный курс экономики читают в любом ВУЗе, а иногда даже в школе и там с этим понятием непременно знакомят. Но мало кто задумывается как можно использовать эластичность для увеличения эффективности маркетинговых кампаний и прогнозирования эффекта от их реализации. Иногда на собеседовании я задаю такой вопрос «Знаете, что такое эластичность спроса по цене», кивают головой — знают. Говорю «Отлично! Дайте определение». И 2 из 3 не отвечают, как собачки, все понимают или думают, что понимают, но ничего сказать не могут.

Если Вы знаете коэффициент эластичности по продукту, то успех маркетинговой кампании целиком и полностью зависит от правильности применения эластичности. Я, как правило, понимаю под эластичностью — эластичность спроса по цене. Помните, я говорил что предпочитаю ценовые методы. Хотя видов эластичности гораздо больше.

Коэффициент эластичности спроса по цене рассчитывается как модуль (процента изменения спроса на продукт деленный на процент изменения цены).

Если коэффициент эластичности больше 1, то спрос эластичен.

Если меньше, то неэластичен

Если равен 1, то порог перехода.

А теперь я опять открою Вам маленький секрет, как можно использовать знание коэффициента эластичности для увеличения эффективности маркетинговых кампаний.

Если Вы используете ценовые методы, снижая тарифы и стимулируете спрос и знаете, что коэффициент эластичности меньше либо равен 1, то скорее всего с большой долей вероятности, эффективность Вашей компании будет стремиться к нулю! Если только Вы не применили один из моих секретов, связанный с округлением.

Если спрос эластичен, тогда и только тогда применение ценовых методов может быть эффективным.

А когда Вы увеличиваете цены на продукты и спрос не эластичен, то наоборот, с большой долей вероятности, это будет положительно влиять на Вашу эффективность. А если спрос эластичен и Вы увеличиваете тарифы, то будьте уверены, что объемы реализации упадут и эффективность Вашей кампании во многом будет зависеть от того на сколько грамотно Вы все просчитали.

Если Вы постоянно проводите мониторинг эластичности спроса по цене, то я Вас поздравляю, а если нет, никто не мешает начать это делать прямо сейчас. Это поможет уберечь Вас от ошибок.

Успешных Вам маркетинговых кампаний!

О других секретах и способах их применения читайте на странице моего блога.


Вверх
Яндекс.Метрика