Записи с меткой Прогнозирование

Типы закономерностей, выявляемых методами Data Mining

2

Что такое Data Mining мы с Вами разобрались. Сегодня мы поговорим о закономерностях, которые лежат в основе алгоритмов Data Mining-а.

Выделяют пять стандартных типов закономерностей, которые позволяют выявлять  методы Data Mining: ассоциация, последовательность, классификация, кластеризация и прогнозирование. Давайте попробуем разобраться как они применимы на практике.

Ассоциация имеет место в том случае, если несколько событий связаны друг с другом. Например, исследование, проведенное в супермаркете, может показать, что 70% купивших творог берут также и сметану, а при наличии скидки от одного производителя такую пару продуктов покупают в 80% случаев . Располагая сведениями о подобной ассоциации, менеджерам легко оценить, насколько действенна предоставляемая скидка.

Если существует цепочка связанных во времени событий, то говорят о последовательности. Так, например, после покупки квартиры в 45% случаев в течение месяца приобретается и новая кухонная плита, а в пределах двух недель 60% новоселов обзаводятся холодильником.

С помощью классификации выявляются признаки, характеризующие группу, к которой принадлежит тот или иной объект. Это делается посредством анализа уже классифицированных объектов и формулирования некоторого набора правил. Например, может определяться надежность клиента банка по ряду критериев.

Кластеризация отличается от классификации тем, что сами группы заранее не заданы. С помощью кластеризации средства Data Mining самостоятельно выделяют различные однородные группы данных. Как правило, на основе кластеризации формируются новые продукты.

Основой для всевозможных систем прогнозирования служит историческая информация, хранящаяся в БД в виде временных рядов. Если удается построить шаблоны, адекватно отражающие динамику поведения целевых показателей, есть вероятность, что с их помощью можно предсказать и поведение системы в будущем.

В настоящее время в России очень мало коммерческих организаций применяют данные принципы на практике. Лишь некоторые крупные организации могут себе это позволить ну и зря. Применяя алгоритмы Data Mining-а можно значительно увеличить объем реализации продукции, практически не затрачивая дополнительных средств на продвижение.

Успехов в применении!


Эффект сложного процента

0

Сегодня я Вам открою еще один секрет. О том как его можно применять, я расскажу в другой раз, это вы сможете узнать на страницах моего блога.

Давайте оттолкнемся от примера. Вы вложили в банк сумму в 100 тысяч рублей. Годовая ставка 9%. В конце года Вы получите на свой счет сумму, равную 109 тысяч рублей, если сумма процентов начисляется ежегодно. Если Вы вложите на 2 года, а после первого года сумму не уменьшите, тогда вы получите сумму равную 100*(1+0,09)*(1+0,09) = 118,81, и так далее. Хвостик 0,81 = 118,81 — 118 это и есть эффект сложного процента. Если капитализация процентов ежемесячная, то такой хвостик будет еще больше. Если сумма вклада существенная, то и хвостик дает существенную сумму.

И чем больше периодов Вы держите сумму, тем больший хвостик у Вас копится. На таком хвостике люди на Западе делают колоссальные состояния. Конечно, в России это мало применимо, потому что у нас процентная ставка, как правило, на уровне инфляции или того меньше, а уровень инфляции съедает всю нашу прибыль, но, возможно, Вы и воспользуетесь данным секретом.

Кстати, Вы можете легко решить ряд волнующих Вас задач. Например, поставили цель заработать 1 миллион рублей. У Вас есть сумма в 100 тыс. рублей. Знаете ставку, например 9%. Хотите посчитать за сколько лет накопите нужную сумму?  Решаем уравнение 1,09^n*100 000 = 1 000 000 или 1,09^n =10. Применим к обоим натуральный логарифм и используем свойство логарифмов n*ln(1,09) = ln(10), следовательно n = ln(10)/ln(1.09). С помощью одноименной функции, например в MS Excel вычисляем это значение. Получается 26,7. Т.е. около 27 лет Вам придется накапливать эту сумму.

Давайте посчитаем сколько бы вы заработали за 27 лет, если бы этого хвостика не было. 100 000 + 27*9 =343 тыс.руб.

Т.е. хвостик Вам позволил заработать большую часть денег. Не пренебрегайте хвостиком.

Кстати, многие авторы книг, которые пишут о личных финансах используют эффект сложного процента, чтобы открыть нам глаза на то, как бы мы стали успешны в будущем если бы вложили эти 100 тысяч 30 или 50 лет назад.

Был даже придуман «Эффект Латте», общая суть которого сводится к тому, что вместо того, чтобы покупать каждое утро чашечку кофе, Вы могли бы инвестировать эти деньги в свое будущее. И приводят такой расчет, например чашка кофе Вам обходится в 100 рублей, например,22 рабочих дня, соответственно экономия в месяц составляет 2200 рублей. Если Вы вкладываете деньги в банк под 9% годовых с ежемесячной капитализацией процентов, то за 20 лет Вы можете накопить 1,48 млн. руб. Здорово конечно, но я бы предпочел более прагматичный способ накопления. Банк может сгореть, и даже система страхования вкладов, которая мне вернет только 700 тыс. руб. не поможет, инфляция может съесть все мои инвестиции за 20 лет. Конечно, можно все продумать, разбить вклад на суммы, меньшие чем 700 тыс. руб., предполагать, что стоимость товаров расти не будет и что все будет так как пишут авторы книг.

Подумайте, как Вы можете использовать эффект сложного процента для увеличения своего личного благосостояния или состояния своей фирмы. О других секретах и способах их применения Вы можете прочитать на страницах моего блога.

Желаю Вам финансового благосостояния!


Как оценить эффект от маркетинговой кампании?

0

Представим ситуацию, Вы работаете в отделе маркетинга компании аналитиком и Вас попросили оценить эффективность маркетинговой кампании. Если кампания уже прошла, то сделать это не сложно, но что делать если кампания еще только планируется? Как понять, эффективны ли будут вложения в рекламу и продвижение Вашей продукции?

Давайте попробуем разобраться. Я бы предложил решать эту задачу однозначно точно также как и в первом случае когда Вы знаете фактический объем продаж. Если Вы его знаете, то Вы легко можете посчитать затраты на привлечение 1 абонента (на 1 проданную единицу товара и т.д.).

Соответственно, Вы имеете 2 ситуации, прогноз продаж без реализации кампании, который Вы можете построить используя доступные Вам методы прогнозирования и прогноз продаж в случае реализации кампании.

Если первая сумма — переменные издержки на реализацию продукции< второй суммы — затрат на кампанию — переменные издержки, то скорее всего акция эффективна. Постоянные издержки в данном неравенстве и слева и справа одинаковы, поэтому для удобства их сразу сокращаем.

Кстати не обязательно, чтобы акция окупалась к моменту ее окончания, бывают случаи, когда окупаемость Вашей кампании произойдет несколько позже за счет постоянных покупок в будущем или за счет ежемесячных платежей, если Вы работаете, например, в телекоме или банке. Тогда увеличивайте количество периодов, за которые Вы будете рассматривать неравенство.

Когда кампания закончилась, Вы сможете легко оценить эффективность. Когда компания не началась единственная переменная, которая Вам неизвестна это только планируемый доход. переменные издержки на единицу продукции, скорее все постоянны, если нет, то вы с легкостью их можете пересчитать обладая дополнительной информацией. Данный показатель Вам надо спрогнозировать с той степенью точности, которая только возможна. Если у Вас есть наработанная статистика по подобным кампаниям, или если акция «ценовая» (направлена на скидки, на снижение цены и т.д.) Вы знаете эластичность спроса по цене, то останется только использовать данную статистику и оценить дополнительный объем продаж. Иногда запускают тестовую кампанию (или обучающую выборку) на узком рынке, затраты на привлечения на котором минимальны (на том рынке, на котором даже если кампания не даст никаких результатов, это не сильно отразится на ее показателях), смотрят на результаты кампании, в случае необходимости, дорабатывают условия и ограничения, а затем запускают на всей области присутствия.

Но что делать если статистики нет, а запускать тестовую кампанию накладно. Давайте я Вам открою небольшой секрет как это можно сделать. Я в этом случае предлагаю Вам решить обратную задачу. Давайте ее сформулируем. Сколько единиц продукции необходимо дополнительно реализовать, чтобы считать кампанию успешной.

Затраты на кампанию Вы скорее всего будете знать, потому как на момент подготовки коллеги, которые занимаются рекламой уже составили медиаплан и посчитали расходы. Ну а затем Вам останется только поразмыслить здраво, сможете ли Вы дополнительно реализовать такой объем продукции. Если расчет показывает, что необходимо увеличить объем продукции вдвое, то скорее всего акция не будет эффективной.

Давайте на примере покажу как это можно сделать. Например, компания «Микроволновка» решила провести маркетинговую кампанию по реализации микроволновых печей, которая должна позволить увеличить эффективность компании.

Мы знаем, что с января по август средний объем реализации продукции составил 1300 единиц техники. Средняя стоимость техники составила 3,5 тыс. рублей. Закупочная цена + логистика составляет 2,8 тыс.рублей. Маркетологи хотят провести акцию в октябре, по которой всем покупателям будет предоставлена скидка 10% на продукцию.

Что мы имеем, 3,5 — 2,8 = 0,7 — это маржа на единицу продукции до проведения акции.

(3,5*90% — 2,8) = 0,35 маржа на единицу продукции в момент реализации акции. Несмотря на то, что скидку предоставляем 10%, маржа снижается вдвое. Тревожный звоночек. Я бы подумал о вводе каких-то ограничений.

Отдел рекламы посчитал, что стоимость кампании обойдется например в 250 тыс.руб.

Опустим для простоты в данном примере сезонный рост продаж в октябре. Мы предполагаем, что даже если мы не будем проводить кампанию, то уж 1300 микроволновых печей мы сможем реализовать.

Т.е. наша маржа без проведения акции составляет 1300*0,7 = 910 тыс.руб.

Нам остается посчитать сколько единиц продукции нам необходимо реализовать, чтобы окупить и затраты на рекламу и нашу скидку.

Подставляем в неравенство: 910 < X * 0.35 — 250, т.е. для того, чтобы акция была эффективна, необходимо будет реализовать более 3315 единиц техники. А по хорошему, чтобы Ваши усилия окупились, необходимо продавать еще больше. Увеличить продажи более чем в 2 раза при скидке в 10%? Ну я бы просто не проводил такую кампанию. Но Вы же аналитик и можете предложить либо новые условия акции, либо ввести ограничения либо снизить расходы на акцию с той целью, чтобы дополнительный объем реализации продукции казался Вам достижимым. Либо попытаться понять как можно улучшить эффективность, может продажа сопутствующих товаров даст дополнительный эффект?

Желаю Вам только эффективных маркетинговых кампаний!


Что делать если нет данных?

0

Помните, когда я говорил о заблуждениях о прогнозировании, то говорил о том, что можно построить прогноз даже не имея данных под рукой. Конечно, прежде чем я Вам открою секрет как это сделать, я сразу бы хотел Вас предупредить о возможных последствиях его применения. Степень точности будет вызывать сомнение у всех, главное оперировать факторами, против которых не будет аргументов у оппонентов. Ну и самое главное, чтобы Вы принимали на себя все риски и ту степень ответственности, которая на Вас лежит.

Например, Вы маркетолог-аналитик и Вас попросили оценить объем спроса на продукт X.

Давайте подумаем, совсем ли у нас нет данных? Помните, я говорил, что можно использовать количество дней? Ну вот это Вам 100% фактор, против которого у оппонента не найдется ни одного аргумента. Если Вы торговая компания, анализируем ресурсы: количество менеджеров по продажам, объем инвестиций в направление, количество точек продаж, текущий уровень складов, объем продаж товаров заменителей, динамика их продаж, если в Вашем товарном портфеле уже есть такой продукт. Это то, от чего Вы можете оттолкнуться и что для Вас будет ограничением.

Объем рынка, скажите Вы, а что такое объем рынка, если Вы выводите новый товар, которого раньше не было на рынке. Может быть Вы работаете в Apple и разрабатываете новый продукт, который перевернет весь рынок?

Ну а если Вы работаете уже по проторенной дорожке, тогда Вы можете найти уже некий опыт вывода похожего товара, посмотрите какие ресурсы использовались той компании, переложите на свой рынок и свою компанию и Вы получите первое приближение. Если вывод продукта на Ваш взгляд рискованное, попробуйте поработать на статистику, запустить товар на узком рынке (в одном магазине, филиале и т.д.), прощупайте рынок и после того, как живая статистика на руках, принимайте решение о запуске продукта в коммерцию. Это такое же маркетинговое исследование, которое Вы можете заказать любому агентству, но живое, а не абстрактное. Если риск запуска достаточно велик, и проведение исследование силами стороннего агентства Вам не по карману, проведите опрос своими силами в местах реализации, посмотрите на отклик, как реагирует Ваш клиент на такое предложение. Кабинетное исследование тоже очень хороший инструмент при малом бюджете, нельзя и его откидывать, иногда оно даже позволяет добыть такую информацию, которая в заказном исследовании будет стоить очень больших денег.

Если Вы столкнулись с такой ситуацией и по-прежнему находитесь в тупике, присылайте Вашу задачу на адрес электронной почты cases@fsecrets.ru и я Вам посоветую как ее решить.

Удачи Вам в работе!

О других секретах прогнозирования и анализа данных, читайте на странице моего блога.


Среднее арифметическое и средневзвешенное

12

Применение средних при построении прогнозов очень важно, например, когда Вы используете один из моих секретов, в которых я показывал как можно построить самый простой прогноз.

Обычно, когда используют «среднее» принято понимать что используют среднее арифметическое. Но прежде чем его использовать, давайте я на примере покажу, когда можно это делать а когда нет.

Например, Ваш объем продаж от реализации яблок составил 30 кг, что в стоимостном выражении составило 1500 рублей, средняя стоимость 1 кг яблок, как легко посчитать составляет 50 руб./кг.

Объем продаж груш 40 кг на сумму 2400 руб., 60 руб./кг.

Вот Вам задачка, оцените среднюю стоимость 1 кг. фруктов за период реализации.

Неискушенный аналитик поступит так, 50+60 пополам 55 руб. А вот и нет скажу я Вам, неправильно!

Я буду решать эту задачу так: (1500+2400)/(30+40) = 55.7 руб. за 1 кг фруктов. И это будет правильно.

Т.е. если Вы 70 кг. фруктов умножите на среднюю стоимость реализации, Вы получите объем продаж в стоимостном выражении.

А все потому, что мы с Вами использовали разные средние, Вы использовали среднее арифметическое, а я средневзвешенное.

Давайте разберемся когда надо применять среднее, а когда средневзвешенное. Все очень просто, когда Вы находите среднюю стоимость 1 товарной единицы в товарной категории, это средневзвешенное. Если Вы считаете среднее средних — это средневзвешенное, но никак не среднеарифметическое.

В методе прогноза продаж по средним, я применял среднее арифметическое.

А вот Вам и формула расчета среднего арифметического:

S = (S1+S2+S3+…+Sn)/n — средняя цена

Средневзвешенное рассчитывается так:

S=S1*V1+S2*V2+S3*V3+…Sn*Vn, где V -это веса.Средняя цена.

Vi=доля продаж товара в общем объеме продаж товарной категории в единицах.

Сумма Vi = общий объем продаж товарной категории в единицах.

В том, случае если все Vi=1/n, среднее арифметическое будет равно средневзвешенному.

Если все товары в товарной категории имеют равный объем продаж, то среднее арифметическое будет равно средневзвешенному.

Если бы объем продаж груш и яблок в нашем примере было одинаковым, тогда бы мы получили одинаковый ответ на при решении задачи. Но получить одинаковый ответ, это еще не означает решить правильно, поэтому будьте внимательны.

Вы спросите, а как же я посчитал веса? Я Вам скажу, что я сразу нашел сумму двух дробей, в моем случае веса равны:

30/(30+40) — доля продаж яблок и 40/(30+40) — доля продаж груш. 50*30/(30+40)+60*40/(30+40) = (1500+2400)/(30+40).

Удачных вам прогнозов!

О других секретах прогнозирования и анализа данных, Вы можете узнать из моего блога.

PS Если Вам сложно понять какое среднее применять, присылайте ваши кейсы на адрес электронной почты cases@fsecrets.ru и я Вам помогу. Как говорила, сова из мультфильма про Винни-пуха — «Совершенно безвозмездно!».


Вверх
Яндекс.Метрика