Записи с меткой Прогнозирование

Оцениваем качество модели методом Ex-post

0

Прежде чем Вы будете применять любую модель для прогнозирования, необходимо оценить ее качество. Конечно, самый простой способ подождать недельку-другую да и посмотреть на реальный объем продаж и сравнить с тем показателем, который Вы получили по Вашей модели, но если Вы строите среднесрочный или долгосрочный прогноз, то ждать Вам никто не позволит.
Давайте разберемся как ее применять. Например, Вы имеете объем продаж за 15 периодов в прошлом, постройте модель прогноза продаж на 13-ти периодах и проверьте качество на двух последних. Что это Вам даст, во-первых, Вы сможете оценить качество модели еще до начала момента ее применения. Во-вторых, Вы сможете посмотреть на сколько Ваша модель устойчива на Вашем изменяющемся рынке. Если погрешность небольшая, то модель довольно устойчива и ее можно применять.

Ограничения по применению:

  • рынок нестабилен — если рынок сильно меняется со временем, то даже применяя данный метод и убедившись что модель устойчива, применение метода не гарантирует Вам точность прогноза. Внимательно анализируйте внешние факторы.
  • Данных об объемах продаж недостаточно, чтобы отбросить два ли даже один период. В таком случае, конечно, Вам придется накопить некую статистику и в дальнейшем улучшить ее качество.

Только не отчаиваетесь, если Вы не сможете проверить качество модели до ее применения в рабочей ситуации, на страницах моего блога Вы найдете массу полезных секретов, как построить прогноз, обладая малым объемом информации или вовсе ее не имея.

Удачных Вам прогнозов!


Количество дней в помощь

0

Сегодня я открою Вам еще один небольшой секрет как увеличить точность прогнозов.
Вы когда-нибудь применяли фактор при формировании прогноза количество дней в месяце? А количество рабочих дней? Нет? Попробуйте и Вы очень сильно удивитесь как можно увеличить точность Ваших прогнозов.

Давайте разберемся как это сделать. Например, Вы имеете данные о продажах за 12 (за 3, 4, 5 подставьте свою величину) последних месяцев. Разделите объем продаж на количество дней в месяце, возможно в результате этого показатель «объем продаж за 1 день» станет описываться очень простым законом. Даже, если в результате этого действия, Вы сможете упростить модель хотя бы немного, это уже хорошо. Если нет не отчаиваетесь, попробуйте разделить на количество рабочих дней в месяце, возможно, этот фактор будет давать лучшие результаты.

Если же Ваши точки продаж работают по определенному режиму, например, 6 дней в неделю. Тогда делите объем продаж на количество рабочих дней Вашей точки и возможно в результате этого Вы упростите модель.

А теперь переходим к прогнозу. Например, Вы выяснили, что объем продаж на один рабочий день растет линейно, A*x+B, тогда прогноз продаж в будущем (A*x+B)*R, где R — количество рабочих дней.

А количество рабочих дней в будущем можно посмотреть в любом календаре. В данном случае, если Вы не заметили, я применил комбинацию методов.
Все просто — пользуйтесь на здоровье!
Удачных Вам прогнозов!
О других секретах прогнозирования и анализа данных Вы узнаете на страницах моего блога.


Увеличиваем точность за счет комбинации методов

0

Наверняка в своей практике прогнозирования Вы сталкивались с ситуацией, когда необходимо увеличить точность прогноза, но даже применив все методы, описанные в книгах по прогнозированию, не находили оптимальную модель с приемлемой для Вашей компании погрешностью прогноза.

Вы начинали усложнять модели, но даже в этом случае рост точности прогноза не окупал Ваших усилий по формированию прогноза.

Если Вы попробовали увеличить степень детализации и даже это не привело к желаемым результатам и не объяснило почему же модель не работает, попробуйте комбинировать 2 модели, возможно, это именно то, что Вам нужно. Скорее всего, продажи продукта описываются именно комбинацией 2-х моделей, одна из которых затухает, а другая возрастает.

Ну а прогноз продаж в данном случае будет: M1+M2, где M1 — это модель первого метода, M2 — соответственно второго.

Если, Вы не заметили, то применение уровневых сдвигов это и есть комбинация 2-х моделей. Возможно, именно уровневый сдвиг и произошел на анализируемом Вами промежутке времени.

Удачных прогнозов!

О других секретах прогнозирования и о способах их применения Вы узнаете на страницах моего блога.


Уровневые сдвиги

0

Сегодня я Вам открою еще один секрет прогнозирования, который поможет увеличить точность Ваших прогнозов. Наверняка, при формировании прогноза продаж Вы сталкивались со следующими ситуациями:

  • расширение региональной сети
  • открытие новой точки продаж
  • запуск нового продукта
  • запуск нового продукта в одном из подразделений
  • поглощение конкурента

возможно Вы еще назовете несколько неопределенных ситуаций в будущем, с которым данный метод будет отлично справляться.

Чтобы учесть такие ситуации в будущем, можно использовать уровневые сдвиги. Давайте рассмотрим на простом примере как это происходит. Например, Вы планируете продажи по какому-либо продукту в компании. Предположим в качестве модели Вы используете модель линейной регрессии. Вы знаете, что в одном из филиалов будет поглощен конкурент. Также Вы знаете примерный объем продаж конкурента (если сделку оценивали не Вы, то, как минимум, Вы можете обратиться в то подразделение, которое у Вас отвечает за сделки слияния и поглощения и добыть эту информацию). А теперь в чем же заключается уровневый сдвиг.

Ваша модель A*x+B, теперь с периода T+1 Вам надо учесть поглощение. Предположим, что объем продаж компании, которую поглощает Ваша компания в среднем составляет Z, тогда Ваша модель прогноза с периода T+1 должна учитывать этот фактор: A*x+B+Z. Все просто.

Если Вы хотите увеличить точность, тогда Вам придется построить модель прогноза продаж конкурента, предположим это будет C*y+D, тогда объем продаж объединенной компании составит с периода T+1: A*x+B+C*y+D.

Если Вы строите прогноз снизу-вверх, то с большой долей вероятности можно избежать применения данного метода, достаточно увеличить уровень детализации, если же Вас одолевает природная лень или Вы строите прогноз сверху-вниз, то данный инструмент-это именно то, что Вам нужно.

Желаю удачи в прогнозах!

О других секретах прогнозирования, Вы можете узнать на страницах моего блога.


Data Mining

0

Давайте разберемся что такое Data Mining и как его можно применять при прогнозировании.
Корпоративная база данных любого современного предприятия обычно содержит набор данных, хранящих записи о тех или иных фактах либо объектах (например, о товарах, их продажах, клиентах, счетах).
Как правило, каждая запись в подобной таблице описывает какой-то конкретный объект или факт. Например, запись в таблице продаж отражает тот факт, что такой-то товар продан такому-то клиенту тогда-то таким-то менеджером, и по большому счету ничего, кроме этих сведений, не содержит. Однако совокупность большого количества таких записей, накопленных за несколько лет, может стать источником дополнительной, гораздо более ценной информации, которую нельзя получить на основе одной конкретной записи, а именно — сведений о закономерностях, тенденциях или взаимозависимостях между какими-либо данными.
Примерами подобной информации являются сведения о том, как зависят продажи определенного товара от дня недели, времени суток или времени года, какие категории покупателей чаще всего приобретают тот или иной товар, какая часть покупателей одного конкретного товара приобретает другой конкретный товар, какая категория клиентов чаще всего вовремя не отдает предоставленный кредит.
Применение методов Data Mining-а очень полезно в прогнозировании. О том, какие это методы и секреты их применения Вы можете узнать на страницах моего блога.
Удачи в работе!


Вверх
Яндекс.Метрика