Комплексный экономический анализ хозяйственной деятельности 8 (стр. 47 из 154)
Теперь необходимо разобраться в том, какие из выбранных факторов ("факторы влияния") действительно оказывают влияние на изменение объема продаж, а какие нужно просто "отбросить" из рассмотрения. Критерием такого соответствия, безусловно, можно считать коэффициент корреляции, который показывает, насколько близки тенденции двух факторов (в данном случае - насколько связано распределение во времени факторов F1-F3 (см. рис. 4.7).
| CORR F1 | CORR F2 | CORR F3 | ||
| 0,462 | -0,057 | 0,458 | ||
| Дата | Q | F1 | F2 | F3 |
| Март | 23 | 22 | 12 | 223 |
| Апрель | 34 | 34 | 2 | 456 |
| Май | 55 | 45 | 3 | 556 |
| Июнь | 34 | 56 | 67 | 456 |
| Июль | 22 | 77 | 34 | 567 |
| Август | 34 | 99 | 22 | 560 |
| Сентябрь | 44 | 102 | 33 | 334 |
| Октябрь | 45 | 111 | 89 | 456 |
| Ноябрь | 56 | 122 | 11 | 678 |
Коэффициент корреляции может быть рассчитан, например, с помощью программного пакета MS Excel, в котором подобный расчет реализуется функцией "CORREL".
Этап III. Линейное прогнозирование "факторов влияния".
В нашем примере мы имеем динамику "факторов влияния" и объема продаж на период с марта по ноябрь. Мы прогнозируем по времени поведение каждого из "факторов влияния", линейная тенденция для факторов, рассматриваемых в примере, представлена в таблице 4.16. Здесь использовано линейное предсказание, реализуемое функцией "FORECAST" в пакете MS Excel.
Таблица 4.50
Реализация линейного прогнозирования "факторов влияния"
| Дата | F1 | F3 |
| Март | 22 | 223 |
| Апрель | 34 | 456 |
| Май | 45 | 556 |
| Июнь | 56 | 456 |
| Июль | 77 | 567 |
| Август | 99 | 560 |
| Сентябрь | 102 | 334 |
| Октябрь | 111 | 456 |
| Ноябрь | 122 | 678 |
| Декабрь | 140 | 599 |
| Январь след. года | 153 | 577 |
| Февраль след.года | 166 | 584 |
| Март след.года | 177 | 613 |
Этап IV. Прогнозирование продаж по прогнозу "факторов влияния".
Очевидно, что мы не можем прогнозировать продажи, используя только саму тенденцию продаж во времени, это как раз и рассматривалось бы как "прогнозирование фактора по самому фактору". Но у нас имеется тенденция "факторов влияния", которая по своей сущности определяет поведение тенденции продаж, как это следует из рассчитанного нами коэффициента корреляции. И именно эта предсказанная тенденция позволяет нам прогнозировать объем продаж в соответствии со значениями данных факторов (Таблица 4.17).
Таблица 4.51
Прогнозирование продаж по прогнозу "факторов влияния"
| Дата | Q | Q TREND | F1 | Q1 TREND | F3 | Q3 TREND |
| Март | 23 | 22 | 223 | |||
| … | … | … | … | |||
| Ноябрь | 56 | 122 | 678 | |||
| Декабрь | 46,3 | 140 | 48,9 | 599 | 43,7 | |
| Январь следующего года | 44,9 | 153 | 47,7 | 577 | 42,1 | |
| Февраль следующего года | 45,2 | 166 | 47,7 | 584 | 42,7 | |
| Март следующего года | 55,0 | 177 | 69,8 | 613 | 40,2 |
Этап V. Оценка риска прогнозирования
Необходимо учесть, что прогнозирование ведется с целым рядом допущений, которые могут сильно повлиять на наш прогноз:
- в наше исследование может не попасть фактор, оказывающий серьезное влияние на продажи;
- в данном случае используется линейное прогнозирование, а тенденция может оказаться значительно сложнее;
- расчет прогнозного значения производился, как среднеарифметическое от спрогнозированных по факторам значений без учета уровня корреляции соответствующего фактора.
Эти допущения, безусловно, снижают точность прогнозирования. Более того, прогнозирование периодов, последующих за декабрем текущего года в нашем примере ведется на основе не проверенных временем значений, а значений также спрогнозированных математически. То есть, чем на более длительный период времени мы пытаемся сделать прогноз, тем более не точны будут прогнозируемые значения.
Указанные выше ограничения указывают на необходимость расчета величины "риска прогнозирования". В случае нашей методики эту погрешность можно оценить как "риск прогнозирования" по соотношению между спрогнозированным значением тенденции продаж (Q TREND) и прогнозными значениями продаж от каждого "фактора влияния" (Q1 TREND и Q3 TREND). Реализация расчета "риска прогнозирования" (var) на основе пакета MS Excel представлена ниже.
Таблица 4.52
Результаты оценки "риска прогнозирования" (var) на основе пакета MS Excel
| Дата | Q TREND | F1 | Q1 TREND | F3 | Q3 TREND | var |
| Декабрь текущего года | 46,3 | 140 | 48,9 | 599 | 43,7 | 6% |
| Январь следующего года | 44,9 | 153 | 47,7 | 577 | 42,1 | 6% |
| Февраль следующего года | 45,2 | 166 | 47,7 | 584 | 42,7 | 6% |
| Март следующего года | 55,0 | 177 | 69,8 | 613 | 40,2 | 27% |
"Риск прогнозирования" может быть учтен в объемах закупки услуги или объеме подготовленной услуги (численность наемного штата специалистов) как прямая величина процента от объема продаж. То есть в нашем примере, рекомендуется запланировать на декабрь текущего года продажи с учетом риска прогнозирования в объеме:
Q = Q TREND* var = 46,3 * 0,94 = 43,5. (4.0)
Таким образом, рассчитанная величина риска снижает планируемый нами объем продаж.
Полная схема "факторного линейного прогнозирования" объема продаж представлена в нижеприведенной таблице.