Наиболее распространенные задачи с применением статистических методов для управления продажами: анализ и прогноз продаж по видам продуктов и рынку в целом, выявление факторов роста продаж, оценка эластичности спроса на изменения цен и других факторов, определение сценариев развития рынка и планирование продаж в соответствие с ними.
Ниже приведен пример реализации проекта построения прогнозных моделей для международной фармацевтической компании.
Построение прогнозных моделей рынка
Целью проекта было построение прогнозных моделей продаж по основным брендам безрецептурных и рецептурных препаратов и всего рынка в целом в РФ.
Задачи для решения
1. Разработать прогнозные модели для каждого препарата и рынка в целом.
2. Разработанные модели должны по каждому временному ряду строить прогнозы со следующими периодами упреждения: краткосрочный на 1 месяц, среднесрочный на 1 квартал и долгосрочный на 1 год.
3. Разработанные модели по каждому временному ряду и по каждому периоду упреждения должны строить три сценария прогноза на основе интервальной оценки: пессимистичный, наиболее вероятный и оптимистичный для реализации различных сценариев планирования.
4. Написать программный код (программное приложение) для возможности автоматического чтения данных на основе данных MS Excel или напрямую из базы данных Заказчика и автоматического запуска расчета разработанных моделей в программе IBM SPSS Statistics с последующим экспортом результатов обратно в базу данных.
Исходные данные
Исходные данные для построения прогнозных моделей представляли собой временные ряды по 33 показателям за период 5 лет по месяцам. Для группы показателей по сегменту товаров также были даны значения факторов, влияющих на продажи (затраты на рекламу, среднедушевые доходы населения и др.).
Используемые статистические методы
В результате реализации проекта разработан комплекс прогнозных моделей на основе совокупности методов анализа и моделирования временных рядов: тренд-сезонных моделей, моделей авторегрессии проинтегрированного скользящего среднего (ARIMA), многофакторных регрессионных и авторегрессионных моделей, нелинейных регрессионных моделей.
Полученные результаты
1. Согласно техническому заданию были построены прогнозные модели для каждого продукта в отдельности и всего рынка в целом по 2 сегментам (средние ошибки аппроксимации большинства моделей от 3% до 10%).
2. Для ключевого бренда была построена модель эластичности спроса по цене и по затратам для рекламу. Данная модель дала аналитическую информацию для принятия решений при планировании рекламного бюджета и регулирования цен.
3. Реализован программный код, который был интегрирован в информационную среду компании Заказчика, и в автоматическом режиме 1 раз в месяц проводил прогнозные расчеты по разработанным моделям и экспортировал результаты во внутреннюю систему отчетности и планирования.
4. Проведено обучение на тренинге сотрудников компании Заказчика по теме "Анализ временных рядов и прогнозирование".
5. Оказаны услуги по дальнейшему ежеквартальному мониторингу работы прогнозных моделей и оценки точности и адекватности их работы на рабочих данных будущих периодов. В случае необходимости проводилась валидация построенных моделей по нужным продуктам.
В итоге реализации проекта автоматизированы процессы построения прогнозных моделей по рынкам сбыта и по продуктам для аналитической поддержки принятия решений при планировании продаж.
