Прогнозирование объема продаж в MS Excel

Сегодня экономическая наука довольно далеко продвинулась в сфере прогнозирования вероятности какого-либо события с помощью методов, например, нечеткой логики. Разработано множество различных способов и технологий для составления прогнозов, однако не все из них просты и доступны обычному пользователю. Тем не менее, эту проблему можно решать при помощи программы MS Excel. 

Прогнозирование объема продаж в MS Excel проводится на основе так называемой «сезонности». Необходимо помнить, что сезон не всегда означает время года, это может быть любой подотчетный период времени, к примеру, один день или месяц.

Анализируя данные по сезонам, можно построить картину колебаний реализации товара за более длительный период. Колебания в значениях объемов продаж, как правило, имеют циклический характер, и выявление периода цикличности позволяет составить прогноз на последующие сезоны.

Для прогнозирования используются аддитивные и мультипликативные модели.

Прогноз по аддитивной модели рассчитывается суммированием тренда, сезонной компоненты и погрешности прогноза.

Мультипликативные модели используются в том случае, если сезонная компонента является составляющей тренда. Прогнозируемое значение по такой модели вычисляется не суммированием, а перемножение приведенных выше показателей.

На практике различные модели можно отличать друг от друга по размеру сезонной вариации. Для первой модели характерно более постоянное значение, в то время как у мультипликативной модели оно имеет амплитуду изменений, т.е. значение либо возрастает, либо убывает в зависимости от рассмотренного периода.

Исходные данные: объёмы реализации продукции за два сезона. В качестве исходной информации для прогнозирования была использована информация об объёмах сбыта мороженого “Пломбир” одной из фирм в Нижнем Новгороде. Данная статистика характеризуется тем, что значения объёма продаж имеют выраженный сезонный характер с возрастающим трендом.

Прогнозирование объема продаж в MS Excel производится в соответствии со следующим алгоритмом:

1. Определение тренда, который максимально аппроксимирует реальные значения. Важным моментом в выполнении этого пункта является использование тренда в виде полинома, что дает возможность минимизировать погрешность.
2. Определение размеров сезонной составляющей. Производится вычетом из фактических данных трендовых значений.
3. Определение ошибок и погрешностей модели, для чего из фактических данных вычитаются полученные при помощи данной модели.
4. Построение модели прогнозирования по формуле для аддитивной модели.
5. Финальный этап – построение окончательного прогноза при помощи экспоненциального приближения, что дает возможность учесть изменение тенденций.