PROGNOZOWANIE POPYTU

Sprawna i elastyczna logistyka wymaga planowania
czynności logistycznych. Właściwe zaplanowanie
działalności firmy zależy od dokładności i trafności
prognozy.
Prognozę popytową wykorzystuje się do:

• planowania produkcji,

• ustalenie poziomów zapasów bezpieczeństwa,

• planowania zakupów,

• planowania mocy maszyn,

• oszacowania potrzeb ludzkich,

• organizacji pracy magazynu,

• przygotowania budżetu oraz określenia płynności

finansowej firmy,

• kontroli kosztów logistycznych,

• ustalenia zadań działu sprzedaży,

• ustalenia budżetu marketingu i zaplanowania

akcji promocyjnych.

Wyróżnia się dwa rodzaje popytu.

Popyt zależny. Jest to popyt na produkty i usługi
spowodowany popytem na inne produkty.

Popyt niezależny. Nie stanowi funkcji popytu na inne
produkty a jego wielkość jest określona przez rynek.

Co to jest prognozowanie?
Przede wszystkim musimy spróbować określić, jaka
jest różnica pomiędzy przewidywaniem przyszłości a
prognozowaniem.

Otóż pod pojęciem przewidywania będziemy
rozumieli wnioskowanie o zdarzeniach nieznanych na
podstawie zdarzeń znanych. Wnioskowanie o
zdarzeniach nieznanych, które zajdą w czasie
późniejszym w stosunku do czasu, w jakim następuje
przewidywanie na podstawie informacji
pochodzących z przeszłości nazywamy
przewidywaniem przyszłości.

Z całej gamy rodzajów pojęć przewidywania
przyszłości można wydzielić klasę zwaną
prognozowaniem. Zatem prognozowanie będzie
rozumiane jako „racjonalne, naukowe" przewidywanie
przyszłych zdarzeń.

Klasyfikacja prognoz
Klasyfikacja dotycząca sposobu wyrażania
zmiennej prognozowanej (czyli tego, co
zamierzamy prognozować). Według tej klasyfikacji
prognozy dzielimy na:

•ilościowe, jeśli stan zmiennej wyrażony jest liczbą.
Prognozy ilościowe mogą być punktowe, (gdy
zmienna przyjmuje określoną wartość) lub
przedziałowe (gdy zmienna przyjmuje wartości w
przedziale liczbowym).
Przykładem ilościowej prognozy punktowej będzie
stwierdzenie: Sprzedaż produktu X będzie w
następnym roku wyższa o 13% od sprzedaży w roku
bieżącym.
Z kolei przykład prognozy przedziałowej to
stwierdzenia: na koniec grudnia przyszłego roku kurs
euro będzie się mieścił w przedziale (4,80-5,00 zł).

•jakościowe, jeśli stan zmiennej jest wyrażony w
sposób opisowy.
Na przykład: w przyszłym roku zwiększy się cena
podstawowego surowca przedsiębiorstwa.

Druga klasyfikacja jest związana z tzw. horyzontem
czasowym prognozy, czyli okresem czasu, którego
ona dotyczy. Tu wyróżniamy:
prognozy krótkookresowe - dotyczące przedziału
czasu, w którym zachodzą tylko zmiany ilościowe,
prognozy średniookresowe - dotyczące
przedziału czasowego, w którym zachodzą zmiany
ilościowe oraz nieznaczne zmiany jakościowe,
prognozy długookresowe - dotyczące przedziału
czasu, w którym występują zmiany zarówno
ilościowe jak i dość znaczne zmiany jakościowe.

Nie można określić wyraźnie zdefiniowanych
przedziałów czasu odpowiadających wymienionym
rodzajom prognoz, gdyż ich rzeczywista długość
będzie zależała także od natury prognozowanych
zjawisk i zmiennych, a więc i sektora biznesu.

Innego okresu będą dotyczyły np. prognozy
średniookresowe w przemyśle stoczniowym, a inne w
chemii gospodarczej.

Inaczej będzie się kształtował horyzont czasowy
prognozy krótkookresowej w przedsiębiorstwie, a
inaczej w skali gospodarki narodowej.

Inna klasyfikacja wiąże się z postawą prognosty
wobec tzw. mechanizmów rozwojowych
prognozowanego zjawiska, określanych przez dane
ilościowe i jakościowe.
Klasyfikację tą określają dwie „skrajne" postawy:

postawa pasywna - czyli skupienie się wyłącznie
na zmianach ilościowych bez wnikania w
mechanizmy zależności pewnych zjawisk od innych
czynników. To podejście określa się często: „będzie
tak, jak dotychczas".
A więc, na przykład, prognozując popyt na lody w
sezonie letnim, bierzemy pod uwagę wyłącznie dane
ilościowe, pokazujące systematyczny wzrost popytu
za ostatnie lata, jednocześnie ignorując
długoterminowe prognozy pogody, które mówią, że
zbliżające się lato będzie chłodne i wietrzne.

postawa aktywna, gdzie skupiamy się zarówno
na zmianach ilościowych jak i w znacznym stopniu
jakościowych.

Na przykład prognozując wielkość sprzedaży
samochodów używanych na następny rok,
bierzemy pod uwagę nie tylko dane historyczne i
wynikające z nich trendy, ale także zmiany w
dochodach ludności, zjawiska na rynku nowych
samochodów (nowi producenci, promocje itp.), a
także wpływ zmian legislacyjnych, przepisów
podatkowych itp.

Prognozowanie stanowi jeden z kluczowych elementów
zarządzania organizacją.

Prognozowanie popytu ma istotne znaczenie dla
określenia zdolności wytwórczych, a tym samym
określenia metod wytwarzania czy świadczenia usług,
liczby zatrudnionych, poziomu kosztów itd.

Prognozy stanowią istotny element podejmowania
decyzji - to na ich podstawie menedżerowie wybierają
drogę, którą będzie podążać organizacja.

Podział prognoz ze względu na sposób realizacji:

metody projekcyjne są oparte na modelu
przeszłych zdarzeń,

metody przyczynowe są oparte na analizach
przyczyn i ich skutków.

Odkrywając związek wydajności pracy z zasadami
premiowania, możemy dość skutecznie ocenić
przyszłą wydajność na podstawie zastosowanych
premii.

Najprostszą metodą prognozowania jest
subiektywny osąd dokonany przez menedżera na
podstawie zebranych doświadczeń oraz
dodatkowych informacji i wyciąganie na ich
podstawie wniosków co do przyszłych zdarzeń.

Ta metoda prognozowania może być skuteczna w
mało skomplikowanym i stabilnym otoczeniu. Do
najczęściej stosowanych podejść subiektywnych
należą:

• intuicja osobista,

• dyskusje panelowe,

• metoda delficka,

• analogie historyczne.
W złożonej organizacji, działającej na różnych
rynkach, metody subiektywne niestety rzadko się
jednak sprawdzają.

Schemat powstawania prognoz jakościowych

Szereg czasowy to zestawienie wartości
zmiennych cechy badanej według kryterium czasu,
gdzie badana jest wartość cechy w kolejnej
jednostce czasu.

Dostosowując tę definicję do naszych potrzeb,
związanych z prognozowaniem popytu możemy
powiedzieć, że w tym przypadku szereg czasowy
popytu to:

uszeregowane chronologicznie wartości
popytu w kolejnych, przyjętych do obserwacji
jednostkach czasu.

Szeregi czasowe są seriami obserwacji
dokonywanymi w równych odstępach czasu.

Miesięczna sprzedaż, koszt dnia pracy, produkcja
tygodniowa są przykładami szeregów czasowych.

Rozpatrując szeregi czasowe, należy mieć na
uwadze główny trend i nakładające się na niego
zakłócenia.
Zakłócenia można oceniać na podstawie średnich
błędów.

Najpopularniejsze szeregi czasowe: a) stały, b) o trendzie
rosnącym,
c) sezonowy

W ogólnym przypadku w szeregu czasowym
możemy wyróżnić dwie składowe:

składową systematyczną, która jest efektem
oddziaływań różnych czynników na zmienną
prognozowa ną oraz

składową przypadkową oznaczającą wahania
losowe, których nie jesteśmy w stanie przewidzieć.

Składowa systematyczna powinna zostać jak
najdokładniej prognozowana, składowa
przypadkowa - jak najlepiej zmierzona i zastoso wana
do określania zapasu zabezpieczającego.

Składowa systematyczna może wystąpić w kilku
postaciach:

stały poziom prognozowanej zmiennej -
wartość średnia zmiennej nie ulega większym
zmianom z okresu na okres. Mówi się wtedy, że
szereg czasowy jest quasi stacjonarny i wykazuje
względnie stały poziom wartości prognozowanej
zmiennej;

trend - określany jest trwałą zmianą (wzrostem lub
spadkiem) wartości zmiennej prognozowanej w
czasie;

składowa okresowa - występuje w postaci wahań
sezonowych oraz wahań cyklicznych.

Wahania sezonowe charakteryzują się
występowaniem wzmożonych wahań wartości
prognozowanej zmiennej, wahania te cechuje
cykliczność w przedziale czasu nie przekraczającym
jednego roku. Wahania te powstają na skutek
zmian pór roku, przyjętej konwencji podziału na
kwartały.

Wahania cykliczne wyrażają się w postaci wahań
wartości prognozowanej zmiennej w przedziałach
czasu dłuższych niż rok. Wahania te są na ogół
związane z cyklem koniunkturalnym gospodarki.

Metody prognozowania
Trudno jest jednoznacznie określić, jak długi okres
powinny obejmować prognozy krótko-, średnio- i
długookresowe.
Również trudno jednoznacznie przypisać
poszczególne metody prognozowania określonym
horyzontom czasowym. 

Model naiwny

Jest najprostszą metodą prognozowania

. W odniesieniu do popytu przedstawiamy

ją następująco: prognoza popytu na dany okres (np. na następny miesiąc) jest równa

popytowi rzeczywistemu zaobserwowanemu w okresie poprzednim (np. w poprzednim

miesiącu):

=

gdzie:

-

prognoza na następny okres (np. czerwiec)

,

-

rzeczywisty popyt w okresie k (w maju).

Modele średniej arytmetycznej

Zwykła średnia arytmetyczna

(

).

Do obliczenia tą metodą prognozy

na

okres „k+1

” wykorzystuje

się wszystkie dostępne wcześniejsze wartości popytu (za

okresy od 1 do k)

=

gdzie:

-

prognoza na następny okres (np. czerwiec),

-

rzeczyw isty popyt w okresie k (w maju),

-

popyt w p rzedostatnim okresie (w kwietniu)

,

-

np. popyt w marcu poprzedniego roku

,

-

popyt w lutym poprzedniego roku

,

-

popyt w styczniu poprzedniego roku, jako najstarsza dostępna dana

,

-

liczba wszystkich wziętych do obliczeń danych.

Metody prognozowania popytu:

• Techniki jakościowe

• Ekonometryczne modele trendu.

• Metody przyczynowo – skutkowe.

Techniki jakościowe prognozowania
(subiektywne, krytyczne). Prognozę opracowuje się
często na podstawie danych szacunkowych czy też
opinii ekspertów. Do tej metody zalicza się:

• Technika „u źródła”. Prognoza powstaje w wyniku

zsumowania danych o popycie otrzymywanych od
pracowników będących najbliżej klienta, np.
przedstawicieli handlowych.

• Metoda badania rynku. Gromadzi się dane o

popycie i potrzebach klientów za pomocą ankiet i
wywiadów. Metoda stosowana do
długookresowego prognozowania oraz określania
popytu na nowe produkty.

• Metoda panelowy konsensus. Ideą stosowania tej

metody jest założenie, „co dwie głowy to nie
jedna” grupa wypracuje lepszą prognozę niż
jednostka. Wolna wymiana myśli i pomysłów na
spotkaniach przedstawicieli różnych działów, z
różnych szczebli zarządzania.

• Metoda historyczne analogie. Prognozowanie

popytu opiera się na danych dotyczących
sprzedaży podobnego produktu. Szczególnie
użyteczna technika w planowaniu popytu na
nowe produkty.

• Metoda delficka. Metoda polega na

konfrontowaniu opinii grupy ekspertów
wyrażonej w serii kwestionariuszy. Jest ona
pozbawiona negatywnego wpływu grupy bądź
dominującej jednostki na swobodę wypowiedzi.

Ekonometryczne modele trendu (analiza szeregów
czasowych). Oparte są na założeniu, że dane
historyczne mogą być użyte do prognozowania
przyszłego popytu. Do tej metody zalicza się:

• Metoda arytmetyczna średnia ruchoma. Uśrednia

się dane dotyczące popytu w n poprzednich
okresach. Wszystkie dane mają takie samo
znaczenie (wagi).

• Metoda ważona średnia ruchoma. Uśrednia się

dane dotyczące popytu w n poprzednich okresach.
Poszczególnym danym przypisuje się różne
znaczenie (wagi).

• Metoda wyrównanie wykładnicze. Dane z okresów

bliższych badanemu mają większe wagi od danych
dotyczących z wcześniejszych okresów. Wagi
maleją wykładniczo w przyszłość, czyli w postępie
geometrycznym.

• Metoda analizy regresji. Regresję definiuje się jako

funkcyjną zależność między dwiema lub więcej
zmiennymi, zależnymi od siebie. Wyznacza się
prostą linię opisująca tą zależność dla danych
dotyczących przyszłych okresów i stosuje się do
prognozowania przyszłego popytu. Najczęściej
stosowana jest metoda najmniejszych kwadratów.

• Technika Box Jankins. Bardzo skomplikowana

technika dająca jednak najdokładniejsze wyniki
spośród wszystkich modeli statystycznych.

• Metoda szeregi czasowe Shiskina. Metoda do

analizy szeregów czasowych pod względem
sezonowości, trendu i innych czynników. Bardzo
dobra do określania punktów zwrotnych.

• Metoda eksploatacja trendu. Na podstawie

posiadanych danych o przyszłym popycie
wyznacza się linię trendu i ekstrapoluje na przyszłe
okresy.

Modele przyczynowo – skutkowe. Zakładają, że popyt
kształtują czynniki zewnętrzne np. na sprzedaż mogą
wpływać akcje promocyjne, jakość produktu, działania
konkurencji.

• Metoda analizy regresyjnej. Metoda do analizy

szeregów czasowych w której stosowana jest metoda
najmniejszych kwadratów. Uwzględnia wpływ wielu
zmiennych na kształtowanie się popytu.

• Modele ekonometryczne. Próbę opisania problemu

dokonuje się za pomocą układów równań zależnych.

• Modele wejścia / wyjścia. Polega na obserwacji zmian

sprzedaży w innych branżach i analizowaniu tych zmian
na sprzedaż produktów danej firmy.

• Metoda zwiastun zmian. Polega na analizie zdarzeń,

które wywołują zmianę popytu na dane produkty i
poprzedzają tę zmianę np. wzrost cen ropy naftowej
spowoduje spadek popytu na duże samochody.

Techniki symulacyjne. Do analizy wykorzystuje
się modele symulacyjne. Dynamiczne modele
pozwalają na badanie zmian prognozy popytu pod
wpływem czynników wewnętrznych i zewnętrznych.

Dające odpowiedzi na pytanie: co się stanie jeśli …?

Symulacje prowadzone są najczęściej przy
wykorzystaniu oprogramowania komputerowego.

Efekt byczego bicza to efekt wzmocnionego
przenoszenia zmian popytu w łańcuchu
dystrybucyjnym.

Dobrym przykładem efektu byczego bicza jest
sprzedaż pampersów. Ich sprzedaż w detalicznych
sklepach wahała się, ale w sposób umiarkowany.
Zamówienia składane przez dystrybutorów cechowało
znacznie większe zróżnicowanie. Natomiast, jak się
okazało największe wahania dotyczyły zamówień na
materiały do produkcji. Na pierwszy rzut oka wahania
te pozbawione były sensu, bo przecież dzieci zużywają
pieluchy w stałych ilościach.

Do głównych przyczyn występowania efektu byczego
bicza należą:

• niezerowy czas reakcji w łańcuchu,

• polityka zamówień i utrzymywania zapasów w

ogniwach łańcucha prowadzona wg. różnych
zasad,

• brak przepływu informacji i koordynacji działań.

Efekt byczego bicza prowokują następujące zjawiska:

• zmiany popytu na rynku detalicznym,

• grupowanie zamówień, dyktowanie klientom

dużych jednostek ładunkowych oraz ustalanie
minimalnej wielkości zamówienia,

• manipulowanie cenami,

• racjonowanie i braki produktów.

Wybór metody prognozowania

Jest to zadanie trudne i odpowiedzialne, ze
względu na znaczenie jakości prognozy dla
działania firmy, oraz osiągnięcia wysokiego
poziomu obsługi klienta przy zachowaniu niskich
kosztów. Wymaga znajomości metod
prognozowania oraz wiedzy o prognozowanym
zjawisku.

Wybierając właściwą technikę należy wziąć pod
uwagę wiele czynników:

• Przeznaczenie prognozy,

• Rodzaje produktu,

• Horyzont czasowy,

• Poziom szczegółowości,

• Dostępność i jakość danych historycznych,

• Posiadany budżet.

Można wyróżnić cztery podejścia do zarządzania
procesem prognozowania:

Podejście niezależne – budowanie kilku prognoz,

Metoda koncentracji – wyznaczona komórka
organizacyjna tworzy prognozę dla całego
przedsiębiorstwa,

Metoda negocjacji – jeden dział przygotowuje
prognozę a następnie jest ona negocjowana,

Metoda konsensusu – grupa reprezentantów różnych
pionów przygotowuje jedną prognozę dla całego
przedsiębiorstwa.

Etapy procesu prognozowania
Proces prognozowania jest postępowaniem wieloetapowym,
dzielącym się na:

Etap 1 - sformułowanie zadania prognostycznego
Na tym etapie należy określić zjawisko (np. sprzedaż, przychody
przedsiębiorstwa), którego będzie dotyczyć tworzona prognoza
oraz cel budowy prognozy.

Etap 2 – określenie przesłanek prognostycznych
Zadanie to polega na wskazaniu czynników bliższego i dalszego
otoczenia przedsiębiorstwa, które wywierają wpływ na
działalność firmy.

Etap 3 – zebranie, statystyczna obróbka i analiza danych
prognostycznych
Etap ten obejmuje wybór, a następnie zebranie danych
niezbędnych do skonstruowania modelu i sformułowania
prognozy, przeprowadzenie ich statystycznej analizy oraz
obróbkę.

Etap 4 – wybór metody prognozowania
Metoda prognozowania (konstruowania prognoz) obejmuje
sposób przetworzenia danych o przyszłości zjawiska od
informacji przetworzonej do prognozy.

Etap 5 – konstrukcja prognozy
Na tym etapie buduje się model prognostyczny oraz wyznacza
prognozę, używając wybranej reguły prognozowania.

Etap 6 – ocena dopuszczalności prognozy
Po wyznaczeniu prognozy należy określić stopień jej
niepewności, który może być wyrażony za pomocą:
- błędu ex ante (określającego dokładność prognozy),
- prawdopodobieństwa spełnienia się prognozy (wiarygodności
prognozy),
- błędu ex post prognoz wyznaczonych na okresy wcześniejsze
niż okres ocenianej prognozy,
- słownego opisu uzasadniającego wiarygodność bądź
dokładność prognozy.
Etap 7 – zastosowanie prognozy
Na tym etapie zbudowana prognoza zostaje użyta w
zarządzaniu przedsiębiorstwem, pozwalając osiągnąć cel
określony w pierwszym etapie procesu prognostycznego.
Etap 8 – ocena trafności prognozy
Formułowane ex ante opinie o jakości prognozy są sądami,
których prawdziwość można zweryfikować po upływie czasu do
jakiego odnosi się prognoza, sprawdzając wówczas trafność
prognozy.