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.