Файл: Прогнозная оценка спроса на рынке товаров (медицинских услуг).pdf

2.2.Основные методы прогнозирования

Обычно приводят следующую классификацию методов прогнозирования спроса:

- количественная экстраполяция, т.е. статистические методы прогнозирования временных рядов;

- методы выявления взаимозависимостей между переменными;

- методы, основанные на аналогии;

- методы, основанные на суждении;

- методы социологического опроса выборки потенциальных потребителей; - методы, основанные на доказательствах(evidence-based methods);

- методы теории вероятностей. Опишем методы подробнее.

1.Среди методов экстраполяции наиболее популярны подгонка линии тренда, экспоненциальное сглаживание, сезонная декомпозиция и метод ARIMA.

Подгонка линии тренда.

Простейший метод прогнозирования, опирающийся на методологию регрессионного анализа данных. Регрессия — это описание функциональной зависимости между одной зависимой (прогнозируемой) и одной или несколькими независимыми переменными (предикторами или регрессорами). В случае подгонки линии тренда под определенные данные в качестве независимой переменной выступает время, которое обычно обозначают порядковыми номерами наблюдений временного ряда. Впоследствии для получения прогноза порядковые номера заменяют на календарные названия периодов (годы, кварталы, месяцы, недели, дни). По умолчанию для описания тренда лучше использовать линейную регрессию^[17].

Экспоненциальное сглаживание.

Простое экспоненциальное сглаживание напоминает сглаживание скользящим средним, однако в этом случае более старым наблюдениям приписывают экспоненциально убывающие веса и в отличие от скользящего среднего учитывают все предшествующие наблюдения ряда, а не те, что попали в определенное окно. Изменяя параметр α, можно придавать больший вес либо более свежим, либо более старым наблюдениям, поэтому экспоненциальное сглаживание позволяет учитывать самые последние изменения в данных, его можно эффективно использовать в качестве универсального метода краткосрочного прогнозирования. Простое экспоненциальное сглаживание применяют только для прогнозирования стационарных временных рядов, т.е. таких, в которых отсутствуют тренд и сезонность. Более сложные версии учитывают различные виды тренда и сезонности. При этом вводят дополнительные сглаживающие коэффициенты для тренда и сезонности - β и γ. Параметры оценивают на основе данных так, чтобы минимизировать одну из прогнозных ошибок — среднее абсолютное отклонение, средне -квадратическую, среднюю процентную ошибку или среднюю абсолютную процентную ошибку.

2.Методы выявления взаимозависимостей между переменными.

В прогнозировании часто приходится сталкиваться с ситуациями, когда для определения будущих значений интересующей переменной необходимо «пройтись» по цепочке причинно-следственных связей или, по крайней мере, установить степень чувствительности этой переменной к внешним факторам, влияние которых более предсказуемо или в отношении которых имеется свежая информация. Некоторые переменные могут выступать в качестве опережающих индикаторов, т.е. изменения в них предшествуют изменениям интересующей переменной (продажи компании), вернее, изменения в этих переменных влекут за собой изменение в интересующей нас переменной, но спустя определенное время (лаг).

Для определения силы и функции взаимовлияния между одной зависимой и одной или несколькими независимыми переменными используют методы регрессионного анализа. Наиболее популярна регрессия на основе метода наименьших квадратов, но из-за проблемы серийной корреляции она редко оказывается эффективной при установлении зависимости между временными рядами, которую обычно необходимо выявить в целях прогнозирования. Вот почему целесообразно использовать более сложные модели обобщенного регрессионного анализа, которые позволяют выбирать самый подходящий метод минимизации ошибок (это может быть метод взвешенных наименьших квадратов или метод максимального правдоподобия), изменять функцию вероятностного распределения, лежащую в основе анализа ошибок уравнения регрессии при определении статистической значимости модели — проверки того, что остатки ведут себя случайным образом и в них не осталось нераскрытых закономерностей (сезонности, гетероскедастичности, асимметрии), и т.д. В принципе, весь арсенал методов статистического анализа данных направлен на выявление тех или иных аспектов зависимости между переменными. 3.Метод аналогий довольно часто применяют в прогнозировании продаж, особенно когда компания выходит на новые рынки сбыта. Сравнив

условия, характерные для объекта прогнозирования (региона A), с условиями, известными по прошлым ситуациям или аналогичным объектам

прогнозирования (регионы B, …, Z), можно сопоставить и продажи в этих объектах. Все, что нужно, - наличие количественных данных по аналогичным ситуациям. Например, в ходе проката нового фильма для прогнозирования выручки в различных городах используют средние значения по продажам билетов на тысячу (или десять тысяч) жителей городов, в которых уже состоялся показ. Это позволяет получить более-менее достоверный прогноз уже на ранней стадии и затем корректировать его по мере региональной экспансии. В более сложных случаях для построения прогноза приходится исследовать отдельные параметры, проводить декомпозицию проблемы и производить вычисления для получения окончательного результата^[18]. 4.Методы, основанные на суждении.

В рамках этой группы обычно перечисляют экспертные методы, такие как метод интервью, аналитические записки, метод Дельфи, метод «мозгового штурма», метод комиссий. В действительности все вышеперечисленное - не более чем способы организации работы с коллективом экспертов и обработки их мнений и высказываний. Однако сама экспертиза должна основываться на определенной информации, знаниях и процедурах.

Другими словами, для корректного применения экспертных методов следует требовать от экспертов обоснования и документирования высказываемой ими позиции, раскрытия всех существенных данных и фактов, которые легли в основу сделанных ими прогнозов. В противном случае эксперты могут брать цифры «с потолка».

В большинстве случаев достаточно поручить подготовку прогноза одному эксперту, который в ходе консультаций с профильными специалистами подготовит обоснованное экспертное заключение, где будут изложены все за и против. Зачастую экспертиза предполагает проработку различных сценариев развития ситуации. Сценарии могут строиться на основе изменения значений исходных данных (по принципу «что, если»), на

основе различных вариантов причинно-следственных и функциональных связей между переменными, на основе различных вариантов развития событий с исследованием причинно-следственных связей и поведения потребителей.

Экспертные методы часто называют интуитивными. Вопрос в том, как рассматривать понятие «интуиция». Интуицию иногда воспринимают как «внутреннее чутье», способность предугадывать события без каких бы то ни было оснований и исходной информации. Однако с логической точки зрения интуицию можно воспринимать как результат житейского или профессионального опыта, как форму логического построения суждений на основе отрывочной и неполной информации, зачастую воспринимаемой на бессознательном уровне. В профессиональном плане крайне важно переместить интуитивные догадки на сознательный уровень и привести в подтверждение прогноза логические размышления эксперта.

Одной из разновидностей методов, основанных на суждении, является метод структурных аналогий. Базируется он на обычных аналогиях (например, на использовании информации о продажах определенного продукта в других регионах), но предусматривает применение формальных процедур для преодоления возможных систематических ошибок вследствие возможного субъективизма экспертов. Опять же речь идет об обработке коллективного мнения экспертов, с тем, чтобы получить оценки, более взвешенные и аккуратные, чем в случае неконтролируемого высказывания суждений отдельным экспертом. 5.В зависимости от цели исследования методы социологических опросов можно разделить на две группы: одни выясняют намерения покупателей, другие - ожидания. Ожидания отличаются от намерений тем, что в первом случае человек знает, какие варианты действий возможны и какой из них выбрать в тех или иных обстоятельствах.

При опросе относительно ожиданий нередко используют вероятностные оценки.

Для прогнозирования спроса, продаж инновационных продуктов в ряде других случаев могут быть использованы опросы потенциальных потребителей относительно их намерений покупать товар. Респондентам демонстрируют образцы или предоставляют описание товара, его отличительных качеств и свойств, условий продажи. В результате изучения выборочных данных и их статистической обработки исследователи получают информацию, касающуюся предполагаемого спроса и величины продаж.

В зависимости от цели исследования методы социологических опросов можно разделить на две группы: одни выясняют намерения покупателей, другие - ожидания. Ожидания отличаются от намерений тем, что в первом случае человек знает, какие варианты действий возможны и какой из них выбрать в тех или иных обстоятельствах.

При опросе относительно ожиданий нередко используют вероятностные оценки.

В результате изучения выборочных данных и их статистической обработки исследователи получают информацию, касающуюся предполагаемого спроса и величины продаж. В экономическом анализе хорошо разработаны исследования «готовности платить» (Willingness to Pay, WTP), применяемые как к уже существующим, так и к инновационным продуктам. Респонденты должны назвать цену, по которой они готовы приобрести представленный товар. Собранные ответы обрабатывают и определяют примерную цену и возможные объемы продаж продукта. Анализ готовности платить может осуществляться как путем устных опросов, так и путем заполнения заранее подготовленных анкет. Вопрос может быть как открытым, так и закрытым, с указанием диапазонов цен, которые должны выбрать респонденты. Анализ готовности платить может быть также использован для выявления функции спроса, эластичности его по цене и доходам, поскольку респонденты указывают желательное для них соотношение цены и объема покупок и свои экономические характеристики. К недостаткам данного метода следует отнести субъективизм (потребители склонны занижать цену на товар) и дороговизну исследований (обычно приходится опрашивать не менее тысячи респондентов).

6.Методы теории вероятности незаменимы в условиях повышенной неопределенности (волатильности, т.е. отклонений от тренда) и в отсутствие четко очерченного тренда. В этом случае точечный прогноз в принципе невозможен, можно только предсказать вероятность того, что продажи будут выше или ниже определенного уровня. Чаще всего используют вероятностное имитационное моделирование (итерации по методу Монте-Карло или метод выбора «латинский гиперкуб»). Возможно также применение дерева вероятностей или дерева решений с дискретными вероятностями. Специализированное программное обеспечение содержит удобные средства для проведения такого анализа и интеграции его в рамках статистических методов прогнозирования.

2.3. Прогнозирование спроса на инновации

Разработка и запуск новых продуктов с трудом поддаются прогнозированию. Решения по разработке новых продуктов требуют прогнозной информации для расчета отдачи на инвестиции. Для оценки спроса на новые продукты и целесообразности их вывода на рынок нужно оценить жизненный цикл существующих продуктов, состояние рынка, технологические тенденции в отрасли, пожелания потребителей. Для получения обоснованного прогноза приходится исследовать более длинную цепочку причинно-следственных связей, чем в случае с уже существующими продуктами. Кроме того, отсутствует историческая информация, на основе которой можно строить начальный вариант прогноза.

Вернее, имеется информация по старым продуктам, которую необходимо тщательно обработать, чтобы прийти к выводам относительно разрабатываемых или выпускаемых на рынок товаров.

При всей сложности методологии прогнозирование инновационных продуктов будет отличаться меньшей степенью достоверности из-за более высокого уровня неопределенности, связанного с новизной объекта.

Согласно исследованию К. Кана точность прогнозов продаж новых продуктов сроком на год после их запуска составляет чуть более 50%^[19].

Это связано и с отсутствием исторических данных в качестве основы анализа, и со специфическими характеристиками, присущими распространению новых продуктов.

При запуске нового продукта ключевыми моментами являются следующие:

1) движущие силы пробных покупок;

2) оценка эффекта каннибализации;

3) оценка воздействия нового продукта на бренд и товарную категорию.

Для оценки эффекта каннибализации, т.е. сокращения потребления старых товаров при появлении нового, возможно применять исследования «готовность отказаться от старых товаров в пользу нового» на базе социологических опросов. Впрочем, методы могут быть разными, главная задача - выявить три показателя: потребление нового продукта, потребление старых продуктов, замещение старых продуктов новым^[20].

Предсказать величину коэффициента замещения можно либо на основе аналогии, либо на основе статистических зависимостей, либо на основе модели, основанной на допущениях. Разумеется, точность такого прогноза необходимо тщательно выверять. Опять же многое зависит от специфики продукта и характеристик потребителей.

Вывод нового продукта на рынок происходит по двум основным сценариям: