Файл: Прогнозная оценка спроса на рынке товаров (услуг) ООО «АСОС ВАЙТ».pdf

1. Метод Холта

Метод основан на оценке степени линейного роста (или снижения) показателя величины спроса во времени.

В середине прошлого века Холт предложил усовершенствованный метод экспоненциального сглаживания, впоследствии названный его именем. В предложенном алгоритме значения уровня и тренда сглаживаются с помощью экспоненциального сглаживания. Причем параметры сглаживания у них различны. Уравнение Холта представлена как функция (1.1)

где α,

в – коэффициенты сглаживания, задается от 0 до 1;

T_t – трендовое значение;

Ŷ_t+p – расчетное значение экономического показателя для t-го периода.

Здесь первое уравнение описывает сглаженный ряд общего уровня. Второе уравнение служит для оценки тренда. Третье уравнение определяет прогноз на p отсчетов по времени вперед.

Постоянные сглаживания в методе Холта идеологически играют ту же роль, что и постоянная в простом экспоненциальном сглаживании. Подбираются они, например, путем перебора по этим параметрам с каким-то шагом. Можно использовать и менее сложные в смысле количества вычислений алгоритмы. Главное, что всегда можно подобрать такую пару параметров, которая дает большую точность модели на тестовом наборе и затем использовать эту пару параметров при реальном прогнозировании.

Частным случаем метода Холта является метод Брауна, когда a=ß.

1. Метод Муира

Применяется в случае линейно-мультипликативной модели тренда в предположении, что изменение среднего процесса зависит от времени не линейно, а пропорционально самому значению среднего, т. е. линейно в логарифмах.

Данный метод имеет малую по популярность на мировом рынке, но все же в какой-то мере он используется.

1. Модель Бокса-Дженкинса

Метод предназначен для обработки авторегрессионых рядов (АРСС) без априорных допущений, относительно дисконтирующих коэффициентов исключение тренда осуществляется путем перехода к разностям ряда и допущению коррелированности остатков.

Модель ARIMA(p,q,k) подходит для построения краткосрочных прогнозов. Рассмотрим этапы ее идентификации. Первоначально подбирается порядок модели k. Дж. Бокс и Г. Дженкинс предлагают взять за критерий стационарности быстрое убывание значений выборочной автокорреляционной функции AC. После нахождения yk(t)=k y(t) идентифицируют параметры ARMA(p,q) модели. Все значения частной автокорреляционной функции PAC для лагов, больших порядка авторегрессии p, статистически незначимы. Для модели скользящего среднего все значения AC для шагов, больших q, близки к нулю.[24]

---

1. Прогноз на основе индикаторов

Оценка хода развития процесса сбыта продукции на базе одного или нескольких известных индикаторов (показателей) смежных отраслей промышленности.

В основном применяется в отраслях, выпускающих средства производства; оценка поступления заказов на основе анализа инвестиционного климата и поступления заказов в отраслях, потребляющих продукцию.

Более ранее обнаружение изменения тренда, чем при экстраполяции. Трудность в подыскании подходящих индикаторов. Стабильность связей между индикаторами.

1. Корреляционно-регрессионный анализ.

Определение направления и силы связи между независимыми переменными и зависимой переменной (спросом). Построение однофакторной и многофакторной регрессионной модели.

В зависимости от количества исследуемых переменных различают парную и множественную корреляцию. Парная корреляция – корреляционные связи между двумя переменными. Примерами парной корреляции могут служить зависимости между уровнем образования и производительностью труда, между ценой товара и спросом на него, между качественными параметрами товара и ценой. Экономико-математические модели, построенные с учетом такого рода взаимосвязей, называют однофакторными моделями. Следует отметить, что в практике прогнозирования экономических явлений однофакторные модели занимают значительное место, что определяется простотой вычислительного процесса и ясностью экономической интерпретации результатов.

Множественная корреляция – корреляционные взаимосвязи между несколькими переменными. В качестве ее примеров можно привести зависимость спроса на товар от цены, уровня доходов населения, расходов на рекламу; зависимость объема выпускаемой продукции от размера инвестиций, технического уровня оборудования, численности занятых в процессе производства.[26]

1. Сезонно-декомпозиционная модель

Метод основан на применении экспоненциального взвешенного среднего для сезонных рядов.

Модель предполагает, что характеристики временного ряда – стационарность, линейность и сезонность – могут быть разделены, изучены и оценены изолированно. Окончательный прогноз осуществляется сведением прогнозов различных элементов в один. Прогнозирование спроса – важнейшая управленческая функция любой компании, которая занимается производством и продажами товаров и услуг. Правильное прогнозирование – это основа успешного планирования и контроля всех основных функциональных подразделений компании – производства, логистики, маркетинга, финансов.

---

Каждое функциональное подразделение имеет собственные особенности и потребности в прогнозировании. Конкретно в логистике прогнозирование касается таких вопросов, как пространственное и временное прогнозирование спроса, определение степени вариативности спроса.

ГЛАВА 2 АНАЛИЗ ПРОГНОЗИРОВАНИЯ СПРОСА НА ТОВАРЫ И УСЛУГИ ФИРМЫ НА ПРИМЕРЕ КОМПАНИИ ООО «АСОС ВАЙТ».

Общая характеристика компании ООО «Асос Вайт».

Объектом исследования данной курсовой является компания ООО «Асос Вайт». Общество с ограниченной ответственностью осуществляет свою деятельность согласно Уставу. Данная организация зарегистрирована 6 июня 2017 года.

Уставный капитал составляет 10000 рублей.

Компания имеет линейно-функциональную структуру управления.

Рассмотрим это на примере:

Отдел сбыта

Менеджер

Главный бухгалтер

Генеральный директор 1

Заместитель директора

Рисунок 2.1 -Структура управления

Продавцы

Бухгалтер

Администраторы

Основным видом деятельности является «Розничная торговля одеждой».

ООО «Асос Вайт» представляет узнаваемый итальянский бренд «Replay» (анг. повтор). Практикуется на выпуске джинс для молодых людей. Рассмотрим ассортимент компании:

Весь ассортимент

Мужская линия

Женская Линия

Верхняя одежда (куртки, пальто)

Джинсы Брюки шорты Трикотаж Рубашки Футболки Обувь Аксессуары Нижнее белье

Верхняя одежда (куртки, пальто)

Брюки . джинсы Шорты. юбки Платье Трикотаж Футболки Блузы. Рубашки Обувь Аксессуары Купальники

Рисунок 2.2-Ассортимент

Исходя из данных таблицы, мы можем сделать выводы, что в магазине представлен широкий ассортиментный ряд. Это позволяет потребителю найти именно тот товар, который необходим именно ему. Однако, необходимо разрабатывать новые модели, которые будут соответствовать всем требованиям потребителей.

Бухгалтерская отчётность основывается в рыночной экономике на обобщении показателей финансового учета и считается информационным звеном.

---

Рассмотрим данные за период 2017-2018 года

Таблица 2.1

Бухгалтерская отчётность

Показатели	31.12.14	31.12.15	Изменение в 2018 г. относи- тельно 2017 г.
	в тыс.руб.	в тыс.руб.	в тыс.руб.
Выручка от продаж	40 044	104 868	64 824
Себестоимость продаж	14 549	48 221	33 672
Валовая прибыль (выручка минус себестоимость)	25 495	56 647	31 152
Коммерческие и управленческие расходы	41 610	86 888	45 278
Расходы по основной деятельности (себестоимость плюс коммерческие и управленческие расходы)	56 159	135 109	78 950
Прибыль от основной деятельности (от продаж) (выручка минус расходы по основной деятельности)	-16 115	-30 241	-14 126
Рентабельность продаж (отношение прибыли от основной деятельности к расходам по этой деятельности)	-28.7%	-22.4%	6.3 проц. п.
Прочие доходы	53 250	32 644	-20 606
Прочие расходы	78 944	62 102	-16 842
Результат от прочей деятельности (прочие доходы минус прочие расходы)	-25 694	-29 458	-3 764
Прибыль до налогообложения (прибыль от основной деятельности плюс результат от прочей деятельности)	-41 809	-59 699	-17 890
Налог на прибыль и прочие платежи	3 133	7 444	4 311
Чистая прибыль (прибыль до налогообложения минус платежи из прибыли)	-38 676	-52 255	-13 579
Рентабельность основной деятельности (отношение чистой прибыли к выручке)	-96.6%	-49.8%	46.8 проц. п.

Анализ формирования чистой прибыли

• • 1. В 2018 г. выручка выросла относительно 2017 г. на 64824 тыс. руб. (161.9%) и составила 104868 тыс. руб. Рост выручки это положительный фактор, так как выручка обеспечивает возврат вложенных средств и дает возможность непрерывно поддерживать деятельность предприятия.
    2. Рост выручки привел к увеличению валовой прибыли на 31152 тыс. руб. (122.2%). В результате была получена прибыль 56647 тыс. руб. Самой высокой прибыль была в 2018 г. 56647 тыс. руб., самой низкой в 2017 г. 25495 тыс. руб. Темпы роста выручки и прибыли не соответствуют друг другу. Это объясняется тем, что рост себестоимости продаж на 33672 тыс. руб. (231.4%) превысил рост выручки на 64824 тыс. руб. (161.9%) на 69.5 проц. п. Необходимо своевременно поменять эту тенденцию на противоположную, чтобы она не привела к убытку.
    3. Коммерческие и управленческие расходы по отношению к росту валовой прибыли выросли пропорционально ему на 45278 тыс. руб. (108.8%). Это не позволило увеличить прибыль от продаж. Она не изменилась в 2018 г. относительно 2017 г., был получен убыток 30241 тыс. руб. В целом расходы по основной деятельности, состоящие из себестоимости, коммерческих и управленческих расходов, увеличились на 78950 тыс. руб. (140.6%). Ситуация, когда прибыль падает не должна быть длительной, и может быть оправдана, если является частью стратегии. Если нет возможности поднять цену, необходимо сокращать расходы.

---

Рисунок 2.3 - Выручка и прибыль от продаж

• • 1. Финансовую эффективность всей деятельности предприятия характеризует рентабельность продаж. В 2018 г. она выросла с -28.7% до -22.4%, что означает, что каждый рубль, вложенный в основную деятельность, принес на 6.3 копеек прибыли больше чем в 2017 г.
    2. Результат от прочей деятельности уменьшился на 3764 тыс. руб. (14.6%). В формировании прибыли до налогообложения убыток от прочей деятельности играет значительную роль (на одном уровне с прибылью от основной деятельности). Данная пропорция отрицательно характеризует устойчивость предприятия, так как прочие доходы и расходы, как правило, имеют случайный характер
    3. 

Рисунок 2.4 - Структура доходов

Рисунок 2.5 - Структура расходов

• • 1. Чистая прибыль представляет собой разницу между всеми доходами и всеми расходами, в 2018 г. её значение равно -52255 тыс. руб., что на 35.1% меньше, чем в 2017 г. Проанализировав структуру доходов и расходов, приходим к выводу, что максимальное влияние на величину чистой прибыли оказывает выручка от основной деятельности 104868 тыс. руб. и "Коммерческие и управленческие расходы" 86888 тыс. руб., поэтому управление этими показателями обеспечит максимальный рост прибыли.
    2. Показатель эффективности основной деятельности это её рентабельность. Она показывает, сколько средств остается у предприятия с рубля выручки после покрытия всех расходов (себестоимости, уплаты процентов, налогов). Так в 2018 г. эта величина составила -49.8 коп., при этом она увеличилась на 46.8 коп. относительно 2017 г.

Анализ методов прогнозирования спроса на товары и услуги компании ООО «Асос Вайт».

Прогнозирование спроса на товары и услуги компании является одной из важнейших задач, которые стоят перед каждой организацией, желающей повысить уровень доходности и увеличить свой уровень.

При разработке методов прогнозирования на ООО «Асос Вайт» необходим анализ спроса на товары, получение и обработка большого количества данных.

В отдел прогнозирования поступает большое количество информации, Политическая и социальная среда, также важны при прогнозировании спроса. Стабильность в политике и на рынке уменьшает риск от потери продаж.

---