35
Возможные варианты, рассмотрим в таблице 2.
Таблица 2
Варианты оптимальных моделей прогнозирования
История
продаж,
месяцев
Возможное
разделение на
категории
Комментарий и выбор оптимальной модели
прогнозирования
0
Экспертная
оценка с
использованием
доступных
данных в
качестве чисел,
от которых
можно было бы
отталкиваться
экспертам.
Совершенно новая позиция – прогнозирование возможно
только на основании экспертной оценки, возможно с
использованием истории продаж аналогичной позиции.
1
Первые продажи – первая отправная точка, однако всё
равно желательно использование экспертной оценки.
Если такой возможности нет, то за неимением лучшего
принимаем прогноз спроса на следующий месяц равным
спросу за предыдущий.
2
В принципе, по двум точкам можно уже построить
линейный тренд, однако его точность вряд ли будет
лучше экспертной оценки.
3
У вас появилась первая, самая грубая, оценка точности
линейного тренда, и экспертная оценка уже может
опираться на эту цифру для того, чтобы брать или не
брать сам тренд в расчёт.
4-11
Уточнение линейного тренда без отказа от экспертной
оценки.
12-13
Экспертный
выбор модели
прогнозирова-
ния, но
использование
значений, уже
полученных
именно с
помощью неё.
Полный цикл пройден, теперь для такой позиции важно
выбрать будете ли вы использовать модель с
сезонностью или нет. В первом случае, больший вес при
прогнозировании на какой-либо месяц будут иметь
значения за тот же месяц в прошлом году, во втором –
общий тренд продаж, который уже достаточно точен.
14
Начиная с этого момента возможно использование
статистических методов, так как накоплено необходимое
количество наблюдений случайной величины (закон
больших чисел). Например, начинает хорошо работать
модель прогнозирования спроса в кризис.
15-23
Уточнение правильности выбора модели.
24
Технически
обоснованный
выбор модели
прогнозирова-
ния с
использовани-ем
полученных по
ней данным в
качестве
искомых
значений.
Есть все необходимые данные, чтобы чисто
техническими методами определить, наличие сезонности
продаж – просто посчитав корреляцию двух рядов
продаж по 12 месяцев – и даже грубо оценить сезонные
коэффициенты в случае её наличия. Становится
возможным использования модели прогнозирования
продаж с декомпозицией тренда и сезонной
составляющей.
25-35
Уточнение коэффициентов выбранной модели.
36-52
Получение достаточно точных значений сезонных
коэффициентов для соответствующей модели
прогнозирования, в том числе усреднение с весами или
без, становится возможно использование медианы.
53+
Становится возможным эффективное применение
сложных адаптивных статистических методов, которые
позволяют повысить достоверность получаемых
прогнозов.
36
Прогнозирование – это важный момент принятия решения в управлении
запасами торгующих фирм. При управлении запасами лекарств необходимо
оценить степень спроса каждого лекарства, которая осуществляется на основе
анализа статистических данных о продажах каждого типа лекарств в течении
определенного периода времени. Качество прогноза непосредственно
отражается на качестве принимаемых управленческих решений по управлению
запасами. Для эффективного управления запасами важно выбрать
обоснованный метод и методику прогнозирования. Используемые методы
прогнозирования зависят от вида бизнес-решений.
Прежде всего, при прогнозировании используют категории
краткосрочный, среднесрочный, долгосрочный прогноз. Срок прогнозирования
зависит от вида бизнес-решений.
Краткосрочным называют прогноз в том случае, когда период динамики
спроса больше длительности прогнозного периода. Это оперативный прогноз. В
нашем случае это 1-3 месяца.
Среднесрочный подразумевает примерное равенство периода динамики
и периода прогноза. Это тактический прогноз. В нашем случае это 3-6 месяцев.
Долгосрочный прогноз является стратегическим, период динамики
спроса для которого меньше периода прогноза.
Методы прогнозирования также делятся на следующие категории:
качественные методы - где нет формальной математической модели
часто из-за того, что имеющиеся данные не являются представителями
будущего состояния (долгосрочный прогноз);
метод регрессии - продолжение линейной регрессии, где
предполагается, что переменная линейно зависит от ряда других переменных;
методы множества уравнений - где имеется ряд переменных, которые
взаимозависят посредством ряда уравнений (эконометрические модели);
методы анализа рядов динамики - где мы имеем одну переменную,
которая изменяется во времени и ее будущие значения зависят от прошлых.
Задачи снижения товарного запаса и повышения оборачиваемости
37
напрямую связаны с точностью прогнозирования продаж. При расчете
страхового запаса среднее отклонение продаж от прогнозов является одной из
основных составляющих. Поэтому повышение точности прогноза на 30-40%
может дать повышение оборачиваемости на 15-20%, а также позволит
увеличить продажи из-за снижения количества out-of-stock.
Out-of-stock– от английского «отсутствующий запас», не имеющийся в
наличии на складе, распроданный товар.[20,c.215]
Задача улучшения качества прогнозирования начинается с постоянного
мониторинга показателя точности. Несмотря на то, что прогнозирование в том
или ином виде существует практически в каждой компании, оценка точности
имеется не более чем в трети из них, а в состав KPI с целями на квартал или год
в такую оценку включают еще меньший процент. Службам контр оля на предп риятии необход имо осуществ ить постоян ный контроль над целевым характером испол ьзования данных ресурсо в. К современ ным методам осуществления системы эфф ективного управления труд овыми ресурсами можно отн ести и методы прогнозиров ания.
В практике отечественных компаний чаще всего практикуются 2
подхода к прогнозированию:
простейшее базовое прогнозирование на основе исторических данных,
т.е. прогноз на следующий период рассчитывается пропорционально
фактическим продажам прошлого периода, например в Excel;
увлеченность сложными математическими формулами и
программами. Последнее подпитывается неявной верой менеджмента в то, что
сложная IT-система сама по себе сможет выдать отличный результат в силу
своей сложности и дороговизны.
Однако как показывает практика, покупка даже самого сложного и
мощного инструмента сама по себе проблему повышения качества
прогнозирования не решает. Необходимо вовлечение в единую структуру и
бизнес-процесс планирования и прогнозирования всех функциональных блоков
компании, которые имеют релевантную для прогноза информацию: логистика,
закупки, продажи, маркетинг, производство. Процесс построения такой
системы сложен не изощренными математическими формулами и алгоритмами,
а необходимостью связать работу нескольких департаментов компании для
достижения приемлемого результата.
38
Итак, базовый прогноз строится на следующих основных данных:
историческое потребление / продажи за предыдущий период,
тренды,
сезонность.
Основой является историческое потребление. Уже здесь есть первая
возможность для ошибки, если мы не учитываем в прошлом потреблении
периоды, когда товар отсутствовал на складе или в магазине. Если
информационная система не позволяет фиксировать out-of-stock на ежедневном
уровне, прогнозы продаж будут существенно занижены.[24,c.185]
Существенным для повышения качества прогнозирования часто
является учет сезонности. С практической реализацией этого пункта также
могут возникать проблемы. Для начала необходимо определить, какой вид
сезонности адекватен для вашего бизнеса – внутри недели (месяца) по дням,
недельный, месячный. Далее, необходимо как минимум иметь сопоставимые
данные по продажам за прошлый (и в идеале, позапрошлый) годы за тот же
период времени. В случае если жизненный цикл товара составляет всего
полгода или год, учет сезонности на уровне SKU становится невозможным. В
этом случае мы приходим к вопросу, что является базовой единицей для
прогноза – отдельный SKU, кластер или продуктовая группа. Естественно, что
при большей агрегации мы можем повысить качество прогноза, но для
управления товарным запасом в любом случае необходимо провести
декомпозицию прогнозов до уровня SKU.
SKU (Stock Keeping Unit) – идентификатор товарной позиции, единица
учета запасов, складской номер, используемый в торговле для отслеживания
статистики по реализованным товарам или услугам.
Первое, что необходимо сделать обязательно – ввести простейшие
кластеры товаров, то есть объединить в одну группу взаимозаменяемые товары,
которые обладают одинаковыми потребительскими свойствами, но имеют
разные SKU. Прогнозирование таких товаров в отдельности приведет к
некорректным данным. Вариация продаж каждого артикула в отдельности
39
будет значительна, в зависимости от непредсказуемых факторов: место на
полке, выкладка товара, наличие и тому подобное. Поэтому группировка
артикулов в кластеры – обязательная процедура при прогнозировании.
Далее необходима более тонкая работа, связанная с группировкой
артикулов/кластеров в сходные товарные группы, которые обладают не
одинаковыми, но схожими потребительскими свойствами. В зависимости от
качества такой группировки, будет изменяться максимально достижимая и
средняя точность прогноза. Группировать артикулы/кластеры в товарные
группы можно экспертно, либо при помощи развитых дорогостоящих западных
систем прогнозирования.
При эшелонированной системе запасов (центральный склад →
региональные склады → магазины) необходимо выстраивать прогнозы
иерархически: сверху вниз или снизу вверх. На уровне SKU обычно
выстраивание идёт снизу вверх, то есть прогнозируется спрос, например,
магазинов региона, далее их суммарный спрос определяет прогноз отгрузок со
склада региона на магазины и так далее. Здесь необходимо избежать частой
ошибки – если какие-то из поставщиков поставляют товар напрямую в
магазины, этот объем надо исключать из данных для прогнозирования
движения товара через региональный склад. То же самое с прямыми
поставками от поставщиков на региональные склады не через центральный
склад – такие данные необходимо вычленять и учитывать при прогнозировании
отгрузок товара с центрального склада на региональные склады.
Следующая возможная проблема возникает, когда цепочки поставок
изменяются со временем: перевод поставщика на прямое снабжение магазинов,
перевод снабжения отдельного магазина с регионального на центральный склад
и тому подобное. Необходимо каждый раз оперативно менять логику
получения исходных данных по отгрузкам для построения корректного
прогноза – в противном случае прогноз и запас будет создаваться как бы для
старой цепочки поставок, формируя дефицит в одном месте этой цепочке и
сверхнормативный запас в другом. Службам контроля на предприятии н еобходимо ос уществить пост оянный контроль над целевым характером использовани я данных ресурсов . К совреме нным методам о существления системы эффективного управления тр удовыми ресурс ами можно отнести и мет оды прогноз ирования.
40
Аналогичным образом, если в бизнесе существуют несколько напрямую
не взаимосвязанных направлений, например, разные виды покупателей:
коммерческие и бюджетные, розничные и оптовые, – необходимо создавать
структуры прогнозирования, которые отдельно учитывают специфику каждого
вида. Это оправдано, так как у разных видов клиентов, по одному и тому же
SKU могут быть разные тренды и даже сезонности.
В реальном бизнесе редко используются более сложные математически
алгоритмы, чем вышеописанные. Основная сложность в другом – в компании
всегда есть несколько департаментов, каждый из которых может дать ценную
информацию и повлиять на прогноз продаж и его точность. Организационное
выстраивание бизнес-процессов и организация такой среды прогнозирования,
где учитывался бы максимум релевантной информации от каждого
подразделения – это действительно вызов для современного директора по
логистике.
В зависимости от того, насколько качественно решена эта задача по
объединению данных от маркетинга, продаж, ценообразования и других
подразделений, вы сможете с той или иной степенью близости подойти к
лимиту точности прогнозов, специфичному для вашего вида бизнеса.
В типовом предприятии можно строить прогноз, опираясь на следующие
данные:
статистический расчёт прогноза по отработанным алгоритмам;
исторические данные, желательно как можно ниже по цепочке и
ближе к конечному покупателю, то есть от PoS(Point of Sale) – торговому
терминалу, где кассир осуществляет приём платежей от клиентов;
заданные маркетингом тренды в будущее: развитие или сворачивание
товарного направления, макроэкономические тренды и тому подобное (эти
данные вносятся на агрегированном уровне и учитываются для всех
соответствующих SKU корректируя долгосрочный прогноз);
запланированная маркетингом промо-активность: параметры
41
планируемых акций вносятся в систему с прогнозируемым влиянием на
продажи как промотируемого продукта, так и связанных с ним (некоторые SKU
могут вырасти одновременно с фокусным, некоторые – упасть в продажах),
после окончания акции необходимо отслеживать снижение продаж (эффект
маятника), а также в дальнейшем исключить всплеск продаж из статистики для
расчёта прогнозов на будущие периоды;
краткосрочные и фрагментированные данные по планируемым
заказам реальных клиентов от отдела продаж – в идеале они поступают от
самих клиентов и позволяют снизить неопределенность по части бизнеса, где
количество заказчиков небольшое;
бюджет – агрегированные данные, с которыми до определённой
степени надо сверяться, хотя и не всегда 100% подстраивать прогноз по них, но
это – тема отдельного разговора;
краткосрочные прогнозы от экспертов по запускаемым новым
продуктам, а также влияние этих продаж на другие продукты этой же группы;
анализ ценовой эластичности по некоторым группам товаров и
информацию по планируемым изменениям в ценах.[13,c.284]
Именно такой процесс лежит в основе и практически всегда является
первым шагом в программе оптимизации товарного запаса компании. В этом
случае процесс управления изменениями зачастую оказывается более
результативным и динамичным. Службам контр оля на предпр иятии необходим о осуществ ить постоянный контроль над ц елевым харак тером исп ользования да нных ресурс ов. К соврем енным методам осуществлени я системы эфф ективного уп равления т рудовыми рес урсами можно от нести и мет оды прогнозир ования.
По первой главе можно сделать следующие выводы:
производственные запасы на предприятии могут оцениваться по
фактической стоимости заготовления или по учетным ценам;
фактическая стоимость поступивших материалов зависит от
источника поступления товаров;
классификация производственных запасов на предприятии
необходима для правильной их организации по местам использования и
хранения;
42
большое значение для эффективного управления товарно-
производственным запасами, имеют современные методы, используемые в
практике различных компаний;
прогнозирование выступает как современный метод управления
производственными запасами на предприятии.
Материальные р есурсы пред приятия заним ают наибольши й удельный вес в работе эк ономического с убъекта. От того, насколько предприятие об еспечено тов арно-матер иальными цен ностями своевр еменно, и с пособно выпол нить в оговоре нные сроки св ои обязательство по произв одству продукци и, зависит и сво евременность получения де нежных средст в на счетах п редприятия, а т акже и со хранение делов ой репутации п редприятия. Большое влияни е на эффект ивность уп равления мате риальными це нностями оказыв ает правильн ая организация материальны х ресурсов, с окращение пот ерь и недоста ч материаль ных ценносте й. Также, больш ое значени е имеет еще и рациональное и экономное исп ользование м атериальных и трудовых рес урсов орган изации . Служба м контроля на пр едприятии не обходимо осущ ествить по стоянный ко нтроль над цел евым характе ром использова ния данных р есурсов. К сов ременным мет одам
осуществления с истемы эффек тивного упр авления трудовым и рес урсами можно отнест и и методы прогнозиро вания и методы - анализа и пр очие мет
43
ГЛАВА 2. АНАЛИЗ МАТЕРИАЛЬНЫХ РЕСУРСОВ И
ЭФФЕКТИВНОСТЬ ИХ ИСПОЛЬЗОВАНИЯ НА ПРИМЕРЕ
ГУКП «ПРИДНЕСТРОВСКАЯ ЖЕЛЕЗНАЯ ДОРОГА»
2.1 Характеристика финансово-хозяйственной деятельности
ГУКП «ПЖД»
Базой для исследования выпускной квалификационной работе является
Государственное унитарное казенное предприятие «Приднестровская железная
дорога».
ГУКП «Приднестровская Железная Дорога» 21 июня 1998 года было
подписано протокольное поручение «О создании предприятия
«Приднестровское отделение железной дороги». Подписание данного
протокола обосновывалось экономической целесообразностью и
необходимостью обеспечения бесперебойной эксплуатации железной дороги на
территории Приднестровья.
Несколько позже, 26 января 1999 года, во исполнение вышеуказанного
протокола было подписано протокольное решение о вхождении в состав
Приднестровского отделения железной дороги Бендерского локомотивного
депо. В августе 2004 года предприятие «Приднестровское отделение железной
дороги» было реорганизовано в государственное унитарное предприятие
«Приднестровская железная дорога», в состав которого вошли 8
железнодорожных предприятий общей численностью 749 человек.
Данное предприятие зарегистрировано «Регистрационной палатой
Министерства юстиции ПМР от 6 августа 2004 г. № 01-041-3614 серия АА-
0005643.
В состав ГУКП «ПЖД» входит несколько станций и депо.
Основным видом деятельности предприятия «Приднестровская
железная дорога», является обеспечение заданного объема перевозок грузов и
пассажиров исправными, подготовленными к работе подвижными составами
(тепловозами, электровозами, дизель поездами), выполнение маневровых работ
44
на станциях, техническое содержание и ремонт тяговых средств и
углеподъемных кранов на железнодорожном ходу, производство ремонтов
механического, испытательного и другого оборудования, обеспечение текущего
содержания производственных и служебно-бытовых зданий.
Для поддержания локомотивов в исправном хорошем, техническом
состоянии в депо производится их техосмотр и при необходимости ремонт.
Кроме парка локомотивов, депо имеет ремонтную базу, но она не оснащена
современным механизированным и автоматизированным ремонтным
оборудование, электронными диагностирующими установками, транспортными
средствами, системой автоматизированных устройств.
Предприятие является коммерческой организацией и находится в
ведомственном подчинении уполномоченного исполнительного органа
государственной власти, на который возложены координация и регулирование
деятельности в соответствующие отрасли.
Предприятие создано с целью обеспечения экономических агентов ПМР
услугами железнодорожных перевозках, концентрации финансово-
хозяйственной деятельности железнодорожных предприятий на территории
ПМР и в целях удовлетворения общественных потребностей в результате его
деятельности и получения прибыли.
Основными видами деятельности являются:
организация разработки и утверждения графика движения, плана
формирования поездов;
разработка месячных нормативов использования грузовых вагонов и
контейнеров;
регулирование погрузки и организация движения поездов в условиях
чрезвычайной ситуации;
организация диспетчерской службы, автоматизация процессов
управления поездами;
определение объема перевозок грузов в соответствии с заявками
грузоотправителей и пропускной способности железной дороги;