Jeśli jesteś właścicielem tej strony, możesz wyłączyć reklamę poniżej zmieniając pakiet na PRO lub VIP w panelu naszego hostingu już od 4zł!

POWRÓT DO ARTYKUŁÓW

Prognozowanie w biznesie (wstęp)


Prognozowanie sprzedaży lub popytu stanowi punkt wyjścia oraz pomocny wsad dla przygotowania kompleksowego planu finansowego. Jest także niezbędne do bieżącego zarządzania operacyjnego. Prognoza sprzedaży odgrywa kluczową rolę w firmach handlowych. Jeśli właściwie przewidujemy popyt, to możemy zapewnić wymaganą dostępność odpowiednich produktów, a tym samym zwiększać sprzedaż i optymalizować poziom zapasu. W firmach produkcyjnych prognoza popytu wpływa bezpośrednio na poziom produktów gotowych oraz komponentów i materiałów do produkcji. Jeśli dobrze przewidujemy popyt to jesteśmy w stanie wyprodukować odpowiednie ilości produktów, dzięki czemu optymalizujemy poziom zapasów, koszty produkcyjne, a także zasoby ludzkie. W firmach usługowych właściwa prognoza popytu pozwala przede wszystkim zapewnić odpowiednie zasoby ludzkie, ale także techniczne do obsługi.

Błędne prognozy lub ich brak wnoszą wiele zamieszania do organizacji i narażają ją na poważne turbulencje. Niedoszacowana prognoza prowadzi do wystąpienia braków na półkach sklepowych co zabija sprzedaż. W firmach produkcyjnych nie pozwala na wyprodukowanie właściwej ilości produktów na czas przy założonych zasobach, czego konsekwencją jest utracona sprzedaż. Z kolei prognoza zawyżona wpływa na przetowarowanie powierzchni handlowej i magazynowej w produkty wolnorotujące, co ma wpływ na poziom zapasu i koszty jego obsługi. Zapas zalegający starzeje się, co nie pozostaje bez wpływu na rentowność sprzedaży, jeśli w przyszłości będziemy musieli wyprzedawać produkty po niższej cenie. W firmach produkcyjnych wyższa produkcja niż potrzeby jest bardzo niekorzystna z punktu widzenia kosztów i płynności (koszty ponieśliśmy, musimy zapłacić pracownikom i dostawcom, zaś nie wszystko uda nam się sprzedać). Nadmiar zapasu istotnie obniża płynność firm. Dlatego przy analizie płynności zwykło się stosować tzw. wskaźnik podwyższony, nieuwzględniający w aktywach bieżących zapasów.

Aby prognozy spełniały swoje zadania muszą być jak najbardziej dokładne na każdym poziomie analitycznym. Cóż z tego, że prognoza ogólna pokrywa się z rzeczywistym zapotrzebowaniem dla danych całościowych, jeśli biorąc pod uwagę kategorie produktów nie będących substytutami w jednej kategorii jest spore niedoszacowanie, a w drugiej spore przeszacowanie. Taka prognoza prowadzi do podejmowania błędnych decyzji biznesowych.

Przygotowując prognozy napotykamy na wiele problemów i wyzwań. Środowisko biznesowe jest coraz bardziej złożone. Dynamika zdarzeń i ich wielowymiarowość w powiązaniu z rosnącym wolumenem danych nie ułatwiają prognozowania. Jeśli mamy do czynienia z bardzo szeroką ofertą asortymentową oraz stale powiększającą się siecią sprzedaży to "ręczne" prognozowanie w popularnym excelu może okazać się niewystarczające. Brak odpowiednich zasobów, czy to ludzkich, czy technicznych istotnie wpływa na jakość prognoz. Po pierwsze w organizacji muszą być kompetentne osoby potrafiące przygotować prognozę. Doświadczony pracownik, dobrze rozumiejący biznes, znający firmę i jej otoczenie w połączeniu z bogatą wiedzą teoretyczną i dobrymi praktykami prognostycznymi może przygotować nie najgorszą prognozę bez wsparcia zaawansowanych rozwiązań informatycznych. Jednak przy dużej złożoności danych taka prognoza zawsze będzie zdecydowanie mniej dokładna od prognozy wspieranej przez odpowiedni system prognostyczny. Zasady prognozowania (tzw. dobre praktyki) są takie same zarówno dla prognozowania ręcznego, jak i systemowego. Różnica polega głównie na wydajności i poziomie szczegółowości. Pracując ręcznie nie jesteśmy w stanie wyłapać wszystkich zależności statystycznych dla odpowiednich poziomów danych, dobrać odpowiedniego poziomu analitycznego, przeprowadzić właściwej dezagregacji i agregacji na różnych poziomach zadowalając się z uwagi na ograniczenia arkusza kalkulacyjnego uproszczeniami i uogólnieniami. Właściwie dopasowany system potrafi automatycznie znaleźć odpowiednią zależność statystyczną na dowolnym poziomie hierarchii, a następnie dobrać właściwą metodę prognostyczną dla danego przypadku minimalizując błędy prognozy. W przypadku dużego wolumenu danych ma to ogromne znaczenie i istotnie poprawia jakość prognoz.

Bez względu na to, czy organizacja zamierza pozostać przy prognozowaniu ręcznym, czy też zainwestować w odpowiedni system, znajomość i stosowanie dobrych praktyk prognostycznych są niezbędne, aby jakość prognoz była zadowalająca.