Прогнозирование и анализ продаж на рынке FMCG: Курсы

День 1. Азы прогнозирования и анализа, подготовка данных

• Процесс прогнозирования: технология «Пять шагов»
• Три способа систематизации экспертных мнений о факторах, влияющих на продажи:
  • диаграмма Исикавы
  • таблица факторных влияний
  • причинно-следственная диаграмма
• Правила подготовки исходных данных для прогнозирования в Excel. Работа с пропущенными данными
• Графический анализ динамики продаж с целью выявления тренда, сезонности и других компонент
• Влияние типа сезонности на выбор метода прогнозирования
• Основные статистические показатели, используемые при прогнозировании:
  • среднее значение
  • медиана
  • стандартное отклонение
  • стандартная ошибка
  • размах
• Доверительный интервал прогноза
• Точность модели и точность прогнозов
• Показатели точности прогнозной модели и прогноза: MAPE, MAD и другие
• Подходы к выбору адекватного показателя оценки точности модели и прогноза
• Метод сезонной декомпозиции
  • правила выбора вида тренда и типа сезонности
  • сезонные факторы  и их практическое использование

Кейсы:

• Пример. Строим диаграмму Исикавы для рынка FMCG и заполняем таблицу факторных влияний на основе экспертных мнений слушателей курса
• Пример в Excel. Изучаем динамику продаж по SKU. Учимся анализировать колебания продаж и формировать правильные ожидания
• Пример в Excel. Проводим графический анализ динамики продаж. Самостоятельно учимся определять наличие тренда, сезонности, структурных сдвигов и выбросов.
• Пример в Excel. Проводим сезонную декомпозицию на основе истории продаж. Учимся интерпретировать результаты.

День 2. Прогнозирование продаж без учета дополнительной информации о факторах

• Прогнозирование на основе метода сезонной декомпозиции:
  • пошаговый алгоритм прогнозирования в Excel
  • влияние выбросов и структурных сдвигов на точность прогнозов
  • плюсы и минусы подхода
• Правила оценки качества прогнозной модели. Анализ остатков
•  Правила графического анализа остатков модели:
  • график автокорреляции (ACF plot)
  • гистограмма (histogram)
  • диаграмма рассеяния (scatterplot)
• Прогнозирование на основе метода экспоненциального сглаживания:
  • идея метода: четыре параметра сглаживания
  • пошаговый алгоритм в Excel
  • влияние горизонта прогноза на точность прогнозов
  • влияние выбросов и структурных сдвигов на точность прогнозов
  • плюсы и минусы подхода

Кейсы:

• Пример в Excel. Проводим сезонную декомпозицию и строим прогноз на несколько месяцев. Оцениваем качество построенной модели.
• Пример в Excel. Строим прогноз на несколько месяцев с помощью экспоненциального сглаживания. Оцениваем качество модели и прогноза.
• Пример в Excel. На основе истории продаж по товарной группе строим прогноз на 12 месяцев двумя способами (на основе сезонной декомпозиции и методом экспоненциального сглаживания). Оцениваем качество моделей и выбираем наиболее адекватный подход.

День 3. Прогнозирование продаж с учетом дополнительной информации о факторах

• Многофакторный регрессионный анализ: идея и требования к исходным данным
• Пошаговый алгоритм прогнозирования на основе регрессионного анализа в Excel
• Диагностика и решение проблемы взаимозависимых факторов (мультиколлинеарность)
• Правила оценки качества модели:
  • анализ остатков
  • ANOVA
  • R-квадрат и скорректированный R-квадрат
• План действий при «плохих» остатках модели
• Интерпретация коэффициентов регрессионного уравнения:
  • как влияют факторы на продажи
  • ранжирование факторов по силе влияния
• Особенности прогнозирования при недостатке информации о факторах. Техника фиктивных (dummy) переменных
• Учет в регрессии сезонности разного типа
• Разработка сценариев продаж на основе регрессионного анализа
• Пессимистический и оптимистический прогноз: варианты построения
• Плюсы и минусы прогнозирования на основе регрессионного анализа
• Правила перехода от регрессии к авторегрессии
• Авторегрессионные модели для прогнозирования: идея и реализация
• Плюсы и минусы прогнозирования на основе авторегрессионного анализа

Кейсы:

• Пример в Excel. Анализируем влияние макроэкономических факторов на продажи.
• Пример в Excel. Анализируем влияние кризиса; изменения ассортимента; числа торговых точек и т.п.
• Пример в Excel. Прогнозируем продажи с использованием фиктивных переменных.
• Пример в Excel. Анализируем влияние погодных условий на продажи.
• Пример в Excel. Изучаем влияние на продажи рекламной активности различных видов. Делаем прогноз при разных сценариях рекламных кампаний.
• Пример в Excel. Проводим сравнительный анализ прогнозов продаж на основе регрессии и авторегрессии.
• Пример в Excel. Строим прогноз продаж конкретной товарной группы всеми изученными способами и выбираем наиболее адекватный подход (самостоятельно).

День 4. Оценка эффектов акций, «каннибализм» и другие практические вопросы прогнозирования

• Правила проведения ручной корректировки прогнозов
• Три способа оценки эффекта акции
  • с помощью регрессионной модели
  • на основе критерия Уилкоксона
  • методом аналогий
• Два способа оценки эффекта «каннибализма»
• Два способа учета праздничного спроса при прогнозировании продаж
• Учет запаздывающего влияния факторов при прогнозировании
• Способы учета вложенной сезонности при прогнозировании дневных продаж
• Пути решения проблем прогнозирования в условиях большого ассортимента:
  • различия при прогнозировании TOP-DOWN и BOTTOM-TOP
  • способы выделения товаров со схожей динамикой продаж
  • обзор программного обеспечения для автоматизации прогнозов большого числа товарных позиций. Демонстрация некоторых решений
• Два способа прогнозирования продаж новых продуктов в условиях отсутствия исторических данных

Кейсы:

• Пример в Excel. Оцениваем эффекты акций разными способами в зависимости от имеющейся информации.
• Пример в Excel. Анализируем продажи по SKU и измеряем эффекта «каннибализма».
• Пример в Excel. Учитываем влияние выходных и праздничных дней при прогнозировании.
• Пример в Excel. Анализируем временную задержку (лаг) в росте продаж при росте рекламного бюджета.
• Пример в Excel. Прогнозируем продажи нового продукта.

День 5. Отработка навыков прогнозирования на примерах слушателей. Анализ возможностей и целесообразности повышения точности прогноза

• Структура ошибки прогноза
• Алгоритм выявления источников ошибки прогноза и оценка всех ее компонентов
• Идея предела прогнозируемости
  • теоретический подход к оценке пределов прогнозируемости продаж
  • алгоритм расчета в Excel пределов прогнозируемости (максимально достижимой точности прогноза)
• Автоматизированная корректировка прогноза в Excel с учетом несимметричной «цены» ошибки

Кейсы:

• Примеры в Excel. Получаем и анализируем прогнозы на основе данных слушателей. Изучаем потенциальные возможности улучшения прогнозов.
• Пример в Excel. Строим прогноз продаж и анализируем причины отклонений «факт-прогноз».
• Пример в Excel. Определяем предел прогнозируемости на конкретных данных о продажах.
• Пример в Excel. Комплексная задача.

После окончания обучения с помощью Excel Вы сможете:

• определять наилучший метод прогнозирования для конкретной ситуации
• прогнозировать в случае недостатка  объективной информации (например, вывод на рынок нового продукта)
• прогнозировать, если имеется история только продаж
• оперативно прогнозировать, когда нужен быстрый прогноз
• прогнозировать при наличии  мнения экспертов
• прогнозировать с учетом дополнительной информации о разных факторах (активность конкурентов, акции, рекламный бюджет, погода и т.п.),  одновременно влияющих  на продажи
• разрабатывать сценарии продаж
• оценивать эффект «каннибализма»
• выделять «чистый» эффект акции из динамики продаж
• оценивать пределы прогнозируемости своего рынка
• повышать точность прогнозов

После обучения Вы получите:

• Набор бесплатных надстроек и шаблонов Excel, необходимых для прогнозирования продаж
• Пошаговые инструкции по применению каждого метода прогнозирования
• Сертификат на 4-месячную бесплатную консультационную поддержку