Простые методы прогнозирования спроса : Математика и методы анализа товарных ресурсов

Коллеги, всех приветствую ! Меня зовут Дмитрий. Недавно на форуме, сам пока ничего не писал, только читал, но с Андреем Фишером мы уже переписывались:) Не мог пройти мимо этой темы, поскольку сейчас плотную приблизился к методам прогноза. Мы занимаемся а/м запчастями, в ассортименте более 10 тыс. наименований (но об этом позднее обязательно напишу), + спасибо форуму, здесь очень интересно и много полезного.
так вот, при поиске наилучшего доступного метода прогноза (с учетом мин. ошибки) с учетом большого количества наименований, я применил простой макрос, который берет данные из массива, вставляет их в аргумент формулы (модель Шрайбфедера) и забирает оттуда номер метода с минимальной ошибкой по этой модели и значение % ошибки. Могу поделиться моделью, если до меня этого еще не сделали и автору топика интересно. Вручную ничего не надо копировать, вставлять и т.п., только занести данные в лист "DATA" в правильном порядке и запустить макрос "MOD_1"

вот и модель

Вложения

МОДЕЛЬ.rar (66.1 Кб, 414 просмотров)

Дима, привет!
Рад что ты продвинулся в решении задачи. Что могу посоветовать:
1. по части модели - сделать расчеты на основании файла, который выложен мною в этом сообщении, т.к.:
- в моем файле ошибка считается по году, а не по 6 месяцам,
- к формулам добавлена очень интересная модель Валерия Разгуляева,
- данные располагаются в прямом хронологическом порядке, а не в обратном, что удобнее для нас,
- ну и над выводом результата есть смысл поработать, т.к. тебе важен сам прогноз, а не название метода.
2. по части прогноза - предварительно отфильтровать исходные данные по дефициту и пикам, это существенно повысит качество прогноза. Для товаров, продающихся не каждый месяц, использовать другую логику прогноза. Так же необходимо контролировать, чтобы сумма прогнозов по позициям в рамках категории была сравнима с прогнозом по категории в целом.
3. что касается VBA алгоритма, то много что из него можно оптимизировать, если время работы макроса на большом объеме данных покажется тебе излишним, то я могу тебе помочь существенно оптимизировать его производительность.
Отработав алгоритм, его при возможности можно будет перенести в учетную систему.

Андрей, подобная фильтрация исходных данных по дефицитам и пикам может испортить данные, сделав их непригодными для какого-либо анализа.

Вложения

Контрпример прогноза.rar (6.6 Кб, 281 просмотров)

Да, Саша, согласен с этим. Но без фильтрации мы будем по-прежнему везти тот товар, который у нас купили, вместо того, который покупателю действительно был нужен. Если говорить о прогнозе на 7 месяцев вперед (как в твоем файле), то можно лихо перетариться, а если срок поставки не большой, то у нас есть шанс обеспечить реальный спрос, а не прошлые продажи, пусть для этого нам придется на короткое время увеличить товарный запас по некоторым позициям. В конце концов, мы сами виноваты в дефиците, клиент тут не причем, мы должны понести дополнительные издержки, чтобы восстановить реальную статистику спроса и обеспечить соответствие своего предложения спросу покупателя.
Конечно, в данном случае нужно действовать осторожно, важное замечание, спасибо.

Вино априори имеет срок реагирования от 2,5 месяцев и до полугода...
В данном случае лучше недотариться, чем перетариться, т.е. привозить, опираясь на прогнозы, сделанным по продажам, а не по спросу. Подобное игнорирование дефицита и всплесков (не обусловленных промакциями) характерно для отчасти ваимозаменяемых товаров, не являющихся при этом аналогами. Если же товары в пределах своей товарной группы абсолютно невзаимозамеяемые (трубы различного диаметра), то преобразование продаж к спросу необходимо.

Дмитрий, добрый день.
Отличная идея, если доработаете этот макрос, то прошу выложить его на форум.
Спасибо!

Еще раз всем привет.
Выкладываю исправленную модель, еще и с учетом корректировок, предложенных Андреем, за что ему отдельный респект. Данные в хронологическом порядке слева-направо за 36 последних месяцев. Для расчета используется 27 последних месяцев. Максимум 5000 товаров, он можно и для большего числа (надо поправить только ячейку С7 листа "DATA").
Пришлось отказаться от показателя "Мода", т.к. не для всех наблюдений он считается и не дает вывести результат. Можно, конечно, условие прописать, но пока оставил справочно.
Все остальное - так же. Загрузить данные в лист "DATA", запустить Макрос MOD_1, получить результат. Ну а дальше - строить прогноз и регулярно сравнивать с течением времени с фактическими результатами. Сам как раз сейчас это и делаю.
надеюсь, что кому-то модель с такими дополнениям будет интересна.

Вложения

2 Формулы_прогнозирования_Inventor.rar (175.2 Кб, 377 просмотров)

Хочу спросить именно про методы прогнозирования, а не так называемое формирование портфеля... насколько подобные методы коих великое множество полезны при анализе и стоит ли их вообще изучать ?
Какое соотношение сложность/эффективность ? И с чего лучше всего будет начать ?
Спасибо.

Всё зависит от ваших данных.

Попробовать простой метод прогнозирования - и посмотреть, на сколько он эффективен.