|
Prognozowanie statystyczne pozwala przedsiębiorcom nie tylko optymalizować wykorzystanie zasobów oraz szacować zyski - prognoza to przede wszystkim wiedza na temat kierunków działań, które powinny być podejmowane. Dla przykładu w przemyśle farmaceutycznym, gdzie wielkość sprzedaży jest uzależniona od decyzji lekarza przepisującego receptę, prognozy mają niebagatelne znaczenie dla efektywności marketingu. Okazuje się, że dzięki prognozowaniu, firma może ocenić czy niezbędna jest akcja wręczania lekarzom próbek leków oraz jaki wolumen sprzedaży uzyska się dzięki przeprowadzeniu takiej akcji.
jakie dane i które metody wykorzystać do tego typu zadania?
Najważniejsze informacje dostępne są w firmowej bazie, w postaci danych o klientach, danych transakcyjnych, wpisów przedstawicieli oraz wynikach badań marketingowych. Pewną pułapką i problemem stają się natomiast prognozy rynkowe, które dla każdej branży cechują się charakterystyczną zmiennością. Dla przykładu w sektorze usług telekomunikacyjnych i rozrywki, czynnikiem mającym bezpośredni wpływ może być wzrost PKB, globalna konsumpcja, a nawet wpływ pojedynczych wydarzeń (np. ME2012). Sieć handlowa będzie z kolei „wrażliwa” na wahania nastojów konsumenckich i krajowej sprzedaży detalicznej.
Liczba informacji, jakimi dysponuje firma zależy od branży w której działa firma. Z pewnością bank posiada więcej danych o kliencie niż sieć handlowa. Dzięki temu działania bank może trafniej prognozować różnego typu zjawiska i precyzyjniej realizować potrzeby klientów.
jak realizować temat prognozowania?
Z pewnością takie zagadnienie jak prognozowanie, nie jest rzeczą banalną, jednak dysponując odpowiednimi narzędziami i wiedzą, można samodzielnie podjąć się tego zadania.
szeregi czasowe
Prognozowanie na podstawie szeregów czasowych to podstawowy sposób oszacowania sprzedaży w firmie. Proces taki polega na analizie zgromadzonych danych transakcyjnych, prognoz oraz wyników przedsiębiorstwa. Dzięki rozłożeniu ich w czasie, możemy z określoną skutecznością określić przyszłe zmiany badanego zagadnienia np. sprzedaży. Małe firmy korzystają w tym wypadku najczęściej z prostych nie uwzględniających tendencji technik. Opierają się one zazwyczaj o średnie ruchome lub arytmetyczne, przyjmujących czasami postać wykresu funkcji liniowej. Takie metody są polecane tylko w przypadku mniejszych firm, nie posiadających w bazie pogłębionych informacji o klientach i rynku, dysponujących jedynie danymi transakcyjnymi.
W miarę rozwoju firmy na wyniki przedsiębiorstwa wpływa jednak coraz większa ilość czynników wewnętrznych i zewnętrznych. Aby sprostać temu wyzwaniu, do przewidywania różnego typu zjawisk wykorzystywane są bardziej zaawansowane modele prognostyczne. Takie modele opierają się zazwyczaj na tendencji (rozwojowej bądź schyłkowej) i przyjmują postać wykresów funkcji (krzywych).
regresja
Jedną z metod tworzenia modeli prognostycznych (predykcyjnych) jest regresja. Jej liniowa i nieliniowa postać może służyć do oszacowania zmiennej w przyszłości. Z tego typu analiz korzystają szczególnie banki oraz przedsiębiorstwa usługowe, które posiadają wiele danych o swoich klientach, z danych transakcyjnych czy badań rynku. Kiedy korzystać z dobrodziejstw tej metody? Przede wszystkim gdy spośród wielu czynników musimy wybrać kilka najważniejszych i na ich podstawie stworzyć model prognostyczny.
Regresja logistyczna pozwala przewidywać ponadto zmienną dychotomiczną, dzięki czemu jesteśmy w stanie określić prawdopodobieństwo wystąpienia danego zjawiska (np. kupi, nie kupi).
analiza harmoniczna
Analizę harmoniczną wykorzystuje się do rozłożenia funkcji na czynniki i porównania wahań pomiędzy określonymi okresami (np. miesiące, kwartały). Pozwala ocenić, które wahania mogą mieć charakter sezonowy (amplituda zmian). Na jej podstawie można określić wagę dla danego okresu, czyli jego wpływu na model.
Technika ta wykorzystywana jest w przypadku obserwowanych sezonowości, kiedy chcemy ustalić, jak wielki jest ich wpływ. Dla przykładu: Chcemy dowiedzieć się jaki wpływ na wielkość sprzedaży na rynku budowlanym mają wahania kwartalne, a na ile są to wahania w skali kolejnych lat. Mając przykładowe dane o wartości sprzedaży w budownictwie z 12 ostatnich kwartałów określiliśmy, że wpływ wahań kwartalnych wyjaśnia 60% zmienności, a roczne wyjaśniają ją jedynie w 9%. Na podstawie otrzymanych wyników można dokładniej szacować przyszłe wyniki dla branży.
Rozwiązania analizy danych ułatwiają prognozowanie w przedsiębiorstwach, przez co pozwalają na podejmowanie trafnych decyzji i skutecznych działań na każdym szczeblu decyzyjności. Jeśli chcesz dowiedzieć się jak wykorzystać prognozowanie w swojej firmie lub uzyskać specjalistyczną pomoc przy budowie modelu skontaktuj się z nami.
Zapraszam do kontaktu
Marek Zarzycki
tel. 12 636 96 80 wew. 122
e-mail: m.zarzycki@predictivesolutions.pl
Przeczytaj o naszych doświadczeniach
|
Radosław Kita