Методики прогнозирования сбыта и продаж. Краткосрочные и долгосрочные модели

  • Продолжительность: 4 дня

  • Город: Санкт-Петербург

Для кого будет полезен тренинг?

Экономисты, продажи, маркетинг, BI / Руководители (коммерция)

Тренинг для специалистов коммерческих, планово-экономических и сбытовых подразделений. Методы практической аналитики. Формирование доказательной базы для принятия и обоснования решений.

Возможность использования своих данных в процессе обучения

Вы получите

  • Пошаговые инструкции по применению каждого метода

  • Сертификат на 4-месячную бесплатную консультационную поддержку

Требования

  • Высшее образование
  • Опыт работы в Excel на уровне пользователя

После окончания обучения Вы сможете

  • Определять наилучший метод прогнозирования для конкретной ситуации

  • Прогнозировать с учетом дополнительной информации о разных факторах (активность конкурентов, акции, рекламный бюджет, погода и т.п.), одновременно влияющих на прогнозируемый показатель

  • Определять и интерпретировать влияние факторов на прогнозируемый показатель

  • Прогнозировать, если имеется история только по прогнозируемому показателю

  • Выбирать метод прогнозирования в соответствии с горизонтом прогноза

День 1. Азы прогнозирования и анализа, подготовка данных.
Метод сезонной декомпозиции

  • Инструменты, методики, алгоритмы

  • Процесс прогнозирования: технология «Пять шагов»
  • Cпособы систематизации экспертных мнений о факторах, влияющих на прогнозируемый показатель:

– диаграмма Исикавы
– таблица факторных влияний
– причинно-следственная диаграмма
– ранжирование потенциальных факторов

  • Правила подготовки исходных данных для прогнозирования. Работа с пропущенными данными
  • Основные статистические показатели и графики, используемые при прогнозировании:

– среднее значение, медиана, стандартное отклонение
– гистограмма, диаграмма последовательности, диаграмма рассеяния

  • Инструменты, методики, алгоритмы

  • Графический анализ исходных данных с целью выявления тренда, сезонности и других компонент
  • Доверительный интервал прогноза
  • Точность модели и точность прогнозов. Показатели: MAPE, MAD и другие
  • Прогнозирование на основе метода сезонной декомпозиции:

– пошаговый алгоритм прогнозирования
– правила выбора вида тренда и типа сезонности
– сезонные факторы и их практическое использование
– плюсы и минусы подхода

  • Оценка качества прогнозной модели. Графический анализ остатков: гистограмма, даиграмма рассеяния, график автокорреляции
  • Кейсы

  • Пример в Excel. Изучаем изменчивость цен по регионам. Рассчитываем и интерпретируем основные статистические показатели. Строим графики.
  • Пример в Excel. Изучаем динамику продаж. Учимся анализировать колебания продаж и формировать правильные ожидания.
  • Пример в Excel. Проводим графический анализ динамики числа клиентов. Самостоятельно учимся определять наличие тренда, сезонности, структурных сдвигов и выбросов.
  • Пример в Excel. Проводим сезонную декомпозицию на основе истории продаж. Учимся интерпретировать результаты.
  • Пример в Excel. Проводим сезонную декомпозицию и строим прогноз на несколько месяцев. Оцениваем качество построенной модели.

День 2. Прогнозирование методом экспоненциального сглаживания.
Регрессионный анализ 

  • Инструменты, методики, алгоритмы

  • Прогнозирование на основе метода экспоненциального сглаживания:

– идея метода: четыре параметра сглаживания
– пошаговый алгоритм
– оценка адекватности модели
– влияние горизонта прогноза на точность прогнозов
– плюсы и минусы подхода

  • Критерии выбора между экспоненциальным сглаживанием и сезонной декомпозицией
  • Многофакторный регрессионный анализ: идея и требования к исходным данным
  • Пошаговый алгоритм прогнозирования на основе регрессионного анализа
  • Диагностика и решение проблемы взаимозависимых факторов (мультиколлинеарность)
  • Инструменты, методики, алгоритмы

  • Оценка качества модели:

– графический анализ остатков
– таблица дисперсионного анализа
– R-квадрат и скорректированный R-квадрат

  • План действий при «плохих» остатках модели
  • Интерпретация коэффициентов регрессионного уравнения:

– как влияют факторы на отклик
– ранжирование факторов по силе влияния

  • Учет в регрессии сезонности разного типа
  • Плюсы и минусы прогнозирования на основе регрессионного анализа
  • Кейсы

  • 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.
  • Пример в Excel. Анализируем влияние макроэкономических факторов на цену недвижимости.
  • Пример в Excel. Анализируем влияние кризиса; изменения ассортимента; числа торговых точек и т.п. на динамику прогнозируемого показателя.

Станьте профессионалом прогнозирования

На курсе вы в простой и доступной форме, на реальных примерах
из вашего бизнеса освоите все этапы прогнозирования продаж.

День 3. Прогнозирование с использованием авторегрессионного анализа

  • Инструменты, методики, алгоритмы

  • Авторегрессионные модели прогнозирования: идея и требования к исходным данным
  • Пошаговый алгоритм прогнозирования на основе регрессионного анализа
  • Оценка качества модели:

– графический анализ остатков
– таблица дисперсионного анализа
– R-квадрат и скорректированный R-квадрат

  • Плюсы и минусы прогнозирования на основе авторегрессионного анализа
  • Условие перехода от регрессии к авторегрессии
  • Особенности прогнозирования при недостатке информации о факторах. Техника фиктивных (dummy) переменных
  • Учет в моделях нелинейного влияния факторов на прогнозируемый показатель
  • Кейсы

  • Пример в Excel. Прогнозируем продажи с использованием фиктивных переменных методом авторегрессии.
  • Пример в Excel. Анализируем влияние погодных условий на прогнозируемый показатель.
  • Пример в Excel. Проводим сравнительный анализ прогнозов, полученных методами регрессии и авторегрессии.
  • Пример в Excel. Строим прогноз потока клиентов всеми изученными способами и выбираем наиболее адекватный подход (самостоятельно).

День 4. Адаптация рассмотренных методов к практическим задачам прогнозирования

  • Инструменты, методики, алгоритмы

  • Учет запаздывающего влияния факторов при прогнозировании (кросс-корреляция)
  • Использование регрессионного и авторегрессионного анализа для оценки эффектов акций
  • Структура ошибки прогноза
  • Алгоритм выявления источников ошибки прогноза и оценка всех ее компонентов
  • Классификация методов прогнозирования с точки зрения горизонта прогноза
  • Ключевые отличия методик долгосрочного и краткосрочного прогнозирования
  • Кейсы

  • Пример в Excel. Оцениваем эффекты акций в зависимости от имеющейся информации.
  • Пример в Excel. Анализируем временную задержку (лаг) в росте продаж при росте рекламного бюджета.
  • Пример в Excel. Прогнозируем продажи с учетом нелинейного влияния рекламного бюджета.
  • Пример в Excel. Получаем и анализируем прогнозы на основе данных слушателей. Изучаем потенциальные возможности улучшения прогнозов.

Станьте профессионалом прогнозирования

На курсе вы в простой и доступной форме, на реальных примерах
из вашего бизнеса освоите все этапы прогнозирования продаж.

Преподаватели

Анна Монахова

  • Преподаватель-аналитик, эксперт
  • Руководитель отдела развития образовательных программ Analytera.
  • Опыт консультационной деятельности 10 лет.
  • Большой опыт аналитика-практика.

Юлия Берлин

  • Преподаватель-аналитик Центра Статистических Технологий
  • Кандидат экономических наук, доцент.
  • Опыт преподавания и консультирования более 10 лет.
  • Реализовала более двадцати консалтинговых проектов по анализу данных в бизнесе и научных исследованиях.
  • Консультировала специалистов таких компаний, как "Пивоваренная компания "Балтика", "Пивоварня Москва — Эфес", "ВымпелКом", "МегаФон", "Газпром нефть", "Монокристалл", "НЛМК", "Кока-Кола", "Маревен Фуд Сентрал" и др.
  • Является одним из ведущих консультантов в области использования статистических инструментов для решения прикладных задач.
  • Проводит подготовку специалистов по концепции SixSigma.
  • Преподаватель-аналитик Центра Статистических Технологий
  • Кандидат экономических наук, доцент.
  • Опыт преподавания и консультирования более 10 лет.
  • Разработка системы прогнозирования и анализа продаж компаний рынка FMCG.
  • Исследование потребительских предпочтений.
  • Планирование исследований и разработка планов экспериментов.
  • Обработка результатов анкетирования и тестов.
  • Разработка прогнозных моделей энергопотребления.
  • Автор более 40 учебно-методических и научных работ.

Отправить заявку на участие в тренинге

Стоимость участия

Один человек (от компании) – 45 000 ₽
Два и более человек (от компании) – 43 000 ₽
Один человек (физическое лицо) –45 000 ₽

* Все скидки действуют только при предоплате
** Стоимость участия может изменяться в зависимости от даты и места проведения тренинга

ООО "Ново Би Ай"©
199026, Россия, Санкт-Петербург, 
В.О. 26-я линия, д.15, корп.2, Литер А – БЦ «Биржа»
Государственная аккредитация Минкомсвязи России № 8353

Компания Novo BI не является поставщиком данных.
Мы разрабатываем решения для загрузки, обработки и хранения маркетинговых данных предоставленных клиентом.