Description
Основные подходы к прогнозированию объема
продаж и покупательского спроса.
МЕТОДЫ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ
Под понятием понимаются такие методы, на вход которым подаются только предыдущие (известные) значения величины. Это как такие хорошо известные модели, как скользящее среднее, экспоненциальное сглаживание, так и некоторые более сложные модели, которые определяют будущее значение спроса в конкретный момент времени исходя из предыдущих значений спроса. Методы могут применяться как в краткосрочном прогнозировании с горизонтами планирования от одной недели до трех месяцев, так и на средний срок с горизонтами планирования от трех месяцев до нескольких лет. В таком случае они должны иметь возможность учитывать сезонный, циклический и трендовый факторы.
ПРИЧИННО-СЛЕДСТВЕННЫЕ (КАУЗАЛЬНЫЕ) МЕТОДЫ
Каузальные методы используют модели статической регрессии для установления взаимосвязи между зависимой переменной (спросом) и независимыми переменными, например ценой, рекламными бюджетами и т.д. Если такую модель удается построить, это позволяет проводить сценарный анализ, что является значительным преимуществом. Однако нужно помнить, что независимую переменную нужно уметь хорошо прогнозировать, а также то, что взаимосвязь со временем может меняться.
КАЧЕСТВЕННЫЕ МЕТОДЫ
В отличие от описанных выше количественных методов, качественные методы не используют математический аппарат. Они могут использоваться для прогнозирования спроса на продукцию как на новые изделия, для которых не существует никаких статистических данных и данных, имеющих к ним отношения, так и на текущий ассортимент. К этим методам относятся различные методы экспертных оценок, в том числе метод Делфи.
МЕТОДЫ ПРОГНОЗИРОВАНИЯ СПРОСА НА НОВЫЕ ИЗДЕЛИЯ
Предсказание спроса на новые изделия не может быть связано со статистическими данными, описывающими продажи, просто в силу их отсутствия. В этом случае используются вспомогательные данные, например данные о существующих аналогах, данные исследовательских агентств и т.д.
ПРОГНОЗИРОВАНИЕ ОБЪЕМА ПРОДАЖ В 1С ПРИ ПОМОЩИ НЕЙРОННОЙ СЕТИ
Рассматриваются способ прогнозирования объема продаж при помощи нейронной сети на основе конфигурации 1С Управление Торговлей.
Все больше и больше торговых предприятий для автоматизации своего учета используют конфигурацию 1С Управления Торговлей. Данная конфигурация позволяет решать задачи по: учету, планированию и контролю. Однако наиболее востребованная задача -прогнозирование, так и не реализована в этой конфигурации. В предыдущих статьях было выявлено, что наиболее эффективным методом прогнозирования являются нейронные сети . Поэтому в ходе данной работе будет показано, каким образом реализовать нейронную сеть в 1С Управление Торговлей .
Планируется прогнозировать объем продаж за произвольный период с использованием скользящих окон. В качестве входных параметров возьмем данные об объемах продаж за 8 месяцев. На выходе будет прогноз за 9 месяц. В конфигурации 1С Управление Торговлей будет создана внешняя обработка Прогно-зированиеПродаж.ер!\ В данной обработке создана функция, получающая массив в качестве входного параметра. Данные о продажах в 1С Управление Торговлей собираются в виртуальной таблицу Продажи Обороты. Для того чтобы получить данные за 8 периодов сформируем массив:
Продажи = Новый Массив;
Заполним каждый элемент массива значением объема продаж за месяц, выбрав данные из реквизита виртуальной таблицы:
Продажи .Обороты. Количество. Оборот, сделав ограничение по реквизиту Продажи Обороты. Регистратор. Дата.
Полученный массив передадим в функцию Прогнозирование продаж. На выходе получим — спрогнозированный объем продаж за 9-й месяц.
Обучив нейронную сеть, скорректировав коэффициенты весов мы получим работающую нейронную сеть, способную прогнозировать объем продаж за заданный период.
Если у Вас появилась заинтересованность в данной нейронной сети, и она может помочь Вам в реализации Ваших бизнес и других технических задачах, пожалуйста отправьте заявку на email info@ai2b.ru , или позвоните по телефону 8(495)661-61-09
Reviews
There are no reviews yet.