Управление прогнозами

Планирование с пониманием рыночных тенденций

1Детальные и суммарные прогнозы
2Точные прогнозы в сложных условиях
3Математические формулы прогнозирования

Приложение «Управление прогнозами» на платформе Oracle JD Edwards Enterprise One позволяет создавать и хранить прогнозы с разным уровнем детализации и разной дискретностью: день, неделя, месяц, квартал, год. Система предлагает широкий выбор методов прогнозирования и самостоятельно проводит анализ соответствия конкретных методов вашим условиям и истории работы компании – вы получите рабочий прогноз

Автоматическая обработка всех необходимых изменений

Автоматическое внесение всех необходимых изменений

Автоматически пересчитывайте общий прогноз при внесении изменений на любом уровне. Автоматически обновляйте планы производства и снабжения после принятия изменений в прогнозе

Подробнее
Блокировка определенных изменений при прогнозировании

Блокирование изменений при расчетах

Устанавливайте ограничение на распространение изменений в прогнозе на другие уровни, если вы рассматриваете разные варианты развития событий в будущем. Интегрируйте только утвержденные изменения

Подробнее
Текстовое описание прогноза

Текстовое описание прогноза

Добавленное к прогнозу письмо в виде 2-3 слов или детализированного описания поможет всем сотрудникам сориентироваться в представленных данных и в изменениях, которые могли вноситься позже

Подробнее
1

Ключевые функции приложения

Детальные и суммарные прогнозы

Создавайте уникальные прогнозы по отдельным заказчикам, номенклатурным единицам, всей продуктовой линейке или компании в целом. Выбирайте разные методы прогнозирования для разных продуктов при необходимости

Подробнее
Получить дополнительную информацию

Точные прогнозы в сложных условиях

Пользуйтесь рекомендациями системы относительно лучших методов прогнозирования на основе расчета тестового прогноза на прошедший период. Используйте симуляцию для сравнения разных трендов

Подробнее
Получить дополнительную информацию

Математические формулы прогнозирования

Проводите расчет на основе любой из 12 или всех 12 формул вместе, чтобы предусмотреть самые разнообразные ситуации, с которыми вы можете столкнуться в будущем

Подробнее
2

Гибкая настройка инструментов прогнозирования и их консолидация в рамках всей компании

С настраиваемым прогнозом удобно работать всем – от директора до начальника цеха или смены

Удобство применения прогноза зависит от возможности настраивать и согласовывать уровни прогнозирования, видеть общую картину и приближать необходимые детали по отдельным подразделениям, товарам или клиентам

Разные способы ввода информации

Используйте автоматическое прогнозирование или ручной ввод данных, а также совмещайте эти методы

Подробнее
Получить дополнительную информацию

Иерархия прогноза

Создавайте разнообразные иерархии категорий адресной книги и категорий номенклатурных единиц, которые используются для сортировки и просмотра данных в таблице деталей прогноза

Подробнее
Получить дополнительную информацию

Единый консолидированный прогноз

Прогнозирование и любые изменения в прогнозе распространяются на всю компанию, независимо от ее размера и количества юридических лиц

Подробнее
3

Наглядность и аналитика

Точный прогноз учитывает количественные (объем реализации, объем поставок и пр.) и качественные (новые регулирующие акты, законы и пр.) показатели, которые выводятся на экран или на печать в графическом или табличном виде в любых единицах измерения или валюте

4

Методы прогнозирования

Метод 1 Процент на прошлый год

При использовании формулы «Процент на прошлый год» выполняется умножение данных о продажах за прошлый год на определенный пользователем коэффициент, а затем прогнозируется результат на следующий год. Данный метод может применяться при составлении бюджета с целью моделирования влияния определенного темпа роста, или, если в истории продаж указан компонент, зависящий от сезонных колебаний.
Особенности прогноза: коэффициент умножения. Например, установите в параметрах обработки значение 110 для увеличения данных истории продаж за прошлый год на 10%.
Необходимая история продаж: один год для вычисления прогноза плюс определенное пользователем количество периодов времени, необходимое для оценки эффективности прогноза

Метод 2: Вычисленный процент за прошлый год

При использовании формулы «Вычисленный процент за прошлый год» выполняется умножение данных о продажах за прошлый год на вычисленный системой коэффициент, а затем этот результат прогнозируется на следующий год. Данный метод может применяться при прогнозировании влияния увеличения темпа роста за последние периоды для товара на следующий год. При этом сохраняется шаблон сезонных колебаний, указанный в истории продаж.
Особенности прогноза: интервал истории продаж для использования при вычислении темпа роста. Например, укажите в параметре обработки n = 4 для сравнения истории продаж за последние четыре периода с теми же периодами предыдущего года. Вычисленный коэффициент может использоваться для составления прогноза на следующий год.
Необходимая история продаж: один год для вычисления прогноза плюс определенное пользователем количество периодов времени, необходимое для оценки эффективности прогноза

Метод 3: Прошлый год к текущему году

При использовании формулы «Прошлый год к текущему году» выполняется перенос данных о продажах за прошлый год на следующий год. Данный метод может применяться при составлении бюджета с целью моделирования продаж на существующем уровне. Продукт является необновляющимся, не имеет долгосрочного тренда, однако может присутствовать модель спроса на товар, подверженная значительным сезонным колебаниям.
Особенностей прогноза нет.
Необходимая история продаж: один год для вычисления прогноза плюс количество периодов времени, необходимых для оценки эффективности прогноза

Метод 4: Скользящее среднее

Скользящее среднее – метод для вычисления среднего показателя результатов истории продаж за последние периоды для краткосрочного прогнозирования. Одной из особенностей метода «Скользящее среднее» является то, что он продлевает тренды. Отклонения от прогнозируемых показателей и систематические ошибки имеют место, когда для истории продаж товара указан устойчивый тренд или показатели сезонных колебаний. Данный метод более эффективен для составления краткосрочных прогнозов для необновляющихся продуктов, нежели для устаревающих товаров или товаров, на которые повышается спрос.
Особенности прогноза: n = количество периодов истории заказов продаж, которые необходимо использовать при составлении прогноза.
Необходимая история продаж: n плюс количество периодов времени, необходимое для оценки эффективности прогноза

Метод 5: Линейное приближение

Формула «Линейное приближение» используется для вычисления тренда, исходя из двух значений данных истории продаж. Эти два значения определяют прямую линию тренда, которая проектируется на будущее. Необходимо быть внимательным при использовании данного метода, поскольку долгосрочные прогнозы подвергаются небольшим изменениям в двух точках данных.
Особенности прогноза: n = значение данных в истории продаж, которое будет сравниваться с наиболее последним значением данных для определения тренда.
Минимальное требование для истории продаж: n плюс количество периодов времени, необходимое для оценки эффективности прогноза

Метод 6: Среднеквадратичная регрессия

Линейная регрессия, или Среднеквадратичная регрессия, наиболее часто используется для определения линейного тренда в данных об истории продаж. Метод используется для вычисления значения a и b, которые будут использоваться в формуле: Y = a + bX.
Данное уравнение описывает прямую линию, где Y представляет продажи, а Х – время.
Особенности прогноза: n = периоды истории продаж, которые будут использоваться при расчете значений a и b. Среднеквадратичная регрессия определяет прямую линию только для двух значений данных.
Минимальное требование для истории продаж: n плюс количество периодов времени, необходимое для оценки эффективности прогноза

Метод 7: Аппроксимация второй степени

Линейное приближение определяет значения для a и b в формуле Y = a + bX для построения прямой линии для данных истории продаж. Метод «Аппроксимация второй степени» аналогичен методу «Линейное приближение», за исключением того, что данный метод определяет значения для a, b и с в следующей формуле вычисления прогноза: Y = a + bX + cX2
Целью этого метода является построение кривой для данных истории продаж. Данный метод применяется в том случае, если продукт находится на промежуточном этапе жизненного цикла. Данный метод применяется только для составления краткосрочных прогнозов.
Особенности прогноза: с помощью формул вычисляются значения a, b и с для построения кривой для трех значений (точек). Определите n, количество временных периодов данных, для накопления в каждой из трех точек.
Необходимая история продаж: 3 * n периодов для вычисления прогноза плюс количество периодов времени, необходимое для оценки эффективности прогноза

Метод 8: Метод гибкого прогнозирования

Метод гибкого прогнозирования (Процент за n предыдущих месяцев) аналогичен Методу 1, «Процент к прошлому году». При использовании обоих методов выполняется умножение данных о продажах за предыдущий период времени на определенный пользователем коэффициент, а затем этот результат проектируется на будущее. При использовании метода «Процент к прошлому году» проектирование выполняется, исходя из данных за тот же период времени прошлого года. С помощью Метода гибкого прогнозирования можно также определять период времени, отличный от того же периода времени прошлого года, который будет служить в качестве основы при вычислениях.
Особенности прогноза:
• Коэффициент умножения
• Базовый период.
Минимальное требование для истории продаж: определенное пользователем количество периодов вплоть до базового периода, плюс количество периодов времени, необходимых для определения эффективности прогноза

Метод 9: Взвешенное скользящее среднее

Метод «Взвешенное скользящее среднее» аналогичен Методу 4, «Скользящее среднее». Однако с помощью метода «Взвешенное скользящее среднее» можно назначить неравные взвешенные значения данным истории. При использовании данного метода вычисляется средневзвешенное значение истории продаж за последние периоды для составления краткосрочного прогноза. Данный метод более эффективен для составления краткосрочных прогнозов для необновляющихся продуктов, а не для продуктов с высоким уровнем спроса или для устаревших товаров.
Особенности прогноза:
• n = количество периодов истории заказов продаж, которые необходимо использовать при вычислении прогноза
• Взвешенное значение, назначенное каждому периоду данных истории.
Минимальное требование для истории продаж: n плюс количество периодов времени, необходимое для оценки эффективности прогноза

Метод 10: Линейное сглаживание

Данный метод аналогичен Методу 9, «Взвешенное скользящее среднее». Однако вместо произвольного назначения взвешенных значений данным истории, эта формула применяется для назначения взвешенных значений, которые линейно снижаются и в итоге дают значение 1.00. Затем с помощью данного метода рассчитывается взвешенное среднее значение истории последних продаж для составления краткосрочного прогноза. Данный метод более эффективен для составления краткосрочных прогнозов для необновляющихся продуктов, а не для продуктов, на которые существует большой спрос, или для устаревших товаров.
Особенности прогноза: n = количество периодов истории заказов продаж, которые необходимо использовать при расчете.
Минимальное требование для истории продаж: n плюс количество периодов времени, необходимое для оценки эффективности

Метод 11: Экспоненциальное сглаживание

При использовании метода «Экспоненциальное сглаживание» система назначает взвешенные значения данным истории, которые уменьшаются экспоненциально. Ниже представлено уравнение для метода «Экспоненциальное сглаживание»:
Прогноз = альфа (фактические продажи за прошлые периоды) + (1 - альфа) прогноз за предыдущий период
Прогноз – это взвешенное среднее значение фактических продаж за предыдущий период и прогноз за предыдущий период.
Альфа – это взвешенное значение, которое применяется к фактическим продажам за предыдущий период.
(1 – альфа) – это взвешенное значение, которое применяется к прогнозу за предыдущий период.
Особенности прогноза:
• альфа = сглаживающая постоянная, используемая системой для вычисления сглаженного среднего значения для общего уровня или объема продаж.
• n = диапазон данных истории заказов продаж, которые будут включены в вычисления.
Минимальное требование для истории продаж: n плюс количество периодов времени, необходимое для оценки эффективности

Метод 12: Экспоненциальное сглаживание с трендом и сезонными колебаниями

Данный метод аналогичен Методу 11, «Экспоненциальное сглаживание». Дополнительно, Метод 12 включает в уравнение прогнозирования определенный период времени (срок) для вычисления сглаженного тренда. Прогноз составляется, исходя из сглаженного среднего значения, откорректированного для линейного тренда. В прогнозе также учитываются сезонные колебания, если установлен соответствующий параметр обработки.
Особенности прогноза:
• альфа = сглаживающая постоянная, используемая системой при вычислении сглаженного среднего значения для определения общего уровня или объема продаж. Допустимые значения для альфа – от 0 до 1.
• бета = сглаживающая постоянная, используемая системой для вычисления сглаженного среднего для компонента тренда прогноза. Допустимые значения для бета – от 0 до 1.
• Применяется ли показатель сезонных колебаний при составлении прогноза.
Значения альфа и бета не зависят друг от друга. Они не должны прибавляться к 1.0

5

Мобильный доступ

Поддержка мобильной платформы Oracle Mobile Applications – это круглосуточной удаленный доступ к прогнозам

Следите за состоянием прогноза и изменениями в нем в режиме реального времени используя мобильное приложение «Управление прогнозами» при помощи любого удобного портативного устройства и подключения к сети интернет.
Результат работы приложения «Управление прогнозами» – удобный, достоверный и наглядный прогноз для компании любого масштаба, который интегрируется с распространенными ERP-системами, основанными на стандартах UCC 128 и EDI