Прогнозирование сезонных явлений (сезонных колебаний). Пример решения задачи

Как известно, к сезонным явлениям относят такие явления, которые обнаруживают в своем развитии определенные закономерности, регулярно повторяющиеся из месяца в месяц, из квартала в квартал, из года в год.

Под сезонностью также понимают неравномерность производственной деятельности в отраслях промышленности, связанных с переработкой сельскохозяйственного сырья, поступление которого зависит от времени года. Сезонные явления могут возникать из-за сезонного характера спроса на товары, производимые промышленностью, реализуемые торговлей, и т.д.

Исследование сезонности с целью разработки прогноза ставит следующие задачи:

• численно выразить проявление сезонных колебаний;
• выявить их силу и характер в условиях отдельных отраслей экономики;
• обнаружить факторы, вызывающие сезонные колебания;
• определить экономические последствия проявления сезонности.

Методика прогнозирования сезонного явления заключается в следующем:

1. Представить графически фактические значения изучаемого явления, чтобы выяснить, присутствует ли сезонная волна, выявить характер тренда.
2. Рассчитать показатели сезонности (4-квартальные суммы, 4- квартальные средние, центрированные средние, показатели сезонности).
3. Определить индексы сезонности.
4. Вычислить параметры уравнения, описывающего тренд изучаемого явления.
5. Построить прогноз и вычислить его ошибку (точность прогноза).

Но задача — не рассчитать коэффициенты как таковые, а рассчитать план продаж, согласно текущим фактическим значениям продаж в году. Предположим, что мы проводим анализ в конце апреля 2011 года и рассчитываем план продаж на май 2011:

Индекс сезонности формула – 5. Расчет индекса сезонности — Таловская средняя школа

1. Научно-методические рекомендации по вопросам диагностики социальных рисков и прогнозирования вызовов, угроз и социальных последствий. Российский государственный социальный университет. Москва. 2010;
2. Владимирова Л.П. Прогнозирование и планирование в условиях рынка: Учеб. пособие. М.: Издательский Дом «Дашков и Ко», 2001;
3. Новикова Н.В., Поздеева О.Г. Прогнозирование национальной экономики: Учебно-методическое пособие. Екатеринбург: Изд-во Урал. гос. экон. ун-та, 2007;
4. Слуцкин Л.Н. Курс МБА по прогнозированию в бизнесе. М.: Альпина Бизнес Букс, 2006.

Из школьного курса алгебры мы знаем, что среднее квадратичное отклонение — это извлечённый из дисперсии квадратный корень, то есть этот показатель определяет степень отклонения конкретного показателя общей выборки от её среднего значения. С его помощью мы можем измерить абсолютную меру колебания изучаемого признака и чётко её интерпретировать.

Что такое коэффициент вариации и для чего он нужен?

Поскольку для расчёта показателя вариации в Excel нам необходимо использовать среднее квадратичное отклонение, то вполне уместно будет выяснить, как нам посчитать этот параметр.

Из школьного курса алгебры мы знаем, что среднее квадратичное отклонение — это извлечённый из дисперсии квадратный корень, то есть этот показатель определяет степень отклонения конкретного показателя общей выборки от её среднего значения. С его помощью мы можем измерить абсолютную меру колебания изучаемого признака и чётко её интерпретировать.

Скорректировать такие отклонения от нормы достаточно легко: есть коэффициент сезонности и несколько месяцев корректной базы. Определяем среднее значение базового трафика, например, за один последний корректный квартал, умножаем его на коэффициент сезонности каждого месяца и получаем корректный прогноз базового трафика.

Составление плана продаж сезонных товаров с учетом экономической ситуации.

Это похоже на простую скользящую среднюю, которая измеряет тенденции за определенный период времени. В то время как простое скользящее среднее вычисляет среднее значение заданных данных, экспоненциальное скользящее среднее придает больший вес текущим данным.

# 2 — Взвешенная скользящая средняя в Excel

Средневзвешенная скользящая средняя представляет собой средневзвешенное значение за последние n периодов. Вес уменьшается с каждой точкой данных за предыдущий период времени.

Средневзвешенное скользящее среднее = (Цена * весовой коэффициент) + (Цена предыдущего периода * весовой коэффициент-1)

Внешние печатные формы «Счет-фактура», «Универсальный передаточный документ», «Универсальный корректировочный документ» (в редакции постановления Правительства Российской Федерации от 19.08.2017 № 981) для типовых конфигураций УПП 1.3, КА 1.1, БП 2.0.

Продвижение на увеличение трафика: как спрогнозировать прирост посещаемости из поиска

• K = константа экспоненциального сглаживания
• C= текущая цена
• п= экспоненциальная скользящая средняя за предыдущие периоды (простая скользящая средняя, ​​используемая для расчета первых периодов)

Если в анализируемой временной последовательности наблюдаются устойчивые отклонения от тенденции (в большую или в меньшую сторону), то можно предположить наличие в ряду динамики некоторых (одного или нескольких) колебательных процессов.

Анализ сезонных колебаний. Индекс сезонности. Метод абсолютных и относительных разностей.

При анализе колеблемости динамических ря­дов наряду с выделением случайных колебаний, возникает за­дача изучения периодических колебаний. Как правило, изучение периодических (сезонных) колебаний необходимо с целью ис­ключения их влияния на общую динамику для выявления чи­стой (случайной) колеблемости.

Как бы ни проявлялась сезонность, она наносит большой ущерб национальной экономике, связанной с неравномерным ис­пользованием оборудования и рабочей силы, с неравномерной за­грузкой транспорта, необходимостью создания резервов мощно­стей и т.д. Комплексное регулирование сезонных изменений по отдельным отраслям должно основываться на исследовании се­зонных отклонений.

Многие временные ряды имеют ярко выраженные сезонные компоненты, повторяющиеся с определенной периодичностью. Эта периодичность имеет место каждый год.

Если в анализируемой временной последовательности наблюдаются устойчивые отклонения от тенденции (в большую или в меньшую сторону), то можно предположить наличие в ряду динамики некоторых (одного или нескольких) колебательных процессов.

Это особенно заметно, когда изучаемые явления имеют сезонный характер, — возрастание или убывание уровней повторяется регулярно с интервалом в один год (например, производство молока и мяса по месяцам года, потребление топлива и электроэнергии для бытовых нужд, сезонная продажа товаров и т.д.).

Задачи, которые необходимо решить в ходе исследования сезонности:

1. выявить наличие сезонности;
2. численно выразить сезонные колебания;
3. выделить факторы, вызывающие сезонные колебания;
4. оценить последствия сезонных колебаний;
5. провести математическое моделирование сезонности.

Для измерения сезонных колебаний статистикой предложе­ны различные методы. Наиболее простые и часто употребляемые из них:

Первые два способа предполагают нахождение разностей фак­тических уровней и уровней, найденных при выявлении основ­ной тенденции развития (тренда).

Для выделения сезонной волны надо определить средний уровень за каждый месяц по 3-5-летним дан­ным и общую среднюю за весь рас­сматриваемый период.

Общая средняя получается делением суммы уровней за все три-пять лет на 36 или 60 (общее число месяцев). Затем определяется абсолютное отклонение средних месячных показателей от общей средней.

Метод абсолютных разностей заключается в расчете месячных средних и общей средней с последующим их сравнением:

Если сезонность оценивается по данным за 3 года (36 месяцев), если за 5 лет (60 месяцев):

где: y_i— значение уровня динамического ряда. Величина и знак значений абсолютных отклонений определяют наличие сезонности.

В качестве показателя, характеризующего сезонную неравномерность, используется показатель относительного отклонения.

Метод относительных разностей является развитием метода абсолютных разностей. Для нахождения относительных разно­стей абсолютные отклонения делят на общую среднюю и выра­жают в процентах. По величине и знакам значений относительных отклонений можно судить о величине и силе влияния сезонного фактора.

Вместо относительных разностей за каждый месяц может быть вычислен индекс сезонности, который рассчитывается как отно­шение среднего уровня соответствующего месяца к общей сред­ней. Индекс сезонности рассчитывается:

Определим наличие сезонных колебаний для динамического ряда условного показателя:

Вывод: ярко выраженные сезонные колебания приходятся на июнь-июль, недоучет которых при составлении прогноза, может существенно исказить его.

Одна из проблем, сильно влияющих на составление плана – сезонность продаж некоторых товаров. Одни товары, например — кроссовки для бега, летом — более популярны, чем зимой. А вот обогреватели продаются лучше в холодное время года. Эти товары — сезонные.

Скользящее среднее в Excel.

9. Строим прогноз на 2014 год с разбивкой по кварталам.
Уt+1 = (a * Х + b) * I j/100
У1 = (0,2*21+18,25)*92,76/100= 20,82
У2 = (0,2*22+18,25)*73,65/100= 16,68
У3 = (0,2*23+18,25)*123,31/100= 28,18
У4 = (0,2*24+18,25)*107,26/100= 24,72
Заносим результаты прогноза в таблицу.

Каким образом мне рассчитать план с учетом сезонных колебаний?

Для расчета коэффициентов я рекомендую рассчитывать в штучном выражении. Если вы рассчитываете в денежном выражении, то количество влияющих факторов увеличивается многократно и это, кроме того что увеличит объем расчетов, еще и сильно увеличит шанс ошибки.

Рассчитать годовые коэффициенты сезонности достаточно просто – необходимо взять средние месячные продажи на конец года (сумма продаж на год, деленное на количество), а потом, для каждого месяца, рассчитать отклонение фактического объема продаж от среднегодового.

(Потребление в месяц / Среднегодовое потребление = Сезонный коэффициент)

Если у нас график продажи сложились примерно вот так вот:

То по результатам расчета, должно получиться приблизительно такая табличка для расчета (для 2010 года):

Но задача — не рассчитать коэффициенты как таковые, а рассчитать план продаж, согласно текущим фактическим значениям продаж в году. Предположим, что мы проводим анализ в конце апреля 2011 года и рассчитываем план продаж на май 2011:

Задача – понять, сколько мы должны продать на май, с учетом текущих фактических объемов продаж и сезонности. Для этого — каждый из месяцев текущего года приведем к единой базе, убрав из них сезонный коэффициент, которые мы знаем.

(Факт Потребление в месяц / Сезонный коэффициент = Оц Среднегодовое потребление)

Что означает, что если учитывать сезонные факторы, то ожидаемая средняя месячная на год равна 246 шт./мес.

Из этого, зная ожидаемую среднюю на год и сезонный коэффициент в мае (рассчитанный на предыдущем шаге), рассчитываем — сколько ожидается продаж в мае месяце, умножив ожидаемые среднегодовые продажи на рассчитанный сезонный коэффициент: 246 * 1,44 = 354,4 шт.

Таким образом, продолжаем формирование плана продаж на каждый месяц до конца года, корректируя согласно фактическим данным о продажах.

К сожалению, эти лаконичные расчеты не совсем корректны…

Мы учли влияние сезонных колебаний, но не рассчитали влияние общего тренда. Если у вас спрос падает (или растет) на 10% каждый месяц по объективным причинам, то без учета этих движений ваш вновь составленный план станет несостоятельным, и, как мы уже говорили выше — приведет вас к убыткам.

Валовая прибыль «Вместо себестоимости — Закупочные цены + Доп. расходы». Дополнительный внешний отчет для конфигурации Управление торговлей 11. Отчет поможет предприятиям, если нет возможности: — закрывать месяц ежедневно; — считать себестоимость вообще по разным причинам. В отчет попадают закупочные цены на *конецпериода* формирования отчета + дополнительные расходы.

Как рассчитать коэффициент вариации в Exсel

В итоге у нас получилась некоторая цифра — потенциальный максимум трафика, что мы приведём на сайт. Но это не значит, что в первый же месяц весь этот трафик придёт на сайт. Здесь следует вспомнить параметры, от которых зависит срок вывода запросов на позиции: позиции сайта на момент старта работ по проекту, сроки реализации доработок, целевой топ. С учётом корректирующих параметров можно сформировать прогноз прироста по месяцам.

Прогноз максимально возможного прироста трафика

Имея спрос на товары/услуги, которые предлагает сайт компании, можно приблизительно посчитать, какое количество органического трафика мы сможем привести на сайт.

=СРЗНАЧ(«Прогнозный спрос на следующий год»)*0,04*2*0,95,

• =СРЗНАЧ(«Прогнозный спрос на следующий год») — среднее значение спроса масок по месяцам;
• 0,04 — средний CTR топ-20 выдачи;
• 2 — коэффициент для учёта трафика из Google, так как до этого мы считали спрос только в Яндексе. Такой коэффициент мы берём исходя из того, что на текущий момент спрос в Яндексе и Google примерно одинаковый;
• 0,95 (взят для примера) — коэффициент текущей успешности; рассчитывается исходя из того, какие из подобранных масок уже находятся в топе и приносят трафик.

Данные по кликабельности

Данные по позициям масок в выдаче

можно посчитать, каков потенциал прироста трафика на сайт. В примере это 96 % от ранее посчитанного спроса.

В итоге у нас получилась некоторая цифра — потенциальный максимум трафика, что мы приведём на сайт. Но это не значит, что в первый же месяц весь этот трафик придёт на сайт. Здесь следует вспомнить параметры, от которых зависит срок вывода запросов на позиции: позиции сайта на момент старта работ по проекту, сроки реализации доработок, целевой топ. С учётом корректирующих параметров можно сформировать прогноз прироста по месяцам.

Общая средняя получается делением суммы уровней за все три-пять лет на 36 или 60 (общее число месяцев). Затем определяется абсолютное отклонение средних месячных показателей от общей средней.

Коэффициент сезонности для УТ 11.4

1. Определение базового трафика без бренда.
2. Определение коэффициента сезонности для целевых направлений сайта.
3. Проверка базового трафика, его корректировка (при необходимости).
4. Прогноз спроса на товары/услуги.
5. Прогноз максимально возможного прироста трафика.
6. Прогноз прироста по месяцам.

Мы учли влияние сезонных колебаний, но не рассчитали влияние общего тренда. Если у вас спрос падает (или растет) на 10% каждый месяц по объективным причинам, то без учета этих движений ваш вновь составленный план станет несостоятельным, и, как мы уже говорили выше — приведет вас к убыткам.

Прайс-лист с картинками в EXCEL из 1С: УТ10, УПП, КА (с формой заказа)

Обработка для формирования прайса в EXCEL с формой заказа. Выгрузка картинок, характеристик, нескольких цен, остатков. Расчет заказа прямо в прайсе.

Эта обработка (в составе демонстрационной конфигурации) представляет собой инструмент, который позволяет делать только лишь два полезных действия: 1. создать макет для печати этикеток (ценников) в пользовательском режиме 2. напечатать заданное количество этикеток (ценников) по выбранной номенклатуре. НО.

Чем больше спрос целевых масок для сайта, тем конкурентнее тематика. Как следствие, постепенный прирост будет отличаться. Например, если маски имеют суммарный спрос более 50 000, значит в тематике много частотных запросов и в первые месяцы мы будем получать меньше трафика, чем в ситуации, где спрос масок менее 50 000.

Остатки номенклатуры по датам поступления

Рекомендую владельцам сайтов, маркетологам освоить этот прогноз. Представьте, что спрос на товар/ услугу растёт — органический трафик на сайт увеличивается без вмешательства SEO-специалиста. Не думаем, что владельцу такого ресурса захочется платить подрядчику по сути ни за что — за результат естественных процессов рынка.