СОВЕРШЕНСТВОВАНИЕ СБЫТОВОЙ ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЯ СТАТИСТИЧЕСКИМИ МЕТОДАМИ

Главная цель любого предприятия заключается в получение прибыли, которой добиваются за счет продажи продукции или же какой – либо услуги. Именно поэтому сбыт продукции является ключевой функцией предприятия, а плановый объем продаж – инструментом планирования. Планирование в бизнес-процессе «Сбыт» начинается с задачей прогнозирования объема продаж.

Под прогнозом понимается научно обоснованное описание возможных состояний объектов в будущем, а также альтернативных путей и сроков достижения этого состояния. Сам процесс разработки прогнозов называется прогнозированием.[1, с. 202-203]

Регрессионный анализ – это метод статистического анализа зависимости случайной величины у от переменных  (j=1,2, ..., n), рассматриваемых в регрессионном анализе как неслучайные величины, независимо от истинного закона распределения . [2, с. 3-5]

Уравнение регрессии имеет вид:

                            (1)

 - результирующий показатель,

 - j-ый независимый параметр (фактор, воздействующий на результирующий показатель ()).

В зависимости от глубины и длительности срока прогнозирования различают 3 вида прогнозов:

• краткосрочный (<1 года),
• среднесрочный (<1 <5 лет),
• долгосрочный (< 5 и более).

Совершенствование производственной инфраструктуры является одной из основных задач улучшения деятельности предприятия «Феникс», которое занимается убоем и первичной переработкой мяса.

Бизнес-процесс «Сбыт продукции» предназначен для эффективного планирования, контроля и анализа сбыта продукции, а также управления заказами покупателей. Целью бизнес-процесса является осуществление рациональной организации сбыта продукции, ее поставки потребителям в сроки и объемах в соответствии с заказами.

 Выделим бизнес-задачи для бизнес-процесса «Сбыт продукции» ООО «Феникс», предварительно разделив на группы:

• Группы задач прогнозирования:
  1. Анализ рынка потребителей товарной продукции
• Группа задач планирования
  1. Планирование реализации продукции (отгрузка)
• Группа организационных задач

1.1.3.  Формирование заявки на отгрузку

1.1.4.  Формирование транспортной документации

• Группа технических задач:
  1. Отгрузка готовой продукции
  2. Поставка готовой продукции
• Группа задач учета

1.1.7.  Учет работы дилеров

1.1.8.  Учет отгрузки готовой продукции

1.1.9.Учет поставки готовой продукции

• Группа контрольных задач:

1.1.10.Контроль выполнения заявок

• Группа задач расчета:

1.1.11.Анализ эффективности и результативности «Сбыт»

Для того, чтобы бизнес-задача «Планирование реализации продукции» выполнялась правильно и безошибочно, а также добиться увеличения эффекта планирования и управления системой склада и закупок материалов, необходимо внедрить в бизнес-процесс «Сбыт продукции» задачу: «Прогнозирование объемов продаж». На рисунке 1.1 – представлена схема IDEF0 для группы задач прогноза, где показано добавление нового функционального блока «Прогноз объема продаж продукции». Входными данными являются факторы, которые «вероятно» влияют на объем продаж продукции, выходным потоком является сам прогноз данных.

Рисунок 1. Схема IDEF0 прогнозных задач.

ARIMA (модель Бокса — Дженкинса) - это интегрированная модель авторегрессии — скользящего среднего — модель и методология анализа временных рядов. Является расширением моделей ARMA для нестационарных временных рядов, которые можно сделать стационарными взятием разностей некоторого порядка от исходного временного ряда (так называемые интегрированные или разностно-стационарные временные ряды). [3]

Характеристика ARIMA:

• Особенностью метода является итеративный подход к определению лучшей модели среди всех возможных
• Для моделирования используются только данные временного ряда
• Для оценки адекватности применяется анализ остатков: остатки должны быть малыми и не должно быть закономерных компонент и корреляций

Модели ARIMA строятся на основании предыстории исследуемых временных рядов. Данная модель впервые была предложена Дж. Боксом и Г. Дженкинсом, и поэтому в некоторых источниках модель авторегрессии проинтегрированного скользящего среднего также называют «моделью Бокса-Дженкинса» или в англоязычной литературе Auto Regressive Integrated Moving Average model (ARIMA-model). В общем случае модель обозначается следующим образом: ARIMA (p,d,q)

p- порядок авторегрессии;

d - порядок интегрирования;

q - порядок скользящего среднего.

Встроенные модули для анализов временных рядов имеются в программе STATISTICA, диалоговое окно показано на рисунке 1.2.

Рисунок 2. Диалоговое окно анализа временных рядов.

Решение задачи проводится в три этапа:

1. выбор модели;
2. оценка коэффициентов;
3. проверка модели.

Выбор модели проходит в два этапа:

• приведение ряда к стационарному виду;
• оценка количества параметров АРПСС модели.

Чтобы привести ряд к стационарному виду, необходимо последовательно применить к временному ряду несколько преобразований (взятие логарифма, возведение в степень, взятие разностей).

Когда ряд приведён к стационарному, по виду автокорреляционной и частной автокорреляционной функций нужно определить число параметров АРПСС модели.

После чего получаем прогноз, а также его нижнюю и верхнюю границу. Подход Бокса – Дженкинса к анализу временных рядов считается сильным инструментом для достаточно точного прогнозирования на небольшие периоды. Модели ARIMA описывают большой спектр характеристик ВР, так как являются достаточно гибкими. На практике, процедура проверки модели на адекватность не сложна для понимания. Кроме того, построенные прогнозы и их интервалы предсказания исходят непосредственно из подобранной модели.

Список литературы:

1. Евлюхина Е.В., Кучумова Е.В., Кударева А.Р. Методические указания для самостоятельной работы студентов экономических специальностей дневного и заочного отделений Набережные Челны: Изд-во ИНЭКА, 2007.- 51с.
2. Красс М.С., Чупрынов Б.П., Математичсекие методы и модели для магистрантов экономики: Учебное пособие. 2- е изд., доп. – Спб.:Питер, 2010 – 496с.
3. Материал из свободной энциклопедии: Информационная система [Электронный ресурс] Режим доступа: https://ru.wikipedia.org/wiki  (Дата обращения: 25.05.2016)