Prognozowanie popytu należy do kluczowych procesów przedsiębiorstw zajmujących się produkcją, dystrybucją oraz sprzedażą produktów materialnych. W warunkach ostrej konkurencji rynkowej popyt na towary musi być zaspokajany natychmiastowo, co wiąże się z koniecznością utrzymywania przez cały czas pewnego poziomu zapasów. Należy jednak pamiętać, że magazynowanie wiąże się z szeregiem kosztów – od logistycznych, po deprecjację na skutek fizycznego i moralnego starzenia się produktów. Pojawia się zatem pytanie: ile należy mieć towaru, żeby obsłużyć wszystkich klientów i jednocześnie nie zamrozić zbyt dużo pieniędzy w zapasie?

Ponieważ prognozowanie popytu odbywa się na podstawie analizy szeregów czasowych, w przypadku dużych podmiotów najważniejszym wymaganiem jest posiadanie dobrze zaprojektowanego i wydajnego systemu klasy ERP. Modele statystyczne można pogrupować ze względu na ich przeznaczenie w następujący sposób:

  • Prognozy krótkookresowe bez trendu (np. modele: naiwny, średnia arytmetyczna, średnia ważona krocząca, wygładzanie wykładnicze Browna)
  • Prognozy krótkookresowe z trendem (wygładzanie wykładnicze Holta)
  • Prognozy średniookresowe bez sezonowości (klasyczna metoda najmniejszych kwadratów)
  • Prognozy średniookresowe z sezonowością (wygładzanie wykładnicze Wintersa).

Zarządzanie zapasami – indywidualny wybór

Zaproponowany wyżej sposób grupowania należy uważać jedynie za propozycję. Ostateczny wybór modelu jest o wiele bardziej skomplikowany i zależy od wielu czynników, np.: rozkładu dni wolnych od pracy w sposób standardowy (weekendy) i niestandardowy (święta), promocje, kanibalizmu sprzedaży na skutek pojawienia się produktów podobnych, innowacji, szoków popytowych, wielkości sprzedaży (zaokrąglanie małych wartości ułamkowych do liczb całkowitych, etc.).

Skuteczność modelu w warunkach laboratoryjnych ocenia się przy pomocy sumy błędów średniokwadratowych (RMSE). W rzeczywistości minimalizacja RMSE nie zawsze jest optymalnym metodą. W zależności od swojego profilu i konkurencji przedsiębiorstwo musi zdecydować, co jest groźniejsze w dużej skali: prawdopodobieństwo utraty klienta, czy utrzymywanie zbyt wysokiego zapasu. Wybór modelu jest zatem indywidualny dla każdego przedsiębiorstwa.

Podobne