Прогнозирование объема продаж для предприятия розничной торговли

Тип работы:
Курсовая
Предмет:
Программирование


Узнать стоимость

Детальная информация о работе

Выдержка из работы

Министерство образования и науки Российской Федерации

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования

Кубанский государственный университет

Кафедра информационных технологий

Специальность 80 116 — Математические методы в экономике

КУРСОВАЯ РАБОТА

Прогнозирование объема продаж для предприятия розничной торговли

Работу выполнила В.А. Осипова

студентка 4 курса ФКТиПМ

Научный руководитель,

ст. преп. А.В. Уварова

Краснодар 2012

Содержание

Введение

1. Методы прогнозирования объемов продаж

2. Типы прогнозов продаж

3. Прогнозирование объемов продаж методом временных рядов

3.1 Построение тренда

3.2 Составление прогноза продаж

4. Программная реализация

4.1 Структура базы данных

4.2 Описание интерфейса программы

Заключение

Список литературы

ВВЕДЕНИЕ

Одна из важных составляющих успеха компании — качественное прогнозирование продаж. Правильно рассчитанный прогноз позволяет более эффективно вести бизнес, прежде всего, контролировать и оптимизировать расходы. Кроме того, если речь идет о продукции, это позволяет сформировать оптимальные (а не завышенные или заниженные) запасы продукции на складе.

Очень важно, чтобы менеджер по продажам имел представление о том, что произойдет в будущем, поскольку это поможет ему планировать свои действия в случае возникновения тех или иных событий. Многие менеджеры по продажам не признают того, что прогнозирование объема продаж является одной из их обязанностей и оставляют это на усмотрение бухгалтеров, которым необходимо заниматься прогнозированием для составления бюджетов.

Возможно, менеджеры по продажам просто не понимают, зачем им необходимо такое прогнозирование, так как полагают, что гораздо более важной их задачей являются сами продажи. И действительно, задача прогнозирования менеджером по продажам формулируется часто нечетко и поэтому выполняется так же: торопливо, без соответствующей научной базы. Результаты подобного прогнозирования нередко не на много лучше, чем простая догадка.

Актуальность данной темы состоит в том что, при нынешнем нестабильном состоянии экономики (более всего вызванным экономическим кризисом) многие фирмы, занимающиеся торговой деятельностью, терпят убытки из-за заниженного или, что встречается чаще, завышенного количества продукции на складе. Поэтому возникла необходимость в глубоком изучении методов прогнозирования, их эффективности и путей реализации.

1. Методы прогнозирования объема продаж

Самым простым способом прогнозирования рыночной ситуации является экстраполяция, т. е. распространение тенденций, сложившихся в прошлом, на будущее. Сложившиеся объективные тенденции изменения экономических показателей в известной степени предопределяют их величину в будущем. К тому же многие рыночные процессы обладают некоторой инерционностью. Особенно это проявляется в краткосрочном прогнозировании. В то же время прогноз на отдаленный период должен максимально принимать во внимание вероятность изменения условий, в которых будет функционировать рынок.

Методы прогнозирования объема продаж можно разделить на три основные группы:

· методы экспертных оценок;

· методы анализа и прогнозирования временных рядов;

· казуальные (причинно-следственные) методы.

Методы экспертных оценок основываются на субъективной оценке текущего момента и перспектив развития. Эти методы целесообразно использовать для конъюнктурных оценок, особенно в случаях, когда невозможно получить непосредственную информацию о каком-либо явлении или процессе.

Вторая и третья группы методов основаны на анализе количественных показателей, но они существенно отличаются друг от друга. Методы анализа и прогнозирования динамических рядов связаны с исследованием изолированных друг от друга показателей, каждый из которых состоит из двух элементов: из прогноза детерминированной компоненты и прогноза случайной компоненты. Разработка первого прогноза не представляет больших трудностей, если определена основная тенденция развития и возможна ее дальнейшая экстраполяция. Прогноз случайной компоненты сложнее, так как ее появление можно оценить лишь с некоторой вероятностью. В основе казуальных методов лежит попытка найти факторы, определяющие поведение прогнозируемого показателя. Поиск этих факторов приводит собственно к экономико-математическому моделированию -- построению модели поведения экономического объекта, учитывающей развитие взаимосвязанных явлений и процессов. Следует отметить, что применение многофакторного прогнозирования требует решения сложной проблемы выбора факторов, которая не может быть решена чисто статистическим путем, а связана с необходимостью глубокого изучения экономического содержания рассматриваемого явления или процесса.

Каждая из рассмотренных групп методов обладает определенными достоинствами и недостатками. Их применение более эффективно в краткосрочном прогнозировании, так как они в определенной мере упрощают реальные процессы и не выходят за рамки представлений сегодняшнего дня. Следует обеспечивать одновременное использование количественных и качественных методов прогнозирования.

2. Типы прогнозов продаж

Необходимо разделять прогнозы на долгосрочные (на 1, 3, 5 или больше лет) и кратко- или среднесрочные (неделя, месяц, квартал). Прогнозы на более длинные периоды обычно менее точные (хотя и не всегда). Это понятно, ведь больше факторов могут на протяжении длительного периода времени скорректировать ожидаемые результаты в ту или другую сторону. Однако вполне реально сделать точные прогнозы деятельности вашего предприятия для любого промежутка времени.

Точный прогноз — это прогноз, который имеет отклонение от реальных объемов продаж в пределах 10% в большую или меньшую сторону. Например, вы спрогнозировали, что за период 3 месяцев продадите продукции в размере 1000 шт. В конце периода вы получили результат 900, или же 1100 шт. или любую цифру в этом промежутке. Такой прогноз можно считать точным и качественным. Если отклонения существенны (вместо прогнозируемой цифры 1000 шт. получен результат — 500 шт.) — это свидетельствует о некорректном, слишком завышенном прогнозе, или же о форс-мажорных обстоятельствах, которые повлекли за собой резкое падение объемов продаж [4].

3. Прогнозирование объема продаж методом временных рядов

Временной ряд — это ряд наблюдений, проводящихся регулярно через равные промежутки времени в зависимости от характера рассматриваемой переменной. Обычно временной ряд состоит из четырех компонентов:

1) Тренд -- общая долгосрочная тенденция изменения временного ряда, лежащая в основе его динамики.

2) Сезонная вариация -- краткосрочное регулярно повторяющееся колебание значений временного ряда вокруг тренда.

Наблюдая их в течение нескольких лет для каждого месяца (или квартала), можно вычислить соответствующие средние, или медианы, которые принимаются за характеристики сезонных колебаний. При проверке ежемесячных данных можно обнаружить, что пик потребления напитка приходится на летние месяцы, объем продаж детской обуви приходится на период перед началом учебного года, увеличение потребления свежих овощей и фруктов происходит осенью, увеличение закупочных и розничных цен на сельхозпродукты -- в зимний период и т. п. Периодические колебания в розничной торговле можно обнаружить и в течение недели (например, перед выходными днями увеличивается продажа отдельных продуктов питания), и в течение какой-либо недели месяца. Однако самые значительные сезонные колебания наблюдаются в определенные месяцы года. При анализе сезонных колебаний обычно рассчитывается индекс сезонности, который используется для прогнозирования исследуемого показателя.

3) Циклические колебания характеризуют так называемый цикл деловой активности, или экономический цикл, состоящий из экономического подъема, спада, депрессии и оживления. Этот цикл повторяется регулярно.

4) Остаточная вариация, которая может быть двух видов:

— аномальная вариация — неестественно большое отклонение временного ряда, которое оказывает воздействие на единичное наблюдение;

— случайная вариация — малое отклонение, которое невозможно предвидеть. В долгосрочной перспективе случайные вариации могут с равной вероятностью как снизить, так и увеличить объем продаж.

Для объединения отдельных элементов временного ряда воспользуемся мультипликативной моделью. Для сглаживания экономических временных рядов нецелесообразно использовать функции, содержащие большое количество параметров, так как полученные таким образом уравнения тренда (особенно при малом числе наблюдений) будут отражать случайные колебания, а не основную тенденцию развития явления.

Объем продаж = Тренд*Сезонная вариация*Остаточная вариация

Для прогнозирования объема продаж необходимо знать объемы продаж данного товара за последние 8 кварталов. Рассмотрим для примера, объемы продаж товаров для дома (полотенца, одеяла, простыни) за 2010 и 2011 год. И построим прогноз на 2012 год. Затем сравним его с реальными результатами продаж 2012 года. Динамика объемов продаж представлена в Таблице 3.1.

Таблица 3. 1

Динамика объемов продаж пуховых одеял, тыс. руб.

Год

1 квартал

2 квартал

3 квартал

4 квартал

2010

34 200

9000

23 400

45 000

2011

36 000

12 600

25 200

48 600

Первый этап анализа временных рядов — построение графика данных.

Рисунок 3. 1

Для того чтобы составить прогноз, необходимо сначала рассчитать тренд, а затем — сезонные компоненты.

3.1 Построение тренда

Тренд — это общая долгосрочная тенденция изменения временного ряда, лежащая в основе его динамики. Если у временного ряда есть сезонная вариация, то обычно применяют метод скользящей средней. Традиционным методом прогнозирования будущего значения показателя является усреднение его n прошлых значений. Математически скользящее среднее выражается как:

Скользящая средняя = сумма спроса за предыдущие n-периодов/n

Средний объем продаж за первые 4 квартала равен:

(34 200+9000+23 400+45000)/4 = 27 900 тыс. руб.

Средний объем продаж за следующие 4 квартала равен:

(9000+23 400+45000+36 000)/4 = 28 350 тыс. руб.

Далее расчеты продолжаются аналогичным образом вплоть до последних четырех кварталов, данные за которые имеются. Первая рассчитанная средняя показывает средний объем продаж за первый год и находится посередине между данными о продажах за 2 и 3 кварталы 2010 г. Средняя за следующие четыре квартала разместиться между объемом продаж за 3 и 4 квартал, затем между 4 кварталом 2010 г. и 1 кварталом 2011 г. и после между 1 и 2 кварталом 2011 г.

Для получения тренда необходимо центрировать средние скользящие, сложив соседние значения и разделив их пополам, результаты расчета показаны в первом столбце Таблицы 3.2.

Для составления прогноза на 2012 год произведем линейную аппроксимацию значений тренда и вычислим значение тренда в каждом квартале 2012 года.

Для того чтобы составить реалистичный прогноз на каждый квартал, необходимо рассмотреть поквартальную динамику объема продаж и рассчитать сезонную вариацию. Так как для анализа временного ряда будет использована мультипликативная модель, необходимо разделить каждый показатель объема продаж на величину тренда, как показано в следующей формуле.

Мультипликативная модель = (Тренд*Сезонная вариация*Остаточная

вариация*Объем продаж)/Тренд = Сезонная вариация*Остаточная

вариация

Для того чтобы выразить значение показателей в процентах, и округлить их до первого десятичного знака, умножим их на 100. Тренд и Объем продаж/тренд*100 представлены в Таблице 3.2.

Таблица 3. 2

Результаты вычислений

Тренд

Объем продаж/тренд*100

28 125

83,2

28 800

156,25

29 475

122,1374

30 150

41,79 104

Для составления прогноза продаж на каждый квартал 2012 г. надо продолжить на графике тренд скользящих средних. Так как процесс сглаживания устранил все колебания вокруг тренда, то сделать это будет не сложно. Для построения графика необходимо применить метод наименьших квадратов. У нас имеются координаты 4-х точек графика тренда, упомянутым выше методом наименьших квадратов вычислим значения a и b для уравнения прямой

.

min

Вычислив частные производные по a и по b, получим два уравнения с двумя неизвестными.

Из полученных уравнений найдем a и b, и выясним искомое уравнение прямой. Параметр y, найденный при подстановке a и b соответствует объему продаж на 2012 год, данные приведены в Таблице 3.3.

Таблица 3. 3

Прогноз тренда на 2012 г.

2012 г.

Объем продаж, тыс. руб.

1 квартал

39 775

2 квартал

57 087,5

3 квартал

74 400

4 квартал

91 712,5

Итого

262 975

Распространение тренда показано линией на рис. 3.2. По графику можно увидеть прогноз для каждого квартала.

Рисунок 3. 2

Для удаления остаточной вариации необходимо скорректировать средние. В долгосрочном плане величина превышения объема продаж над трендом в удачные кварталы должна уравниваться с величиной, на которую объем продаж ниже тренда в неудачные кварталы, чтобы сезонные компоненты в сумме составляли примерно 400%. В данном случае сумма нескорректированных средних равна 403,3784. Таким образом необходимо умножить каждое среднее значение на корректирующий коэффициент, чтобы сумма средних составила 400.

Корректирующий коэффициент = 400/ сумму средних

Корректирующий коэффициент = 400/403,3784= 0,991 625

Расчет сезонной вариации представлен в Таблице 3.4.

Таблица 3. 4

Расчет сезонной вариации

2012 год

Процент

1 квартал

122,1374*0,991 625=121,1145

2 квартал

41,79 104*0,991 625=41,44 103

3 квартал

83,2*0,991 625=82,50 317

4 квартал

156,25*0,991 625=154,9413

Итого

400

На основании данных таблицы 4. можно спрогнозировать, например, что в 1 квартале объем продаж в среднем будет составлять 96,3% тренда.

3.2 Составление прогноза продаж

Для составления прогноза продаж на 2012 год полученные значения квартального тренда надо умножить на значение соответствующей сезонной вариации за каждый квартал [5]. Расчет данных приведен в Таблице 3.5.

Таблица 3. 5

Составление прогноза продаж по кварталам на 2012 г.

2012 год

Объем продаж, тыс. руб.

1 квартал

39 775*121,1145=48 580,15

2 квартал

57 087,5*41,44 103=23857,46

3 квартал

74 400*82,50 317=61900,8

4 квартал

91 712,5*154,9413=143 300,8

Итого

277 639,2

На Рис. 3.3 приведен график объемов продаж с 2010 г. по 2012 г.

Рисунок 3

4. Программная реализация

В рамках курсовой работы используется широко распространённая визуальная среда программирования Borland Delphi 7. 0, применяющаяся для разработки приложений в самых различных отраслях.

Рассматривается трёхзвенная модель доступа к данным (Рис. 4).

Рисунок 4 — Трехзвенная модель

Проекты, состоящие из двух частей — сервера приложений и клиентского приложения, — предназначены для уменьшения загрузки компьютеров конечного пользователя. Клиентское приложение устанавливается на ЭВМ пользователя и не требует никаких дополнительных программ для работы, а следовательно, и не требуется высоких затрат на оборудование. Всякий доступ к данным клиентское приложение осуществляет посредством запросов к серверу приложений, который, в свою очередь, обрабатывает запрос, посредством СУБД осуществляет доступ к БД и в случае необходимости предаёт результат работы клиентскому приложению [1].

В качестве СУБД выступает SQL-сервер IBConsole, в которой хранится БД. Сама же БД написана на SQL с использованием хранимых процедур (Stored Procedures) для добавления и удаления записей таблиц БД, генераторов идентификаторов и триггеров (для автоматического использования генераторов при добавлении записей).

Связь сервера приложений с базой данных IBConsole происходит с помощью компонентов TIBDatabase. Связь между клиентскими приложениями и сервером приложений (таблицы, хранимые процедуры) происходит за счёт TIBTransaction со стороны сервера и TDCOMConnection — со стороны клиента. Клиентский доступ к таблицам и результатам запросов осуществляется посредством компонента TClientDataset (который соединяется с компонентами TDataSetProvider на стороне сервера), отображение данных происходит с помощью компонентов TDBGrid.

Для исполнения SQL-запросов в сервере используется компонент TIBQuery и его методы SQL. Clear и SQL. Add.

Среда программирования Delphi позволят соединяться с внешними приложениями, такими как MS OFFICE.

В созданном приложении осуществляется передача данных на печать по средствам MS EXCEL. Связь с приложением MS Excel осуществляется с помощью переменной типа Variant, которой передаётся OLE-объект Excel. Application. Операции и доступ к книгам MS Excel происходят с помощью методов OLE-объекта.

4. 1 Структура базы данных

База данных позволяет хранить всю необходимую информацию о соискателях, вакансиях, организациях и устроенных гражданах.

В разработанной базе данных присутствуют следующие таблицы с данными:

Таблица 4. 1

Структура базы данных

Имя поля

Описание

PRODUCT

Таблица товаров

QUANITY_KV

Таблица объемов продаж за квартал

NUMBER_KV

Таблица нумерации кварталов

QUANITY_PRODUCT_KV

Таблица объема товара проданного за квартал

VOLUM_DINAMIC

Таблица динамики объемов продаж

ZN_TREND

Таблица значений тренда

PROGN_PROD

Таблица прогноза продаж

Опишем поля каждой таблицы.

Таблица 4. 2

Поля таблицы «PRODUCT»

Название поля

Тип поля

Описание поля

ID

INTEGER

Номер товара

PRODUCTNAME

VARCHAR (100)

Наименование товара

PRICE

INTEGER

Цена за ед. товара

Таблица 4. 3

Поля таблицы «QUANITY_KV»

Название поля

Тип поля

Описание поля

ID

INTEGER

Номер записи об объемах по кварталам

QUANITY

DOUBLE PRECISION

Объем проданных товаров (шт.)

SUMKV

DOUBLE PRECISION

Сумма за квартал

Таблица 4. 4

Поля таблицы «NUMBER_KV»

Название поля

Тип поля

Описание поля

ID

INTEGER

Номер записи о квартале

NUMBER

INTEGER

Индивидуальный номер квартала

YEAR

INTEGER

Год

Таблица 4. 5

Поля таблицы «QUANITY_PRODUCT_KV»

Название поля

Тип поля

Описание поля

ID

INTEGER

Номер записи об объемах по товарам

ID_PRODUCT

INTEGER

Номер товара

ID_QUANITY_KV

INTEGER

Номер записи об объемах по кварталам

QUANITY

DOUBLE PRECISION

Объем проданных товаров (шт.)

SUMT

DOUBLE PRECISION

Сумма по проданным товарам

база данный тренд закупка продажа

Таблица 4. 6

Поля таблицы «VOLUM_DINAMIC»

Название поля

Тип поля

Описание поля

ID

INTEGER

Номер записи об объемах

ID_NUMBER_KV

INTEGER

Номер записи о квартале

SUMT

DOUBLE PRECISION

Значение динамики объемов продаж

Таблица 4. 7

Поля таблицы «ZN_TREND»

Название поля

Тип поля

Описание поля

ID

INTEGER

Номер записи о значении тренда

ID_PRODUCT

INTEGER

Номер товара

N_TREND

INTEGER

Номер тренда

TREND

FLOAT

Значение тренда

Таблица 4. 8

Поля таблицы «PROGN_PROD»

Название поля

Тип поля

Описание поля

ID

INTEGER

Номер записи о прогнозе продаж

ID_PRODUCT

INTEGER

Номер товара

N_PROGN_PROD

INTEGER

Номер прогноза продаж

PROGN

FLOAT

Значение прогноза продаж

4.2 Описание интерфейса программы

В работе разработано клиент-серверное приложение, позволяющее автоматизировать процесс прогнозирования продаж. Основные функции приложения: ввод, модификация, удаление данных о товарах, кварталах, объемах продаж, значениях тренда и прогнозах продаж, автоматизированное формирование отчётов по введённым параметрам.

Рассмотрим схему взаимодействия пользователя с реализованным приложением.

Основное окно программы приведено на Рисунке 4.1.

Рисунок 4.1 — Главное окно программы

При выборе пункта меню «Данные/Товар» открывается окно, которое содержит информацию о товарах, имеющихся в базе данных фирмы (рис. 4. 2). В этой таблице можно добавлять новый товар и удалять существующий путём выбора соответствующего пункта меню.

Рисунок 4.2 — Окно «Продукт»

В качестве наглядного примера, рассмотрим добавление данных об определенном товаре (рис. 4. 3).

Рисунок 4.3 — Добавление информации о товарах

Если в этом окне заполнить все указанные поля правильно и нажать на кнопку «Добавить», то информация занесется в базу данных и активным снова станет окно «Продукт».

При выборе пункта меню «Удалить» программа просит подтверждение операции удаления и, в случае положительного ответа пользователя, удаляет выбранную организацию.

При нажатии кнопки удаления данных о товаре открывается соответствующее окно (рис. 4. 4).

Рисунок 4.4 — Удаление информации о товарах

Пункт меню «Выход» закрывает активное окно и осуществляет переход на главное окно программы.

При выборе пункта меню «Данные/Кварталы» открывается окно, которое содержит информацию обо всех номерах кварталов соответствующих годов, имеющихся в базе данных торговой фирмы (рис. 4. 5).

Рисунок 4.5 — Нумерация кварталов

В этой таблице можно добавлять новый номер квартала, удалять существующий и изменять информацию об уже имеющихся кварталах путём выбора соответствующего пункта меню. Пункт меню «Выход» закрывает активное окно и осуществляет переход на главное окно программы.

При выборе пункта меню «Данные/Объемы за квартал» открывается окно, которое содержит информацию об объемах проданных товаров, имеющихся в базе данных торговой фирмы (рис. 4. 6). В этой таблице также можно добавлять значения о новых продажах, удалять существующие и изменять информацию об уже записанных объемах продаж путём выбора соответствующего пункта меню.

Рисунок 4.6 — Объемы за квартал

При нажатии кнопки добавления/изменения информации о соискателе открывается соответствующее окно (рис. 4. 7).

Рисунок 4.7 — Изменение/добавление информации об объемах продаж по кварталам

При выборе пункта меню «Расчеты/Динамика объемов» открывается окно, которое содержит информацию о динамике объемов продаж, имеющихся в базе данных торговой фирмы (рис. 4. 8). В этой таблице также можно добавлять значения о новой динамике объемов продаж и удалять уже существующие записи о динамике объемов продаж путём выбора соответствующего пункта меню.

Рисунок 4.8 — Динамика объемов продаж

Если в окне «Значения динамики объемов продаж» заполнить все указанные поля правильно и нажать на кнопку «Добавить», то информация занесется в базу.

Рисунок 4.9 — Добавление информации о динамике объемов продаж

Операция удаления информации о динамике объемов продаж аналогично рассмотренным ранее.

Пункт меню «Выход» закрывает активное окно и осуществляет переход на главное окно программы.

При выборе пункта меню «Расчеты/Значения тренда» открывается окно, которое содержит информацию о вычисленных значениях тренда (рис. 4. 10). В этой таблице также можно добавлять значения о новых значениях тренда и удалять уже существующие записи путём выбора соответствующего пункта меню.

Рисунок 4. 10 — Значения тренда

Если в окне «Значения тренда» заполнить все указанные поля правильно и нажать на кнопку «Добавить», то информация занесется в базу.

Рисунок 4. 11 — Новые значения тренда

При выборе пункта меню «Расчеты/Прогноз продаж» открывается окно, которое содержит информацию о вычисленных прогнозах продаж (рис. 4. 12). В этой таблице также можно добавлять значения о прогнозах продаж и удалять уже существующие записи путём выбора соответствующего пункта меню.

Рисунок 4. 12 — Прогноз продаж

Пункт меню «Выход» закрывает активное окно и осуществляет переход на главное окно программы.

Также в программе существует возможность получения отчётности по заданным параметрам.

При нажатия кнопки «Отчет» имеем следующий результат:

Рисунок 4. 14 — Полученные данные по Отчётности

Таким образом, мы получили список значений тренда и спрогнозированных объемов продаж по выбранному товару.

Пункт меню «Выход» закрывает активное окно.

Заключение

В работе разработано клиент-серверное приложение, позволяющее выяснить необходимые объемы закупок товаров, заранее планировать деятельность фирмы наиболее эффективным образом, автоматизировать построение тренда, то есть уменьшить затраты времени на прогнозирование будущих объемов продаж. Тем самым достигнута поставленная цель курсовой работы.

Программа сочетает в себе наглядность, удобство для ввода и выбора данных и их редактирования. Приложение носит завершенный характер, обладает модульной структурой, что позволяет добавлять в него новые функции. Созданное приложение готово для применения в торговых компаниях.

Список литературы

1. Подколзин В. В., Добровольская Н. Ю., Создание трехзвенных структур доступа к данным в ИСВП Borland Delphi: Практикум — учебное пособие, Краснодар, 2007 г.

2. Сухарев М. В. Основы Delphi. Профессиональный подход СПб.: Наука и Техника, Санкт-Петербург 2004

3. Хомоненко А. Д., Гофман В. Э. «Самоучитель по Delphi».- БХВ-Петербург: 2003

4. Прогнозирование объема продаж: виды, методы и необходимость

5. Справочник экономиста. Прогнозирование объема продаж

ПоказатьСвернуть
Заполнить форму текущей работой