El problema de la previsión del mercado proviene de la economía.

Pronóstico de mercado: principios de pronóstico

Pronóstico de mercado: análisis de caso

Venus China Company

Venus China Company es un estudio de caso, utilizando investigación de operaciones y principios de gestión asistida por computadora, realice investigaciones y análisis en profundidad sobre el historial de marketing y la situación actual del producto que produce: monitores en color de pantalla grande (pantallas en color para abreviar) en el mercado, establezca modelos matemáticos y utilice computadoras para hacer predicciones científicas y formular planes de negocios para el período futuro. Este artículo utiliza modelos matemáticos y paquetes de software de desarrollo propio para establecer un sistema integrado de información de gestión de marketing. El sistema recopila, procesa y analiza automáticamente información útil, oportuna y precisa de transacciones de marketing y entornos corporativos. Al mismo tiempo, puede entregar información clasificada y reorganizada a la dirección y departamentos de la empresa en tiempo real.

1. Descripción general de las ventas de productos

La situación de ventas de Jinxing Company en todo el mundo es optimista, sin embargo, el año pasado, los fabricantes de monitores de varios países instalaron fábricas en China o enviaron grandes cantidades de productos. En China, la competencia en la industria es cada vez más feroz, pero el volumen de ventas de la empresa china no ha crecido mucho. Además de los factores de competencia, otro factor importante es que el potencial dentro de la empresa no se ha aprovechado al máximo. especialmente la falta de observación científica y estratégica del mercado. La falta de un sistema de información de gestión empresarial eficaz ha provocado que la situación de ventas de la empresa quede a merced del mercado. Por lo tanto, cuando la empresa se enfrenta a un entorno macroeconómico desfavorable, no puede responder rápidamente y formular contramedidas efectivas para tomar la iniciativa en marketing.

2. Marco general del sistema de planificación de marketing y análisis del mercado de productos

A nivel mundial, Venus Company tiene ciertas ventajas, pero la situación de las ventas en el mercado chino muestra que los productos de la empresa sí las hay. Ya hay una crisis al acecho en el mercado chino. Por lo tanto, Venus China propuso desarrollar un "sistema de toma de decisiones de información de gestión de marketing" cuya función principal es proporcionar información de mercado confiable y oportuna a los gerentes de la empresa.

Para lograr la función objetivo, el sistema incluye cuatro módulos funcionales:

(1) Previsión y análisis de mercado

(2) Planificación e investigación de mercado

(3) Pedidos y atención al usuario

(4) Transporte y distribución

Este artículo se centra en la investigación y discusión de los módulos de análisis predictivo y planificación de marketing. Dado que el análisis de pronósticos y la investigación de planificación son los eslabones principales en la operación y gestión del mercado, son la premisa y base para que las empresas tomen decisiones comerciales correctas.

2. Flujo de datos del sistema de información de gestión de marketing

Hay dos fuentes principales del sistema de información de gestión de marketing: la primera fuente son los investigadores de mercado, que recopilan información sobre la situación del mercado. la información se utiliza para la predicción, la investigación y el análisis del mercado; la segunda fuente son los usuarios, que se refieren a todas las unidades e individuos que desean comprar productos y plantean requisitos de pedido a la empresa, así como requisitos de calidad y rendimiento del producto, etc. . Una vez que estos datos sin procesar se ingresan en el sistema, se procesan adecuadamente para generar diversa información de mercado, parte de la cual se almacena en la base de datos correspondiente y otra se envía a los departamentos relevantes u otros subsistemas.

3. Modelo de previsión de mercado

Para que una empresa tome decisiones comerciales correctas, la previsión y el análisis juegan un papel importante. A través de la predicción y el análisis, el estado desconocido del mercado se transforma en un estado de valor esperado predicho científicamente, lo que permite a las empresas evitar los riesgos del mercado hasta cierto punto. Sobre la base de resumir cuidadosamente la experiencia pasada, no sólo debemos fortalecer el papel de liderazgo de la predicción y el análisis cualitativos, sino también prestar más atención al trabajo de investigación de la predicción y el análisis cuantitativos, especialmente aprovechar plenamente el papel de las computadoras para integrar estrechamente Análisis de predicción cualitativa y análisis de predicción cuantitativa. Levántese y cree un nuevo método científico de predicción y análisis que esté más en línea con el mercado de productos y la empresa reales. Por un lado, con el desarrollo de la macroeconomía de China, el desarrollo de la demanda del mercado de pantallas grandes tiene cierto grado de continuidad. Por otro lado, los monitores son productos de uso general y la competencia entre distintas marcas es feroz. Hay relativamente pocos usuarios fijos de monitores, por lo que el desarrollo y venta de monitores de pantalla también tienen ciertas incertidumbres, es decir, es difícil considerar la relación causa-efecto de su desarrollo. Además, la demanda del mercado de monitores, respaldada por las ventas de PC compatibles, tiene ciertas fluctuaciones estacionales. Por ejemplo, las ventas en enero y febrero son lentas como un período de hibernación, y la situación se aclara en marzo, seguida de una lenta caída. El repentino auge de las ventas en agosto estuvo influenciado por el aumento en la compra de PC compatibles durante el verano.

Con base en esta situación, creo que se deben utilizar dos métodos para realizar pronósticos: el método de suavizado exponencial y el método de variación estacional en el método de análisis de series de tiempo. El primero predice principalmente tendencias de ventas a corto plazo, mientras que el segundo se centra en predecir cambios estacionales y cambios de ventas a largo plazo, compensando las deficiencias de los pronósticos a corto plazo. Se pueden obtener mejores resultados de predicción combinando los dos métodos de predicción.

Venus China Company

1. Utilice el método de suavizado exponencial mejorado para predecir tendencias de ventas a corto plazo.

Utilizar el método de suavizado exponencial puede predecir mejor las tendencias de ventas a corto plazo. El principio básico de este método es enfatizar el papel de los datos recientes en la predicción de valores, y el peso de los datos recientes se puede elegir arbitrariamente, pero el papel de los datos a largo plazo no se ignora por completo. El modelo matemático del método de suavizado exponencial es el siguiente:

F[,t+1]=F[,t]+α (V[,t]-F[,t]) (3- 1)

También se puede escribir como:

F[,t+1]=αV[,t]+(1-α)F[,t] (3- 2)

α——Coeficiente de suavizado, su valor está entre 0 y 1 (0<α<1);

V[,t]——El valor real del t-ésimo valor del período (año o mes);

F[,t]——el valor previsto del enésimo período (año o mes);

F[,t] en la ecuación ( 3-1) también se puede escribir como:

F[,t]=αV[,t-1]+(1-α)F[,t-1]

Y F[,t-1 ]=αV[,t-2]+(1-α)F[,t-2]

... continúa calculando de esta manera, y luego sustituya los valores predichos para diferentes períodos en la fórmula (3-2), después de la expansión:

F[,t+1]=αV[,t]+α(1-α)V[ ,t-1]+α(1-α)[2] V[,t-2]+…

(4-3)

El valor de α en la fórmula debe seleccionarse de acuerdo con la situación real. Si desea fortalecer el efecto de los datos recientes, el valor de α puede aumentar. Supongamos que α=0.9 se sustituye en la fórmula anterior, obtenemos:

F[,t+1]=0.9V[,t]+0.09V[,t-1]+0.009V[,t -2] +...

Se puede ver que los datos recientes juegan un papel importante en la fórmula anterior, y el papel de otros datos históricos disminuye rápidamente según el peso de la serie geométrica (relación común es 1-α). Por lo tanto, este método es una versión mejorada del método de media móvil ponderada. Puede cambiar la ponderación para ajustar el efecto de los datos recientes mediante la selección del valor α, teniendo en cuenta también el efecto de los datos a largo plazo. En aplicaciones prácticas, la elección del valor α se puede determinar según la experiencia. Si los datos fluctúan poco y el gráfico es relativamente estable, el valor α debería ser menor; si los datos fluctúan mucho, el valor α debería ser mayor, por lo que α; =0,7~0,8. Esto permite que el valor predicho responda rápidamente a los cambios en el valor real, reduciendo así la desviación entre el valor predicho y el valor real. Ahora tome como ejemplo los datos históricos de ventas de monitores a lo largo de los años, aplique el método de suavizado exponencial y calcule los valores pronosticados para cada año de 1990 a 1996 con base en α = 0,1 y 0,9 respectivamente, como se muestra en la Tabla 3. 1.

Valor de pronóstico de suavizado exponencial:

Valor de pronóstico de valor real

Período (año) (millones de yuanes) a=0,1 a=0,9

1987 1494,0 1494,0 1494,0

1988 1476,6 1494,0 1494,0

1989 1673,0 1492,0 1478,3

1990 1777,8 1506,7 1621,1

1992 2028.5 1554.3 1741.0

1993 2071.9 1601.7 1999.7

1994 2252.0 1648.8 2064.7

1995 2825.0 1709.1

1996 2439.0 1820.7 2765.8

La Figura 3-1 muestra dos gráficos de predicción con diferentes valores de α para el método de suavizado exponencial. Se puede ver que dado que los datos reales son inestables y fluctúan mucho, en este caso, cuando α = 0,9, el gráfico del valor predicho está más cerca del valor real, cuando α = 0,1, el gráfico del valor predicho solo refleja los cambios de los datos; tendencia, que se desvía mucho del valor real. El método de suavizado exponencial fortalece el efecto de los datos en diferentes períodos ajustando manualmente el valor α y puede adaptarse a cambios más complejos. También requiere menos datos históricos. El suavizado exponencial es un método de análisis de series de tiempo. Una serie de tiempo es una secuencia que cambia bajo la influencia de factores aleatorios. Por tanto, sus predicciones no pueden estar exentas de sesgos. Por lo tanto, es necesario explicar la precisión de la predicción para que exista un estándar de comparación al elegir un método de predicción. ¿Cómo determinar la precisión de la predicción? La precisión de una determinada predicción no puede utilizarse como estándar para evaluar los métodos de predicción, sino que debe juzgarse desde un punto de vista estadístico utilizando el valor promedio. Para ilustrar esto, se utilizan dos métodos para medir la precisión de la predicción: la desviación absoluta media y el error cuadrático medio.

Las expresiones matemáticas de los dos métodos son las siguientes:

Desviación media absoluta (MAD):

1 n

MAD= —— (∑ㄧV[,t]-F[,t]ㄧ) (i=1,2,3,…,n) (3-4)

n i=1

Error cuadrático medio (MSE):

1 n

MSE=—[∑(V[,t]-F[,t])[2] (i= 1,2 ,3,…,n) (3-5)

ni=1

Pronóstico de mercado

Ahora utilice estos dos estándares para comparar la Tabla 3 -1 Para los mismos datos utilizando el método de suavizado exponencial, se utilizan dos valores α (α = 0,1 y α = 0,9) para predecir los resultados para el análisis y la comparación de errores. Como se muestra en la Tabla 3-2. A partir de los resultados calculados usando dos estándares en la Tabla 3-2, en el caso de este conjunto de datos reales, el resultado de la predicción usando α=0,9 es más preciso que el resultado de la predicción usando α=0,1.

Comparación de análisis de errores:

Método de suavizado exponencial del valor real

Período (año) (millones de yuanes) a=0,1 desviación media absoluta error cuadrático medio a=0,9 desviación media absoluta

1987 1494,0 1494,0 0,0 0,0 1494,0 0,0

1988 1476,6 1494,0 17,4 302,8 1494,0 17,4

1989 1637,0 1492,3 144,7 20938 . 1 1478,3 158,7

1990 1777,8 1506,7 271,0 73441,0 1621,1 156,7

1991 1738,6 1533,8 204,7 41902,1 1762,1 23,5

1992 2028,5 1554,3 474,1 770,8 1741,0 287,5

1993 2071,9 1601,7 470,1 220994,0 1999,7 72,1

1994 2252.0 1648.8 603.2 363850.2 2064.7 187.3

1995 2825.0 1709.11115.9 1245232.8 2233.3 591.7

1996 2439.0 0,7 618,3 382294,9 2765,8 326,8

Total 3919,4 2573726,7 1821,7

Diferencia absoluta promedio total 391,9 182,2

Error cuadrático medio 1 257372,7

Método de suavizado exponencial:

Período (año) error cuadrático medio

p>

1987 0,0

1988 302,8

1989 25185,7

1990 24554,9

1991 552,3

1992 82656,3

1993 5198,4

1994 35081,3

1995 350108,9

1996 106790,2

Total 630430,8

Diferencia absoluta promedio total

Error cuadrático medio 1 63043,1

2 Utilice el método de variación estacional para predecir los cambios estacionales en la demanda

Aunque el método de suavizado exponencial puede reflejar mejor las tendencias de ventas a corto plazo, no es adecuado para pronósticos a largo plazo. Como complemento al método de pronóstico a corto plazo, utilizamos el método de cambio estacional para predecir los cambios estacionales en la demanda de pantallas grandes y los cambios en las ventas a largo plazo. Los monitores de pantalla grande se ven fácilmente afectados por las ventas de PC compatibles y otros factores, y su demanda en el mercado fluctúa estacional o cíclicamente. Para lograr una producción equilibrada y un suministro oportuno, es necesario comprender la ley del cambio. Los cambios estacionales en la demanda de pantallas grandes son a veces complejos e incluyen cambios de tendencia (como el aumento de la demanda año tras año), cambios estacionales u otros cambios accidentales (como cambios repentinos en la política y la economía nacionales). Por lo tanto, el análisis y predicción de este estado cambiante requiere la aplicación de una variedad de métodos factibles para un análisis integral. Ahora todavía utilizamos el volumen de ventas mensual de Venus Company en 1995 y 1996 como base, como se muestra en la Tabla 3-3, para predecir el volumen de ventas en un período determinado en los próximos dos años.

Pasos de pronóstico:

(1) Marque el gráfico de distribución de puntos de datos y determine la forma de los cambios, como se muestra en la Figura 3-2. Este conjunto de datos muestra dos cambios. Uno es que tiene fuertes cambios estacionales, con una gran demanda en verano y otoño y una pequeña demanda en invierno y primavera. En primer lugar, la tendencia cambia y la demanda del producto muestra una tendencia creciente.

(2) Determinar los cambios de tendencia a largo plazo

Hay dos métodos para determinar los cambios de tendencia de crecimiento

(i) Dibujar una línea recta usando puntos fijos de la tasa de crecimiento promedio mensual

Adjunto {Figura}

De acuerdo con los datos de la Tabla 3-3, calcule el volumen de ventas mensual promedio en 1995 y 1996:

1688

Volumen de ventas mensual promedio en 1995=——=140,7 millones de yuanes

12

2370

Ventas mensuales promedio volumen en 1996=———— =197,5 millones de yuanes

12

197,5-140,7

El crecimiento mensual promedio =——————=4,73 millones de yuanes/mes

12

Previsión del mercado

Estos 4,73 millones de yuanes/mes son el cambio de tendencia a largo plazo. Si el volumen de ventas promedio mensual se calcula como el volumen de ventas a mediados de año (junio), se pueden dar dos puntos A y B en la Figura 3-3. Entre ellos, el punto A es junio de 1995 y el valor de la coordenada Y es 140,7; el punto B es junio de 1996 y el valor de la coordenada Y es 197,5. La línea recta que conecta AB es el cambio de tendencia a largo plazo.

(ii) Aplique el método de mínimos cuadrados y enumere la ecuación de regresión lineal:

Suponga que la ecuación lineal es:

Y=a+bx

En la fórmula:

Coeficiente de regresión n∑X·Y-∑X·∑Y

b=——————————

n∑X[2]-（∑X）[2]

∑Y－b∑X

a=——————

n

Sustituya los datos de la Tabla 3-3 en las dos ecuaciones anteriores para obtener:

24×55200-300×4058

b= ———————— ————=3.89

24×4900-300[2]

4058-3.89×300

a= ———————— =120.46

24

Entonces el modelo matemático de tendencia es:

Y=120.46+3.89x (3-6)

(3) Calcule el valor de tendencia mensual de la línea de tendencia.

Incorpore el valor de cada mes en la ecuación del modelo de tendencia (3-6) para obtener el valor de tendencia de cada mes. . Todos los valores calculados se enumeran en el elemento (3) de la Tabla 3-3. Los valores de tendencia de cada mes se utilizan para calcular el coeficiente estacional.

(4) Determine el coeficiente estacional

El coeficiente estacional es el cociente obtenido al dividir el elemento (2) por el elemento (3) en la Tabla 3-3. El algoritmo para enumerar el coeficiente estacional en enero es:

30÷124,4=0,24

El resto se puede deducir por analogía. Hay 24 meses de coeficientes estacionales en la tabla, que son dos ciclos completos. Por lo tanto, se deben promediar los coeficientes estacionales de los meses correspondientes de cada año y se toma el valor promedio. El valor del coeficiente estacional de cada mes se muestra en. Se muestra la Tabla 3-4.

Previsión de mercado

Tabla 3-4 Coeficiente estacional

Coeficiente estacional

Promedio mensual de 1995 y 1996

1 0,24 0,56 0,40

2 0,39 0,93 0,66

3 1,44 1,11 1,28

4 1,22 1,48 1,35

5 1,27 1,19 1,23

6 0,99 1,31 1,15

7 1,88 0,96 1,42

8 0,98 1,10 1,04

9 1,23 1,52 1,38

10 0,81 1,27 1,04

11 0,64 0,50 0,57

12 0,48 0,43 0,45

(5) Establecer un modelo de predicción para la predicción

Asumir S[,t] es el coeficiente estacional del mes t, entonces el valor previsto del mes t es

Y[,t]=(a+bX[,t])S[,t] (3 -7)

Si se quiere predecir la demanda en julio de 1997, existe:

X[,t]=24+7=31

S [,t]=1,42

Entonces: Y[,t]= (120,46+3,89×31)×1,42=342,29 millones de yuanes

Además, si encontramos la previsión de demanda para 1998 el valor en enero de este año es:

X[,t]=24+12+1=37

S[,t]=0.4

Y [,t]=(120,46+3,89×37)×0,4=1,0576 millones de yuanes

Pronóstico de mercado

Lo anterior analiza dos métodos de pronóstico: suavizado exponencial y cambios estacionales, modelo matemático y su ejemplos de aplicación. Cabe señalar que el uso de computadoras para la predicción radica principalmente en el uso de modelos matemáticos y la mejora de la precisión de la predicción. La ventaja de utilizar computadoras para la predicción es que pueden procesar con precisión grandes cantidades de datos y pueden modificar con frecuencia los modelos en el tiempo de acuerdo con las condiciones cambiantes. Al mismo tiempo, pueden conectarse a otros sistemas para mejorar la comunicación de información. Se deben recopilar datos sobre la demanda cuando se utilizan computadoras para pronosticar la demanda del mercado. En términos generales, cuantos más datos estadísticos, mejor. Si no es demasiado importante, busque siete puntos. Si es importante, busque al menos doce puntos. Para observar el patrón de demanda estacional, se necesitan al menos dos años de datos. necesario. El lapso de tiempo de los datos tiene un impacto en la predicción. Si el lapso es demasiado largo, las fluctuaciones estacionales quedarán enmascaradas.

Para el método de suavizado exponencial, la entrada a la computadora son datos de series de tiempo. El resultado es el valor previsto para el siguiente período calculado mediante el método de suavizado exponencial. El programa informático proporcionará una tabla de predicción (ATABLEOFFORECASTS). El coeficiente de suavizado α oscila entre 0,1 y 0,9; por otro lado, el programa puede utilizar el método de mínimos cuadrados para seleccionar un mejor coeficiente de suavizado. Al mismo tiempo, también puede calcular un promedio ponderado en función del número de períodos especificados por. el usuario, lo que beneficiará la realización del análisis. Para el método de predicción del cambio estacional, el cálculo de entrada también son datos de series de tiempo y el resultado es la tendencia del cambio estacional en el período futuro. Cuando hay picos y valles en la demanda del mercado, se debe considerar la demanda estacional. En términos generales, el comportamiento de la demanda estacional requiere que ocurran picos durante el mismo período de cada ciclo, y la demanda pico debe exceder MAD/2 (desviación absoluta media) de la demanda promedio. , las estimaciones de la demanda estacional se expresan en computadoras como líneas de tendencia y coeficientes estacionales.

4. Investigación de mercado y plan de marketing

El propósito de la investigación de mercado y el plan de marketing es realizar una investigación de mercado adecuada y formular planes de ventas razonables, reduciendo así los costos de la empresa para el mayor medida los riesgos asumidos. El módulo de investigación de mercado y planificación de marketing debe completar las siguientes tres tareas:

(1) Análisis de datos de estudios de mercado, generalmente basados ​​en el estado competitivo de las pantallas grandes y el uso de métodos de análisis estadístico para estudiar. cuestiones de mercado;

(2) Utilice los resultados de las previsiones de ventas para formular planes de ventas.

(3) Análisis publicitario para facilitar la formulación de estrategias publicitarias.