Тренинги

Прогнозирование и анализ продаж на рынке FMCG

Даты проведения (выберите дату)
Продоложительность
5 дней/40 академических часов
Город
Санкт-Петербург
-
Экономисты, продажи, маркетинг, BI / Руководители (коммерция)

Тренинг для специалистов коммерческих, планово-экономических и сбытовых подразделений. Методы практической аналитики. Формирование доказательной базы для принятия и обоснования решений.

Возможность использования своих данных в процессе обучения

Excel

Стоимость участия

Один человек (от компании)
49000
Два и более человек (от компании)
47000
Один человек (физическое лицо)
49000

* Все скидки действуют только при предоплате

** Стоимость участия может изменяться в зависимости от даты и места проведения тренинга

Заявка на участие

С помощью этой формы, Вы сможете подать заявку на участие в тренинге

Программа тренинга

  • ДЕНЬ 1. Азы прогнозирования и анализа, подготовка данных

     

    ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ КЕЙСЫ
     
    • Процесс прогнозирования: технология «Пять шагов»
    • Три способа систематизации экспертных мнений о факторах, влияющих на продажи:
      • диаграмма Исикавы
      • таблица факторных влияний
      • причинно-следственная диаграмма
    • Правила подготовки исходных данных для прогнозирования в Excel. Работа с пропущенными данными
    • Графический анализ динамики продаж с целью выявления тренда, сезонности и других компонент
    • Выявление типа сезонности
    • Основные статистические показатели, используемые при прогнозировании:
      • среднее значение
      • медиана
      • стандартное отклонение
      • стандартная ошибка
      • размах
    • Доверительный интервал прогноза
    • Точность модели и точность прогнозов
    • Показатели точности прогнозной модели и прогноза: MAPE, MAD и другие
    • Подходы к выбору адекватного показателя оценки точности модели и прогноза
    • Метод сезонной декомпозиции
      • правила выбора вида тренда и типа сезонности
      • сезонные факторы и их практическое использование
    • Пример. Строим диаграмму Исикавы для рынка FMCG и заполняем таблицу факторных влияний на основе экспертных мнений слушателей курса.
    • Пример в Excel. Изучаем динамику продаж по SKU. Учимся анализировать колебания продаж и формировать правильные ожидания.
    • Пример в Excel. Проводим графический анализ динамики продаж. Самостоятельно учимся определять наличие тренда, сезонности, структурных сдвигов и выбросов.
    • Пример в Excel. Проводим сезонную декомпозицию на основе истории продаж. Учимся интерпретировать результаты.
     

     

  • ДЕНЬ 2. Прогнозирование продаж без учета дополнительной информации о факторах

     

    ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ КЕЙСЫ
     
    • Прогнозирование на основе метода сезонной декомпозиции:
      • пошаговый алгоритм прогнозирования в Excel
      • влияние выбросов и структурных сдвигов на точность прогнозов
      • плюсы и минусы подхода
    • Оценка качества прогнозной модели. Графический анализ остатков: гистограмма, диаграмма рассеяния, график автокорреляции
    • Прогнозирование на основе метода экспоненциального сглаживания:
      • идея метода, четыре параметра сглаживания
      • пошаговый алгоритм в Excel
      • влияние горизонта прогноза на точность прогнозов
      • влияние выбросов и структурных сдвигов на точность прогнозов
      • плюсы и минусы подхода
    • Критерии выбора между экспоненциальным сглаживанием и сезонной декомпозицией
    • Пример в Excel. Проводим сезонную декомпозицию и строим прогноз на несколько месяцев. Оцениваем качество построенной модели.
    • Пример в Excel. Строим прогноз на несколько месяцев с помощью экспоненциального сглаживания. Оцениваем качество модели и прогноза.
    • Пример в Excel. На основе истории продаж по товарной группе строим прогноз на 12 месяцев двумя способами (на основе сезонной декомпозиции и методом экспоненциального сглаживания). Оцениваем качество моделей и выбираем наиболее адекватный подход.
     

     

  • ДЕНЬ 3. Прогнозирование продаж с учетом дополнительной информации о факторах

     

    ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ КЕЙСЫ
     
    • Многофакторный регрессионный анализ: идея и требования к исходным данным
    • Пошаговый алгоритм прогнозирования на основе регрессионного анализа в Excel
    • Диагностика и решение проблемы взаимозависимых факторов (мультиколлинеарность)
    • Правила оценки качества модели:
      • анализ остатков
      • ANOVA
      • R-квадрат и скорректированный R-квадрат
    • План действий при «плохих» остатках модели
    • Интерпретация коэффициентов регрессионного уравнения:
      • как влияют факторы на продажи
      • ранжирование факторов по силе влияния
    • Особенности прогнозирования при недостатке информации о факторах. Техника фиктивных (dummy) переменных
    • Учет в регрессии сезонности разного типа
    • Разработка сценариев продаж на основе регрессионного анализа
    • Пессимистический и оптимистический прогноз: варианты построения
    • Плюсы и минусы прогнозирования на основе регрессионного анализа
    • Правила перехода от регрессии к авторегрессии
    • Авторегрессионные модели для прогнозирования: идея и реализация
    • Плюсы и минусы прогнозирования на основе авторегрессионного анализа
    • Пример в Excel. Анализируем влияние макроэкономических факторов на продажи.
    • Пример в Excel. Анализируем влияние кризиса; изменения ассортимента; числа торговых точек и т.п.
    • Пример в Excel. Прогнозируем продажи с использованием фиктивных переменных.
    • Пример в Excel. Анализируем влияние погодных условий на продажи.
    • Пример в Excel. Изучаем влияние на продажи рекламной активности различных видов. Делаем прогноз при разных сценариях рекламных кампаний.
    • Пример в Excel. Проводим сравнительный анализ прогнозов продаж на основе регрессии и авторегрессии.
    • Пример в Excel. Строим прогноз продаж конкретной товарной группы всеми изученными способами и выбираем наиболее адекватный подход (самостоятельно).
     

     

  • ДЕНЬ 4. Оценка эффектов акций, «каннибализм» и другие практические вопросы прогнозирования

     

    ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ КЕЙСЫ
     
    • Правила проведения ручной корректировки прогнозов
    • Три способа оценки эффекта акции:
      • с помощью регрессионной модели
      • на основе критерия Уилкоксона
      • методом аналогий
    • Два способа оценки эффекта «каннибализма»
    • Два способа учета праздничного спроса при прогнозировании продаж
    • Учет запаздывающего влияния факторов при прогнозировании
    • Способы учета вложенной сезонности при прогнозировании дневных продаж
    • Пути решения проблем прогнозирования в условиях большого ассортимента:
      • различия при прогнозировании TOP-DOWN и BOTTOM-TOP
      • способы выделения товаров со схожей динамикой продаж
      • обзор программного обеспечения для автоматизации прогнозов большого числа товарных позиций. Демонстрация некоторых решений
    • Два способа прогнозирования продаж новых продуктов в условиях отсутствия исторических данных
    • Пример в Excel. Оцениваем эффекты акций разными способами в зависимости от имеющейся информации.
    • Пример в Excel. Анализируем продажи по SKU и измеряем эффекта «каннибализма».
    • Пример в Excel. Учитываем влияние выходных и праздничных дней при прогнозировании.
    • Пример в Excel. Анализируем временную задержку (лаг) в росте продаж при росте рекламного бюджета.
    • Пример в Excel. Прогнозируем продажи нового продукта.
     

     

  • ДЕНЬ 5. Отработка навыков прогнозирования на примерах слушателей. Анализ возможностей и целесообразности повышения точности прогнозов

     

    ИНСТРУМЕНТЫ, МЕТОДИКИ, АЛГОРИТМЫ КЕЙСЫ
     
    • Структура ошибки прогноза
    • Алгоритм выявления источников ошибки прогноза и оценка всех ее компонентов
    • Идея предела прогнозируемости:
      • теоретический подход к оценке пределов прогнозируемости продаж
      • алгоритм расчета в Excel пределов прогнозируемости (максимально достижимой точности прогноза)
    • Автоматизированная корректировка прогноза в Excel с учетом несимметричной «цены» ошибки
    • Примеры в Excel. Получаем и анализируем прогнозы на основе данных слушателей. Изучаем потенциальные возможности улучшения прогнозов.
    • Пример в Excel. Строим прогноз продаж и анализируем причины отклонений «факт-прогноз».
    • Пример в Excel. Определяем предел прогнозируемости на конкретных данных о продажах.
    • Пример в Excel. Комплексная задача.

После окончания обучения Вы сможете

Определять наилучший метод прогнозирования для конкретной ситуации
Прогнозировать, если имеется история только продаж
Прогнозировать при наличии мнения экспертов
Разрабатывать сценарии продаж
Выделять «чистый» эффект акции из динамики продаж
Повышать точность прогнозов
Прогнозировать в случае недостатка объективной информации (например, вывод на рынок нового продукта)
Оперативно прогнозировать, когда нужен быстрый прогноз
Прогнозировать с учетом дополнительной информации о разных факторах (активность конкурентов, акции, рекламный бюджет, погода и т.п.), одновременно влияющих на продажи
Оценивать эффект «каннибализма»
Оценивать пределы прогнозируемости своего рынка

Преподаватели

Анна Монахова

Анна Монахова

  • Преподаватель-аналитик, эксперт
  • Руководитель отдела развития образовательных программ Analytera.
  • Опыт консультационной деятельности 10 лет.
  • Большой опыт аналитика-практика.
  • Реализовала более двадцати консалтинговых проектов по анализу данных в бизнесе и научных исследованиях.
  • Консультировала специалистов таких компаний, как "Пивоваренная компания "Балтика", "Пивоварня Москва — Эфес", "ВымпелКом", "МегаФон", "Газпром нефть", "Монокристалл", "НЛМК", "Кока-Кола", "Маревен Фуд Сентрал" и др.
  • Является одним из ведущих консультантов в области использования статистических инструментов для решения прикладных задач.
  • Проводит подготовку специалистов по концепции SixSigma.
Юлия Берлин

Юлия Берлин

  • Преподаватель-аналитик Центра Статистических Технологий
  • Кандидат экономических наук, доцент.
  • Опыт преподавания и консультирования более 10 лет.
  • Разработка системы прогнозирования и анализа продаж компаний рынка FMCG.
  • Исследование потребительских предпочтений.
  • Планирование исследований и разработка планов экспериментов.
  • Обработка результатов анкетирования и тестов.
  • Разработка прогнозных моделей энергопотребления.
  • Автор более 40 учебно-методических и научных работ.

Вы получите:

Пошаговые инструкции по применению каждого метода
Сертификат на 4-месячную бесплатную консультационную поддержку

Требования:

Высшее образование
Опыт работы в Excel на уровне пользователя

Отзывы учеников

  • Уварова Татьяна Эриховна

    ДФУ, доцент кафедры гидротехники теории зданий и сооружений

    Тренинг организован на высоком уровне, матреиал объяснен доступно, агрументированно. Раздаточный материал и перзентации полностью отражают суть тренинга и помогают его осмыслить.

  • Животов Антон Сергеевич

    ООО "Татхимпласт"

    Тренинг полностью оправдал мои ожидания. Темы объясняются очень доступно, подкрепляются примерами, что помогает лучше усваивать пройденный материал. В целом тренинг дает хорошие практические навыки, котрые можно применять в дальнейшей работе. При возможности буду планировать посетить еще одни курсы.

  • Сергеев Иван Алексеевич

    ООО "Запсибтрансгаз"

    За пятидневный тренинг я многое для себя открыл. Преподаватель четко и понятно рассказывал теоретическую часть, после чего все знания закрепились практикой. Кроме того порадовала техническая оснащенность и раздаточный материал. Их вполне достаточно, чтобы получить необходимую базу знаний.

  • Сафронова Светлана Викторовна

    ООО "Нутриция"

    Очень доступный в понимании материал, профессионализм преподавателя, а также чуткость и отзывчивость. Семинар очень понравился! Спасибо Анне!
    Предложение. Сделать "школу статистика": увеличить количество дней тренинга, возможно на 2 недели; всем вместе полностью погрузиться в мир статистики... и, самое главное, создать несколько уровней изучения (аналогично ин.языкам).

  • Харлан Елена Владимировна

    ПК "Балтика", менеджер по управлению ассортиментом

    Замечательный тренинг, очень практичный, ценный, доступно для понимания. 

  • Селезнёва Марина Васильевна

    Мясокомбинат "Павловская слобода"

    Всё понравилось, отношение преподавателя очень позитивно, умение применительно ко всем донести материал, если считать, что все из разных отраслей, но с общими проблемами. Материал дан так, что хочется ещё чему-то научиться, что мы и сделаем в ближайшее время. Спасибо за тренинг.

  • Винникова Ольга Игоревна

    инженер по качеству, Калсоник Кансей Рус

    Все очень понятно. Практические задания помогают усвоить теорию в полном объеме. Емкое, упорядоченное преподавание. Раздаточный материал с концентрированным материалом, изученном на практике. Приятным "бонусом" является возможность впоследствии обратиться за поддержкой в решении конкретных задач. Спасибо!

  • Феденко Игорь Вячеславович

    ПАО "Авиакомпания "Сибирь"

    Очень понравилось. Подача информации - информативно, сжато, широкий охват. Большое число примеров, изучение темы на практике. Предоасталяются инструменты для Excel для дальнейшей работы. Готовность и желание преоподавателей овтетить на все вопросы.

  • Катамашвили Екатерина Валерьяновна

    Слушатель "Мирбис", mba-science

    Блестяще! Так увлекательно о статистике - невозможно было представить :) А возможности, которые открываются… Правда, чтобы это реально освоить, необходимо время. Но как знакомство с областью - думаю, что это должны знат ь все, кто получает образование в области управления для принятия грамотных решений! Как элемент управленческой культуры!

  • Юдина Надежда Александровна

    Триколор ТВ

    Тренинг полностью оправдал мои ожидания. Был интеренсым, информативным. Полученные знания абсолютно точно будут применены на практике. Большое спасибо.

    Остались вопросы?

    Напишите нам и мы подробно ответим на все Ваши вопросы!