Прогнозирование и анализ продаж на рынке FMCG

Главная / Расписание открытых тренингов / Прогнозирование и анализ продаж на рынке FMCG

Открытый тренинг

Выберите дату проведения:

О курсе: Специализированный

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

Программа тренинга

ДЕНЬ 1. Азы прогнозирования и анализа, подготовка данных

ДЕНЬ 2. Прогнозирование продаж без учета дополнительной информации о факторах

ДЕНЬ 3. Прогнозирование продаж с учетом дополнительной информации о факторах

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

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

1. Если от вашей компании планируется 3 и более человека, даты проведения могут быть скорректированы в соответствии с вашими потребностями, либо назначены дополнительные даты.

2. Формат проведения в указанные даты может быть быть изменен в соответствии с потребностями участников (очный - на онлайн и наоборот).

Продолжительность:

Off-line: 5 дней/ 40 академических часов

On-line: 5 дней/ 40 академических часов

Требования к слушателям:

•

Высшее образование

•

Опыт работы в Excel на уровне пользователя

Вы получите:

•

Пошаговые инструкции по применению каждого метода

•

Сертификат на 4-месячную бесплатную консультационную поддержку

•

Набор бесплатных надстроек и шаблонов Excel, необходимых для прогнозирования продаж

Стоимость участия

От компании

один человек (от компании)

63 000 руб.

два и более человека (от компании)

62 000 руб.

Физическое лицо

62 000 руб.

* Все скидки действуют только при предоплате.

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

Программа

ДЕНЬ 1. Основы анализа и прогнозирования

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 Основные статистические показатели, используемые при прогнозировании: среднее значение медиана стандартное отклонение Доверительный интервал прогноза Точность модели и точность прогнозов Показатели точности прогнозной модели и прогноза: MAPE, MAE и другие Подходы к выбору адекватного показателя оценки точности модели и прогноза Метод сезонной декомпозиции 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 Правила оценки качества прогнозной модели. Анализ остатков: график автокорреляции гистограмма диаграмма рассеяния 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) Оценка качества модели: анализ остатков таблица дисперсионного анализа 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 Способы оценки эффекта «каннибализма» Способы 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 Автоматизированная корректировка прогноза в Excel с учетом несимметричной «цены» ошибки Систематизация рассмотренных подходов и решение комплексных задач Работа с данными слушателей	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. 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