Если ваша компания пользуется всеми современными методами организации продаж, то вам будет доступно множество данных, которые можно объединить в четыре группы.

1.   Оценки различных показателей экспертами (сотрудниками компании, ее партнерами, клиентами).

2.   Результаты процессов продаж за предыдущие периоды.

3.   Показатели процессов продаж за предыдущие периоды.

4. Данные из внешних источников (аналогичные данные в открытых источниках, макроэкономические данные и показатели).

С тем, что данные из групп 2,3 и 4 более объективны, чем данные из первой группы, спорить сложно. Но важно понимать, что значит объективность в данном случае.

Первая группа данных — экспертные оценки — формируется на основе опыта и интуиции людей, которые обоснованно могут считать, что хорошо знают рынок, на котором работают. При построении оценок эксперты будут анализировать не только свою текущую деятельность, но и часть находящихся в их распоряжении данных из других групп. К сожалению, определить, насколько точен каждый из экспертов, можно только методом проб и ошибок, и нет никаких оснований утверждать, что если, например, один из экспертов точно предугадал объем продаж в текущем квартале, то в следующем он будет настолько же точен.

Вторая и третья группы данных отражают ситуацию в вашей компании и связаны с продажей именно вашей продукции. Казалось бы, идеальные данные, но нельзя забывать, что:

1)  данные могут содержать ошибки, явившиеся следствием неаккуратности сотрудников, которые их собирали или предоставляли;

2)  данные характеризуют уже свершившиеся факты и напрямую не дают информации о том, что случится в будущем.

Четвертая группа данных заведомо менее объективна, чем две предыдущие, так как, во-первых, вы, скорее всего, не сможете ничего сказать о ее корректности (если это аналогичные вашим данные) или о применимости непосредственно для ваших целей (если это макроэкономические показатели). В обоих случаях это данные по сбыту другой продукции, а не исключительно вашей.

Как видно, у каждой из групп данных есть достоинства, но есть и существенные недостатки. Поэтому при выборе метода использования данных для прогнозирования имеет смысл ориентироваться на особенности каждой из групп при интерпретации результатов.

На какие прогнозы опираются топ-менеджеры при определении плана продаж? Как правило, на те, которым больше доверяют. Доверие основывается либо на авторитете сотрудника, занимавшегося прогнозированием, либо на использовании методов, которые уже не один раз давали точные результаты..

Если в вашем случае ни одно из условий не подходит, то топ-менеджерам остается только доверять авторитету сотрудника, который отвечает за выполнение данных планов. В большинстве случаев таким сотрудником является руководитель отдела сбыта.

Выбор периода агрегации данных.

Используя современные информационные системы для управления продажами, вы будете постоянно получать новые данные о результатах и характеристиках процессов продаж. При желании вы можете с помощью технических специалистов получать обновленный вариант прогноза хоть каждую минуту на основе самых свежих данных, но есть ли смысл делать это настолько часто? С другой стороны, очевидно, что чем чаще вы получаете прогноз, тем больше у вас информации о том, насколько точна заложенная в его основу модель, и в случае необходимости можете оперативно ее корректировать.

Как вы видели в предыдущих параграфах, все описанные методики прогнозирования основываются на агрегированных данных за определенный временной период (например, продажи за неделю, декаду, месяц и т. п.) или по определенной группе (средний прогноз продаж от нескольких экспертов). Наиболее сложен в данном случае вопрос о длительности периода агрегации по времени.

Например, если вы в качестве показателя объема продаж используете данные о поступлении денег на счет, а система мотивации ваших менеджеров по сбыту рассчитывается по результатам продаж за месяц, то будьте уверены, что в начале месяца менеджеру больше нацелены на поиск новых клиентов, а вот в конце — на «выбивание» платежей из тех, кому уже выставлены счета. В результате можно уверенно утверждать, что объем продаж на 10-е число месяца не будет говорить ни о чем. И вообще, использовать периоды агрегации длительностью менее месяца в таком случае просто бессмысленно.

В большинстве случаев для прогнозирования объемов продаж используют помесячные или поквартальные данные, для анализа тенденций изменения рынка — полугодовые и годовые, но в вашем конкретном случае все может быть совсем иначе.

Выбор интервала данных.

При использовании данных из групп 2-3 при прочих равных лучше выбирать настолько длинный интервал данных, насколько это возможно. А в случае если спрос на вашу продукцию подвержен серьезным колебаниям, рекомендуется использовать как минимум двухлетний интервал. Например, практически для любых продуктов бесполезно прогнозировать объем продаж в январе на основе результатов продаж за предыдущие шесть месяцев — до декабря традиционно идет подъем, а в январе неминуемо настанет спад, так как вся страна почти полмесяца не будет работать.

С другой стороны, понятно, что при прогнозировании объема продаж на 1999 г. было бы бессмысленно использовать данные о продажах по России в 1998 г., так как в то время произошел кризис, заметно повлиявший на спрос на товары. Аналогичная ситуация может возникнуть и в вашей компании, если, например:

1)  вы резко изменили технологию продаж, отказавшись от работы напрямую с региональными клиентами и передав эту работу партнерам вашей компании;

2)  вы значительно изменили число людей, занимающихся продажами вашей продукции;

3)  у вас появился серьезный конкурент, который отвоевал часть вашего рынка в определенный момент в прошлом.

Во всех этих случаях нельзя говорить, что вы всегда можете использовать данные только с момента последнего серьезного изменения. Иногда данные можно подкорректировать, чтобы изменения были нивелированы (например, вычесть из объемов продаж за прошлые периоды продажи тем клиентам, которые сейчас перешли к вашему конкуренту), или строить прогноз на основе только части данных, а полученные результаты применять ко всем (например, вы прогнозируете по одной группе товаров, но предполагаете, что подобная тенденция изменения объема продаж будет верна и для других групп).

В любом случае необходимо точно обосновать, почему именно такой интервал данных используется для прогнозирования, — это поможет намного точнее проинтерпретировать полученные результаты.

Экономический смысл различных методов прогнозирования

В предыдущем параграфе мы определили четыре группы исходных данных, на основе которых можно строить прогноз. Выбор конкретного метода прогнозирования из множества существующих (наиболее распространенные из которых мы описали в предыдущей главе) будет зависеть не только от цели прогноза, но и от вида данных, на которые он будет опираться. Важно помнить, что исходные данные — это фундамент прогноза, и от корректности их выбора зависит, будет ваш прогноз по надежности напоминать пирамиду Хеопса или Пизанскую башню.

Прогнозирование на основе экспертных данных.

Важно помнить, что при использовании экспертных данных имеет смысл оценивать только продажи на ближайший период, т. е., например, прогнозировать объем продаж на следующий месяц. Экспертные оценки объема продаж «через месяц-два», как правило, будут намного менее точны, чем полученные на основе анализа объективных данных, так как большинство людей при прогнозировании на длительный срок — тот, «который еще не скоро», — начинают чересчур творчески подходить к такой работе. В результате оптимисты оценки завышают, пессимисты — занижают, причем величину ошибки предсказать почти невозможно.

Один из методов обработки экспертных данных уже рассматривался в предыдущей главе. Его можно аналогично использовать и для обработки экспертных оценок объемов продаж в ближайшем периоде.

Иногда удается улучшить эту процедуру, если собирать от каждого эксперта (в том случае, если все они — сотрудники вашей компании) прогнозы объемов продаж по тому направлению, за которое он отвечает. Иными словами, менеджер по сбыту дает оценки своего объема продаж, руководитель группы продавцов — оценки объема продаж группы, менеджер продукта — оценки объема продаж своего продукта и т. п. Обработав полученные таким образом прогнозы продаж, можно вывести довольно достоверные.

Прогнозирование на основе данных о результатах процессов.

Методы прогнозирования на основе данных об объемах Продаж в прошлых периодах описаны во многих учебниках и автоматизированы в большинстве компьютерных программ, имеющих отношение к продажам, маркетингу или планированию.

При применении таких методов основное внимание стоит уделить:

1)  сути применяемого метода, —на каких предпосылках (ограничениях) он основан, для каких данных его стоит применять;

2)  корректности используемых данных;

3) наличию сезонных колебаний в объеме продаж.

Если есть такая возможность, стоит обязательно проверить точность метода, попробовав спрогнозировать с его помощью известный вам объем продаж последнего периода на основе предыдущих данных. Не стоит сразу «браковать» метод, если результаты окажутся неудовлетворительными, — вполне возможно, что вы просто не до конца в нем разобрались.|

Также особенно аккуратно следует относиться к результатам прогнозирования по данному методу, если в объеме продаж вашей компании явно прослеживается быстрый рост или спад. Если рост объясняется тем, что вы обнаружили несколько новых сегментов клиентов, а спад — проблемами с производством, но в ближайшее время аналогичных «событий» не предвидится, то, скорее всего, и объем продаж прекратит быстро изменяться. Это может быть очевидно для вас, но вряд ли будет «очевидно» для применяемого метода, так как он использует для прогнозирования просто цифры, не имея представления об их экономической сути.

Прогнозирование на основе данных о показателях процессов.

В предыдущих главах мы рассмотрели несколько методов, в которых используются показатели процессов продаж (количество процессов на разных этапах, вероятность закрытия процесса успехом, оценка результата процесса, оценка срока завершения процесса) для прогнозирования их результатов.

Что касается «воронки продаж» и ее модификаций, то их основная задача — управлять объемом продаж для достижения запланированных показателей, а не прогнозировать его. Другими словами, цель — не оценить возможный объем продаж, а получить информацию о том, какие управленческие воздействия надо произвести, чтобы реальный объем продаж с большей вероятностью совпал с запланированным. Метод прогнозирования на основе вероятностей является смешанным — он использует и объективные данные о процессах, и экспертные оценки вероятностей их успеха. Этот метод широко используется, и при наличии достаточного желания он может начать давать достаточно точные оценки.

Помимо этого, информация о показателях может быть использована и для более сложных методов прогнозирования, которые основываются на эконометрических моделях. Очевидно, что количество процессов на определенном этапе, так или иначе, влияет на объем продаж, но то же можно сказать и про количество закрытых за месяц определенных этапов, среднюю длительность различных этапов, среднюю длительность этапов и процессов по разным группам продуктов, по клиентам из разных сегментов и т. п. Характер влияния никогда нельзя узнать точно, более того, часто нельзя даже просто уверенно утверждать, есть ли значимое влияние или нет, но иногда с помощью математических методов анализа его можно выявить.

Последние методы прогнозирования — это методы будущего. Пока, их использование сильно ограничено отсутствием, как необходимой информации, так и необходимых знаний у тех, кто занимается прогнозированием. Тем не менее, в научной среде такие подходы уже начинают использоваться, а значит, лет через двадцать они станут широко распространенными и в бизнес-среде.

Прогнозирование на основе данных из четвертой группы может осуществляться по тем же принципам, что прогнозирование на основе экспертных данных и прогнозирование на основе данных

Страницы: 1, 2