Константин Нечаев,
ведущий консультант фирмы «Сокап», член Ассоциации APICS.
[email protected],
телефон: (095) 926-1950. |
| ГАДАНИЕ НА СПРОС ВЫХОДИТ ИЗ МОДЫ
|
| ПРИШЛО ВРЕМЯ ПЕРЕВЕСТИ УПРАВЛЕНИЕ СПРОСОМ ИЗ РАЗРЯДА ИСКУССТВА ОТДЕЛЬНЫХ МЕНЕДЖЕРОВ-ПРЕДСКАЗАТЕЛЕЙ В РАЦИОНАЛЬНУЮ ОБЛАСТЬ |
Хотя за последние пять лет российские менеджеры освоили много управленческих приемов и техник, все же остаются еще области менеджмента, к которым большинство руководителей до сих пор относится с прохладцей и даже испугом. Одна из них — прогнозирование.
Бытует мнение, что в нашей стране прогнозировать что-либо невозможно. Особенно устойчив стереотип, касающийся прогнозирования спроса. А после кризиса 1998 года большинство российских менеджеров долгое время даже думать не хотели на эту тему. Действительно, как можно что-либо планировать, когда в стране такие катаклизмы происходят? Но ведь пять лет назад то же самое говорили и про бюджетирование. Зато сегодня только фантастически ленивый руководитель не владеет информацией о расходах на будущий период и не планирует cash flow.
Но вернемся к спросу. Ставить задачу совсем отказаться от складских запасов российским предприятиям пока, конечно, преждевременно, однако сократить их до минимума вполне уместно на любом производстве. Западные заводы и фабрики уже достигли этого за счет применения соответствующих методик и внедрения интегрированных систем управления.
Например, по данным Boston Consulting Group (BCG) в США в конце восьмидесятых годов запасы готовой продукции в пищевой промышленности соответствовали 45 дням (в терминах ежедневного производства). Сегодня объем запасов готовой продукции у ведущих производителей сократился до 10 дней: 3 дня против 16 на покрытие производственного цикла; 4 дня вместо 15 составил страховой запас для компенсации ошибки прогнозирования; с 14 до 3 дней сократилось время доставки продукции до точек розничных продаж.
Методы управления спросом зависят от отрасли, так как везде есть своя специфика (см. врезку «Особенности национальной «пищевки»). Ключевые вопросы для каждой отрасли будут свои. Попробуем сформулировать их для пищевой индустрии. Сколько продукции произвести? К какому сроку? Производить тот или иной товар маленькими партиями ежедневно, либо увеличить размеры партии и выпускать данный товар реже? Увеличить производительность оборудования и получить сверхприбыль, или сосредоточиться на качестве? Все эти и многие другие вопросы переводятся в термины бизнеса, и управленческий состав предприятия должен четко знать на них ответы.
Учимся управлять спросом
Точно знать, как поступить в конкретной ситуации, можно только в том случае, если в компании прописаны некоторые стандарты или политика в области управления спросом. Действия, которые будет осуществлены по каждому из перечисленных ниже пунктов, в конечном итоге повлияют на формирование спроса.
Дифференцирование продуктов/клиентов по стратегической важности и прибыльности. Например, одни и те же скидки могут быть приемлемы для одной группы товаров и совершенно не применимы для другой. Кому-то из клиентов компания может давать товарный кредит, а кому-то нет. Как правило, выделяют три группы, используя известный метод ABC, для каждой из которых действуют одинаковые правила. Критериями деления на группы может быть, к примеру, объем закупок или прибыльность операций. Здесь важно понимать, что составленные таким образом рейтинги клиентов и продуктов могут динамически меняться и их следует регулярно пересматривать.
Внимание к специализированным услугам. Каждый менеджер, находящийся на линии продаж, должен иметь четкое представление о том, какие специализированные услуги может оказывать компания своим клиентам.
Определение условий, при которых заказ клиента может вносить изменения в производственный график. Что ответить клиенту, который хочет на следующий день получить такой объем товара, которого нет на складе? Есть два крайних случая: отказать ему или предложить предприятию поработать без выходных. Как всегда, здравый смысл где-то посередине. Компромиссным может быть такое решение: компания произведет необходимое количество продукции, но с надбавкой к цене в 5%.
Определение приоритетов заказов клиентов по сравнению с другими видами спроса (например, собственная розничная сеть и оптовые покупатели). Кому отгружать продукцию в первую очередь, если на складе ее меньше, чем необходимо, – своим магазинам или оптовым покупателям? Если нет четкого алгоритма действий, то менеджер склада может принять неправильное решение, в результате которого компания, к примеру, получит рост продаж в собственной розничной сети с 2% до 4% от общего объема, но потеряет оптового покупателя, который делал 10% всех продаж.
Отказы клиентам в случае перегрузки мощностей. В каком порядке отказывать клиентам? Какие шаги предпринять, чтобы не потерять клиента безвозвратно? Отсутствие алгоритмов действий в данной ситуации приводит к элементарным взяткам на уровне отдела продаж.
Установление срока выполнения заказа. Обычно в пищевой промышленности отгрузка происходит в день заказа. Но как только размер заказа приближается к объему дневной отгрузки предприятия, то появляется необходимость в предварительных заказах. Установление четких правил позволяет лучше планировать будущие потребности, так как предприятие переходит от производства на склад в чистом виде к частичному производству на заказ.
Установление объемов страховых запасов. Страховой запас — это запас, позволяющий с какой-то вероятностью нивелировать ошибки прогнозов. Если в компании хотят добиться 99% вероятности удовлетворения потребностей всех клиентов, то нужно иметь соответствующие уровни запасов. Но если ошибки прогнозов велики, то формула для расчета страховых запасов будет давать рекомендации по их значительному увеличению. Например, увеличение средней ошибки прогнозов с 10% до 20% (в 2 раза) может привести к тому, что потребуется увеличить страховой запас более, чем на порядок (в 10 раз). Это говорит о том, что правильно рассчитанный страховой запас не является выходом для решения ошибок прогнозов. Если же имеющиеся страховые запасы не помогают, значит, в компании просто низкий уровень сервиса. Но даже в этом случае, страховой запас должен рассчитываться на основании исторических данных, а не на основании мнений отдельных менеджеров.
БЮРО прогнозов бизнес-погоды
Вторая сторона медали управления спросом – процесс прогнозирования. Здесь необходимо обратить внимание на то, как, собственно, организован сам процесс прогнозирования, и какой инструментарий при этом используется.
Если процесс не поставлен, то при любом инструментарии будут возникать проблемы. Информация может уйти не тому менеджеру, прогноз может быть сделан на основе старых данных и т.п. Ниже перечислены вопросы, на которые необходимо обратить внимание при организации процесса прогнозирования.
Привлечение отдела продаж и маркетинга для составления прогнозов. Различные рекламные акции могут резко повлиять на спрос. Если этот фактор не брать в расчет, то можно затратить ресурсы и получить очередь разочарованных клиентов.
Дисциплина процесса прогнозирования. Должно быть четко известно кто, когда и что делает. Если нет дисциплины, то информация может предоставляться с опозданием или в искаженном виде. Финансовый план строится на основании прогнозов спроса. Финансовый план должен замыкать цепочку, которая начинается с прогноза спроса, включает в себя планирование производства и заканчивается планированием запасов. Если же при планировании ориентироваться только на общие финансовые показатели (увеличить доходы на 50%), то можно затоварить склад одними группами товаров и не обеспечить нужного количества других. У руководства предприятия должно быть понимание того, что улучшения финансовых результатов можно добиться с помощью дополнительных мероприятий по увеличению спроса.
Регулярное измерение точности прогнозов. Повышение качества прогнозирования возможно при регулярном измерении точности прогнозов. Для этого должны быть известны правила оценки точности прогноза.
Способы выявления причины неточности прогнозов (отслеживание сроков и точности отражения информации по продажам). Например, предприятие имеет распределенную сбытовую сеть, и из отдельных точек информация приходит позже, искажая общую картину. Другой распространенный пример искажения прогноза, когда в систему вводятся данные только об отгрузке, а пожелания клиентов не учитываются.
Четкое определение уровня детализации для прогнозирования. Если на уровне компании закладывается погрешность прогноза в 5%, то за счет взаимных корреляций по разным продуктам погрешность прогноза по отдельному продукту в конкретной упаковке может дойти до 25%.
Разработка процедур планирования новых продуктов. Должна существовать процедура «запуска» нового продукта. Иногда на предприятиях появляются продукты, о которых с опозданием узнают в отделе маркетинга и которые не поддерживаются отделом продаж.
Определение исторических данных, которые должны приниматься в рассмотрение для расчета трендов. Сезонные колебания могут сильно сказываться на вычислении тренда. Например, перед 8 марта хорошо покупают наборы конфет, но если после праздника использовать данные по предпраздничным дням, то прогноз окажется неточным.
Определение правил сохранения прогнозов (архивирования). Если нет четких правил использования информации, то может получиться так, что старые прогнозы будут мешать работе.
Если на предприятии удалось наладить процесс прогнозирования, то применение соответствующего инструментария будет наиболее эффективным. Инструментарий прогнозирования включает в себя качественные, математические и корреляционные методы.
Качественные методы — это субъективные оценки продаж нового продукта или направления трендов (например, метод Дельфи, маркетинговые исследования, исторические аналогии). Эти методы применяются в стратегическом планировании и при выводе на рынок новых продуктов.
Математические методы — расчетные методы, дающие прогнозный показатель на основании исторических данных (например, средневзвешенный, экспоненциальное сглаживание, регрессионный анализ). Специалисты рекомендуют использовать эти методы в пределах 18 месяцев, то есть на оперативном и тактическом уровне.
Корреляционные методы — это методы, использующие макроэкономическую информацию для построения прогноза. Здесь применяют эконометрику и различные внешние индексы (например, инфляция, изменение объемов потребления по стране, рост населения). Как правило, эти методы применяются только при стратегическом планировании.
На Западе накоплен большой опыт применения описанного выше инструментария. Большинство специалистов сходится во мнении, что простые методы лучше сложных. Затраты на привлечение высококлассных статистиков, на покупку дополнительного оборудования и программного обеспечения, а также увеличение сроков расчетов чаще всего не приносят ощутимой выгоды.
Основное правило прогнозирования — своевременно (и даже резко) реагировать на тенденции в изменении спроса, но следовать им плавно. То есть, если спад в продажах сменился на рост, необходимо начать увеличивать объем производства, но не надо делать это очень резко, поскольку рост может оказаться краткосрочным.
Постановка управления спросом подразумевает, что на предприятии уже имеется интегрированная информационная система класса ERP (Enterprise Resource Planning). ERP-система выполняет роль надежного поставщика такой информации.
Спрос.net
В последнее время много говорят о применении Интернет-технологий в управлении, в том числе и в управлении спросом. Действительно, часть функций берет на себя сайт. Заявки от клиентов могут поступать в режиме on-line, для этого теперь не требуется участие оператора. Это положительно влияет на точность и скорость передачи данных. Еще один плюс в том, что происходит консолидация информации в одной базе данных, и нет необходимости в обработке заявок, полученных факсом или по электронной почте.
Через Интернет клиент может быстро узнать, исполнят его заказ или нет, в то время как поставщик благодаря Сети может четко фиксировать детали каждого заказа, а также выявлять портрет заказчика. Определив в результате анализа различных опросных листов реальный спрос, можно делать более достоверные прогнозы.
Интернет помогает быстро проверить наличие того или иного товара на всех складах компании, что бы осмысленно принять дополнительный заказ или отказаться от него.
Аналитики ожидают, что наибольшее влияние новые технологии электронной коммерции окажут на взаимоотношения производителя с оптовыми покупателями.
|
| ТАБЛИЦА 1. ОШИБКА ПРОГНОЗА В ЗАВИСИМОСТИ ОТ УРОВНЯ ПРОГНОЗИРОВАНИЯ |
| Уровень прогноза |
Количество прогнозируемых позиций |
Мат. Ожидание/Прогноз (%) |
| Компания |
1 |
5 |
| Подразделение |
4 |
8 |
| Группа продукций |
70 |
11 |
| Продукт 700 19 |
700 |
19 |
| Продукт в
конкретной упаковке |
2800 |
25 |
| * На основе данных реальной фармацевтической компании с оборотом $500 млн. в год |
| ТАБЛИЦА 2. ВЫБОР МЕТОДА ПРОГНОЗИРОВАНИЯ |
| Уровни прогноза/Параметры |
Стратегический |
Тактический/Или ситуация с новым продуктом |
Оперативный |
| Временные границы |
Долгосрочный: 2-10 лет с разбивкой по кварталам/годам |
Среднесрочный: 2 года с разбивкой по кварталам/месяцам |
Краткосрочный: 1 год с разбивкой по месяцам/неделям |
| Техники |
Качественные
Корреляционные |
Качественные
Математические |
Математические |
| Источник информации |
Внешняя информация,
Статистика |
Маркетинговые
исследования |
Исторические данные о спросе |
|
