центр статистических технологий
Мы приглашаем Вас на наш новый сайт: Analytera.ru
Образование в области промышленной и бизнес аналитики Еще больше полезной информации из мира практического анализа данных.

 

И в мире нет таких вершин, что взять нельзя.
Среди нехоженых путей один - пусть твой.
Среди невзятых рубежей один - за мной
.
В.Высоцкий

 
 
 
Главная
Программа подготовки аналитиков «Эксперт»
Система Аналитических Компетенций
SixSigma
Обучение, внедрение
Консалтинг
Тренинги и семинары
 

РАСПИСАНИЕ тренингов и семинаров

Корпоративное обучение

Записаться на тренинг

Проекты
Консультационное сопровождение проектов
Блог Егорова А.М.
Библиотека вебинаров
Методы анализа
Статьи
Репутация
Отзывы
Вакансии
Контакты
   
Обучение +7(812)667-88-98 +(812)667-88-97


Дистанционная версия тренинга доступна
ЗДЕСЬ

Тренинг

ПРОГНОЗИРОВАНИЕ И АНАЛИЗ ПРОДАЖ
на рынке FMCG
(с использованием Excel)

5 дней / 40 академических часов

19-23 марта 2018 г (СПб)
14-18 мая 2018 г. (Москва)
16-20 июля 2018 г. (СПб)
15-19 октября 2018 г. (СПб)

ЗАПИСАТЬСЯ НА ТРЕНИНГ

Расписание

После окончания обучения Вы сможете:

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

После обучения Вы получите:

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

Требования к обучаемым:

  • Высшее образование
  • Опыт работы в Excel на уровне пользователя

Программа тренинга

ДЕНЬ 1. Азы прогнозирования и анализа, подготовка данных
  • 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
  • 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
  • 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
  • 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
  • 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.

По заявке организаций возможно проведение выездных корпоративных тренингов.

Количество участников Стоимость обучения одного участника
(в рублях)
В Санкт-Петербурге В Москве
Один человек (от компании) 48000 54000
Два и более человек (от компании) 45000 50000
Один человек (физическое лицо) 46000 52000
Все скидки действуют только при предоплате

 
 
   
  Центр Статистических Технологий