Сглаживание – это способ, обеспечивающий быстрое реагирование прогноза на все события, происходящие в течение периода протяжённости базовой линии. Методы, основанные на регрессии, такие как функции ТЕНДЕНЦИЯ и РОСТ, применяют ко всем точкам прогноза одну и ту же формулу. По этой причине достижение быстрой реакции на сдвиги в уровне базовой линии значительно затрудняется. Сглаживание представляет собой простой способ обойти данную проблему. Экспоненциальные средние используются при краткосрочном прогнозировании.
Основная идея применения метода сглаживания состоит в том, что каждый новый прогноз, получается, посредством перемещения предыдущего прогноза в направлении, которое дало бы лучшие результаты по сравнению со старым прогнозом, т.е. чем "старше" наблюдения, тем меньше оно должно оказывать влияние на величину показателя. Базовое уравнение имеет следующий вид:
F|£+l|-F|f|+axe|f|,
где t – временной период (например, 1-й месяц, 2-й месяц и т.д.);
F|f| – это прогноз, сделанный в момент времени t;
F[£+l] отражает прогноз во временной период, следующий непосредственно за моментом времени t;
a – константа сглаживания;
e[t] – погрешность, т.е. различие между прогнозом, сделанным в момент времени t, и фактическими результатами наблюдений в момент времени t.
Таким образом, константа сглаживания является самокорректирующейся величиной. Другими словами, каждый новый прогноз представляет собой сумму предыдущего прогноза и поправочного коэффициента, который и передвигает новый прогноз в направлении, делающем предыдущий результат более точным.
Для константы сглаживания наиболее подходящими являются значения от 0,2 до 0,3. Эти значения показывают, что ошибка текущего прогноза установлена на уровне от 20 до 30 процентов ошибки предыдущего прогноза. Более высокие значения константы ускоряют отклик, но могут привести к непредсказуемым выбросам. Низкие значения константы могут привести к сдвигу аргумента для предсказанных значений (табл. 3.1.13).
Таблица 3.1.13
Прогнозирование методом экспоненциального сглаживания
| Год | Фактический объём продаж | Прогнозный объём | Погрешность |
| Первый | 91 006 | – | – |
| Второй | 106 113 | 91 006 | – |
| Третий | 122 242 | 101 581 | – |
| Четвертый | 138 500 | 116 044 | 14 777,263 |
| Пятый | 150 000 | 131 763 | 19 658,664 |
| Шестой | – | 144 529 | 20 524,394 |
Согласно данному сглаженному прогнозу, объём товарооборота в будущем году составит 144 529 тыс. руб. Такая оценка отражает общий уровень данных базовой линии. Фактический объём товарооборота в будущем году может упасть на несколько тыс. руб. в результате огромного количества причин, начиная от изменения условий поставок продукции и заканчивая повышением цены на транспортные услуги.
Прогноз с использованием сглаживания обычно позволяет наиболее выгодно сбалансировать величину признака со средним показателем в течение всего периода, однако в нашем случае прогнозная величина не только не предусматривает рост объёма продаж, но и прогнозирует существенное его снижение, что является неприемлемым в нашей ситуации. Это объясняется тем, что функция экспоненциального сглаживания используется для временных рядов с сильной амплитудой колебания показателей. В нашем же случае – на лицо равномерный рост объёма продаж.
Следующий немаловажный способ расчетов прогнозных значений –методы Бокса-Джепкинса, которые часто называют моделями АСС (авторсгрессивное интегрированное скользящее среднее AutoRegressive Integrated Moving Average (ARIMA)), имеют масштабы, значительно превышающие прогнозы с применением простого скользящего среднего, регрессии или сглаживания. При их использовании можно избежать большинства ошибок, возникающих при использовании обсуждаемых ранее подходов.
Однако методы Бокса-Дженкинса слишком сложны, и, если временной ряд содержит меньше 50 результатов наблюдений, применять модели Бокса-Дженкинса не следует, так как это минимальное количество результатов, необходимое для создания модели хотя бы относительной точности. На практике, прежде чем начать процесс прогнозирования, обычно фиксируется больше 100 результатов наблюдений.
Данный совет относится не только к методам Бокса-Дженкинса. Он может и должен применяться при составлении большинства прогнозов, в ходе которых используются какие-либо регрессивные методы анализа.
Есть ещё одна программа, осуществляющая аналогичные расчёты – это один из самых мощных пакетов математическо-статистической обработки данных – Statistica имеет множество различных возможностей для анализа и прогнозирования временных рядов. Пакет имеет модульную структуру – в каждом модуле сосредоточен набор функций для определённого вида обработки данных. Например, в модуле Basic Statistics находятся средства для вычисления основных статистик, т.е. среднего, медианы, моды, стандартных ошибок и другие, в модуле Multiple Regression реализованы процедуры регрессионного анализа данных, прогноза по регрессионным кривым. Для прогнозирования разработан специальный модуль Time Series/ Forecasting, в котором находится очень мощный аппарат выделения трендов, проведения дисперсионного и автокорреляционного анализа, построения экспоненциального сглаживания и другие возможности. Одной из особенностей системы Statistica является графическая поддержка, т.е. всю полученную информацию можно проанализировать в графическом виде, для этого предлагаются обычные и точечные графики, гистограммы, коррелограммы, на графиках автоматически указывается область значимости значения, по которой можно оценить полученную модель.
Однако в данной работе не используются предлагаемые ею методы расчетов, в связи с относительно малым временным рядом. Имеющегося банка данных о развитии товарооборота за ряд лет на анализируемом предприятии явно недостаточно для такой мошной программы, а те функции, для которых достаточно имеющейся информации, можно вычислить и с помощью пакета Microsoft Excel, который имеется под рукой у каждого, в отличие от программы Statistica, на установку которой необходимы дополнительные затраты, как денежные, так и времени на её освоение.
По этой же причине не считаем целесообразным использовать для составления прогнозной модели розничного объёма продаж на анализируемом предприятии и программ Manager и Statgraphics. В связи с тем, что данные программы к тому же ещё и не русифицированы, гораздо проще воспользоваться понятным и доступным пакетом Microsoft Excel.
Резюмируя рассчитанные с помощью различных функций прогнозные значения объема розничного товарооборота на анализируемом предприятии, можно свести в таблицу 3.1.14.
Таблица 3.1.14
Прогнозные значения розничного объема продаж, рассчитанные различными способами, тыс. руб.
| № таблицы | Прогнозный объём товарооборота | ||||||||||
| Год | Фактический объём товарооборота | 9 | 10,11,12 | 13 | 14 | 8 | 6 | 6 | 3 | 2 | 7 |
| Скользящая средняя | ТЕНДЕНЦИЯ, ПРЕДСКАЗ, ЛИНЕЙН | РОСТ | Экспоненциальное сглаживание | Модель Брауна | Степенной ряд | Линейный тренд 1 (через базисные темпы роста) | Линейный тренд 2 | Линейный тренд 3 (полином 1-й степени) | Параболический тренд (полином 2-й степени) | ||
| Величина отклонения, % | 50,02 | 1,324 | 10,73 | 59,51 | 4,851 | 11,971 | 3,926 | 3,948 | 191,76 | 171,29 | |
| Первый | 91006 | – | – | – | – | 91497 | 88526 | 91479 | 91497 | 136610 | 136104 |
| Второй | 106113 | 91006 | 91 006 | 91006 | 91006 | 106142 | 110127 | 106523 | 106535 | 151647 | 149623 |
| Третий | 122242 | 98560 | 121 220 | 123728 | 101581 | 121078 | 125131 | 121566 | 121572 | 166685 | 162130 |
| Четвертый | 138500 | 114178 | 137 690 | 141961 | 116044 | 136963 | 136999 | 136609 | 136610 | 181722 | 173625 |
| Пятый | 150000 | 130371 | 154 118 | 160518 | 131763 | 153333 | 146976 | 151652 | 151647 | 196760 | 184108 |
| Шестой | – | 144250 | 166 685 | 174919 | 144529 | 166053 | 155656 | 166696 | 166685 | 211797 | 193579 |
Таким образом, можно сделать следующие выводы:
• средний прогнозируемый объем товарооборота в будущем году составил 168 685 тыс. руб.;
• наиболее пессимистичный прогноз даёт метод скользящей средней – 144 250 тыс. руб.;
• наиболее оптимистичный прогноз обещает расчёт полинома первой степени – 211 797 тыс. руб., равно как и наибольшую величину отклонения – 191,76%.
Поскольку с наивысшей вероятностью получены прогнозы по регрессионным моделям, рассчитанным с помощью встроенных функций Microsoft Excel ЛИНЕЙН и ПРЕДСКАЗ (98,676 %), ТЕНДЕНЦИЯ (98,6758 %), а также линейного тренда 1 (96,074 %) и 2 (96,052 %) и модели Брауна (95,149 %), то при прогнозировании объёма продаж товаров на будущий год следует применить эти модели и выбрать среди них наиболее оптимальную, используя методику принятия управленческого решения. Для этого составим таблицу (см. табл. 3.1.15), в которой отразим возможные ситуации (пессимистическую, наиболее вероятностную и оптимистическую) и прогнозируемые для них величины объема продаж.
Таблица 3.1.15
Прогнозные модели объема продаж товаров на будущий год, тыс. руб.
| Прогнозные модели | Величина ошибки, % | Пессимисти-ческая оценка | Вероят-ностная оценка | Оптимисти-ческая оценка |
| ЛИНЕЙН | 1,324 | 161 499 | 16 6685 | 17 1871 |
| ПРЕДСКАЗ | 1,324 | 161 499 | 16 6685 | 17 1871 |
| ТЕНДЕНЦИЯ | 1,324 | 161 499 | 16 6685 | 17 1872 |
| Модель Брауна | 4,851 | 147 123 | 16 6053 | 18 4983 |
| Линейный тренд 1 | 3,926 | 151 316 | 16 6696 | 18 2076 |
| Линейный тренд 2 | 3,948 | 151 220 | 16 6685 | 18 2150 |
Принятие решения в условиях неопределённости наиболее сложно, поскольку приведенный банк данных за относительно небольшой промежуток времени (5 лет) не позволяет оценить должным образом выбранную модель прогноза развития товарооборота. Тем не менее существует ряд методов для принятия решений в условиях неопределённости. К ним, в частности, относятся следующие 5 критериев: критерий Лапласа, критерий Вальда (maximin), критерий maximax, критерий Гурвица и критерий minimax. Рассчитаем их значения с помощью моделирования в программе Manager.
1. Критерий Лапласа (принцип недостаточного основания Лапласа). Он предполагает необходимость назначения равной вероятности для каждой ситуации. Оптимальной считается стратегия, обеспечивающая максимум среднего выигрыша. Руководствуясь данным критерием, при прогнозировании объема продаж на будущий год следовало бы выбрать трендовую модель, обеспечивающую товарооборот в сумме 166 696 тыс. руб.
2. Критерий Вальда, в основу которого положена крайне осмотрительная пессимистическая точка зрения. Причем из приведенных минимальных значений (пессимистических) выбирается максимальное значение как наиболее приемлемое для прогнозирования. Руководствуясь данным критерием для прогнозирования объёма продаж товаров, следует выбрать регрессионную модель, рассчитанную с помощью функций ЛИНЕЙН или ПРЕДСКАЗ, а именно прогноз, равный 161 499 тыс. руб.
3. Критерий maximax предполагает использовать максимальный вариант оптимистической оценки, размер которой для расчета прогнозируемого товарооборота составит 184 983 тыс. руб., что соответствует использованию модели Брауна.
4. Критерий Гурвица. Он является средним между maximax и maximin. Для этого вводят коэффициент оптимизма. При а = 0,5 также наиболее оптимальным является значение, рассчитанное с помощью трендовой модели (линейного тренда 1) и равное 166 696 тыс. руб.
5. Критерий минимального риска Сэвиджа (minimax) рекомендует выбирать в качестве оптимальной стратегии ту, при которой величина максимального риска минимизируется в наихудших условиях. Значение прогнозируемого объёма продаж согласно данному критерию составит 182 076 тыс. руб., что соответствует трендовой модели 1 при оптимистической ситуации на рынке.
Таким образом, согласно приведённым выше критериям, наиболее оптимальным вариантом прогнозирования объёма продаж товаров на будущий год следует признать регрессионную модель, рассчитанную с помощью линейного тренда и дающую представление о размере товарооборота в сумме 166 696 тыс. руб. Однако данная величина объёма продаж товаров существенно ниже полученной средней прогнозируемой величины товарооборота.
Учитывая ежегодные темпы инфляции, целесообразно закладывать её в прогнозные значения планируемых величин. Исходя из заложенного в бюджет на будущий год значения индекса цен по Хабаровскому краю, равного 1,120[14], величина объёма продаж в будущем году должна составлять не менее 168 000 тыс. руб. Таким образом, оптимальней всего использовать прогнозное значение, рассчитанное как среднее арифметическое всех полученных прогнозных величин, и равное 168 665 тыс. руб. С учётом же заключенных торговых сделок с поставщиками на будущий год прогнозный объём продаж нами взят в объёме 169 100 тыс.руб.
Вторым этапом планирования объёма продажи товаров является их реализация в разрезе отдельных периодов года, в частности кварталов. И теория, и практика используют один и тот же подход: сложившийся за предплановый период времени за последние 3–5 лет среднегодовые удельные веса оборота каждого квартала умножаются на общий объём прогноза продажи товаров на будущий год. Покажем методику планирования оборота в разрезе отдельных кварталов на примере табл. 3.1.16.
Таблица 3.1.16.
Расчёт прогноза продажи товаров в разрезе
отдельных кварталов на будущий год
сумма – тыс.руб.
удельный вес в % к итогу
| Период года (кварталы) | Сложившийся среднегодовой удельный вес | Прогноз объёма продажи товаров |
| 1 2 3 4 | 23,4 24,8 25,6 26,2 | 39 569 41 937 43 290 44 304 |
| ИТОГО | 100 | 169 100 |
Аналогичная методика используется и для планирования оборота по продаже товаров в разрезе отдельных месяцев года.
Важное значение при прогнозировании оборота по продаже товаров отводится определению его структуры. Соотношение отдельных товарных групп в общем объёме связано с их значимостью в формировании валового дохода, издержек обращения и прибыли. Поэтому третий этап предусматривает составление прогноза ассортиментной структуры оборота на будущий год.
К сожалению, существуют неадекватные подходы теории и практики к определению прогноза ассортиментной структуры оборота. Научно-методическая литература рекомендует исходить из ожидаемого размера покупательного фонда населения и степени удовлетворения спроса на отдельные товары. Практика же в основу расчёта кладёт сложившиеся среднегодовые удельные веса каждой товарной группы в общем объёме продажи товаров, а также темпы роста за последние 3–5 лет. Данный подход был использован и нами, что видно из табл.3.1.17.
Таблица 3.1.17.
Прогноз продажи товаров
в ассортиментном разрезе на будущий год
тыс.руб.
| Товарная группа | Оборот по продаже товаров | Темп роста в % | Удельный вес в % к итогу | ||
| отчетный год | планируе-мый год | отчетный год | планируемый год | ||
| 1. Мясо и птица | 16 950 | 20 799 | 122,7 | 11,3 | 12,3 |
| 2. Колбасные изделия | 27 750 | 32 974 | 118,8 | 18,5 | 19,5 |
| 3. Жиры животные | 18 750 | 19 446 | 103,7 | 12,5 | 11,5 |
| 4. Рыба, сельди | 10 200 | 9 808 | 96,2 | 6,8 | 5,8 |
| 5. Сахар | 7 650 | 5 242 | 68,5 | 5,1 | 3,1 |
| 6. Кондитерские изд-я | 14 100 | 17 586 | 124,7 | 9,4 | 10,4 |
| 7. Макаронно-крупя- ные изделия | 3 901 | 2 706 | 69,4 | 2,6 | 1,6 |
| 8. Овощи, фрукты, соки | 10 150 | 18 263 | 179,9 | 6,8 | 10,8 |
| 9. Алкогольные нап-ки | 32 600 | 33 313 | 102,2 | 21,7 | 19,7 |
| 10. Безалког. нап-ки | 5 555 | 7 948 | 143,1 | 3,7 | 4,7 |
| 11. Остальные товары | 2 394 | 1 015 | 42,4 | 1,6 | 0,6 |
| Итого: | 150 000 | 169 100 | 112,7 | 100 | 100 |
Как видно из табл. 3.1.17, в планируемом году в ассортиментной структуре оборота произойдут следующие изменения:
1. прогнозируется максимально увеличить продажу овощей, фруктов, соков, а также безалкогольных напитков, имеющих торговую надбавку значительно превышающую, чем средняя по предприятию (соответственно на 79,9 и 43,1% при среднем по предприятии приросте объёма продаж на 12,7%;
2. предусматривается также увеличить продажу товарных групп с высокой доходностью: мяса и птицы на 22,7 %; колбасных изделия на 18,8%; кондитерских изделий на 24,7%;
3. прогнозируется снизить объём и долю продаж товарных групп, имеющих торговую надбавку ниже чем, средняя по предприятию: рыбы и сельди на 3,8%, сахара на 31,5%; макаронных и крупяных изделий на 40,6%; остальных сопутствующих товаров почти в 1,6 раза.
Данные изменения связаны с прогнозируемым возрастанием валового дохода на будущий год, а следовательно, и ростом ожидаемой прибыли от реализации товаров, при прочих равных условиях.
Как известно, главнейшей целью работы каждого коммерческого предприятия является получение оптимальной прибыли, размер которой во многом зависит от полученного дохода от реализации товаров.
На величину дохода, прежде всего, оказывают позитивное и негативное воздействие изменение объёма выручки и её ассортиментной структуры.
Так, в частности, как видно из приведённой табл. 3.1.18, за счёт роста прогнозируемой выручки на 19 100 тыс.руб. сумма валового дохода возрастет в будущем году на 4 456 тыс.руб. (19 100 тыс.руб.х23,33% : 100%).
Таблица 3.1.18
Влияние изменения ассортиментной структуры оборота на увеличение размера валового дохода в отчётном году[15]
Сумма – тыс.руб.
Удельный вес – в %
Уровень – в % к
обороту
| 1 вариант | 2 вариант | |||||||||
| Товарная группа | Выручка | Валовой доход | Выручка | Валовой доход | ||||||
| сумма | уд. вес | сумма | уро-вень | уд. вес | сумма | уд. вес | сумма | уро-вень | уд. вес | |
| Мясо, птица | 16 950 | 11,3 | 4 238 | 25 | 12,1 | 18 450 | 12,3 | 4 612 | 25 | 12,1 |
| Колбасные изделия | 27 750 | 18,5 | 6 938 | 25 | 19,8 | 29 250 | 19,5 | 7 312 | 25 | 19,2 |
| Рыба, сельди | 18 750 | 12,5 | 3 750 | 20 | 11,1 | 17 250 | 11,5 | 3 450 | 20 | 9,1 |
| Жиры | 10 200 | 6,8 | 2 244 | 22 | 6,2 | 8 700 | 5,8 | 1 914 | 22 | 5,0 |
| Сахар | 7 650 | 5,1 | 1 377 | 18 | 3,9 | 4 650 | 3,1 | 837 | 18 | 2,2 |
| Кондитерские изделия | 14 100 | 9,4 | 4 230 | 30 | 12,1 | 15 600 | 10,4 | 4 680 | 30 | 12,3 |
| Макароны, крупа | 3 901 | 2,6 | 663 | 17 | 1,9 | 2 400 | 1,6 | 408 | 17 | 1,1 |
| Овощи, фрукты, соки | 10 150 | 6,8 | 5 827 | 57 | 16,7 | 16 200 | 10,8 | 9 234 | 57 | 24,3 |
| Алкогольные напитки | 32 600 | 21,7 | 3 260 | 10 | 9,3 | 29 550 | 19,7 | 2 955 | 10 | 7,8 |
| Безалкогольные напитки | 5 555 | 3,7 | 1 944 | 35 | 5,5 | 7 050 | 4,7 | 2 468 | 35 | 6,5 |
| Остальные продукты | 2 394 | 1,6 | 479 | 20 | 1,4 | 900 | 0,6 | 180 | 20 | 0,5 |
| Всего | 15 0000 | 100 | 34 950 | 23,33 | 100 | 150 000 | 100 | 38 050 | 25,37 | 100 |
Вторым не менее важным фактором, влияющим на формирование валового дохода, является изменение ассортиментной структуры оборота (выручки). Для лучшего восприятия сказанного обратимся к помощи табл. 3.1.19. из которой видно следующее:
- без изменения взят объём выручки прошлого года, чтобы исключить его влияние на изменение валового дохода;
- предлагается по товарным группам, имеющих размер торговой надбавки выше, чем в среднем по предприятию (мясу и птице, колбасным изделиям, кондитерским изделиям) увеличить удельный вес продаж в ассортиментной структуре оборота на 1%, а по товарной группе «овощи, фрукты, соки» – на 4%.
Следовательно, прогнозируемое изменение ассортиментной структуры оборота в сторону увеличения удельного веса продаж товарных групп с максимальной торговой надбавкой позволит исследуемому предприятию дополнительно увеличить в будущем году величину валового дохода на 3 450 тыс.руб. (2,04% х 169 100 тыс.руб. : 100%).Таким образом, прогнозируемое увеличение выручки обеспечит в будущем году 56% общего прироста ожидаемого дохода (4 456 тыс.руб. : 7 951 тыс.руб. х 100%). А изменения, которые произойдут в ассортиментной структуре оборота, обеспечат прирост валового дохода на 44% планируемого общего по предприятию прироста дохода (3 450 тыс.руб. : 7 951 тыс.руб. х 100%).
Вопросы для самопроверки
- Какие существуют отличительные особенности понятия «планирование» и «прогнозирование»?
- Какие требования экономической теории, предъявляются к поставленным целям предприятия?
- В чём заключается сущность стратегии и тактики планирования (прогнозирования)?
- Покажите экономический механизм обоснования плана (прогноза) розничного товарооборота.
- Назовите составные части розничного товарооборота, укажите их взаимосвязь и взаимозависимость.
- Какие основные этапы целевого планирования оборота по продаже товаров можно выделить?
- Какие существуют методики планирования оборота по продаже товаров?
- В чём заключается технологический процесс планирования оборота по продаже товаров на основе использования методики:
а) объема продажи товаров в целом по предприятию;
б) продажи товаров в разрезе отдельных периодов года;
в) продажи товаров по отдельным товарным группам?
3.2 Нормирование и планирование текущих товарных запасов на будущий год
Как уже отмечалось, исследуемое торговое предприятие не только за два года своего существования не занималось прогнозированием результатов своей хозяйственной деятельности, но даже и проведением анализа состояния и использования текущих товарных запасов, определения эффективности их использования. Их формирование происходило спонтанно. В этой связи мы взяли на себя смелость самостоятельно провести нормирование и планирование (прогнозирование) текущих товарных запасов на предстоящий год, используя для этого рекомендованную к практическому внедрению методику бывшего Министерства торговли РСФСР (1989 года), а также методики, приведённые авторами учебно-методической литературы, предназначенной для высших учебных заведений по подготовке специалистов для торговли (проф. Гребнев И.М., Валевич Р.П., Аванесов Ю.А. и др.).
Нормирование означает разработку норм запасов в днях оборота как по каждой товарной группе в отдельности, так и в целом по предприятию на предстоящий период времени.
Планирование (прогнозирование) предполагает разработку нормативов в сумме как по каждой группе товаров, так и в целом по исследуемому предприятию, используя метод технико-экономических расчётов.
На первом этапе рассчитываются норма и норматив по каждой товарной группе в отдельности; методика планирования показана на примере группы «кондитерские изделия» в табл.3.2.1.
Механизм нормирования запасов товаров состоит в следующем:
· во-первых, рассчитывается первая часть запаса в днях оборота, предназначенная для показа покупателям имеющихся ассортиментных разновидностей данной товарной группы и осуществления их однодневной продажи. Для чего следует количество ассортиментных разновидностей в торговом зале предприятия умножить на среднюю цену одной разновидности; к полученному произведению следует добавить сумму прогнозируемой среднедневной продажи данного товара, затем окончательный результат числителя следует разделить на прогнозируемый среднедневной объём продажи этой товарной группы;
Таблица 3.2.1
Расчёт нормы и норматива запаса по кондитерским изделиям
на IV квартал будущего года
| 1. | Количество ассортиментных разновидностей – 59 единиц |
| 2. | Средняя цена одной разновидности – 17 100 руб. |
| 3. | Среднедневная продажа – 64 200 руб. |
| 4. | Первая часть торгового запаса: [(1х2)+ 3] : 3 = 16,7 дня |
| 5. | Количество ассортиментных разновидностей, поступающих в одной партии – 19 единиц |
| 6. | Частота завоза – 3 дня |
| 7. | Коэффициент комплектности поставки: (гр.5. : гр.1.) 19 : 59 = 0,32 |
| 8. | Частота завоза с учётом коэффициента комплектности поставки: (гр.6. : гр.7.) 3 : 0,32 = 9,4 дня |
| 9. | Вторая часть торгового запаса: ( 50 % х гр.8) 9,4 : 2 = 4,7 дня |
| 10. | Итого торговый запас : (гр.4. + гр.9.) 16,7 +4,7 = 21,4 дня |
| 11. | Страховой запас: (15% * гр.10.) 15% х 21,4 = 3,2 дня |
| 12. | Время на приёмку и подготовку товара к продаже – 0,4 дня |
| 13. | Общая норма запаса в днях оборота: (гр.10. + гр.11. + гр.12.) 21,4 + 3,2 + 0,4 = 25 дней |
| 14. | Норматив запаса кондитерских изделий в сумме: (гр.13.х гр.3.) 25х64 200 = 1 605 тыс.руб. |
· во-вторых, определяется коэффициент комплектности поставки, для чего количество разновидностей, поступающих в среднем в одной партии, следует разделить на общее количество ассортиментных разновидностей, находящихся в торговом зале предприятия;
· в-третьих, рассчитывается частота завоза с учётом коэффициента комплектности товара. В этой связи, следует сложившуюся на предприятии частоту завоза товара разделить на рассчитанный коэффициент комплектности поставки изделия. Данный показатель показывает, за сколько дней в среднем обновятся все ассортиментные разновидности, имеющиеся в торговом зале предприятия;
· в-четвёртых, учитывая, что товарные запасы колеблются от минимума накануне завоза до максимума в период завоза, для расчёта второй части торгового запаса берётся только половина всей рассчитанной частоты завоза с учётом коэффициента комплектности поставки товара;
· в-пятых, путём сложения норм первой и второй частей определяют общий торговый запас;
· в-шестых, в силу нестабильности завоза товара методика предусматривает создание определённого резерва запаса по данной товарной группе, причём страховой запас по продовольственным невзаимозаменяемым товарам не должен превышать 100 %, а по взаимозаменяемым продуктам питания и всем непродовольственным товарам их предельный размер – 50 % ко всему торговому запасу. Учитывая относительную устойчивость в завозе почти всех продуктов питания, мы тем не менее взяли минимальный размер страхового запаса – 15 %;
· в-седьмых, время на прёмку и подготовку товара к продаже определяется по фактически сложившемуся времени;
· в-восьмых, путём сложения общего торгового и страхового запаса, с учётом времени на приёмку товара, рассчитывают общую (среднюю) норму запаса по конкретной группе товара в днях оборота на предстоящий период времени;
· в-девятых, для определения потоварного норматива запаса в сумме следует рассчитанную норму в днях оборота умножить на прогнозируемый среднедневной оборот по данной товарной группе.
Аналогично норму и норматив можно рассчитать по каждой товарной группе, тем более, что компьютерная техника позволяет обрабатывать необходимый банк данных с минимальными трудовыми затратами.
Нормы и нормативы целесообразнее рассчитывать на срок не более два года, с учётом внесения последующих корректировок. Как известно, нормирование и планирование в рыночных условиях является одним из главнейших методов механизма управления товарными запасами и товарооборачиваемостью, поэтому эффективность их использование в будущем полностью зависит от правильного принятия управленческих решений.
Отечественная специальная экономическая литература рекомендует при прогнозировании товарных запасов на будущий год, кроме метода технико-экономических расчётов, использовать также следующие методы:
1. экономико-статистический;
2. удельных приращений (использование скользящей средней динамического ряда);
3. экономико-математический с использованием теории управления товарными запасами и др.
Так, например, среди экономико-статистических методов наиболее широкое распространение, по оценке учёного Соломатина, получил метод скользящей средней динамического ряда. Суть метода заключается в выравнивании уровня товарных запасов в днях оборота в динамике за последние пять лет и распространения рассчитанной тенденции в его развитии на будущий год.
Расчёт нормы товарного запаса в днях оборота производится по формуле
Откуда расчёт среднегодового изменения уровня товарных запасов в днях оборота за весь исследуемый период времени определим по формуле
,
где 
– среднегодовое изменение уровня товарных запасов в днях оборота;
– прогнозируемый товарный запас в днях оборота;
– конечный товарный запас в днях оборота;
–начальный товарный запас в днях оборота;
– число взятых лет.
В результате общая норма товарного запаса в днях оборота составит на будущий год:
Кпр. = 
+2
Умножив рассчитанную норму на прогнозируемый среднедневной оборот, получим норматив товарных запасов в сумме на будущий год. Согласно отечественным методическим рекомендациям по управлению товарными запасами, норма и норматив обычно рассчитываются на конец четвёртого квартала будущего года, в котором товарооборот наибольший в году. По приведенным формулам можно рассчитать норму товарного запаса по каждой ведущей товарной группе.
На втором этапе рассчитываются нормы и нормативы, их прогноз на предстоящий период времени в ассортиментном разрезе. Учитывая, что наибольший объём розничного товарооборота приходится на IV квартал года, нормы и норматив рассчитываются именно на IV квартал будущего года, что нами и было сделано (см. табл.3.2.2).
Исходя из реальных условий движения текущих товарных запасов за предплановый период времени, мы предусмотрели незначительное снижение нормы товарного запаса на конец планируемого года по макаронно-крупяным изделиям на 1 день, алкогольной продукции на 2 дня, безалкогольной продукции на 11 дней. Тем не менее прогнозируется, с учётом ожидаемого возрастания объёма продаж товаров, увеличение прироста норматива товарных запасов на конец планируемого года с 7 436 тыс. руб. до 8 074 тыс. руб.
Таблица 3.2.2
Дата: 2018-12-21, просмотров: 365.
