Andrzej Wojciechowski, Natalia
Wojciechowska
Zastosowanie klasycznych metod
prognozowania popytu w logistyce
dużych sieci handlowych
Problemy Zarządzania, Finansów i Marketingu 41/2, 545-555
NR 875 PROBLEMY ZARZĄDZANIA, FINANSÓW I MARKETINGU NR 41, t. 2 2015 DOI: 10.18276/pzfm.2015.41/2-44 A N D R Z E J W O J C I E C H O W S K I 1 S z k o ła G łó w n a G o s p o d a r s tw a W ie js k ie g o w W a r s z a w ie N A T A L I A W O J C I E C H O W S K A 1 2 U n iw e r s y te t W a r s z a w s k i
ZASTOSOWANIE KLASYCZNYCH METOD
PROGNOZOWANIA POPYTU W LOGISTYCE DUŻYCH
SIECI HANDLOWYCH
S t r e s z c z e n i e
Artykuł jest próbą wskazania właściwego podejścia do planowania zapasów. Wymaga to wła ściwego doboru metody prognostycznej przez zharmonizowanie relacji między podażą a popytem. Proces powinien polegać na minimalizacji zapasów oraz ograniczeniu kosztów powiązanych z tym procesem. Pojęcia podaży i popytu są komplementarne i obustronnie się uzupełniają. Autorzy ar tykułu starali się poszukać odpowiedniej metody prognozowania. Dobór metody jest zależny od różnych aspektów i czynników zewnętrznych m.in. rodzaju popytu, dla którego tworzy się pro gnozę. W rzeczywistości logistycznej należy uwzględnić dwa rodzaje popytu - popyt zależny i niezależny. Popyt zależny definiowany jako popyt na dobra bądź usługi wywołany zapotrzebo waniem na inne produkty. Popyt niezależny, który jest rezultatem decyzji podjętych przez nabyw ców końcowych, wykształca się pod wpływem czynników systematycznych i losowych.
Słowa kluczowe: planowanie zasobów, metody prognozowania popytu, logistyka, sieci handlowe
W p r o w a d z e n i e P r o g n o z o w a n ie p o p y tu w e w s p ó łc z e s n y m b iz n e s ie m a k lu c z o w e z n a c z e n ie d la d o s ta w c y , p r o d u c e n ta i s p r z e d a w c y . P r o g n o z y d e c y d u ją o ilo ś c i to w a r ó w , k tó r e p o w in n y b y ć z a k u p io n e , p r o d u k o w a n e i d o s ta rc z o n e . P r o g n o z y k r e u ją p r o c e s y i o p e r a c je z n im i z w ią z a n e . D o s ta r c z e n ie p r o d u k tu o d p r o d u c e n ta d o k lie n ta 1 andrzej_wojciechowski1@sggw.pl. 2 nat-89@wp.pl
w y m a g a c z a s u , z d e c y d o w a n ie b a r d z ie j w y d łu ż o n e g o w w y p a d k u a r ty k u łó w i m p o r to w a n y c h . N ie z b ę d n e j e s t p r z e w id y w a n ie i p la n o w a n ie p r z y s z łe g o z a p o tr z e b o w a n ia n a p r z e p ły w y w lo g is ty c z n y m ła ń c u c h u d o s ta w . Z n a jo m o ś ć p r z y s z ły c h d o s ta w z n a c z ą c o p o p r a w ia p la n o w a n ie w e w s z y s tk ic h o b s z a r a c h lo g is ty k i. T y m s a m y m z a g a d n ie n ie p r o g n o z o w a n ia w d z ia ła ln o ś c i lo g is ty c z n e j sta je się k lu c z o w y m p r o b le m e m , k tó r y w y m a g a s z c z e g ó ło w y c h a n a liz w r e a lia c h w s p ó łc z e s n y c h p r z e d s ię b io r s tw . W ła ś c iw ie p r z y ję te p r o g n o z y i d o b r z e o k r e ś lo n e h o r y z o n ty c z a s o w e z a r z ą d z a n ia z a p a s a m i p o z w a la ją n a o p ty m a ln e d o p a s o w a n ie d o s ta w , e lim in u ją e w e n tu a ln e b r a k i w d o s ta w a c h o r a z r e d u k u ją lic z b ę m ie js c p a le to w y c h w m a g a z y n a c h . Z ja w is k o to s z c z e g ó ln ie w a ż n e j e s t w lo g is ty c e s ie c i h ip e r m a r k e tó w . P r o g n o z y p o p y tu s ą k o n ie c z n e z e w z g lę d u n a p o d s ta w o w e p r o c e s y o p e r a c y jn e - d o s ta r c z e n ie p r o d u k tu o d p r o d u c e n ta d o k lie n ta w y m a g a c z a s u , z d e c y d o w a n ie b a r d z ie j w y d łu ż o n e g o w p r z y p a d k u a r ty k u łó w im p o r to w a n y c h . T y m s a m y m w e w s p ó łc z e s n e j lo g is ty c e n ie z b ę d n e sta je się p r z e w id y w a n ie i p l a n o w a n ie p r z y s z łe g o z a p o tr z e b o w a n ia . D a je to m o ż liw o ś ć s k u te c z n e g o r e a g o w a n ia n a z m ia n y , a p r z e d e w s z y s tk im z a m ó w ie n ia k lie n tó w . Z a ł o ż e n i a b a d a w c z e i p r z y j ę t e m e t o d y b a d a ń A u to r z y a r ty k u łu j a k o c e l p o z n a w c z y p r z y ję li m o ż liw ie w s z e c h s tr o n n e r o z p o z n a n ie p r o c e s u s p r z e d a ż y w in im p o r to w a n y c h w b a d a n e j sie c i s u p e rm a r k e tó w . N a p o d s ta w ie d a n y c h h is to r y c z n y c h z d e f in io w a li z ja w is k a , k tó r e is to tn ie p r z y c z y n ia ją się d o z m ia n s p r z e d a ż y o r a z o k r e ś lili i d o b r a li w ła ś c iw e m e to d y p r o g n o z o w a n ia .
J a k o g łó w n y c e l b a d a w c z y p r z y ję li o p r a c o w a n ie m o d e lu o k r e ś la n ia p o z io m u z a p a s ó w w in im p o r to w a n y c h w b a d a n e j s ie c i h a n d l o w e j. C e le p o m o c n ic z e s k o n c e n tr o w a n o n a p o z y s k a n iu w ie d z y d o ty c z ą c e j z a r z ą d z a n ia z a p a s a m i w in i o k r e ś le n iu w ie lk o ś c i ( ilo ś c i) ic h z a m ó w ie ń w o k r e ś lo n y m c z a s ie . R o z w ią z a n ie ta k ie m ia ło b y u s p r a w n ić p r o c e s z a r z ą d z a n ia z a p a s a m i i p r z e p ły w a m i w lo g is ty c z n y m ła ń c u c h u d o s ta w w in im p o r to w a n y c h w b a d a n e j s ie c i s k le p ó w . B a d a n y a s o r ty m e n t z o s ta ł p o d z ie lo n y n a m a r k i o r a z k o lo r y w in . Z a u w a ż o n o , ż e d o ty c h c z a s o w y s y s te m z a r z ą d z a n ia z a p a s a m i w in im p o r to w a n y c h w s ie c i j e s t ź le z o r g a n iz o w a n y i w y m a g a o p r a c o w a n ia n o w e g o m o d e lu p r o g n o s ty c z n e g o , k tó r y u w z g lę d n i tr e n d , w a h a n ia s e z o n o w e i lo s o w e o r a z p o z w o li u s ta b iliz o w a ć z a p a s n a o k r e ś lo n y m p o z io m ie b e z p ie c z e ń s tw a . D o b ó r o b ie k tu b a d a w c z e g o b y ł c e lo w y . B a d a n ie z r e a liz o w a n o n a z a m ó w ie n ie s ie c i h a n d lo w e j f u n k c jo n u ją c e j n a r y n k u p o ls k im . W s w o im a s o r ty m e n c ie
o f e r u je o n a k lie n to m p r o d u k ty z c a łe g o ś w ia ta , w ty m s z e r o k ą g a m ę w in im p o r to w a n y c h . O b ie k t b a d a w c z y m a b o g a te d a n e h is to r y c z n e , s ię g a ją c e 1 9 9 7 ro k u , ś w ia d c z ą c e o s p r z e d a ż y w in im p o r to w a n y c h w P o ls c e . D o d a tk o w o p r z e p r o w a d z o n o w y w ia d y o r a z a n k ie ty w ś r ó d k lie n tó w , a ta k ż e p r a c o w n ik ó w firm y . S z e r o k im ź r ó d łe m w ie d z y b y ły u d o s tę p n io n e d o k u m e n ty , tj. r a p o r ty z a m ó w ie ń i s p r z e d a ż y w in o r a z in n e z g r o m a d z o n e d a n e . A n a li z a d o k u m e n ta c y jn a o p a r ta b y ła n a b a d a n iu i o c e n ie r a p o r tó w s p r z e d a ż y w in a im p o r to w a n e g o , a n a liz ie w y j ść m a g a z y n o w y c h w in a o r a z w o lu m e n u s p r z e d a ż y . D a n e te w s tę p n ie p o z w o liły o s z a c o w a ć w ie lk o ś c i z a p a s ó w b e z p ie c z e ń s tw a . M e to d y p r z e tw a r z a n ia d a n y c h p o le g a ły n a g r u n to w n e j a n a liz ie k a ż d e j m a rk i w in a (w a r ty k u le z e w z g lę d u n a je g o o b ję to ś ć z e s ta w io n o w y łą c z n ie d w a p r z y k ła d y , m o d e l p r o g n o s ty c z n y b u d o w a n y w p r a k ty c e tw o r z o n y b y ł n a 8 7 d o b r a n y c h c e lo w o o b ie k ta c h , k a ż d y o b ie k t o d p o w ia d a ł je d n e j m a rc e w in a im p o r to w a n e g o ) . P r z e p r o w a d z o n e b a d a n ia p o z w o liły o k r e ś lić z w ią z k i p r z y c z y n o w o - s k u tk o w e o r a z d e s k r y p c ję (o p is s y tu a c ji, s ta n ó w ) z a p o m o c ą d a n y c h i p r o s ty c h m o d e li g r a f ic z n y c h . W y n ik i z a p r e z e n to w a n o w ta b e la c h , w y k r e s a c h , d ia g r a m a c h o r a z w f o r m ie te k s to w e j.
T e o r e t y c z n e a s p e k t y p r o g n o z o w a n i a w lo g is ty c e
D z iś z lo g is ty k ą s iln ie łą c z y się k w e s t ia p r o g n o z o w a n ia , k tó r a w p r a k ty c e je s t z w ią z a n a z w ie l k o ś c i ą p o p y tu to w a r ó w w o k r e ś lo n y c h o k r e s a c h . Z d e f in io w a n ie r z e c z y w is te j p o tr z e b y d ó b r n a r y n k u j e s t k o n ie c z n y m w a r u n k ie m b u d o w a n ia p la n u s p r z e d a ż y , k tó r y n a s tę p n ie sta je się b o d ź c e m d o o p r a c o w a n ia p la n u p r o d u k c ji. W k o n s e k w e n c ji u s ta la się w ie lk o ś c i z a m ó w ie ń o r a z o k r e ś la w ie lk o ś ć z a k u p ó w d o n ie z b ę d n e g o z a o p a tr z e n ia . T a k i z a m k n ię ty c y k l n a z y w a n y j e s t w lit e r a tu r z e p r z e d m io tu z e g a r e m lo g is ty k i. Z n a jo m o ś ć z a s a d i r e g u ł d z ia ła n ia z e g a r a o r a z d a n e u m o ż liw ia ją s k u te c z n ie o p r a c o w y w a ć p r o g n o z y p o p y tu to w a r ó w , k tó r e p r z e k ła d a ją się n a d z ia ła n ia lo g is ty c z n e .
A . P lu ta - Z a r e m b a w s k a z u je , ż e p r o g n o z o w a n ie to p r o c e s p r z e w id y w a n ia p r z y s z ło ś c i. W e d łu g a u to rk i p r z e w id y w a n ie n a d c h o d z ą c y c h z d a r z e ń , tj. p o z io m s p r z e d a ż y m a o lb r z y m i w p ły w n a e f e k ty w n e f u n k c jo n o w a n ie p r z e d s ię b io r s tw , b ę d ą c is to tn y m o g n iw e m p r o c e s u z a r z ą d z a n ia f ir m ą 3. P o d o b n e s ta n o w is k o r e p r e z e n tu je K . F ic o ń . A u to r w s k a z u je p r o g n o z o w a n ie j a k o p r z e w id y w a n ie p r z y s z ło ś c i n a p o d s ta w ie p r z e s ła n e k b a r d z o ró ż n e j n a tu ry , n a jc z ę ś c ie j h is to r y c z n y c h , z n ie o d le g łe j p r z e s z ło ś c i. Z a p o d s ta w ę p r o g n o z o w a n ia g o s p o d a r c z e g o u z n a je śc is łe m e to d y n a u k o w e k o n s tr u o w a n e p r z e d e w s z y s tk im n a b a z ie s ta ty s ty k i, e k o n o m e tr ii o r a z b a d a ń o p e r a c y jn y c h . D o o p r a c o w a n ia ta k ie j
p r o g n o z y n ie z b ę d n e s ą o d p o w ie d n io p r z y g o to w a n e d a n e s ta ty s ty c z n e z n ie o d le g łe j p r z e s z ło ś c i4.
Z k o le i M . C ie ś la k c h c ą c o k r e ś lić p r o g n o z o w a n ie , z a c z y n a o d d e f in ic ji p r z e w id y w a n ia , k tó r e p r z e d s ta w ia j e j a k o w n io s k o w a n ie o z d a r z e n ia c h n ie z n a n y c h n a p o d s ta w ie z d a r z e ń z n a n y c h . P r o g n o z o w a n ie n a to m ia s t, p o r ó w n y w a ln ie d o i n n y c h a u to r ó w , o p is u je j a k o r a c jo n a ln e , n a u k o w e p r z e w id y w a n ie p r z y s z ły c h z d a r z e ń 5. N ie c o b a rd z ie j r o z b u d o w a n ą d e f in ic ję p r e z e n tu je A . Z e lia ś , k tó r y c h a r a k te r y z u je p r o g n o z o w a n ie j a k o w y b ó r n a jb a r d z ie j p r a w d o p o d o b n e j d r o g i r o z w o ju w y r ó ż n io n e g o z ja w is k a e k o n o m ic z n e g o w n a d c h o d z ą c y m o k r e s ie , p r z y c z y m p o d s ta w ą te g o w y b o r u j e s t d o ty c h c z a s o w y p r z e b ie g z j a w is k a i a k tu a ln y s ta n u k ła d u 6. A u to r z y b a d a ń p r z y ję li, ż e is t o tą p r o g n o z o w a n ia (w b a d a n y m p r z y p a d k u ) j e s t w n io s k o w a n ie s ta ty s ty c z n e z in te g r o w a n e z a n a liz ą z d a r z e ń , z ja w is k i f a k tó w , k tó r e w y d a r z y ły się w p r z e s z ło ś c i. W b a d a n iu p o d k r e ś lili f a k t n ie p e w n o ś c i p r o g n o z y o r a z z d e f in io w a li s to p ie ń p r a w d o p o d o b ie ń s tw a p o p e łn ie n ia b łę d u p r o g n o z y , j a k i z a w ie r a w s o b ie p r o g n o z o w a n ie , m im o u ż y w a n y c h m e to d m a te m a - ty c z n y c h 7. W y b r a n e m e t o d y p r o g n o z o w a n i a w lo g is ty c e N a jw a ż n ie js z y m e le m e n te m p r o c e s ó w lo g is ty c z n y c h j e s t s te ro w a n ie s tr u m ie n ia m i m a te r ia ło w y m i, k tó r e o d b y w a się w s k a li o p e r a c y jn e j, c z y li d o ty c z y k r ó tk ic h o k r e s ó w . O d p o w ie d n im i m e to d a m i p r o g n o z o w a n i a d la ta k ic h d z ia ła ń s ą m e to d y o p a r te n a a n a liz ie s z e r e g ó w c z a s o w y c h d a n e j z m ie n n e j, n a z y w a n e te ż m o d e la m i te n d e n c ji r o z w o jo w e j. P o w s z e c h n ie s to s o w a n y m i w g o s p o d a r k a c h k r a jó w z a c h o d n ic h s ą m o d e le a d a p ta c y jn e p r o g n o z o w a n ia k r ó tk o te r m in o w e g o , m ie s z ą c e się w g r u p ie m o d e li te n d e n c ji r o z w o jo w e j. W y ją tk o w o w a r to ś c io w e s ą m o d e le a d a p ta c y jn e b a z u ją c e n a w y g ła d z a n iu w y k ła d n ic z y m . C e c h u ją się o n e n ie d u ż y m z a p o tr z e b o w a n ie m in f o r m a c y jn y m o r a z p r z y p is y w a n ie m w ię k s z e j w a g i n o w s z y m in f o r m a c jo m o z m ie n n e j p r o g n o z o w a n e j8.
4 K. Ficoń, Procesy logistyczne w przedsiębiorstwie, Wyd. Impuls Plus Consulting, Gdynia 2001, s. 175.
5 Prognozowanie gospodarcze. Metody i zastosowania, red. M. Cieślak, Wyd. Naukowe PWN, Warszawa 2005, s. 18.
6 C. Skowronek, Z. Sarjusz-Wolski, Logistyka w przedsiębiorstwie, PWE, Warszawa 2012, s. 23. 7 Ibidem, s. 175.
8 W.J. Lattyak, H.H. Stokes, Exponential smoothing forecasting using SCAB34S and SCA Work
Bench, http://hhstokes.people.uic.edu/ftp/e537/Exponential%20Smoothing%20Forecasting.pdf, s. 215 (20.06.2015).
Jednym z najpopularniejszych i zarazem najprostszych modeli wykorzystu
jących wygładzanie wykładnicze jest podstawowy model Browna. Model
Browna stosuje się do szeregów czasowych, które nie wykazują wyraźnej ten
dencji rozwojowej oraz sezonowości. Stała wygładzania a jest używana do kon
troli tempa, z jakim aktualizowane prognozy będą dostosować się do poziomu
średniej szeregu czasowego9. Rekurencyjną postać równania modelu Browna jest
zapis:
Ot = a y t + (1 - a ) a t - i
(1)
gdzie:
a t , a t-1 - wyrównane wykładniczo średnie odpowiednio po okresach
t oraz t - 1,
y t
- ostatnio zaobserwowana wielkość zmiennej prognozowanej,
a
- param etr wyrównania wykładniczego, który może przyjmować
wartości z przedziału <0;1>10 1
1
.
Model Browna jest rozwinięciem metody średnich ważonych. W agi m aleją
wykładniczo wraz z coraz starszymi danymi. W artość a dobiera się np. na pod
stawie kryterium najmniejszego błędu średniokwadratowego prognoz wyga-
słych11.
Z. Sarjusz-Wolski zwraca uwagę na to, że im bliżej jedności jest param etr a,
tym bardziej nowo obliczona średnia uwzględnia najnowszą wartość zmiennej
prognozowanej. W przypadku przyjęcia a = 1, oceną wartości zmiennej stałaby
się tylko ostatnia faktyczna wartość zmiennej prognozowanej. W związku z tym
prognoza na kolejny okres będzie równa ostatnio zaobserwowanej wartości tej
zmiennej. Taki model natomiast, gdzie y t +1 = y t , nazywany jest modelem
na-iwnym 12.
W celu wygładzenia szeregu czasowego, np. sprzedaży, zawierającego trend
oraz wahania, stosuje się liniowy model wygładzania wykładniczego Holta.
W przytoczonym modelu używa się wielomianu stopnia pierwszego do opisania
9 Ibidem, s. 5.
10 P. Dittmann, E. Szabela-Pasierbińska, I. Dittmann, A. Szpulak, Prognozowanie w zarządzaniu
przedsiębiorstwem, Wolters Kluwer Polska, Kraków 2009, s. 223.
11 L. Kowalski, Modelowanie i prognozowanie. M ateriały dydaktyczne, Warszawa 2010, s. 59, http://pis.rezolwenta.eu.org/Materialy/modelowanie.pdf (czerwiec 2015).
trendu13. Model Holta jest odpowiedni do budowania prognoz krótkotermino
wych w przypadku, kiedy szereg czasowy odznacza się istotnymi zmianami
trendu, czyli niestacjonarnością. Opisany jest następującym układem równań:
a t = a y t + (1 — a j ( a t-1 + bt- 1 ) - ocena wartości średniej
(2)
bt = ß ( a t — a t-1 j + (1 — ß j b t-1 - ocena przyrostu średniej (trendu)
(3)
y t +T = a t + bt * T
- prognoza na okres t + T
(4)
gdzie:
a t , a t-1 - średnie obliczone wykładniczo po okresach t (ostatnio zakończo
nym) i t - 1 (poprzednim),
bt, bt-1 - średnie zmiany trendu obliczone wykładniczo po okresach t i t - 1,
a , ß
- parametry wyrównania wykładniczego, które m ogą przyjmować
wartości z przedziału <0;1>,
y t
- ostatnia wartość zmiennej prognozowanej,
y t +T
- prognoza zmiennej y w okresie t + T (dla T = 1, 2,.. ,)14.
Formułując liniowy model wygładzania wykładniczego Holta potrzebuje po
czątkowych wartości a i b. W iele rozwiązań tego problemu m ożna znaleźć w li
teraturze naukowej. Jedna z propozycji polega na przyjęciu za a 1 pierwszej w ar
tości zmiennej prognozowanej: y 1, a za b1 - różnicy y 2 - y 1. Początkowymi
wartościami a 1 i b1 mogą być także odpowiednio: wyraz wolny i współczynnik
kierunkowy liniowej funkcji trendu oszacowanej na podstawie próbki wstępnej.
Kolejnym problemem pojawiającym się przy modelu Holta jest wyznaczenie
wartości parametrów a i ß . Parametry te określa się najczęściej za pom ocą serii
eksperymentów komputerowych, stosując różne kombinacje wartości param e
trów a i ß , po czym wybiera się tę, która minimalizuje średni błąd prognoz w y
gasłych15.
W przypadku szeregów czasowych z tendencją rozwojową, wahaniami sezo
nowymi oraz wahaniami przypadkowymi m ożna użyć modelu W intersa. W ste
rowaniu zapasami, które odbywa się w skali operacyjnej, mamy do czynienia
głównie z wahaniami sezonowymi, czyli zamykającymi się w cyklu rocznym.
W takim wypadku wyżej omawiane modele skutkowałyby prognozami obarczo
nymi błędem systematycznym. Z tego względu to właśnie model W intersa jest
13 P. Dittmann, E. Szabela-Pasierbińska, I. Dittmann, A. Szpulak, Prognozowanie w zarządza
niu..., s. 18.
14 Z. Sarjusz-Wolski, Sterowanie zapasami..., s. 59-61. 15 Ibidem, s. 67.
adekwatny do prognozowania szeregów czasowych z sezonowością. Przedsta
wiony poniżej model W intersa uwzględnia tzw. sezonowość multiplikatywną,
czyli taką, w której zmienność wielkości amplitudy wahań jest stała.
Sezonowość multiplikatywna w praktyce występuje częściej niż addytywna.
Omawiany model W intersa z sezonowością multiplikatywną można opisać za
pomocą następującego układu równań:
a t =
ct—K
+ (1 — a ) ( a t -1 + b t- 1 ) - ocena wartości średniej (trendu) (5)
bt = ß ( a t — a t - 1 ) + (1 — ß ) b t-1 - ocena przyrostu trendu
(6)
ct = — + (1 — y ) c t-K
- ocena wskaźnika sezonowości
(7)
y t +T = ( a t + bt * T )c t- K +T
- prognoza na okres t + T
(8)
gdzie:
a t , a t-1 - wartość średnia dla okresów t i t - 1,
bt, bt-1
- średnie zmiany trendu obliczone po okresach t i t - 1,
ct
- wskaźnik sezonowości dla okresu t,
K
- cykl sezonowości ( w przypadku danych miesięcznych K = 12,
zaś dla danych kwartalnych K = 4),
a , ß , y
- parametry wyrównywania wykładniczego, przyjmujące warto
ści z przedziału <0;1>,
y t
- ostatnia wartość zmiennej prognozowanej,
Уг+т
- prognoza zmiennej y w okresie t + T.
Badania własne - analiza wyników
N a rysunku 1 zestawiono prognozę oraz sprzedaż wina białego Bordeaux
Moelleux. Sezonowość sprzedaży wyraźnie wskazuje na wzrost kupna w m iesią
cach świątecznych (Boże Narodzenie, W ielkanoc). Przyjęta prognoza stosowana
w obiekcie badawczym (sieć hipermarketów - obiekt badawczy wykorzystuje
prostą prognozę według średniej arytmetycznej). Prognoza stosowana znacząco
odbiega od faktycznej sprzedaży. Jakakolwiek reakcja prognozy na wahania po
pytu następuje ju ż po okresie jej wzrostu bądź spadku, czyli jest zwyczajnie spóź
niona. Stosowane rozwiązanie sprawia, że prognozy są błędne. N a podstawie ze
branych dokumentów zdarzały się przypadki braku wybranych marek win
w asortymencie sklepu.
N a rysunku 2 przedstawiono analogiczne zestawienie danych dotyczących
wina białego wytrawnego. W tym wypadku sprzedaż wyróżnia się pewną cy-
klicznością. Prognoza wyraźnie oddaje charakter średniej arytmetycznej, słabo
reagując na wahania sprzedaży.
Rys. 1. Zestawienie prognozy stosowanej w obiekcie badawczym i sprzedaży wina białego, pół- słodkiego Bordeaux Moelleux
Źródło: opracowanie własne na podstawie danych obiektu badawczego.
Rys. 2. Zestawienie prognozy stosowanej w obiekcie badawczym i sprzedaży wina białego, wy trawnego Bordeaux
Źródło: opracowanie własne na podstawie danych obiektu badawczego.
W ty m w y p a d k u s p r z e d a ż w y r ó ż n ia się p e w n ą c y k lic z n o ś c ią . P r o g n o z a w y r a ź n ie o d d a je c h a r a k te r ś re d n ie j a r y tm e ty c z n e j, s ła b o r e a g u ją c n a w a h a n ia s p r z e d a ż y .
B a d a n i a w ł a s n e - p r o p o n o w a n y m o d e l p r o g n o z y
P r o g n o z a s p r z e d a ż y w in a b ia łe g o B o r d e a u x M o e lle u x s tw o r z o n a z a p o m o c ą m o d e lu W in te r s a , z a z n a c z o n a lin i ą „ w y k r o p k o w a n ą ” n a r y s u n k u 3, w r ę c z id e a
l-n ie tr a f ia w s p r z e d a ż r z e c z y w is tą w g r u d l-n iu 2 0 1 3 i 2 0 1 4 , c z y li w o k r e s ie l-n a j w y ż szej s p r z e d a ż y . M o d e l W i n te r s a n ie c o g o rz e j r a d z i s o b ie z p r o g n o z ą w m a r c u i k w ie tn iu 2 0 1 3 r o k u o r a z c z e r w c u i lip c u 2 0 1 4 ro k u , c o m o ż e b y ć s p o w o d o w a n e z b y t d u ż y m i w a h a n ia m i lo s o w y m i, k tó r y c h n ie j e s t się w s ta n ie d o k ła d n ie p r z e w id z ie ć . W s tę p n e b a d a n ia i d o k o n a n e p o m ia r y n a p o d s ta w ie r a p o r tó w z a m ó w ie ń i s p r z e d a ż y w s k a z u ją , ż e m o d e l W i n te r s a m o ż e b y ć z p o w o d z e n ie m s to s o w a n y p r z y n a jm n ie j w o k r e s a c h s p o d z ie w a n e g o w z r o s tu s p r z e d a ż y . W p r z y p a d k u w in a b ia łe g o w g r u d n iu k a ż d e g o ro k u .
Rys. 3. Zestawienie sprzedaży, prognozy stosowanej w obiekcie badawczym i prognozy według modelu Wintersa dla wina białego, półsłodkiego Bordeaux Moelleux
Źródło: opracowanie własne na podstawie danych obiektu badawczego.
W o d n ie s ie n iu d o k o le jn e g o b a d a n e g o w i n a - b ia łe g o B o r d e a u x , p r o g n o z a w e d łu g m o d e lu W i n te r s a p r z e b ie g a n ie m a lż e n a r ó w n i z e s p r z e d a ż ą , z n ie w i e l k im i o d c h y le n ia m i (ry s. 4 ). P r o g n o z a W i n te r s a d o b r z e r e a g u je n a w a h a n ia s e z o n o w e , p o d o b n ie j a k w p o p r z e d n im p r z y k ła d z ie . T a k t r a f n a p r o g n o z a ś w ia d c z y o n ie w ie lk ic h w a h a n ia c h lo s o w y c h b a d a n e j p o z y c ji o r a z n a r e g u la r n y c h w a h a n ia c h s e z o n o w y c h n a p o d o b n y m p o z io m ie . W ty m p r z y p a d k u tr a f n o ś ć p r o g n o z y W i n te r s a j e s t d u ż o b liż s z a rz e c z y w is te j s p r z e d a ż y n ie ty lk o w s e z o n ie , p r z y p a d a ją c y m d la te g o w in a w c z e r w c u i g r u d n iu , a le ta k ż e w p o z o s ta ły c h o k r e s a c h .
Rys. 4. Zestawienie sprzedaży, prognozy stosowanej w obiekcie badawczym i prognozy modelu Wintersa dla wina białego, wytrawnego Bordeaux
Źródło: opracowanie własne na podstawie danych obiektu badawczego.
W o d n ie s ie n iu d o p r z e d s ta w io n y c h w in c z e r w o n y c h , p r o g n o z a w y z n a c z o n a z a p o m o c ą m o d e lu W i n te r s a z n a c z n ie c e ln ie j tr a f ia w z w y ż k u ją c ą s p r z e d a ż g r u d n io w ą n iż p r o g n o z a z a p o m o c ą ś re d n ie j a r y tm e ty c z n e j r u c h o m e j. W p r z y p a d k u w in a P o rto w p o z o s ta ły c h m ie s ią c a c h , z w y ją tk ie m s p a d k u s p r z e d a ż y w s ty c z n iu , p r o g n o z a W i n te r s a n ie z n a c z n ie ty lk o o d c h y l a się o d fa k ty c z n e j s p rz e d a ż y . P o d s u m o w a n i e Z e b r a n e w y n ik i ś r e d n ic h b łę d ó w k w a d r a to w y c h p r o g n o z y W i n te r s a o r a z p r o g n o z y o b ie k tu b a d a w c z e g o m o ż n a u ż y ć d o o s z a c o w a n ia m o ż liw e g o o b n iż e n ia b r a k ó w m a g a z y n o w y c h . J a k o ż e n a jb a r d z ie j p r o b le m a ty c z n y m o k r e s e m d o p r o g n o z o w a n ia s p r z e d a ż y j e s t m o m e n t je j n a jw y ż s z e g o w z r o s tu ( o k r e s y ś w ią te c z n e ) , b r a k i p r z y p a d a ły n a la ta 2 0 1 3 i 2 0 1 4 . Z c h w ilą w p r o w a d z e n ia d o sie c i p r o g n o z o w a n ia o p a r te g o n a p r o p o n o w a n y m m o d e lu w 2 0 1 5 r o k u ( ś w ię ta w i e l k a n o c n e ) , b r a k i w n ie k tó r y c h m a r k a c h z o s ta ły z m n ie js z o n e d o m in im u m . W p r a k ty c e , d z ię k i z a s to s o w a n iu m o d e lu W i n te r s a p o z io m n ie d o b o r u w in z m n ie js z y ł się c z te ro k r o tn ie . W łą c z n y m r o z r a c h u n k u p o z io m b r a k ó w z a n o to w a n y c h w b a d a n y m o k r e s ie w y n o s ił 1 0 ,5 4 % (w g m o d e lu ś re d n ie j a r y tm e ty c z n e j, s to s o w a n e g o p r z e z s ie ć ), a p o z a s to s o w a n iu r o z w ią z a n ia p r o p o n o w a n e g o p r z e z a u to r ó w o b n iż y ł się d o 3 ,0 5 % , P o tw ie r d z i ła się p r z y ję ta h ip o te z a . A k tu a ln ie d a le j t r w a ją p r a c e n a d u d o s k o n a le n ie m m o d e lu p r o g n o z o w a n ia .
A u to r z y a r ty k u łu n ie p r z e d s ta w ili w s w o ic h r o z w a ż a n ia c h d a n y c h d o ty c z ą c y c h w s z y s tk ic h o b ie k tó w , k tó r e b y ły o b ję te p r o c e s e m b a d a w c z y m .
B i b l i o g r a f i a
D ittm an n P ., S zabela-P asierbińska E ., D ittm an n I., S zpulak A., P rognozow anie w za rzą
dzaniu p rze d się b io rstw em , W olters K lu w er P o lsk a, K raków 2009.
F ico ń K ., P ro ce sy logistyczne w przedsiębiorstw ie, W yd. Im puls P lus C onsulting, G dynia 2001.
K ow alski L., M o d elo w a n ie i progn o zo w a n ie. M a teria ły dydaktyczne, W arszaw a 2010, h ttp ://p is.rezolw enta.eu.org/M aterialy/m odelow anie.pdf.
L atty ak W .J., Stokes H .H ., E xp o n e n tia l sm o o th in g fo re c a stin g usin g S C A B 3 4 S a n d SCA
W orkBench, h ttp://hhstokes.people.uic.edu/ftp/e537/E xponential% 20S m oothing% 20F orecasting.pdf.
L ogistyka dystryb u cji, red. K. R utkow ski, O ficy n a W yd. SGH , W arszaw a 2005.
P rognozow anie gospodarcze. M e to d y i zastosow ania, red. M . C ieślak, W yd. N aukow e
P W N , W arszaw a 2005.
S arjusz-W olski Z., Sterow anie za pasam i w p rzed sięb io rstw ie, P W E , W arszaw a 2000. S kow ronek C., S arjusz-W olski Z., L og istyka w p rzed sięb io rstw ie, P W E , W arszaw a 2012.
T H E U S E O F C L A S S I C A L M E T H O D S O F F O R E C A S T I N G D E M A N D I N T H E L O G I S T I C S O F L A R G E R E T A I L C H A I N S
Summary
The paper is an attempt o f indicating the appropriate attitude for stock planning. It requires a proper selection o f forecasting method by harmonizing the relationship between supply and de mand. The process should rely on minimizing inventories and reducing costs connected with this process. The concept o f supply and demand are complementary and complements each other. The authors tried to find an appropriate method o f forecasting. The choice o f this method depends on various aspects and external factors e.g. a kind o f demand while creating a forecast. In a logistic reality we have to consider two different types o f demand: dependent and independent demand. The dependent demand is defined as a demand for products or services induced by the need o f other products. The independent demand - the result o f decisions taken by a final customer - is developed under the influence o f systematic and random factors.
K eyw ords: reserve planning, classical methods o f forecasting demand, logistics, retail chains