Глава 3. Экстраполяция или Будущее похоже на прошлое
В тех случаях, когда к ситуации применим математический аппарат, его непременно нужно использовать. Вы не только получите более точные результаты – вы еще и будете видеть, откуда эти результаты берутся, как их корректировать, как с ними работать.
Для прогнозирования нам понадобятся математические инструменты. Но сперва, хочу обратить ваше внимание на одно принципиальное различие. Математики могут себе позволить абстрактное мышление. Логисты – нет! За каждой нашей формулой, за каждым вычислением, за каждым решением кроется движение товаров на складе. И это может привести к огромной прибыли или таким же убыткам!
Ничего сверхсложного в предлагаемых мною расчетах нет. Нужно лишь четко представлять себе, что именно стоит за тем или иным производимым вами действием.
Начнем же мы с того, что поговорим об экстраполяции. В общем случае этот термин означает построение функции по имеющимся значениям и прогнозирование следующих значений.
Из школьного курса алгебры мы помним, как построить график, если задана функция, отражающая зависимость одного показателя от другого. Однако в жизни нам никто подобную функцию не даст. Поэтому единственное, что мы пока можем сделать – это построить график изменения объема продаж (потребления) от времени. Однако это будет весьма формальная зависимость, поскольку продажи не происходят с течением времени сами по себе. Вы не можете продавать продукцию без рекламного бюджета, без сотрудников, без складского запаса, без транспорта и т. д.
Следовательно, для получения реальной картины все эти (и многие иные) параметры также должны быть учтены при построении графика. Мы же пока просто берем временные координаты и отмечаем на них объемы продаж. Можем ли мы определить, каковы будут этим объемы в следующем месяце?
Экстраполяция позволяет нам утверждать, что «будущее похоже на прошлое». Мы можем увидеть, что происходило в последние периоды, и сделать вывод о том, что в ближайший отрезок времени картина будет похожей.
Такой подход используется не от хорошей жизни. Просто мы не можем предсказать будущее, и полагаем, что оно будет похожим на прошлое.
Если в последний месяц продажи росли, логично предполагать, что они будут расти и в следующем месяце, не правда ли?
Однако, прогнозировать точки перегиба графика продаж с помощью экстраполяции невозможно. Другими словами, если в прошлые периоды продажи падали, мы будем прогнозировать спад. Если росли – рост. А вот момент изменения ситуации (тренда) предсказать практически невозможно.
Получается, что эти модели хорошо работают при краткосрочном и среднесрочном прогнозировании. При долгосрочном прогнозировании они не работают.
Например, если сегодня на улице +20 С, то с определенной вероятностью можно предположить, что завтра и послезавтра погода будет