09 августа 2018

Андрей Ставицкий: Тонкости и выгоды математических методов прогнозирования уровня спроса и закупок в Excel

Андрей Ставицкий: Тонкости и выгоды математических методов прогнозирования уровня спроса и закупок в Excel

1757

Тренинговый центр TradeMasterGroup запускает эксклюзивный и единственный на территории Украины тренинг по теме: "Математические методы прогнозирования уровня спроса и закупок  в компании", автором которого является доцент кафедры экономической кибернетики в Киевском национальном университет имени Тараса Шевченко с 15-ти летним практическим опытом Андрей Ставицкий. 

Портал TradeMaster.UA, учитывая всю сложность данной тематики, взяли интервью у Андрея, чтобы поближе познакомить читателей с новым тренером и попросили раскрыть и объяснить некоторые тонкости данного тренинга для всеобщего понимания его ценности.

– Расскажите, пожалуйста, о себе и о своей профессии. Кем Вы работаете и как долго работаете по этой профессии?

Я работаю доцентом кафедры экономической кибернетики в Киевском национальном университет имени Тараса Шевченко уже больше 15 лет. Основное преимущество нашей работы – это умение проводить аналитическое исследование экономических процессов с помощью математических средств. Благодаря этому появляется возможность находить взаимосвязи между разными процессами, учитывать их в реальной практике, прогнозировать деятельность как индивидуальных людей, так и компаний.

– Что является самым сложным в математическом прогнозировании?

Процесс прогнозирования состоит из трех основных этапов: выдвижение гипотезы, сбор информации, создание экономико-математической модели. На каждом этапе есть свои трудности и проблемы. Но работая с большинством компаний можно сделать вывод, что нахождение релевантной информации, ее структуризация – это основная проблема. Безусловно, ее частью является то, что очень часто компании просто не ведут учет тех факторов, которые являются важными для прогнозирования.

– С какими сложностями столкнулись при освоении математических моделей прогнозирования, которые Вы преподаёте?

На самом деле многие ученые пришли к выводу: чем формализированнее наука, тем ее проще изучить. С этой точки зрения математика является вообще наипростейшей, поскольку все ее типовые задачи умеет решать любой компьютер с необходимым программным обеспечением. Поэтому освоить принципы построения экономико-математических моделей может любой человек, который поставит себе такую задачу. Другое дело, что наука, как и практика, не стоит на месте, постоянно развиваясь, находя новые вызовы. В силу этого основная сложность – это применение нужного экономико-математического аппарата и его модификация для каждого конкретного случая. Следует отметить, что для каждой компании, для каждого процесса приходится разрабатывать свои модели, которые хотя и основаны на стандартной методологии, но имеют и значительные отличия.

- Андрей, Вы как доцент кафедры экономической кибернетики как Вы считаете насколько сейчас важно для компаний вести оцифровку персональных данных и на что в первую очередь нужно обращать внимание?

Живя в 21-м веке и не иметь оцифровку персональных данных – это достаточно сложно. На самом деле, уже более 80% всех жителей с доступом к Интернету имеет ту или иную часть персональных данных в цифровой форме. Просто этим занимаются компании Google, Facebook, Twitter и т.д. Следует учитывать, что эти фирмы уже давно научились сопоставлять разные базы данных, поэтому можно быть уверенным, что абсолютное большинство данных уже давно оцифровано и существует. В то же время существуют очевидные проблемы с защитой таких баз данных, передачей части данных иным фирмам. Однако эти технические проблемы нужно и можно решать, а перспективы от использования соответствующих баз данных действительно огромны. Например, такая оцифровка в медицине привела к настоящей революции в лечении и профилактике больных.

- Многие сейчас говорят о том, что будущее за BIG DATA. Как Вы считаете так ли это и почему?

В предыдущем вопросе мы как раз коснулись этой темы. Действительно, многие сейчас считают, что основные исследования будут проводиться с помощью этой технологии. Основная идея ­ - она позволит находить оптимальные индивидуальные решения взамен существующих агрегированных. На сегодняшний день большинство компаний и правительств просто не в состоянии предложить такие решения по двум причинам: отсутствие подобных баз данных и неумение ими пользоваться. Поэтому ответ – да, это будущее, и очень скорое.

- С чего лучше начинать работу с большими объёмами данных?

Безусловно, с обучения. Структуры подобных баз данных достаточно сильно отличаются, стандартные модели просто не могут работать, поэтому необходимо освоение нужных технологий – основная задача.

- При автоматизации бизнес процессов компании, связанных с обработкой большого объёма цифровых  данных у многих компаний стоит вопрос отсутствия или ограниченного бюджета, может ли математическое прогнозирование в Excel быть решение на начальных этапах или возможно полностью закрыть проблему?

Все зависит от размера компании, от количества товарных позиций, количества сотрудников и т.д. Excel позволяет внедрять системы прогнозирования, причем если использовать встроенный язык программирования VBA, то на достаточно серьезном уровне. Однако есть очевидное ограничение по размеру баз данных, количеству временных рядов, которые можно прогнозировать. Поэтому для малых и средних предприятий, которые не занимаются выпуском или продажей сотен тысяч наименований ответ будет положительным: да, на начальном этапе Excel будет неплохим решением. Если же компания собирается и дальше развиваться, то существующие решения можно будет перепрограммировать в более сложные и интегрированные системы. Однако, чтобы понять, чего хочет компания, потренироваться лучше сначала на Excel – это будет проще и дешевле.

- Как с помощью моделей математического прогнозирования  оцифровать влияние внешних факторов на тот или иной результат?

Существуют специальные эконометрические модели, которые как раз и определяют, как каждый конкретный фактор влияет на результат. Например, если нас интересует как цена конкурентов влияет на уровень наших продаж, то необходимо первоначально собрать базу данных по ценам конкурентов. К сожалению, не все компании этим занимаются, поэтому часто приходится моделировать пропущенные факторы с помощью разных алгоритмов.

- Тренинговый Центр TradeMasterGroup проводит Ваш тренинг на тему: «Математические методы прогнозирования уровня спроса и закупок в компании», над чем участники работают в течении 2-х дней?

В рамках тренинга мы пытаемся изучить разные методы прогнозирования спроса на продукцию. Дело в том, что для каждого временного ряда оптимальным может быть своя модель, следовательно практик должен уметь из множества моделей отбирать нужные и осуществлять прогнозирование. В целом первый день больше ориентирован на подготовку данных, нивелирование инфляции, случайных выбросов данных, методы выделения тренда, методы сглаживания данных. Во второй день участники учатся строить эконометрические модели, которые позволяют осуществлять прогнозирование на основе учета различных факторов. Часть заданий участники выполняют индивидуально, часть – в командах.

- Если говорить о материале тренинга каково соотношении теории и практики?

Во временной шкале – примерно 30:70. Стандартная структура тренинга такая. Сначала поднимается проблема, идет короткое описание, как ее можно решить, показывается пример, а далее участники получают реальные задания или кейсы, которые должны реализовать. В целом, из 16 часов тренинга участники проводят за решением и обсуждением задач не менее 11 часов. Но поскольку группы на тренингах не очень большие, то динамика не страдает.

– Кому бы Вы могли порекомендовать обязательно посетить свой тренинг?

Когда тренинг только начинался, целевой аудиторией были менеджеры по логистике, менеджеры по продажам. Однако на сегодня я бы рекомендовал этот тренинг еще руководителям фирм, департаментов, поскольку очень часто аналитические решения на фирмах не реализовываются не по причине неумения сотрудников, а незнания руководителей о возможностях таких решений. К сожалению, руководители  даже не могут поставить правильно задачу подчиненным, поскольку не ознакомлены с соответствующими методами.

– Нужны ли какие-то особые знания и навыки человеку, который хочет внедрить математические модели прогнозирования в Excel у себя в компании?

Мы исходим из того, что если человек приходит на тренинг, то он должен выйти из него, обладая заявленными навыками и знаниями, независимо от его начального уровня. Однако, конечно, очень желательно, чтобы участник умел пользоваться Excel хотя бы на начальном уровне. В таком случае обучение будет проходить намного легче и быстрее.

Читайте также: LS Nav – удобное и практичное решение для управлениям ценообразованием и лояльностью клиентов в ритейле

Портал о розничной и оптовой торговле TradeMaster.UA

КАЛЕНДАРЬ КОНФЕРЕНЦИЙ ТМ 2018

ЖУРНАЛ PRIVATE LABEL 2018

КАТАЛОГ КОМПАНИЙ ТМ

НОВОСТИ

СТАТЬИ

ВИДЕО

По поводу размещения Ваших материалов на портале пишите на press@trademaster.com.ua

Раздел: Статьи >

Теги:

Комментарии

Ваш комментарий будет первым.

Добавить комментарий

Ваше имя*


Защита от СПАМА

Сообщение*

Лучшие компании

Личности

Блоги