Как рассчитать будущие продажи упаковки и материалов

Расчет будущих продаж упаковки и упаковочных материалов не попытка угадать одну красивую цифру в таблице.

Для производителя и поставщика такой прогноз становится рабочим инструментом: он помогает закупать сырье без перегруза склада, планировать загрузку оборудования, заранее резервировать транспорт и понимать, сколько денег потребуется бизнесу в следующем месяце или квартале.

Ошибка в прогнозе здесь быстро превращается в реальные потери. Если недооценить спрос, клиент уйдет к конкуренту из-за отсутствия нужного вида коробки или пленки.

Если переоценить - деньги зависнут в запасах, а часть материалов может потерять товарный вид, устареть по размеру или просто занять склад на несколько месяцев.

Упаковочный рынок особенно чувствителен к сезонности, акциям, запуску новых продуктов, изменению ассортимента заказчика и колебаниям стоимости сырья. Одни позиции продаются стабильно: стандартные гофрокороба, стрейч-пленка, скотч, бумажные пакеты.

Другие зависят от конкретного контракта: коробки с индивидуальной печатью, ложементы, брендированные пакеты, транспортная тара под определенный товар. Поэтому универсальной формулы для всех компаний не существует.

Но есть последовательная система, позволяющая сделать прогноз достаточно точным и регулярно обновлять его.

Что именно нужно прогнозировать в упаковочном бизнесе

Первый шаг - определить объект прогноза. Фраза "будущие продажи упаковки" звучит широко, но в расчетах ее необходимо разложить на конкретные показатели.

Обычно компания прогнозирует количество проданных единиц, выручку, валовую прибыль, потребность в сырье и денежный поток. Эти показатели связаны между собой, но не заменяют друг друга.

Например, рост выручки на 20 процентов не означает автоматического роста количества упаковки на те же 20 процентов: клиент мог перейти на более дорогую конструкцию или заказать дополнительную печать.

Для производства и поставок полезно вести прогноз минимум в трех измерениях:

• по SKU, артикулу или типоразмеру;
• по клиентам и сегментам покупателей;
• по периодам - неделям, месяцам и кварталам.

Если номенклатура небольшая, можно считать каждую позицию отдельно. Например, производитель выпускает четыре вида гофрокоробов, три толщины стрейч-пленки и два формата бумажных пакетов.

Но при широкой матрице товаров детализация по каждому артикулу быстро перегружает модель. Тогда вводят группы: транспортные коробки, потребительская упаковка, паллетная пленка, расходные материалы для складов, упаковка с печатью и так далее.

Важно сразу отделить продажи от отгрузок.

Отгрузка в январе может быть результатом заказа, полученного в декабре, а крупный контракт, подписанный сегодня, будет поставляться партиями в течение полугода.

Если компания строит прогноз только по фактически отгруженным объемам, она не видит будущую загрузку производства. Поэтому в модели желательно разделять подтвержденные заказы, вероятные сделки и обычный повторный спрос.

Практичная структура прогноза может выглядеть так:

В результате прогноз должен отвечать не только на вопрос "сколько мы продадим", но и на более прикладные вопросы: какие позиции понадобятся в ближайшие недели, какие станки будут перегружены, каких клиентов стоит предупредить о сроках, где нужен запас сырья, а где лучше остановить закупки.

Какие данные собрать перед расчетом

Качество прогноза напрямую зависит от исходных данных. Даже сложная аналитическая система не спасет, если в ней смешаны возвраты, тестовые отгрузки, бесплатные образцы и реальные продажи. Перед расчетом нужно привести историю в единый вид.

Желательно иметь данные минимум за 12 месяцев, а для сезонного бизнеса - за два-три года. Чем длиннее период, тем проще увидеть повторяющиеся пики и провалы.

В базовый набор стоит включить дату заказа и дату отгрузки, клиента, товарную позицию, количество, цену, скидку, стоимость доставки, статус заказа и причину отмены. Для производства важны также материал, плотность, размер, цвет, тип печати, минимальная партия и технологическая операция.

Например, коробки одинакового размера могут серьезно различаться по себестоимости и сроку изготовления из-за разной марки картона или количества цветов печати.

Отдельно соберите внешние факторы, которые могли повлиять на спрос:

• сезонные распродажи клиентов;
• праздничные периоды и промоакции;
• изменение цен на сырье;
• запуск новых продуктов у заказчиков;
• смена поставщика или логистической схемы;
• разовые тендеры и крупные проекты;
• дефицит материалов на рынке;
• изменение минимальных партий и сроков поставки.

Одна из частых ошибок - считать все исторические продажи одинаково полезными для будущего. Но разовый заказ на 500 тысяч коробок не должен автоматически повторяться каждый год. Его нужно пометить как проектную продажу и вынести в отдельную категорию.

Иначе модель завысит регулярный спрос и подтолкнет компанию к лишним закупкам гофрокартона, пленки или бумаги.

Так же осторожно следует обращаться с провальными месяцами. Если в феврале был сбой оборудования и отгрузили вдвое меньше обычного, это не означает, что спрос уменьшился в два раза.

В истории нужно различать отсутствие спроса и отсутствие возможности поставить товар. Для этого полезно сопоставлять продажи с отказами, просроченными заказами и заявками, которые не удалось выполнить.

При подготовке данных используют несколько технических правил:

1. привести единицы измерения к одному стандарту - штуки, килограммы, рулоны или квадратные метры;
2. объединить дублирующиеся карточки товаров;
3. исключить отмененные заказы или обозначить их отдельно;
4. разнести возвраты по причинам;
5. проверить резкие скачки объемов вручную;
6. зафиксировать изменения цен и условий поставки.

Если компания пока ведет учет в таблицах, этого уже достаточно для первого рабочего прогноза. Главное - не пытаться сразу построить идеальную модель. Намного полезнее регулярно обновлять аккуратный файл, чем один раз создать сложную систему, которой никто не пользуется.

Как сегментировать ассортимент и клиентов

Упаковка продается не как однородный товар. Стандартный короб для маркетплейсного склада, брендированная коробка для косметики и многослойная тара для промышленной детали имеют разные циклы сделки, маржинальность и повторяемость.

Поэтому прогноз, рассчитанный одной средней цифрой по всему ассортименту, почти всегда дает искажение. Одни позиции будут недооценены, другие - закуплены с запасом.

Минимальная сегментация ассортимента может строиться по четырем признакам: стабильность спроса, объем продаж, прибыльность и сложность производства.

Например, стандартный скотч имеет стабильный спрос и короткий цикл поставки. Коробка с полноцветной печатью может продаваться реже, но приносить больше прибыли и требовать согласования макета.

Специальный ложемент продается проектно и не должен прогнозироваться той же формулой, что расходная пленка.

Для практики удобно разделить товары на несколько групп:

Полезно применять и ABC-анализ. Группа A обычно формирует основную часть выручки, хотя включает относительно небольшое число позиций.

Группа B дает средний вклад, а группа C состоит из большого количества редко продаваемых артикулов.

В упаковочном бизнесе нельзя полностью игнорировать группу C: иногда именно редкая позиция нужна крупному клиенту вместе с основным заказом. Но глубина прогнозирования для нее должна быть ниже.

ABC-анализ стоит дополнить XYZ-анализом, который показывает стабильность спроса. Товары с ровными продажами проще прогнозировать, чем товары с хаотичными скачками.

В результате появляются сочетания вроде AX, AZ или CY. Позиции AX нужно держать под постоянным контролем: они и важны для бизнеса, и хорошо прогнозируются. AZ требуют более осторожного управления, потому что ошибки по ним дорого обходятся.

Клиентов также стоит разделить на сегменты:

• производственные предприятия с регулярными графиками потребления;
• дистрибьюторы и оптовые компании;
• интернет-магазины и продавцы маркетплейсов;
• розничные сети;
• строительные и промышленные организации;
• разовые заказчики и проектные клиенты.

У каждого сегмента свой ритм закупок. Производственный клиент может заказывать упаковку каждую неделю по плану потребления. Оптовик часто закупает крупную партию, ориентируясь на остаток и цену.

Продавец на маркетплейсе способен резко увеличить заказ перед распродажей. Если смешать эти типы поведения, прогноз получится математически средним, но практически бесполезным.

Как рассчитать базовый прогноз по истории продаж

Для ходовых позиций начните с простых методов. Они понятны менеджерам, быстро внедряются и часто дают хороший результат. Самый простой вариант - средний объем продаж за выбранный период.

Формула выглядит так: базовый прогноз равен сумме продаж за несколько прошлых периодов, деленной на количество этих периодов.

Допустим, поставщик продает стрейч-пленку объемом 9 000, 10 500, 9 800, 11 200 и 10 000 килограммов за последние пять месяцев. Средний показатель составит 10 100 килограммов.

Если никаких заметных изменений не ожидается, эту величину можно взять за отправную точку. Но среднее значение не учитывает, что спрос мог расти или падать, поэтому его лучше использовать как базу, а не как окончательный ответ.

Более гибкий вариант - скользящая средняя. В нее включают, например, последние три или шесть месяцев, постоянно заменяя самый старый период новым. Такой подход быстро реагирует на изменение спроса.

Если продажи упаковочной ленты растут четыре месяца подряд, трехмесячная средняя покажет новую тенденцию раньше, чем средняя за год.

Для бизнеса с постепенным ростом используют взвешенную среднюю. Последним периодам присваивают больший вес, поскольку они лучше отражают текущую ситуацию. Формула может быть такой:

Прогноз = продажи первого месяца × 0,2 + продажи второго месяца × 0,3 + продажи третьего месяца × 0,5.

Если за три последних месяца продано соответственно 8 000, 9 000 и 10 500 коробок, прогноз составит 9 750 коробок. Веса не обязаны быть именно такими, но в сумме должны давать единицу, или 100 процентов. Чем быстрее меняется рынок, тем больше вес можно отдавать свежим данным.

Правда, при резких разовых заказах это правило нужно корректировать вручную.

Еще один понятный метод - экспоненциальное сглаживание. Он похож на взвешенную среднюю, но обновляется автоматически и не требует каждый раз вручную задавать веса. Новый прогноз зависит от предыдущего прогноза и фактических продаж:

Новый прогноз = старый прогноз + коэффициент сглаживания × разница между фактом и старым прогнозом.

Коэффициент от 0,1 до 0,3 делает модель спокойной и не дает ей резко реагировать на единичные скачки.

Коэффициент от 0,5 и выше позволяет быстрее подстраиваться под новые условия, но повышает риск "погони" за случайным всплеском. Для стабильных расходников чаще подходит небольшой коэффициент, а для быстро меняющегося сегмента электронной коммерции - более высокий.

При выборе метода важно проверить его на прошлых периодах. Возьмите, например, историю за 18 месяцев, искусственно скройте последние три и попробуйте спрогнозировать их разными способами.

Затем сравните прогноз с фактом. Это простая проверка, которую иногда называют тестированием на отложенной выборке. Она показывает, какая формула лучше работает именно для вашей категории, а не "в среднем по рынку".

Как учитывать сезонность и календарные факторы

Сезонность в упаковке часто идет не напрямую от самой упаковки, а от бизнеса конечного клиента. Продажи коробок растут перед праздниками, если заказчик выпускает подарочные наборы. Пленка увеличивается в период активных отгрузок на складах. Бумажные пакеты могут резко вырасти летом в туристических регионах.

Поэтому сезонность нужно искать не только в отчетах поставщика, но и в календаре отраслей, которые он обслуживает.

Чтобы рассчитать сезонный коэффициент, сравнивают продажи конкретного месяца со средним уровнем за год. Если средняя месячная продажа коробок составляет 100 000 штук, а в декабре обычно продается 145 000, коэффициент декабря равен 1,45.

Если в январе после праздничного пика объем снижается до 70 000, коэффициент января составит 0,70.

Прогноз с учетом сезонности рассчитывают так:

Скорректированный прогноз = базовый прогноз × сезонный коэффициент.

Если базовый прогноз на декабрь составляет 120 000 коробок, а коэффициент равен 1,45, ожидаемый объем будет 174 000 коробок. Но не стоит blindly умножать любое число на исторический коэффициент. Сезонный пик мог возникнуть из-за уникальной акции, которая в этом году не повторится.

Каждый коэффициент нужно проверять с менеджером по продажам и ключевыми клиентами.

В расчетах необходимо учитывать рабочие дни. Месяц с 22 рабочими днями и месяц с 18 днями не совсем сопоставимы.

Для поставок в производство разница особенно заметна: если клиент работает в две смены, его потребность может зависеть от календаря гораздо сильнее, чем от количества календарных дней.

К сезонным факторам относятся:

• новогодний и предновогодний спрос;
• периоды распродаж и рекламных кампаний;
• начало дачного, строительного или туристического сезона;
• пиковые месяцы в сельском хозяйстве и пищевой промышленности;
• подготовка к выставкам и отраслевым мероприятиям;
• плановые остановки заводов и длинные выходные;
• изменение графика работы складов и транспортных компаний.

Иногда сезонность бывает недельной. Например, клиенты активно оформляют заявки с понедельника по среду, а в конце недели чаще забирают товар со склада.

Это важно для планирования комплектации и маршрутов. Для крупных производителей можно строить дневную или недельную модель, но большинству компаний достаточно месячного прогноза с детализацией по неделям на ближайшие четыре-шесть недель.

Если история продаж меньше года, сезонность лучше брать из отраслевых аналогов с осторожностью. В такой ситуации нужно формировать три сценария: базовый, оптимистичный и консервативный.

Разница между ними может составлять 10–30 процентов в зависимости от неопределенности. Позже, когда накопится собственная статистика, внешние коэффициенты заменяются фактическими.

Как прогнозировать новые товары и новые рынки

Новая упаковка не имеет собственной истории, поэтому обычные методы среднего значения здесь не работают. Прогноз строят через аналоги, предварительные заявки и воронку продаж. Например, компания запускает коробку нового размера для продавцов косметики.

Можно изучить продажи близкого типоразмера, количество потенциальных клиентов, план маркетинговой кампании и производственную мощность.

Метод аналогов предполагает, что новый товар будет развиваться примерно по сценарию уже существующей похожей позиции. Однако сходство должно быть не только внешним. Нужно учитывать целевую аудиторию, цену, минимальную партию, сроки изготовления и способ продвижения.

Коробка той же площади, но с дорогой печатью может продаваться гораздо медленнее стандартной транспортной тары.

Воронку проектных продаж можно считать вероятностным методом. Для каждой сделки указывают потенциальный объем и вероятность заключения договора:

Ожидаемый объем = потенциальный объем сделки × вероятность закрытия.

Предположим, у поставщика есть три сделки: 40 000 коробок с вероятностью 80 процентов, 70 000 коробок с вероятностью 40 процентов и 120 000 коробок с вероятностью 20 процентов. Ожидаемый объем составит 32 000 + 28 000 + 24 000, то есть 84 000 коробок. Это не обещание продаж, а математически ожидаемый результат, который удобно использовать для планирования сырья и мощностей.

Вероятность нельзя назначать "на глаз" без правил. Введите стадии сделки:

Проценты следует адаптировать к собственной статистике. Если компания знает, что после согласования образца до заказа доходят только 55 процентов клиентов, не нужно ставить 70. Чем больше накоплено фактов по воронке, тем точнее прогноз новых проектов.

Для нового товара полезно проводить короткие циклы проверки.

Сначала рассчитывают минимальную коммерческую партию, затем запускают продажи ограниченному числу клиентов, собирают обратную связь и пересматривают прогноз. Не стоит сразу закупать сырье на год вперед только потому, что продукт кажется перспективным.

В упаковочном бизнесе спрос часто подтверждается после тестового производства, когда клиент видит фактическую жесткость картона, качество печати, удобство сборки и итоговую себестоимость.

Как связать прогноз продаж с производством и запасами

Прогноз продаж сам по себе не решает задачу снабжения. Производству нужно понимать, сколько материала, времени и мощности потребуется для выполнения плана.

Для этого прогноз переводят из готовых изделий в потребность по сырью. Если для одного короба требуется 0,42 квадратного метра картона, а план продаж составляет 200 000 коробок, базовая потребность равна 84 000 квадратных метров.

Затем добавляются технологические отходы и страховой запас. При норме отходов 6 процентов расчет будет выглядеть так: 84 000 × 1,06 = 89 040 квадратных метров. Если срок поставки картона составляет 30 дней, а поставщик нестабилен, дополнительно закладывают запас на период возможной задержки.

Но запас не должен автоматически равняться еще одному месяцу потребления: его размер нужно связывать с колебаниями спроса и надежностью поставщика.

Точка заказа обычно рассчитывается по формуле:

Точка заказа = средний спрос за время поставки + страховой запас.

Если предприятие расходует в среднем 4 000 килограммов пленки в неделю, поставка занимает три недели, а страховой запас равен 2 500 килограммам, точка заказа составит 14 500 килограммов. Когда доступный остаток и уже заказанный объем приближаются к этому уровню, закупку нужно запускать.

Для материалов с длинным сроком поставки точку заказа проверяют чаще.

Страховой запас можно определить простым способом - как среднее потребление за несколько дней или недель. Более точный вариант учитывает стандартное отклонение спроса, срок поставки и желаемый уровень обслуживания.

В практической работе не всегда нужна сложная статистика. Если клиентам критично получать товар без задержек, компания может держать больший запас. Если сырье дорогое, быстро меняется в цене или занимает много места, запас делают осторожнее.

В производственном плане необходимо учитывать не только количество изделий, но и узкие места:

• ограничение печатной машины по часам работы;
• максимальную ширину рулона или листа;
• время переналадки оборудования;
• доступность оснастки и клише;
• мощность участка склейки и упаковки;
• дефицит операторов в отдельных сменах;
• сроки контроля качества и отгрузки.

Например, прогноз показывает рост заказов на 30 процентов, но печатный участок уже загружен на 92 процента. В такой ситуации нельзя просто подтвердить все заявки. Нужно решить, какие заказы имеют приоритет, можно ли перенести часть работ на подрядчика, стоит ли вводить вторую смену и хватит ли сырья.

Иначе отдел продаж будет жить в одном прогнозе, а производство - в другом.

Для поставщика без собственного производства логика похожая. Нужно сопоставить прогноз клиентов с графиками поставщиков, минимальными партиями, резервами на складе и транспортными ограничениями. Особенно важно учитывать товары с длительным импортным или региональным плечом.

Ошибка на одну-две недели может привести к срыву регулярных поставок и штрафам по договору.

Как учесть цены, скидки и прибыль

Прогноз в штуках необходим для производства, но руководителю также важно понимать будущую выручку и прибыль. Нельзя просто умножить прогнозный объем на текущую цену, если в течение периода планируются скидки, индексация или изменение ассортимента.

В упаковке цена может зависеть от размера партии, способа печати, условий доставки, срочности и оплаты.

Базовая формула выручки проста:

Выручка = прогнозный объем продаж × средняя цена реализации.

Но среднюю цену лучше считать отдельно по сегментам и товарным группам. Если в прошлом месяце 60 процентов объема пришлось на стандартные короба по 18 рублей, а 40 процентов - на брендированные по 42 рубля, общая средняя цена будет одной.

При изменении структуры продаж она сразу поменяется, даже если прайс-листы останутся прежними.

Для более точного расчета используют плановую цену каждой позиции:

В приведенном примере фактическая цена рассчитывается не как 24 рубля, а как 24 × 0,93 + 3. Если одновременно меняется стоимость сырья, важно отдельно оценить маржу. Рост продаж при отрицательной рентабельности может ухудшить положение компании.

Особенно рискованны срочные заказы с маленькой партией, когда переналадка оборудования и доставка съедают большую часть прибыли.

Валовая прибыль определяется как выручка минус переменные затраты. В них входят сырье, упаковка готового товара, сдельная оплата, комиссия посредника, доставка, электроэнергия, если ее можно связать с объемом, и другие затраты, меняющиеся вместе с продажами.

Постоянные расходы, такие как аренда и зарплата административного персонала, учитывают при расчете операционной прибыли.

Прогноз желательно строить в трех вариантах:

• базовый - наиболее вероятный объем и цены;
• оптимистичный - высокий спрос, успешные сделки, полная загрузка;
• консервативный - задержки заказов, снижение спроса, рост себестоимости.

Например, при базовом прогнозе 100 000 коробок можно заложить диапазон от 80 000 до 120 000. Для каждого сценария рассчитывают не только выручку, но и потребность в сырье, загрузку оборудования, складские остатки и денежный разрыв.

Такой подход намного полезнее одной цифры, которая выглядит точной, но не показывает риск.

Как оценить точность прогноза и исправить ошибки

Прогноз нельзя улучшать, если его точность не измеряется. После окончания периода сравнивают план с фактом по каждой важной позиции или группе. Самый понятный показатель - абсолютная процентная ошибка.

Она рассчитывается как разница между фактическим и прогнозным объемом, деленная на фактический объем и умноженная на 100 процентов.

Если прогноз составлял 10 000 коробок, а фактически продано 11 000, ошибка равна 9,1 процента. Для регулярных ходовых товаров ошибка в пределах 10–15 процентов часто считается рабочей, но ориентир зависит от отрасли, стоимости запаса и требований клиентов. Для проектных заказов разброс может быть гораздо выше, поэтому их оценивают отдельно, а не смешивают с обычными продажами.

Полезно контролировать несколько показателей:

Особенно важен показатель смещения. Если прогноз каждый месяц выше факта, компания накапливает лишний запас и загружает производство ненужными заказами. Если прогноз постоянно ниже факта, растет риск дефицита, срочных закупок и отказов клиентам.

Разовый промах может быть случайностью, а повторяющийся перекос указывает на проблему в формуле или исходных данных.

При анализе ошибки нужно находить причину, а не просто фиксировать процент. Основные причины выглядят так:

• в прогноз не попал новый контракт;
• клиент изменил производственную программу;
• в истории был разовый крупный заказ;
• товар отсутствовал на складе и спрос не был реализован;
• изменилась цена или минимальная партия;
• произошла авария оборудования;
• менеджер внес слишком оптимистичную оценку сделки;
• поставщик сорвал сроки и исказил отгрузки.

Пересматривать прогноз стоит регулярно.

Для большинства производителей достаточно ежемесячного цикла: в начале месяца обновляется история, затем проверяются заказы, воронка, сезонные факторы и ограничения производства.

Для быстрорастущего бизнеса полезен еженедельный короткий пересмотр по ближайшим четырем-шести неделям. Годовой план при этом не отменяется, а становится скользящим: каждый новый месяц добавляется в горизонт, а старые предположения корректируются.

Если ошибка по одной позиции стабильно превышает допустимый уровень, не обязательно усложнять модель. Иногда достаточно изменить классификацию товара, исключить разовую сделку, добавить информацию о незакрытом дефиците или разделить клиентов на два сегмента.

Простая, но правильно настроенная модель обычно выигрывает у перегруженной системы с большим количеством сомнительных параметров.

Как организовать процесс прогнозирования в компании

Даже точные формулы не будут работать, если непонятно, кто отвечает за данные и решения. В производственно-снабженческой компании прогноз должен быть общим документом продаж, закупок, производства, логистики и финансов.

Но это не означает, что все сотрудники одновременно редактируют одну таблицу. Нужны правила, сроки и зоны ответственности.

Отдел продаж отвечает за подтвержденные заказы, переговоры с клиентами, ожидаемые объемы и изменения спроса. Производство проверяет техническую возможность выполнить план. Снабжение оценивает сырье, сроки поставщиков и минимальные партии. Логистика уточняет транспорт и складские ограничения.

Финансовый блок проверяет цены, маржинальность и потребность в оборотном капитале.

Рабочий процесс можно построить так:

1. до установленной даты менеджеры обновляют заказы и воронку;
2. аналитик загружает фактические продажи и очищает данные;
3. рассчитывается базовый прогноз по группам товаров;
4. добавляются сезонные коэффициенты и подтвержденные проекты;
5. производство и снабжение проверяют ограничения;
6. финансы пересчитывают выручку, себестоимость и денежный поток;
7. руководитель утверждает план и список рисков;
8. в конце периода факт сравнивается с прогнозом.

Для каждой позиции полезно хранить не только итоговое число, но и комментарий. Например: "рост из-за запуска линейки", "снижение из-за перехода клиента на другую тару", "объем подтвержден договором", "в прогнозе учтен перенос декабрьской отгрузки".

Через несколько месяцев такие пояснения помогают понять, почему модель ошиблась и какие решения были приняты.

В небольшой компании можно использовать таблицу с отдельными листами: история продаж, заказы, прогноз, сырье, сценарии и факт. В более крупной организации пригодятся учетная система, CRM и планирование ресурсов предприятия. Но автоматизация не должна скрывать логику.

Руководитель должен видеть, из каких данных получилась цифра и какие допущения в нее заложены.

Хорошая практика - вводить контрольные статусы:

• данные собраны;
• данные проверены;
• прогноз рассчитан;
• план согласован;
• риски назначены ответственным;
• факт закрыт и проанализирован.

Отдельно ведите календарь изменений, которые могут повлиять на продажи: запуск новых станков, повышение прайса, изменение условий оплаты, уход крупного клиента, перенос склада, новый договор с перевозчиком.

Часто именно эти факторы объясняют отклонения лучше, чем стандартная статистика.

Не следует делать прогноз только ради отчета. Его задача - помочь принять решение. Если расчет показывает возможный дефицит сырья, нужно заранее связаться с поставщиком. Если ожидается свободная мощность, можно активнее предлагать клиентам более короткие сроки.

Если по группе товаров растет запас, следует остановить закупку, изменить минимальную партию или запустить распродажу. Прогноз полезен тогда, когда приводит к конкретным действиям.

Типичные ошибки при расчете будущих продаж

Одна из самых распространенных ошибок - механически продолжать прошлый тренд. Если продажи росли пять месяцев подряд, это еще не означает, что рост будет продолжаться тем же темпом. Возможно, рынок насытился, крупный клиент закупил запас или рост был вызван временным дефицитом у конкурента.

Тренд нужно подтверждать заказами, рыночными факторами и реальной загрузкой клиентов.

Вторая ошибка - смешивать все товары в один показатель. Продажи паллетной пленки, гофроуголка и брендированных коробок подчиняются разным закономерностям. Их объединение скрывает проблемы отдельных групп.

Еще хуже, когда в одну категорию попадают товары с разной единицей измерения: штуки, рулоны и килограммы. Итоговая цифра может выглядеть убедительно, но не иметь смысла.

Третья проблема - игнорирование дефицита. Если в прошлом месяце клиент хотел купить 50 000 коробок, но компания смогла отгрузить только 30 000, в истории продаж останутся 30 000.

Для прогноза фактический объем нужно дополнить нереализованным спросом, иначе будущая потребность будет занижена.

Четвертая ошибка - считать заказ гарантированным только потому, что менеджер считает его "почти закрытым".

Пока нет договора, подтвержденной спецификации или хотя бы согласованной цены, сделка остается вероятной. Включать ее в обязательный производственный план рискованно. Лучше показывать отдельно подтвержденный объем и ожидаемый объем с коэффициентом вероятности.

К другим ошибкам относятся:

• отсутствие сценариев при изменении цен на сырье;
• неучет минимальных партий поставщиков;
• игнорирование сроков переналадки оборудования;
• использование годового среднего в резко сезонном бизнесе;
• редкое обновление прогноза;
• отсутствие проверки точности;
• ориентация только на выручку без учета маржи;
• закупка материала под оптимистичный сценарий без подтвержденного спроса.

Отдельно стоит сказать о чрезмерной точности. Прогноз 127 438 коробок выглядит научно, но если исходные данные приблизительные, такая детализация создает ложное ощущение контроля. Для большинства задач достаточно округлять объемы до разумной партии производства или поставки.

Точность должна соответствовать уровню неопределенности. Нет смысла рассчитывать до одной штуки, если клиент сам меняет заказ на 10 процентов за неделю.

Еще одна опасная привычка - не учитывать экономику возвратов и неликвидов.

Упаковка с индивидуальным дизайном может оказаться непродаваемой после отказа клиента.

Универсальный короб обычно можно реализовать другому покупателю, а брендированный - нет. Поэтому для нестандартных позиций требуется предварительная оплата, согласование макета, минимизация партии или специальная оговорка в договоре.

Практический пример расчета для поставщика упаковки

Рассмотрим условную компанию, которая поставляет гофрокороба трем группам клиентов: производителям, оптовикам и продавцам интернет-магазинов. За последние шесть месяцев продажи составляли 92 000, 96 000, 101 000, 108 000, 110 000 и 115 000 штук.

Видно умеренное увеличение спроса, но простое среднее за полгода, равное 103 667 коробкам, немного запаздывает.

Компания применяет взвешенную среднюю с весами 0,1; 0,1; 0,15; 0,2; 0,2 и 0,25. На последние месяцы приходится больший вес.

Полученный базовый прогноз на следующий месяц составляет около 107 000–108 000 коробок. Затем отдел продаж сообщает, что один клиент подтвердил сезонный заказ на 12 000 коробок, который не входит в обычный ритм.

Этот объем добавляют отдельной строкой, а не смешивают с регулярной продажей.

По календарю следующий месяц перед праздничным периодом. Для стандартной продукции компания использует коэффициент 1,08, а для коробок с подарочной печатью - 1,25. Если регулярный базовый прогноз стандартных коробок равен 80 000, скорректированный объем составит 86 400.

Для печатных коробок базовый объем 20 000 превращается в 25 000. После добавления подтвержденной проектной партии итоговый план может составить около 123 000 коробок.

Далее прогноз переводят в сырье. Средняя потребность картона - 0,38 квадратного метра на коробку, технологические отходы - 7 процентов. Расчет будет таким:

123 000 × 0,38 × 1,07 = 50 134 квадратных метра картона.

Если на складе доступно 18 000 квадратных метров, а в пути находится еще 20 000, потребуется дополнительно заказать около 12 000 квадратных метров с учетом небольшого страхового резерва.

Но перед заказом снабжение проверяет, можно ли купить такую партию и не останется ли после сезонного пика слишком большой остаток.

По цене средняя реализация составляет 31 рубль за коробку, средняя скидка - 5 процентов. Плановая выручка без учета дополнительных услуг:

123 000 × 31 × 0,95 = 3 623 850 рублей.

Если переменные затраты составляют 24 рубля на коробку, валовая прибыль будет равна примерно 671 850 рублей. Однако проектная партия может иметь другую себестоимость из-за печати и переналадки оборудования.

Поэтому ее лучше считать отдельной строкой, а не использовать общую среднюю маржу.

В конце месяца компания сравнивает факт. Допустим, отгружено 119 000 коробок: стандартные продажи оказались близки к плану, но клиент перенес часть проектного заказа.

Ошибка по общему объему составила около 3,3 процента, что выглядит хорошо. Но анализ показывает риск: оставшиеся брендированные коробки нельзя быстро продать другим клиентам.

В следующем цикле компания снижает вероятность подобных проектных заказов и вводит правило частичной предоплаты.

Как сделать прогноз рабочим инструментом на год вперед

Годовой прогноз лучше строить не одной таблицей на 12 месяцев, а несколькими горизонтами.

Дальний горизонт нужен для закупки оборудования, найма сотрудников и переговоров с крупными поставщиками. Средний горизонт - для планирования сырья, производства и бюджета. Ближний горизонт - для конкретных заказов, смен, транспорта и отгрузок.

Практичная схема может выглядеть так: на 12 месяцев составляется укрупненный прогноз по группам, на три месяца - план по ключевым клиентам и товарам, на четыре-шесть недель - детальный план по артикулам и датам.

Чем ближе период, тем меньше доля предположений и тем больше подтвержденных заказов. Такой подход позволяет не превращать прогноз на год в жесткое обещание.

Каждый месяц нужно закрывать цикл:

1. сравнить план и факт;
2. найти причины отклонений;
3. обновить сезонные коэффициенты;
4. пересчитать воронку продаж;
5. проверить запасы и заказы поставщикам;
6. уточнить загрузку оборудования;
7. пересмотреть сценарии.

Если рынок нестабилен, полезно вводить пороговые правила. Например, при отклонении фактических продаж более чем на 15 процентов прогноз автоматически пересматривается. При росте спроса на определенный материал выше 10 процентов запускается проверка поставщиков.

При падении заказов по клиенту три месяца подряд менеджер обязан уточнить его производственный план.

Не забывайте о денежных разрывах. Рост продаж часто требует больше оборотного капитала: сырье нужно купить раньше, чем клиент оплатит готовую продукцию.

В прогнозе должны быть даты закупки, производства, отгрузки и оплаты. Если поставщик материала требует предоплату, а клиент платит через 45 дней, даже прибыльный заказ может временно создать дефицит денег.

Полезно связывать прогноз с показателями сервиса: долей заказов, выполненных в срок, уровнем дефицита, оборачиваемостью запасов и количеством срочных переналадок. Иногда снижение складского остатка выглядит позитивно, но на деле оно сопровождается ростом просрочек.

Цель - не минимальный запас любой ценой, а баланс между доступностью товара, стоимостью хранения и надежностью поставок.

Финальная модель должна быть понятна человеку, который принимает решения. В ней не обязательно использовать десятки формул. Достаточно иметь ясные блоки: фактические продажи, подтвержденные заказы, вероятные сделки, сезонность, ограничения, сценарии, потребность в сырье, выручка и риски.

Если из таблицы нельзя быстро понять, что делать завтра утром, ее нужно упрощать.

Расчет будущих продаж упаковки и материалов постоянный управленческий процесс, а не разовая операция перед составлением бюджета.

Начинать лучше с чистой истории, сегментации товаров и простой формулы, затем добавлять сезонность, воронку заказов, производственные ограничения и финансовые показатели. Такой путь дает больше пользы, чем попытка сразу внедрить сложную модель на некачественных данных.

Главный ориентир - не абсолютная точность прогноза, которой в реальном бизнесе почти не бывает, а способность заранее увидеть изменения. Хороший прогноз показывает, когда потребуется дополнительный картон, где возникнет перегрузка печатного участка, какой клиент может увеличить заказ и какие материалы не стоит закупать впрок.

Для производителя и поставщика это означает меньше дефицита, меньше неликвидов, более устойчивые сроки и более уверенное планирование продаж.

Какой период истории нужен для прогноза?

Для стабильных позиций желательно иметь не менее 12 месяцев, чтобы увидеть сезонность. Если спрос сильно меняется или ассортимент новый, дополнительно используют данные по аналогам, заказы в работе и сценарный расчет.

Нужно ли прогнозировать каждый артикул отдельно?

Основные и дорогие позиции лучше считать отдельно. Редкие товары можно объединить в группы, но проектные заказы и товары с индивидуальной печатью следует выделять, поскольку их спрос и риск неликвидов отличаются от стандартного ассортимента.

Что делать, если прогноз постоянно ошибается?

Проверьте качество исходных данных, наличие дефицита, разовые сделки, отмены и правильность сегментации. Затем сравните несколько методов на прошлых периодах и отдельно оцените смещение: модель может систематически завышать или занижать будущие продажи.

Об авторе

Игорь М.

Редактор

Перейти на сайт Просмотреть все записи