Привычно, что любому российскому гражданину хочется, чтобы его похвалили за перевыполнение плана, а не поругали за то, что план не выполнен. Истоки такой «привычки» кроются:
1)в отношении к продажам в целом как к слабо предсказуемому процессу (в результате величину плана используют только для определения качества работы соответствующего подразделения, а не для планирования работы компании в целом);
2)в слабом уровне планирования российских компаний в целом (потому что если вы точно можете определить, сколько вам потребуется ресурсов — финансовых, человеческих и т. п. — для выполнения заказов в плановый период, и используете эту информацию, то перевыполнение плана на 50 % будет для вас не меньшей проблемой, чем его невыполнение на 50 %).
План продаж, как мы говорили выше, безусловно, будет основываться, помимо прочего, на различных прогнозных показателях. Определяется план продаж, как правило, не только руководителем отдела сбыта, но и другими руководителями компании и ее собственниками.
Если в вашем случае план продаж используется только для того, чтобы оценить работу руководителя отдела сбыта и его подразделения, то прогнозы, очевидно, занижать стоит — вы никак не повредите компании, но снизите свой личный профессиональный риск.
Если же план продаж будет реально использоваться при планировании деятельности других подразделений и при его неправильном определении, например, ваша компания просто не сможет выполнить сверхплановый объем заказов, то лучше, чтобы план был максимально приближен к реальности.
Хотя мы ответили на данный вопрос только с точки зрения руководителя отдела сбыта, уверен, что фактически прозвучал предельно полный ответ.
Данные, используемые для прогнозирования
Если ваша компания пользуется всеми современными методами организации продаж, то вам будет доступно множество данных, которые можно объединить в четыре группы.
1. Оценки различных показателей экспертами (сотрудниками компании, ее партнерами, клиентами).
2. Результаты процессов продаж за предыдущие периоды.
3. Показатели процессов продаж за предыдущие периоды.
4. Данные из внешних источников (аналогичные данные в открытых источниках, макроэкономические данные и показатели).
С тем, что данные из групп 2,3 и 4 более объективны, чем данные из первой группы, спорить сложно. Но важно понимать, что значит объективность в данном случае.
Первая группа данных — экспертные оценки — формируется на основе опыта и интуиции людей, которые обоснованно могут считать, что хорошо знают рынок, на котором работают. При построении оценок эксперты будут анализировать не только свою текущую деятельность, но и часть находящихся в их распоряжении данных из других групп. К сожалению, определить, насколько точен каждый из экспертов, можно только методом проб и ошибок, и нет никаких оснований утверждать, что если, например, один из экспертов точно предугадал объем продаж в текущем квартале, то в следующем он будет настолько же точен.
Вторая и третья группы данных отражают ситуацию в вашей компании и связаны с продажей именно вашей продукции. Казалось бы, идеальные данные, но нельзя забывать, что:
1)данные могут содержать ошибки, явившиеся следствием неаккуратности сотрудников, которые их собирали или предоставляли;
2)данные характеризуют уже свершившиеся факты и напрямую не дают информации о том, что случится в будущем.
Четвертая группа данных заведомо менее объективна, чем две предыдущие, так как, во-первых, вы, скорее всего, не сможете ничего сказать о ее корректности (если это аналогичные вашим данные) или о применимости непосредственно для ваших целей (если это макроэкономические показатели). В обоих случаях это данные по сбыту другой продукции, а не исключительно вашей.
Как видно, у каждой из групп данных есть достоинства, но есть и существенные недостатки. Поэтому при выборе метода использования данных для прогнозирования имеет смысл ориентироваться на особенности каждой из групп при интерпретации результатов.
На какие прогнозы опираются топ-менеджеры при определении плана продаж? Как правило, на те, которым больше доверяют. Доверие основывается либо на авторитете сотрудника, занимавшегося прогнозированием, либо на использовании методов, которые уже не один раз давали точные результаты..
Если в вашем случае ни одно из условий не подходит, то топ-менеджерам остается только доверять авторитету сотрудника, который отвечает за выполнение данных планов. В большинстве случаев таким сотрудником является руководитель отдела сбыта.
Выбор периода агрегации данных.
Используя современные информационные системы для управления продажами, вы будете постоянно получать новые данные о результатах и характеристиках процессов продаж. При желании вы можете с помощью технических специалистов получать обновленный вариант прогноза хоть каждую минуту на основе самых свежих данных, но есть ли смысл делать это настолько часто? С другой стороны, очевидно, что чем чаще вы получаете прогноз, тем больше у вас информации о том, насколько точна заложенная в его основу модель, и в случае необходимости можете оперативно ее корректировать.
Как вы видели в предыдущих параграфах, все описанные методики прогнозирования основываются на агрегированных данных за определенный временной период (например, продажи за неделю, декаду, месяц и т. п.) или по определенной группе (средний прогноз продаж от нескольких экспертов). Наиболее сложен в данном случае вопрос о длительности периода агрегации по времени.
Например, если вы в качестве показателя объема продаж используете данные о поступлении денег на счет, а система мотивации ваших менеджеров по сбыту рассчитывается по результатам продаж за месяц, то будьте уверены, что в начале месяца менеджеру больше нацелены на поиск новых клиентов, а вот в конце — на «выбивание» платежей из тех, кому уже выставлены счета. В результате можно уверенно утверждать, что объем продаж на 10-е число месяца не будет говорить ни о чем. И вообще, использовать периоды агрегации длительностью менее месяца в таком случае просто бессмысленно.
В большинстве случаев для прогнозирования объемов продаж используют помесячные или поквартальные данные, для анализа тенденций изменения рынка — полугодовые и годовые, но в вашем конкретном случае все может быть совсем иначе.
Выбор интервала данных.
При использовании данных из групп 2-3 при прочих равных лучше выбирать настолько длинный интервал данных, насколько это возможно. А в случае если спрос на вашу продукцию подвержен серьезным колебаниям, рекомендуется использовать как минимум двухлетний интервал. Например, практически для любых продуктов бесполезно прогнозировать объем продаж в январе на основе результатов продаж за предыдущие шесть месяцев — до декабря традиционно идет подъем, а в январе неминуемо настанет спад, так как вся страна почти полмесяца не будет работать.
С другой стороны, понятно, что при прогнозировании объема продаж на 1999 г. было бы бессмысленно использовать данные о продажах по России в 1998 г., так как в то время произошел кризис, заметно повлиявший на спрос на товары. Аналогичная ситуация может возникнуть и в вашей компании, если, например:
1)вы резко изменили технологию продаж, отказавшись от работы напрямую с региональными клиентами и передав эту работу партнерам вашей компании;
2)вы значительно изменили число людей, занимающихся продажами вашей продукции;
3)у вас появился серьезный конкурент, который отвоевал часть вашего рынка в определенный момент в прошлом.
Во всех этих случаях нельзя говорить, что вы всегда можете использовать данные только с момента последнего серьезного изменения. Иногда данные можно подкорректировать, чтобы изменения были нивелированы (например, вычесть из объемов продаж за прошлые периоды продажи тем клиентам, которые сейчас перешли к вашему конкуренту), или строить прогноз на основе только части данных, а полученные результаты применять ко всем (например, вы прогнозируете по одной группе товаров, но предполагаете, что подобная тенденция изменения объема продаж будет верна и для других групп).
В любом случае необходимо точно обосновать, почему именно такой интервал данных используется для прогнозирования, — это поможет намного точнее проинтерпретировать полученные результаты.
Экономический смысл различных методов прогнозирования
В предыдущем параграфе мы определили четыре группы исходных данных, на основе которых можно строить прогноз. Выбор конкретного метода прогнозирования из множества существующих (наиболее распространенные из которых мы описали в предыдущей главе) будет зависеть не только от цели прогноза, но и от вида данных, на которые он будет опираться. Важно помнить, что исходные данные — это фундамент прогноза, и от корректности их выбора зависит, будет ваш прогноз по надежности напоминать пирамиду Хеопса или Пизанскую башню.
Прогнозирование на основе экспертных данных.
Важно помнить, что при использовании экспертных данных имеет смысл оценивать только продажи на ближайший период, т. е., например, прогнозировать объем продаж на следующий месяц. Экспертные оценки объема продаж «через месяц-два», как правило, будут намного менее точны, чем полученные на основе анализа объективных данных, так как большинство людей при прогнозировании на длительный срок — тот, «который еще не скоро», — начинают чересчур творчески подходить к такой работе. В результате оптимисты оценки завышают, пессимисты — занижают, причем величину ошибки предсказать почти невозможно.
Один из методов обработки экспертных данных уже рассматривался в предыдущей главе. Его можно аналогично использовать и для обработки экспертных оценок объемов продаж в ближайшем периоде.
Иногда удается улучшить эту процедуру, если собирать от каждого эксперта (в том случае, если все они — сотрудники вашей компании) прогнозы объемов продаж по тому направлению, за котороеон отвечает. Иными словами, менеджер по сбыту дает оценки своего объема продаж, руководитель группы продавцов — оценки объема продаж группы, менеджер продукта — оценки объема продаж своего продукта и т. п. Обработав полученные таким образом прогнозы продаж, можно вывести довольно достоверные.