Анализ временных рядов количества продаж лекарственных средств
Точное прогнозирование продаж - важный и недорогой способ увеличения прибыли, который также позволит снизить влияние рисков на основные процессы, происходящие внутри компании. По результатам построенного прогноза появляется возможность смоделировать наиболее благоприятную среду для производства и распространения товара. От своевременного распространения лекарственных средств по основным каналам продаж, зависит здоровье людей, нуждающихся в медицинской помощи. Строгое ограничение проведения маркетинговых кампаний фармацевтическими дистрибьюторами, лишает их основного механизма воздействия на покупательскую способность в отношении той или иной производимой и распространяемой ими продукции. В таких условиях необходимо искать другие пути увеличения полученной прибыли. Одним из таких путей является оптимизация распространения фармацевтических препаратов. Данный подход влияет не только на количество прибыли, получаемой дистрибьюторами, но и снижает вероятность появления нехватки лекарств в лечебных учреждениях и аптеках. Реализацией такого подхода является построение прогноза продаж с учетом факторов влияния на распространение каждого препарата в условиях рынка.
Обзор факторов, влияющих на количество продаж фармацевтической компании
Одна из главных проблем фармацевтических компаний, заключается в контроле уровня запасов, для предотвращения издержек чрезмерной инвентаризации, но с другой стороны важно не допустить потерю клиентов из-за нехватки лекарств. Система прогнозирования очень востребована в данной области в связи с коротким сроком хранения многих фармацевтических продуктов и необходимости контроля качества. В данный момент почти все фармакологические компании используют простые статистические методы прогнозирования реализации продукции. Но имея доступ к данным прошлых продаж, фармацевтические распределительные центры могут делать точные и надежные прогнозы. Поскольку расчеты должны выполняться с высокой точностью и за короткое время, этого невозможно добиться с помощью ручных или традиционных методов. Следовательно, предпочтительно применять методы интеллектуального анализа данных. Управление запасами, транспортировка и финансовые затраты содержат высокий процент общих расчетов фармацевтических компаний. Как правило, компании покупают продукты у производителей и платят за них сразу, но продажи компенсируют эти затраты постепенно. Этот разрыв представляет угрозу появления непредвиденных расходов и издержек. Поэтому большинство дистрибьюторов этой отрасли ищут современные и точные методы прогнозирования будущих продаж, чтобы уменьшить затраты на закупку и хранение продукции и увеличить прибыль при своевременном удовлетворении потребностей клиентов. Общие существующие методы прогнозирования неэффективны для фармацевтических компаний, так как для этих методов требуется большая выборка данных о продажах каждого товара. Товары в свою очередь постоянно заменяются аналогами или обновляются, усиливая эффект или убирая побочные эффекты. Следовательно, необходимо построить точную модель прогнозирования продаж фармацевтических продуктов с помощью одного из методов интеллектуального анализа данных с учетом постоянного обновления лекарств и отсутствия достаточного количества данных о прошлых продажах препаратов каждого вида. Процедура разработки ценовых прогнозов для целой группы товаров значительно усложняется в связи с объективной необходимостью анализа и оценки сезонных колебаний цен. Ярко выраженным сезонным характером ценовых колебаний обладают витаминные препараты, антимикробные, иммуномодулирующие, анальгезирующие, жаропонижающие и другие лекарственные средства, применяющиеся главным образом для профилактики и лечения простудных заболеваний, которые проявляются в осеннезимний временной период. Алгоритм прогнозирования цен на лекарства подобного типа обычно базируется на построении тренд-сезонных моделей, предполагающих математическое описание основной тенденции ценовых изменений и количественное измерение «сезонной волны». Вместе с тем, как показывает современная отечественная практика тренд-сезонного моделирования, к решению основополагающей задачи по обнаружению и описанию трендовой составляющей обычно подходят формально, используя для этого традиционный способ аналитического выравнивания исходного ценового ряда. При таком подходе не учитывается влияние присутствующих в исходном временном ряду цен сезонных и случайных колебаний, следствием чего становится невысокая точность моделирования и достоверность прогнозов. Для решения этого ряда проблем необходим подход, состоящий в предварительном сглаживании исходного ценового ряда с помощью скользящих средних, с последующей количественной оценкой.
Факторный анализ предметной области
Факторный анализ - это методика комплексного и системного изучения влияния факторов на результат построения модели или прогноза. В процессе анализа выявляются латентные факторы, которые объединяют в себе сильно коррелированные параметры. Полученные факторы оцениваются с точки зрения значимости для результирующего показателя. Анализируя факторы, влияющие на количество продаж фармацевтических компаний, можно отметить, что некоторые из них имеют высокий коэффициент корреляции. Для построения более точного прогноза и уменьшения количество шумов схожие факторы необходимо объединить в один, наиболее значимый фактор (фактор высокого порядка). Из этого можно выделить две цели факторного анализа:
В результате построения факторного анализа было выделено два наиболее значимых фактора, которые объединили в себе: анализа:
- Первый фактор - показатели продаж по каналам распространения;
- Второй фактор - проведение маркетинговых кампаний.
Можно наблюдать из графика, что с началом проведения промо-кампании снижение прибыли останавливается и в последующем находится на уровень выше (на 7- 10 тыс. больше) чем прогноз прибыли без проведения кампании. Тем самым доказана гипотеза влияние второго выделенного фактора на прибыль от продаж лекарственных средств
Построение прогноза на год с использованием метода случайных лесов
Для построения годового прогноза продаж лекарственных средств, необходимо получить модель изменения факторов влияния в течении этого года на основе имеющихся данных. Так как эти факторы изменяются линейно по отношению к текущей дате, воспользуемся методом линейной регрессии для получения модели прогнозирования их значений.
По полученным значениям факторов, оказывающих влияние на количество продаж фармацевтических препаратов, смоделируем прогноз с помощью метода случайных лесов на 2017 год. Изменения продаж получились следующие:
Пропуск почти четверти данных также снижает точность прогноза. На основе этого невозможно конкретизировать влияние каждого фактора на количественные показатели прибыли. Используя имеющееся количество данных, и учитывая ошибки при заполнении пропущенных данных и построения столь долгосрочного прогноза, основываясь на факторном анализе была доказана общая гипотеза зависимости прибыли от проведенных маркетинговых кампаний.