Стрессовые ситуации и логистические прогнозы для бизнеса

Abstract

В логистике широко используются методы прогнозирования, поскольку значения прогнозных оценок развития анализируемых процессов или явлений являются основой для принятия управленческих решений при оперативном, тактическом и стратегическом планировании (от оценки вероятности дефицита продукции на складе до выбора стратегии развития компании). Точность и достоверности прогноза – это гарантия эффективности выполнения поставленных задач. Работа представляет собой исследование влияния стрессовых ситуаций на построение логистических прогнозов для бизнеса, фокусируясь на вопросе оптимизации складских запасов. Эта тема представляется авторам весьма актуальной в текущей экономической ситуации в Российской Федерации. Авторами была рассмотрена и протестирована на реальных данных крупной российской компании широко используемая модель линейной регрессии. Показана ее крайняя неэффективность для использования в ситуации стресса. Соответственно, авторами была разработана и изложена в работе собственная модель прогнозирования складских запасов (также с тестированием). Дальнейшее развитие в этом направлении подразумевает применение анализа временных рядов для усиления/поправки полученных результатов. Forecasting methods are widely used in logistics. The values of predictive estimates of the development of the analyzed processes or phenomena are the basis for decision-making in operational, tactical, and strategic planning (from assessing the likelihood of a shortage of products in a warehouse to choosing a company development strategy). The accuracy and reliability of the forecast guarantee the effectiveness of the task’s implementation. Our work is a study of the impact of stressful situations on the building logistics forecasts for business, focusing on the issue of safety stock optimization. This paper seems to the authors to be very relevant in the context of the current economic situation in the Russian Federation. The authors have reviewed and tested a widely used linear regression model on real data of a big Russian company. Its extreme inefficiency for use in a stressful situation is shown. Accordingly, the authors have developed and introduced their own forecasting model (also tested). Further development in this direction implies the use of time series analysis to improve/correct the results obtained.