Sales forecasting method selection in a company (the example of a retail company)

Magistritöö eesmärgiks on välja selgitada, kuidas valida müügi prognoosimiseks sobiv meetod ettevõttes. Töö empiirilises osas on esitatud töö autori vaade prognoosimeetodi valikust müügi prognoosimiseks Kilingi-Nõmme Konsumis (Kilingi-Nõmme Majandusühistu). Selleks on valitud varasematest teadustöödest saadud suuniste põhjal prognoosimeetodid 2012. aasta müügi prognoosimiseks ning seejärel on hinnatud rakendatud meetodeid täpsuse alusel. Hinnati järgmisi aegridade meetodeid: naiivne meetod, kolme aasta aritmeetiline keskmine, kolme aasta kaalutud keskmine, dekompositsioonianalüüs, eksponentsiaalne silumine trendiga ja eksponentsiaalne silumine trendi ja sesoonsusega. Prognoosimise protsessi kaasati lisainformatsioonina teave ümbritseva kaubanduskeskkonna ja tarbijate ostukäitumise kohta. Kõige täpsemaks osutus dekompositsioonianalüüsil põhinev prognoos – hinnang keskmise absoluutse prognoosivea (MAE), keskmise protsentvea (MPE), keskmise absoluutse protsentvea (MAPE) ja Theil’i U-statistiku alusel.The aim of the paper is to find out, how to select a suitable sales forecasting method in a company. In the theoretical part of the paper the guidelines of forecasting method selection from prior research (by important authors in forecasting field) were presented and in the empirical part of the paper the suitable sales forecasting method in example of the Kilingi-Nõmme Konsum was selected. The sales forecasting method was selected among the following time-series methods: naive method, three year average, three year weighted average, decomposition analysis, exponential smoothing with trend, exponential smoothing with trend and seasonality. In the forecasting process the author used information on operational environment and information on the customer behavior as further information. Methods were evaluated by the fallowing forecast accuracy indicators: mean absolute error (MAE), mean percentage error (MPE), mean absolute percentage error (MAPE) and Theil’s U-statistic. By all forecasting accuracy indicators, the most accurate sales forecast was compiled by the decomposition analyses