Это методы статистического анализа данных за прошлые периоды, для которых характерны относительно ясные и стабильные тенденции и взаимосвязи. Динамический анализ используют для выявления: (1) систематических колебаний под влиянием сезонных факторов; (2) циклических колебаний; (3) выраженных тенденций; (4) темпов роста в рамках этих тенденций. Методы динамических рядов опираются на предпосылку, что будущее похоже на прошлое, а стало быть, существующая структура спроса сохранится и в будущем. В краткосрочной перспективе такое предположение часто оказывается верным. Поэтому для краткосрочных прогнозов именно эта техника является наиболее подходящей. Но точность результатов здесь напрямую зависит от стабильности мо­дели спроса.

Когда темпы роста или устойчивая тенденция резко меняются, в модели спроса возникает точка перелома. Поскольку методы динамических рядов оперируют данными за прошлые периоды и средне­взвешенными величинами, они обычно не пригодны для выявления точек перелома. Поэтому, когда есть основания ожидать возникновения точки перелома, нужно применять и другие методы прогнози­рования.

Техника динамических рядов включает в себя несколько методов разной степени сложности.

Расширенное сглаживание. Базовую модель можно расширить так, чтобы она учитывала долгосроч­ные тенденции и сезонный фактор. Соответствующие разновидности метода называют экспоненциаль­ным сглаживанием с учетом тенденций и экспоненциальным сглаживанием с учетом сезонного фактора.

Расширенное экспоненциальное сглаживание включает в расчет тенденции и сезонный фактор, когда конкретное значение этих элементов поддается четкому определению. Формула расширенного экспоненциального сглаживания похожа на базовую формулу, только она содержит три элемента и три константы, представляющие базовый спрос, временною тенденцию и сезонный фактор.

Этот метод тоже позволяет быстро рассчитать прогнозные значения при минимальном запасе дан­ных. Чувствительность метода зависит от значения констант. Чем выше значение константы, тем силь­нее чувствительность к колебаниям объема продаж, однако порой это ведет к их переоценке. Главная особенность расширенного метода — способность напрямую учитывать тенденции и сезонный фактор — составляет его несомненное преимущество, но одновременно и слабость.

Планирование и координация логистических операций требуют возможно более точной оценки будущего спроса на отдельные продукты на конкретных ранках. Хотя прогнозирование не является точной наукой, все большее число деловых предприятий внедряет у себя интегрированный процесс прогнозирования, который строится на использовании многообразных источников информации, изощренных математических и статистических методов, систем поддержки управленческих решений, а также квалифицированных специалистов.

Горизонт прогноза в логистике обычно не простирается более чем на один год. В зависимости от предназначения конкретного логистического плана для него может потребоваться прогноз на день, на неделю, месяц, квартал, полугодие или год. На практике чаще всего используют месячные прогнозы. Самое главное, чтобы временной горизонт прогнозирования соответствовал характеру логистических операций.

Во-первых, фундамент процесса прогнозирова­ния составляет база данных, содержащая информацию о текущих заказах, о заказах за прошлые пери­оды и о приемах привлечения этих заказов (к которым относятся рекламные скидки, особые скидки или другие меры по стимулированию продаж).

Прогнозы служат источником информационных потоков, питающих систему планирования и ко­ординации в логистике. Прогноз — это предсказание стоимостного объема или количества единиц продукта, которые с известной вероятностью будут произведены, отгружены или проданы. Прогнози­ровать можно в натуральных или денежных единицах измерения, а объектом прогноза может быть конкретный продукт или потребитель, либо некая группа продуктов и/или потребителей. Типичным примером логистического прогноза является прогноз отправок какого-либо продукта из распредели­тельного центра за неделю или за месяц. В аналитических или отчетных целях данные прогнозов, отно­сящихся к разным промежуткам времени, можно агрегировать.

Для эффективного планирования и координации производственных процессов нужны точные про­гнозы, которые дают менеджерам возможность загодя распределять ресурсы, вместо того чтобы в от­вет на уже наступившие перемены осуществлять дорогостоящие изменения в загрузке мощностей или использовании запасов. Точный прогноз позволяет менеджерам заранее предотвращать возникновение «узких мест» и напряженность спроса на мощности и запасы.