煙草企業銷售計劃分解方法研究

李廣良

銷售計劃分解作為企業經營管理的一個重要環節，不僅直接關系到員工的工作熱情、企業的工作績效，也關乎企業的經營目標能否順利實現。特別是在煙草行業，隨著經濟下行壓力不斷加大，增長速度回落、工商庫存增加、結構空間變窄、需求拐點逼近這“四大難題”更為凸顯，這對煙草企業經營管理的科學性提出了更高的要求，合理地分解銷售計劃顯得更加重要。

所謂銷售計劃分解，是指企業根據市場預測、發展戰略制定出某一時期內的銷售目標，并據此規定出各部門、各環節、各區域市場的具體任務。銷售計劃分解有橫向分解和縱向分解兩種方式。橫向分解是貫徹職能部門負責制，將銷售目標在部門之間的分解。縱向分解是貫徹直線領導負責制，將銷售目標在部門內部由上級向下級的分解。本文以Z煙草公司銷售量為例，探討卷煙銷售計劃在各區域市場（分公司）的縱向分解。

一、企業銷售分解中存在的問題

從企業經營管理的實踐來看，銷售計劃的分解普遍存在著諸多問題，主要表現在：

第一，片面注重各分公司歷史銷售數據，忽視了市場環境變化帶來的影響。以卷煙市場為例，近期受宏觀經濟下行、政府控煙力度加大、煙民戒煙意向趨強等因素的影響，社會需求出現滯緩，而歷史銷售數據往往難以反映出這種變化。

第二，“鞭打快牛”現象比較普遍。很多企業在分解銷售計劃時，主要參考各分公司往年銷售業績，很容易導致往年任務偏高的分公司其銷售任務越來越大，負擔越來越重，計劃分解難以做到公平合理。

第三，忽視了對銷量差異較大地區影響因素的深度甄別分析。高銷量地區和低銷量地區的市場影響因素往往是不同的，但在傳統營銷管理中很少會對不同地區的影響因素進行甄別分析，這也自然影響到銷售計劃分解的科學性。

針對計劃分解中存在的這些問題，本文根據Z公司下屬11個分公司2008～2015年度銷售數據和經濟指標數據，從“社會經濟環境的影響”和“自身經營能力的變化”兩個視角，分別選擇“多元線性回歸分析”和“趨勢外推模型”兩種方法對各分公司銷售量進行預測，在對兩種預測結果進行加權綜合的基礎上，再結合上級公司下達的銷售任務進行調整得出下年度銷售量計劃數。

二、多元線性回歸分析

（一）區域市場的分類

一般而言，銷售量差異比較大的區域市場其環境影響因素可能是不同的。為了深入了解高銷量市場和低銷量市場各自內在的影響因素，就需要對市場按銷量進行分類。本文根據Z公司下屬各分公司2008～2015年度銷售數據，借助于統計分析軟件SPSS運用“系統聚類法”進行聚類分析。從聚類分析結果可以看出，Z公司下屬11個分公司（其中一個分公司系2014年年底成立，經綜合分析歸入B類）可分為三大類：

第一類是高銷量區域市場，稱為A類市場，包括2個分公司；

第二類是中銷量區域市場，稱為B類市場，包括7個分公司；

第三類是低銷量區域市場，稱為C類市場，包含1個分公司。

（二）建立多元線性回歸模型

針對聚類分析的結果，對于三種不同類型的市場運用“多元線性回歸分析”的方法探討社會經濟環境因素對卷煙銷售的不同影響。為使預測分析結果更準確、更具可行性，在建立線性回歸模型時，以Z煙草公司下屬各分公司為個體，以各分公司本年度卷煙銷售量為被解釋變量，選擇各分公司所轄市場上一年度5個經濟指標為解釋變量，再通過統計年鑒搜集相關經濟指標數據。解釋變量的選擇基于如下視角：

第一，從社會、經濟發展總量的視角。選擇兩個指標：人口總數、地區生產總值。

第二，從城鄉居民收入的視角。選擇兩個指標：農村居民人均純收入、城鎮居民人均可支配收入。

第三，從社會消費總量的視角。選擇一個指標：社會消費品零售總額。

搜集相關經濟指標數據，并針對A、B、C三類區域市場，運用“逐步回歸法”分別建立線性回歸模型。

對于A類市場（高銷量市場）進行回歸分析的結果表明，影響卷煙銷售量的主要因素依次是：社會消費品零售總額和農民人均純收入。模型調整決定系數為0.962，表明模型具有良好的擬合度。此外，常數項、農民人均純收入和社會消費品零售總額的P值均小于0.05，檢驗結果顯著。

對于B類市場（中銷量市場）進行回歸分析的結果表明，影響卷煙銷售量的主要因素依次是：總人口數、社會消費品零售總額、地區生產總值。模型調整決定系數為0.917，表明模型具有良好的擬合度。常數項及三個自變量的P值也均小于0.05，檢驗結果顯著。

在C類市場（低銷量市場），影響卷煙銷售量的主要因素是城鎮居民人均可支配收入。模型調整決定系數為0.875，表明模型具有較好的擬合度。常數項及自變量P值均小于0.05，檢驗結果顯著。

將11個分公司近年來銷售數據和相關經濟指標數據分別代入各自相對應的回歸模型進行驗證，結果表明，模型均具有較好的代表性，可以作為卷煙銷售量預測及銷售計劃分解的參考依據。各分公司根據本類市場的回歸模型，將相應經濟指標的本年度數據代入各自對應的回歸模型就可計算出下年度（即計劃期）卷煙銷售量的預測值。

三、趨勢外推預測分析

時間序列數據從一定程度上表達了企業自身經營能力的變化，通過時間序列分析可以反映各分公司自身經營業績的發展趨勢。本文通過對Z公司下屬各分公司2008～2015年度卷煙銷售數據的分析發現，各分公司銷售量呈線性趨勢增長。

根據各分公司2008～2015年度卷煙銷售數據可計算得出其趨勢外推模型。分析結果表明，除個別分公司的趨勢外推模型擬合優度稍低外，多數分公司的模型都具有較好的擬合度。

四、銷售計劃的確定

將“多元線性回歸”預測值和趨勢外推預測值進行簡單平均即可得到各分公司銷售量的綜合預測值。

但需要注意的是，各分公司計算出的綜合預測值是理論值，匯總后得到Z公司下年度銷售總量的預測值，該值與上級公司下達的銷售任務數不完全吻合，可以用銷售任務數除以銷售總量預測值作為修正系數，再以修正系數乘以各分公司的銷售量預測值即得各分公司下一年度（計劃期）的計劃數。

這樣確定的計劃數跟各分公司的實際情況可能會存在一定的誤差，而且也未能充分體現公司的經營戰略（比如未考慮新建公司的成長性等）。因此，實際操作中還需要根據公司的經營戰略、各分公司的特殊情況予以調整。

五、結論

通過上述分析過程及其結果可以看出：

第一，高銷量地區和低銷量地區的影響因素是不同的。在高銷量地區影響卷煙銷量的主要因素是社會消費品零售總額和農民人均純收入；而中銷量地區的影響因素主要是人口數、地區生產總值和社會消費品零售總額等總量指標；低銷量地區則表現為城鎮居民人均可支配收入。這充分說明，對區域市場進行分類是必要的，在對市場分類分析基礎上的計劃分解更具科學性、合理性。

第二，本文采取的多元線性回歸分析，是以各分公司本年度銷售量為被解釋變量，以上一年度經濟指標為解釋變量，可以避免采用同步指標預測而出現的“滯后現象”（本年度經濟指標的數據往往在下一年才能得到，無法滿足本年度預測的需要），使得銷售計劃的分解更具有可行性。

第三，采取多種預測方法綜合運用，可以有效避免單一預測方法而加大誤差風險的概率，使計劃分解更加準確、可靠。

Z煙草公司2013～2015年的銷售計劃都是按照上述方法分解的，實踐證明，該方法不但具有較好的可操作性，也更加精準、科學。