При работе по выявлению периодов времени, в течение которых присутствует относительно равномерный спрос, имеются сезонные и прочие тенденции потребления, также циклические изменения спроса и влияние мероприятий по стимулированию спроса, приходится сталкиваться со случайными и неожиданными факторами спроса.
К случайным изменениям спроса относятся те изменения, которые не получили объяснения наличием сезонных, циклических и прочих тенденций изменения спроса, а также влиянием мероприятий по стимулированию спроса.
Появление таких случайных изменений в потребности в запасе является неминуемым, что, естественно, снижает точность прогнозирования. Один из приемов преодоления влияния случайных факторов на точность прогнозирования — фильтрация статистического ряда, используемого при составлении прогноза. Он был рассмотрен ранее в. Более сложные методы учета случайного фактора при прогнозировании потребности в запасе (например, имитационного моделирования, нейросетевых методов, модели авторегрессивной интегрированной скользящей средней Бокс — Дженкинса и др.) требуют специальной математической подготовки и, как правило, выполняются силами специалистов отделов бизнес-аналитики и бизнес-информатики. Наличие универсальных пакетов SYSTAT, SPSS, языка GPSS, специализированных пакетов анализа временных рядов (Forecast Expert, FreeFore, МЕЗОЗАВР и др.), а так же Neural Connection и др. существенно упрощает эту задачу.
Достаточно эффективным и простым методом, позволяющим справиться с влиянием случайных факторов на изменение потребности в запасе, является прогнозирование на основе регрессионного анализа.