FORECASTING Seasonal Factor - prosentandelen av gjennomsnittlig kvartalsbehov som oppstår i hvert kvartal. Årlig prognose for år 4 er beregnet til å være 400 enheter. Gjennomsnittlig prognose per kvartal er 4004 100 enheter. Kvartalsvisvarsel avg. prognose sesongfaktor. Kausale prognosemetoder Kausale prognosemetoder er basert på et kjent eller oppfattet forhold mellom den faktor som skal prognoses og andre eksterne eller interne faktorer. 1. regresjon: Matematisk ligning relaterer en avhengig variabel til en eller flere uavhengige variabler som antas å påvirke den avhengige variabelen 2. Økonometriske modeller: System av gjensidige regresjonsligninger som beskriver noen sektor av økonomisk aktivitet 3. Inndata-utgangsmodeller: beskriver strømmen fra en sektor av økonomien til en annen, og forutsetter derfor inngangene som kreves for å produsere utganger i en annen sektor 4. simuleringsmodeller MÅLING FORECAST FEIL Det er to aspekter ved prognosefeil å være opptatt av - Bias og nøyaktighet Bias - En prognose er partisk hvis den går mer i en retning enn i den andre - Metoden har en tendens til å være under-prognoser eller over-prognoser. Nøyaktighet - Forecast nøyaktighet refererer til avstanden til prognosene fra den faktiske etterspørselen ignorerer retningen av den feilen. Eksempel: I seks perioder har prognosen og den faktiske etterspørselen blitt sporet. Følgende tabell gir den faktiske etterspørselen D t og prognosefterspørselen F t i seks perioder: Kumulativ sum av prognosefeil (CFE) -20 gjennomsnittlig absolutt avvik (MAD) 170 6 28,33 gjennomsnittlig kvadrat feil (MSE) 5150 6 858.33 standardavvik for prognosefeil 5150 6 29.30 gjennomsnittlig absolutt prosentfeil (MAPE) 83,4 6 13,9 Hvilken informasjon gir hver prognose en tendens til å overskride etterspørsels gjennomsnittlig feil per prognose var 28,33 enheter eller 13,9 av Den faktiske etterspørselsprøvefordelingen av prognosefeil har standardavvik på 29,3 enheter. KRITERIER FOR VELGING AV EN FORSIKLINGSMETODE Mål: 1. Maksimere nøyaktighet og 2. Minimer Bias Potensielle Regler for å velge en prognosemetode for tidsserier. Velg metoden som gir den minste bias, målt ved kumulativ prognosefeil (CFE) eller gir den minste gjennomsnittlige absoluttavviket (MAD) eller gir det minste sporingssignalet eller støtter ledelsens tro på det underliggende mønsteret av etterspørsel eller andre. Det synes åpenbart at noe måling av både nøyaktighet og forspenning skal brukes sammen. Hvordan Hva med antall perioder som skal samples hvis etterspørselen er iboende stabil, foreslås lave verdier av og og høyere verdier av N hvis etterspørselen er ustabil, høye verdier av og og lavere verdier av N er foreslått FOCUS FORECASTING quotfocus forecastingquot refererer til en tilnærming til prognoser som utvikler prognoser ved hjelp av ulike teknikker, plukker deretter prognosen som ble produsert av kvotekvoten til disse teknikkene, hvor kvotekvot bestemmes av noe mål på prognosefeil. FOKUSFORSIKRING: EKSEMPEL For første halvår har etterspørselen etter en varehandel vært 15, 14, 15, 17, 19 og 18 enheter. En forhandler bruker et fokusprognosesystem basert på to prognoseteknikker: et to-års glidende gjennomsnitt og en trendjustert eksponensiell utjevningsmodell med 0,1 og 0,1. Med den eksponentielle modellen var prognosen for januar 15 og trenden gjennomsnittlig ved utgangen av desember var 1. Forhandleren bruker gjennomsnittlig absolutt avvik (MAD) de siste tre månedene som kriterium for å velge hvilken modell som vil bli brukt til å prognose for neste måned. en. Hva blir prognosen for juli og hvilken modell vil bli brukt b. Vil du svare på del a. være annerledes dersom etterspørselen etter mai hadde vært 14 i stedet for 19 Hvordan å prognose etterspørsel Opprette en vellykket prognoseforespørsel sikrer at du har nok beholdning for den kommende salgsperioden. En etterspørselsprognose ser på salgsdata fra fortiden for å bestemme forbrukernes etterspørsel i fremtiden. Med en nøyaktig etterspørselsprognose vil du ha operasjoner som er mer effektive, bedre kundeservice og redusert ledetid på produksjonsprodukter. En nøyaktig etterspørselsprognose vil hjelpe deg med å unngå høye kostnader, dårlig kundeservice og produktmangel. 1 trinn Rediger Del ett av syv: Samle informasjon Rediger Mål-spesifikke produkter. I stedet for å fokusere på en komplett produktlinje, identifiser bestemte produkter du vil spore. Å gjøre dette gjør det enklere å organisere tidligere data og prognose etterspørsel. For eksempel, hvis du har en eksisterende serie vinterklær, fokuser du spesielt på hansker først i stedet for hele linjen. 2 Fokus på dine produkter som tjener deg mest inntekt. For eksempel følger mange entreprenører 8020-regelen, som sier at 20 av produkter eller tjenester som tilbys av en bedrift, generelt utgjør 80 av inntektene. 3 Identifiser disse produktene og følg etterspørselen etter dem. Det kan hende du må prognose etterspørselen etter hvert produkt i lageret ditt, men det blir lettere og mer nøyaktig hvis du gjør noen lignende produkter om gangen som hansker, støvler og vinterhatter. Vurder å skape en salgs - og driftsplanleggingsgruppe som inkluderer representanter fra hver avdeling og oppgave dem med å forberede en etterspørselsprognose. Se gjennom markedsplanene dine. Eventuelle markedsføringskampanjer eller salgsfremmende kampanjer kan øke etterspørselen av produktet ditt. Se på de siste dataene og se hva som var vellykket. Se om det var spesialrabatter eller feriesalg som økte etterspørselen etter ditt produkt. Du vil ta alt dette i betraktning når du forutsetter etterspørsel, spesielt hvis du planlegger å gjenta lignende salgsstrategier. 4 anmeldelse nøkkelindikatorer. Finn ut hva som ligger bak svingningen i kundenes etterspørsel. Viktige indikatorer inkluderer demografi og miljøfaktorer. Demografi inkluderer alder, kjønn, plassering og ethvert annet sett av identifiserende egenskaper. Identifisering av etterspørselen fra viktige demografiske grupper bidrar til å begrense databassenget for prognosen. Miljøfaktorer påvirker etterspørselen også. For eksempel kan en alvorlig vinter føre til en nedgang i salget. 5 Se på markedsplassen din. Analyser hva konkurrenter, kunder, bankfolk og andre mennesker i markedsplassen sier og gjør. Se om konkurrentene dine kjører store salg eller kampanjer. 6 Se på de foregående månedene. Se på både de siste månedene og årlige salgsavvik som ferietid. Dette vil hjelpe deg med å finne årlige og sesongmessige fluktuasjoner. Når du ser på de siste månedene, analyser du drivmønstrene bak etterspørselen. Se på eventuelle prisjusteringer eller eventuelle markedsføringskampanjer som førte til økning i nye kunder. Virksomheten øker alltid av en grunn, og en smart forretningsmann eller forretningskvinne vil finne ut hvorfor. For eksempel kan du ha kjøpt en kjøp en, få ett gratis salg i august for å gå tilbake til skolen. Hvis du velger å replikere disse faktorene, bør du vurdere det i din prognose. 7 Bestem ledetiden din. Leadtid er tiden mellom oppstart av en bestilling og levering av et produkt. Å vite dette vil hjelpe deg med å prognose etterspørselen. Dette vil hjelpe deg med å avgjøre hvor fort du kan gjøre produktet og møte etterspørselen. 8 Hvis du kjøper produktene dine fra et annet selskap, er ledetiden klokka mellom bestillingen og når den kommer på dørstokken din. Du kan også bestemme ledetiden ved å undersøke råmaterialene og komponentene. Å kjenne din nødvendige produksjonstid vil hjelpe deg med å gjøre en mer nøyaktig forventet prognose. Fokus på et bestemt element bidrar til å forutsi hvor mye materiale du trenger og produksjonstiden for å lage produktet. Når du har estimert produksjonskvantumene dine, se på komponentbehovet for hvert element. For eksempel, hvis du produserer blyanter, må du vite hvor mye tre, gummi og føre til ordre basert på prognosen din. 9 Finn ut hvilken tilnærming til bruk. Det er fire generelle tilnærminger til å forutse etterspørselen. De inkluderer dommende, eksperimentelle, relationalcausal og tidsserier. Velg den beste tilnærmingen basert på produktets historie. Eksempelvis brukes eksperimentell tilnærming hovedsakelig for nye produkter som ikke har historikkdata på markedet. Disse tilnærmingene er hvordan du samler mesteparten av dataene dine. 10 Du kan kombinere tilnærmingene for å skape en mer nøyaktig etterspørselsprognose. Vurder dømmende tilnærminger. Denne metoden bygger på det kollektive markedets innsikt observert av salgsteamet og lederne for å avgjøre etterspørselen. Disse menneskene kan gi noe eller, i noen tilfeller, svært nøyaktige kravsprognoser basert på egen kunnskap og erfaring. Imidlertid kan dataene du samler fra dem være upålitelige, da det er avhengig av ekspertene dine egne personlige synspunkter. Av denne grunn er data utledet av dømmende tilnærminger best brukt til å foreta kortsiktige etterspørselsprognoser. 11 Det er flere forskjellige måter å gå om dette, avhengig hovedsakelig av hvem du bruker til panelet ditt. Men du trenger ikke å bruke dem alle for en skikkelig dømmende tilnærming. Du kan velge eller hvilken som helst kombinasjon av dem for å oppnå målene dine, avhengig av hvilke grupper du tror ville gi den mest nøyaktige dommen. Bestem om du må bruke en eksperimentell tilnærming. Denne tilnærmingen fungerer best for nye produkter, og det er ikke nyttig for eksisterende produkter som har en historisk etterspørselsrekord. Denne tilnærmingen tar resultatene fra et lite antall kunder og ekstrapolerer funnene til et stort antall kunder. Hvis du for eksempel kontakter 500 personer tilfeldig i en bestemt by og 25 sier at de vil kjøpe produktet innen 6 måneder, kan du anta at denne prosentdelen gjelder for 5000 personer. 12 Hvis en liten gruppe målrettede kunder elsker en ny teknologi og reagerer godt på testmarkedsføringen, kan du ekstrapolere dette nummeret til å også prognose nasjonal etterspørsel. Problemet med denne tilnærmingen er at det ofte samler inn mer informasjon om kundens preferanse mot produktet i stedet for etterspørseldata. Vurder å bruke en relasjonskasisk tilnærming. Denne tilnærmingen forsøker å finne ut hvorfor folk kjøper produktet. Ideen er at hvis du kan forstå hvorfor folk kjøper produktet, så kan du opprette en etterspørselsprognose basert på den grunnen. For eksempel, hvis du selger snø støvler, så vet du at etterspørselen etter produktet ditt er værrelatert. Hvis værmeldingen forutsier en tung vinter, vet du at det vil være en høyere etterspørsel etter snø støvlene. 13 Disse tilnærmingene inkluderer livssyklus og simuleringsmodeller. Beregn etterspørsel ved hjelp av tidsserier. Tidsserier tilnærminger forsøk på å matematisk beregne etterspørsel ved hjelp av tidligere figurer og trender som en veiledning. Spesielt kan du bruke bevegelige gjennomsnitt, vektede glidende gjennomsnitt, og eller eksponensiell utjevning for å forsøke å forutsi nøyaktig etterspørselen din. Disse tilnærmingene gir deg vanskeligere tall enn andre tilnærminger, men må kombineres med andre subjektive tilnærminger for å redegjøre for effektene av fremtidige endringer i markedet eller forretningsplanen. Del fem av syv: Bruk RelationalCausal Approaches Edit Rediger Undersøk tidligere salg for månedlige eller sesongmessige trender. Se over salgstallene for de siste årene for å avgjøre hvilke tider i året som står for den høyere prosentdelen av salget. Er de konstant Opplever du høyere salg i vinter eller sommer Mål økningen eller nedgangen i salget i disse tider. Var forandringen høyere eller lavere i visse år, så tenk på hvorfor dette kan være tilfelle. Bruk hva du har lært og bruk den til nåværende års prognose. For eksempel, hvis du selger snø støvler, har du kanskje opplevd en særlig stor økning i salget i en kald vinter. Hvis dette året regnes som en kald vinter, bør du øke etterspørselsprognosen tilsvarende. Se etter kundens reaksjoner. Dette refererer til situasjoner der en endring i produktet eller markedet resulterte i høyere eller lavere salg. Opprett diagrammer for ditt historiske salg for produktet og merk viktige datoer, for eksempel en prisøkning eller introduksjon av et konkurrerende produkt. Dette kan også være bredere, som en reaksjon på den skiftende økonomien eller endringer i forbruksutgifter. Les relevante fagtidskrifter og avisartikler for å samle denne informasjonen. Å ha all denne informasjonen tilgjengelig, kan gi deg en bedre ide om hva som kan påvirke fremtidig etterspørsel. Lag en livssyklusmodell. En livssyklus refererer til livet til produktene dine, mellom når det ble først introdusert og i dag. Se på salg av produktet ditt på ulike stadier. Undersøk arten til kunder som kjøper produktet ditt under disse stadiene. For eksempel vil du ha tidlige brukere (de som elsker den nyeste teknologien), vanlige kjøpere (folk som venter på produktomtaler og henvisninger), laggards (de kjøper bare når produktet har vært ute i lang tid) og andre typer av forbrukere. Dette vil hjelpe deg med å bestemme produktets livscykeltrender og etterspørselsmønstre for produktet. 22 Næringene som bruker denne modellen mest, inkluderer høyteknologi, mote og produkter som står overfor korte livssykluser. Det som gjør denne tilnærmingen unik er at årsaken til etterspørselen er direkte knyttet til produktets livssyklus. Bruk en simuleringsmodell. Lag en modell som simulerer strømmen av komponenter til fabrikker basert på dine materielle krav planleggingsplaner og distribusjonsflyten av dine ferdige varer. For eksempel beregne ledetiden for å motta hver komponent, inkludert frakttid, uansett hvor den er hentet fra verden. Dette gir deg innsikt i hvor raskt du kan gjøre produktet ditt til å møte etterspørselen. 23 Disse modellene er kjent for å være vanskelig og tungvint å skape og vedlikeholde. Leser Suksesshistorier Jeg har vært ute av drift i en stund, men som ny teknologi utvikler, går kunnskaps - og erfaringsverktøyene hånd i hånd. En profesjonell liker alltid å holde seg oppdatert. Det var interessant å gå gjennom det jeg brukte tidligere med noen nyttige additionsapproaches. Jeg vil gå gjennom dette igjen. Takk. . mer - Jawaid Manzoor Denne siden hjalp meg å forstå min rapport om markedsprinsipper. - Jeyz Napial Informasjonen var veldig detaljert og nyttig. - Sylvie Pereira Veldig godt skrevet og lett å forstå. - Sohail Akram God artikkel. Det er lett å forstå. - Tania MathewsDemand Forecasting: Itrsquos Betydning, Typer, Teknikker og Metodeøkonomi Prognoser blir livslang for virksomheten i en verden, hvor tidevannsbølgene av forandring svekker de mest etablerte strukturer, arvet av det menneskelige samfunn. Handel skjer bare med den ene av de første dødsfallene. Overlevelse i denne tiden av økonomiske rovdyr krever takt, talent og teknikk for å forutsi fremtiden. Prognosen blir tegn på overlevelse og forretningsspråk. Alle krav til næringslivet trenger teknikken for nøyaktig og praktisk lesing inn i fremtiden. Prognoser er derfor svært viktig for virksomhetenes overlevelse. Manshyagement krever forutsetning av informasjon når man tar et bredt spekter av beslutninger. Salgsforutsetningen er spesielt viktig, da det er grunnlaget for alle selskapsplaner er bygget i form av markeder og inntekter. Ledelsen ville være en enkel sak hvis virksomheten ikke var i en kontinuerlig tilstand av forandring, hvis tempo har forandret seg de siste årene. Det blir stadig viktigere og nødvendig for virksomheten å forutsi deres fremtidsmuligheter i form av salg, kostnader og fortjeneste. Verdien av fremtidig salg er avgjørende fordi det påvirker kostnadsoverskudd, slik at prognosen for fremtidig salg er det logiske utgangspunktet for all forretningsplanlegging. En prognose er en prognose eller estimering av fremtidig situasjon. Det er en objektiv vurdering av fremtidig handlingsplan. Siden fremtiden er usikker, kan ingen prognoser være korrekt. Prognoser kan være både fysiske og økonomiske i naturen. Jo mer realistiske prognosene er, desto mer effektive beslutninger kan tas i morgen. Etter ordene fra Cundiff og Still er etterspørselsforespørsel et estimat av salg i en angitt fremtidig periode som er knyttet til en foreslått markedsføringsplan, og som forutsetter et bestemt sett med ukjente og konkurransedyktige krefter. Derfor er etterspørselsforespørsel et projeksjon av foretak forventet salgsnivå basert på en valgt markedsplan og miljø. Fremgangsmåte for å forberede salgsprognoser: Selskaper bruker vanligvis en tre-trinns prosedyre for å utarbeide salgsprognose. De foretar en miljøprognose, etterfulgt av en industriprognos, og etterfulgt av selskapets salgsforventning, krever miljøprognosen at det skal prognostiseres inflasjon, arbeidsledighet, rentesats, forbrukerutgifter og sparekostnader, næringsinvesteringer, offentlige utgifter, nettoeksport og andre miljømessige størrelser og hendelser av betydning for selskapet. Industriprognosen er basert på undersøkelser av forbrukernes intensjon, og analyse av statistiske trender er gjort tilgjengelig av fagforeninger eller chamshyber of commerce. Det kan gi indikasjon til et firma angående tine retning der hele næringen vil bevege seg. Selskapet oppnår salgsprognose ved å anta at det vil vinne en viss markedsandel. Alle prognoser er bygd på en av de tre informasjonsbasisene: Hva folk sier Hva folk har gjort Typer av prognoser: Prognoser kan bredt klassifiseres i: (i) Passiv prognose og (ii) Aktiv prognose. Under passiv prognose er forutsetningen om fremtiden basert på antagelsen om at firmaet ikke endrer løpet av handlingen. Under aktiv prognose er forutsigelsen gjort under betingelse av sannsynlige fremtidige endringer i virksomhetenes handlinger. Fra utsiktspunktet for tidsramme kan prognoser klassifiseres i to, dvs. (i) Kortsiktige etterspørselsforespørsel og (ii) langsiktig etterspørselsforespørsel. I en kortvarig prognose er sesongmønstre av stor betydning. Det kan omfatte en periode på tre måneder, seks måneder eller ett år. Det er en som gir informasjon for taktiske beslutninger. Hvilken periode er valgt, avhenger av arten av busishyness. En slik prognose bidrar til å forberede en egnet salgspolitikk. Langsiktig prognoser er nyttige i egnet kapitalplanlegging. Det er en som gir informasjon om viktige strategiske beslutninger. Det hjelper med å spare spild i materiale, man timer, maskin tid og kapasitet. Planlegging av en ny enhet må starte med en analyse av det langsiktige etterspørselspotensialet for selskapets produkter. Det er i utgangspunktet to typer prognoser, nemlig. (i) Ekstern eller nasjonal gruppe av prognoser, og (ii) Interne eller konsernprognoser. Ekstern prognose omhandler trender i generell virksomhet. Det er vanligvis utarbeidet av en selskaps forskningsfløy eller av eksterne konsulenter. Intern prognose inkluderer alle de som er relatert til driften av et bestemt foretak som salgsgruppe, produksjonsgruppe og finansgruppe. Strukturen av intern prognose inkluderer prognose av årlig omsetning, prognose for produktkostnad, prognose av driftsresultat, prognose for skattepliktig inntekt, prognose av kontantressurser, prognose for antall ansatte mv. På ulike nivåer kan prognoser klassifiseres i: ( i) prognoser på makronivå, ii) prognose på næringsmiddelnivå, iii) prognose på fastnivå og (iv) prognoser for produktlinje. Makro-nivå forecastshying er opptatt av forretningsforhold over hele økonomien. Det måles med en passende indeks for industriproduksjon, nasjonal inntekt eller utgift. Forutsetninger på næringsnivå er utarbeidet av ulike fagforeninger. Dette er basert på undersøkelse av forbrukernes intensjon og analyse av statistiske trender. Fast nivå prognose er relatert til et enkelt firma. Det er viktigst fra ledelsesmessig synspunkt. Prognosen for produktlinjen hjelper firmaet til å avgjøre hvilket produkt eller produkt som skal prioriteres ved tildeling av begrensede ressurser. Prognosen kan klassifiseres i (i) generell og (ii) spesifikk. Den generelle prognosen kan generelt være nyttig for firmaet. Mange bedrifter krever separate prognoser for spesifikke produkter og spesifikke områder, for denne generelle prognosen er oppdelt i bestemte prognoser. Det er ulike prognoser for ulike typer produkter som: (i) Forutsetning etterspørsel etter ikke-konsentrerbare forbruksvarer, (ii) Forutsigbar etterspørsel etter varige forbruksvarer, (iii) Forutsigelse av deshymand for kapitalvarer, og (iv) Forutsetning av etterspørsel etter nye produkter . Ikke-varige forbruksvarer: Disse er også kjent som konsumvarer til engangsbruk eller forgjengelige forbruksvarer. Disse forsvinne etter en enkelt forbruk. Disse inkluderer varer som mat, melk, medisin, frukt, etc. Etterspørselen etter disse varene avhenger av husholdnings disponibel inntekt, pris på varen og tilhørende varer og populasjon og egenskaper. Symbolisk, Dc f (y, s, p, pr) hvor Dc etterspørselen etter råvare husholdningenes disponible inntekt p pris på råvareprisen av tilhørende varer (i) Disponibel inntekt uttrykt som Dc f (y) dvs. lik, etterspørselen etter vare er avhengig av husholdningenes disponible inntekt. Disponibel inntekt av husholdningen beregnes etter fradrag av personlige skatter fra personlig inntekt. Disponibel inntekt gir en ide om kjøpekraften til husholdningen. (ii) Pris, uttrykt som Dcf (p, pr), det vil si andre ting som er like, etterspørselen etter vare er avhengig av egen pris og prisen på relaterte varer. Mens etterspørselen etter en vare er omvendt knyttet til sin egen pris på sine komplementer. Det er positivt knyttet til sine erstatninger.8217 Priselasticitet og kryss elastisitet av ikke-varige forbruksvarer hjelper i etterspørselen etterspørsel. (iii) Befolkning, uttrykt som Dcf (5), dvs. andre ting er like, etterspørselen etter vare er avhengig av befolkningens størrelse og dens sammensetning. Dessuten kan befolkningen også klassifiseres på grunnlag av kjønn, inntekt, leseferdighet og sosial status. Etterspørselen etter ikke-varige forbruksvarer er influshyenced av alle disse faktorene. For den generelle etterspørselsforespørselen er befolkningen som helhet vurdert, men for spesifikk etterspørselsforespørsel viser befolkningsdeling etter ulike egenskaper seg å være mer nyttig. Varige forbruksvarer: Disse varene kan forbrukes flere ganger eller gjentatte ganger brukes uten mye tap av deres brukervennlighet. Disse inkluderer varer som bil, T. V. klimaanlegg, møbler etc. Etter lang varsel har forbrukerne valg enten disse kan bli konsumert i fremtiden eller kunne bortskaffes. Valget avhenger av følgende faktorer: (i) Om en forbruker vil gå til erstatning av en varig godhet eller fortsette å bruke den etter nødvendige reparasjoner, avhenger av hans sosiale status, nivå av pengerinntekt, smak og mote, etc. Reshyplacement demand har en tendens til å vokse med økning i varebeholdningen hos forbrukerne. Firmaet kan estimere gjennomsnittlig erstatningskostnad ved hjelp av forventet levetidstabell. (ii) De fleste forbruksvarer er forbrukes felles av familiemedlemmer. For eksempel brukes T. V. kjøleskap, etc. til felles av husholdninger. Etterspørselsprognoser for varer som vanligvis brukes, bør ta hensyn til antall husholdninger i stedet for den totale befolkningsstørrelsen. Ved estimering av antall husholdninger bør husholdningenes inntekt, antall barn og kjønsammensetning mv. Tas med i betraktning. (iii) Etterspørselen etter varige forbruksvarer avhenger av tilgjengeligheten av allierte anlegg. For eksempel, bruk av T. V. kjøleskap trenger regelmessig strømforsyning, bruk av bil trenger tilgjengeligheten av drivstoff, etc. Mens prognose etterspørsel etter varige forbruksvarer bør også hensynet til tildeling av allierte tjenester og deres kostnader tas i betraktning. (iv) Etterspørselen etter varige forbruksvarer påvirkes veldig mye av sine priser og deres kredittfasiliteter. Forbrukervarige er svært sensitive for prisendringer. Et lite fall i prisen kan gi stor økning i etterspørselen. Forutsette etterspørsel etter kapitalvarer: Kapitalvarer brukes til videre produksjon. Etterspørselen etter kapital god er en avledet. Det vil avhenge av lønnsomheten til næringer. Etterspørselen etter kapitalvarer er et tilfelle av avledet etterspørsel. For spesielle kapitalvarer vil etterspørselen avhenge av de spesifikke markedene de betjener og sluttbrukene de kjøpes for. Etterspørselen etter tekstilmaskiner vil for eksempel bli bestemt av utvidelse av tekstilindustrien når det gjelder nye enheter og erstatning av eksisterende maskiner. Estimering av ny etterspørsel samt etterspørselsbehov er derfor nødvendig. Tre typer data kreves ved estimering av etterspørselen etter investeringsgoder: (a) Utviklingsutsikter til brukerindustrien må være kjent, b) Normen for forbruket av kapitalvarene per enhet av hvert sluttbruksprodukt må være kjent , og (c) hastigheten av deres bruk. Forespørsel etter behov for nye produkter: Metodene for å prognose etterspørselen etter nye produkter er på mange måter forskjellig fra de for etablerte produkter. Siden produktet er nytt for forbrukerne, gir en intensiv studie av produktet og dens sannsynlige innvirkning på andre produkter i samme gruppe en nøkkel til en intelligent projeksjon av etterspørsel. Joel Dean har klassifisert en rekke mulige tilnærminger som følger: (a) Evolusjonær tilnærming: Det består i å projisere etterspørselen etter et nytt produkt som utvokst og utvikling av et eksisterende gammelt produkt. (b) Stedfortredende tilnærming: I henhold til denne tilnærmingen behandles det nye produktet som en erstatning for det eksisterende produktet eller tjenesten. (c) Vekstkurve tilnærming: Det anslår vekstraten og potensiell etterspørsel etter det nye produktet som grunnlag for et visst vekstmønster for et etablert produkt. (d) Opinion-Poll Approach: Under denne tilnærmingen estimeres etterspørselen etter direkte henvendelser fra de endelige forbrukere. (e) Salgserfaringsmetode: Ifølge denne metoden estimeres etterspørselen etter det nye produktet ved å tilby det nye produktet til salgs i et utvalgsmarked. (f) Vicarious Approach: Ved denne metoden blir forbrukernes reaksjoner for et nytt produkt funnet ut indirekte gjennom spesialiserte forhandlere som er i stand til å bedømme forbrukerens behov, smak og preferanser. De ulike trinnene som er involvert i å prognose etterspørselen etter ikke-varige forbruksvarer er følgende: (a) Først identifisere variablene som påvirker etterspørselen etter produktet og uttrykke dem i passende former, (b) samle relevante data eller tilnærming til relevante data til representer variablene, og (c) bruk metoder for statistisk analyse for å bestemme det mest sannsynlige forholdet mellom de avhengige og uavhengige variablene. Forecasting Techniques: Etterspørselsprognoser er en vanskelig øvelse. Å gjøre estimater for fremtiden under de forandrede konseptene er en Herculean oppgave. Forbrukerens atferd er den mest uforutsigbare fordi den er motivert og påvirket av en rekke krefter. Det er ingen enkel metode eller en enkel formel som gjør det mulig for lederen å forutsi fremtiden. Økonomer og statistikere har utviklet flere metoder for etterspørselsforespørsel. Hver av disse metodene har sine relative fordeler og ulemper. Valg av riktig metode er viktig for å gjøre etterspørselsforutsetningene nøyaktige. I etterspørselsforespørsel er det nødvendig med en god kombinasjon av statistisk ferdighet og rasjonell vurdering. Matematiske og statistiske teknikker er avgjørende for å klassifisere relasjoner og gi teknikk for analyse, men de er på ingen måte et alternativ for god vurdering. En god vurdering er en viktig forutsetning for god prognose. Dommen skal være basert på fakta og den personlige forspissen av forspilleren bør ikke seire på fakta. Derfor bør en middelvei følges mellom matematiske teknikker og lyddømmelse eller rent gjetningsarbeid. De mest brukte metodene for etterspørselsforespørsel diskuteres nedenfor: De ulike metodene for etterspørselsforespørsel kan oppsummeres i form av et diagram som vist i tabell 1. 1. Opinion polling Method: I denne metoden er opinionen fra kjøpere, salg kraft og eksperter kunne samles for å fastslå den fremvoksende trenden i markedet. Meningsmålingene for etterspørselsforespørsel er av tre slag: (a) Konsumentundersøkelsesmetode eller undersøkelse av kjøpernes intensjoner: I denne metoden blir forbrukerne direkte nærmet seg for å avdekke sine fremtidige kjøpsplaner. Jeg hans er gjort ved å intervjue alle forbrukere eller en valgt gruppe forbrukere ut av den relevante popushyleringen. Dette er den direkte metoden for å estimere etterspørselen på kort sikt. Her forflyttes byrden av prognoser til kjøperen. Firmaet kan gå inn for fullstendig opptelling eller for prøveundersøkelser. Hvis varen som vurderes er et mellomprodukt, undersøkes næringene som bruker det som sluttprodukt. (i) Fullstendig opptaksundersøkelse: Under totaloppgjørsundersøkelsen må firmaet gå til en dør til dørundersøkelse for prognoseperioden ved å kontakte alle husstandene i området. Denne metoden har en fordel av førstehånds, upartisk informasjon, men den har også en del ulemper. Hovedbegrensningen av denne metoden er at den krever mye ressurser, arbeidskraft og tid. I denne metoden kan forbrukerne være motvillige til å avsløre sine kjøpsplaner på grunn av personvern eller kommersiell hemmelighold. Videre kan konsumenterne til tider ikke uttrykke sin mening riktig eller kan med vilje misligholle etterforskerne. (ii) Prøveundersøkelse og testmarkedsføring: Under denne metoden velges noen representative husholdninger som tilfeldig utvalg som prøver, og deres oppfatning er tatt som generalisert oppfatning. Denne metoden er basert på den grunnleggende forutsetningen at prøven virkelig representerer befolkningen. Hvis prøven er den sanne representanten, er det sannsynlig at det ikke er noen signifikant forskjell i resultatene oppnådd av undersøkelsen. Bortsett fra det, er denne metoden mindre kjedelig og mindre kostbar. En variant av prøveundersøkelsesteknikk er testmarkedsføring. Produkttest involverer i hovedsak å plassere produktet med en rekke brukere i en bestemt periode. Deres reaksjoner på produktet blir notert etter en tidsperiode, og et estimat av sannsynlig etterspørsel er gjort fra resultatet. Disse er egnet for nye produkter eller for radikalt modifiserte gamle produkter som ingen tidligere data eksisterer for. Det er en mer vitenskapelig metode for å estimere sannsynlig etterspørsel fordi den stimulerer en nasjonal lansering i et nært definert geokygrafisk område. (iii) Sluttbruk Metode eller Input-Output Metode: Denne metoden er ganske nyttig for næringer som hovedsakelig er produsent varer. I denne metoden forventes salget av produktet under vurdering som grunnlag for etterspørselsundersøkelse av næringene som bruker dette produktet som et mellomprodukt, det vil si etterspørselen etter sluttproduktet er sluttbrukerens etterspørsel av mellomproduktet som brukes i produksjonen av dette sluttproduktet. Slutbrukerens etterspørselsestimering av et mellomprodukt kan innebære mange endelige gode næringer som bruker dette produktet i inn-og utland. Det hjelper oss å forstå inter-industry8217 relasjoner. I input-output regnskap er to matriser brukt transaksjonsmatrisen og den inngangssammenhengende matrisen. Den store innsatsen som kreves av denne typen er ikke i drift, men i innsamling og presentasjon av data. (b) Salgsstyrke Opinion Method: Dette er også kjent som kollektiv mening metode. I denne metoden, i stedet for forbrukere, er siktet fra selgerne søkt. Det er noen ganger referert til som gressrøtter tilnærming, da det er en bottom-up metode som krever at hver selger i selskapet skal lage en individuell prognose for hans eller hennes bestemte salgsområde. Disse individuelle prognosene blir diskutert og avtalt med salgsansvarlig. Sammensetningen av alle prognoser utgjør deretter salgsforespørselen for organisasjonen. Fordelene med denne metoden er at det er enkelt og billig. Det innebærer ingen utførlig statistisk behandling. Hovedverdien av denne metoden ligger i kollektive visdom hos selgere. Denne metoden er mer nyttig når det gjelder prognoser for salg av nye produkter. (c) Eksperter Opinion Method: Denne metoden er også kjent som Delphi Technique of investigation. Delphi-metoden krever et panel av eksperter, som blir forhørt gjennom en rekke spørreskjemaer hvor svarene på ett spørreskjema brukes til å produsere det neste spørreskjemaet. Dermed er all informasjon tilgjengelig for noen eksperter og ikke til andre videreført, slik at alle eksperter har tilgang til all informasjon for prognoser. Metoden brukes til langsiktig prognose for å estimere potensielt salg for nye produkter. Denne metoden antar to forhold: For det første må panellistene være rike på sin kompetanse, ha bred spekter av kunnskap og erfaring. For det andre er dets ledere objektive i jobben sin. Denne metoden har noen eksklusive fordeler ved å spare tid og andre ressurser. 2. Statistisk metode: Statistiske metoder har vist seg å være svært nyttige i etterspørselsforespørsel. For å opprettholde objektivitet, er det ved å vurdere alle implikasjoner og se på problemet fra et eksternt synspunkt, de statistiske metodene benyttet. De viktige statistiske metodene er: (i) Trendprojeksjonsmetode: Et firma som eksisterer lenge vil ha egne data om salg i de siste årene. Slike data når de arrangeres kronologisk gir det som kalles tidsserier. Tidsserier viser det siste salget med effektiv etterspørsel etter et bestemt produkt under normale forhold. Slike data kan gis i tabellform eller grafisk form for videre analyse. Dette er den mest populære metoden blant bedriftsfirmaer, dels fordi det er enkelt og rimelig, og dels fordi tidsseriedata ofte viser en vedvarende veksttrend. Tidsserien har fire typer komponenter, nemlig sekulær trend (T), sekulær variasjon (S), cyklisk element (C) og en uregelmessig eller tilfeldig variasjon (I). Disse elementene uttrykkes av ligningen O TSCI. Sekulær trend refererer til de langsiktige endringene som oppstår som følge av generell tendens. Sesongvariasjoner refererer til endringer i kortvarig værmønster eller sosiale vaner. Sykliske variasjoner refererer til endringene som skjer i industrien under depresjon og bommen. Tilfeldig variasjon refererer til de faktorene som generelt er i stand til som kriger, streiker, flom, hungersnød og så videre. Når en prognose er gjort, fjernes sesongmessige, sykliske og tilfeldige variasjoner fra de observerte dataene. Dermed er kun den sekulære trenden igjen. Denne trenden blir da projisert. Trendprojeksjon passer til en trendlinje til en matematisk ligning. Trenden kan estimeres ved å bruke en av følgende metoder: (a) Den grafiske metoden, (b) Den minste kvadratmetoden. a) Grafisk metode: Dette er den enkleste teknikken for å bestemme trenden. Alle verdier av produksjon eller salg for ulike år er plottet på en graf og en jevn frihåndskurve tegnes gjennom så mange poeng som mulig. Retningen for denne frihånden kurve oppover eller nedover viser trenden. En enkel illustrasjon av denne metoden er gitt i tabell 2. Tabell 2: Salg av firma I figur 1 er AB trendlinjen som er tegnet som frihåndskurve som går gjennom de ulike punktene som representerer faktiske salgsverdier. (b) Minste kvadratmetode: Under den minste firkantede metoden kan en trendlinje tilpasses tidsseriedataene ved hjelp av statistiske teknikker som minst kvadratisk regresjon. Når trenden i salg over tid er gitt med rett linje, er ligningen av denne linjen av formen: y a bx. Hvor a er avskjæringen og b viser virkningen av den uavhengige variabelen. Vi har to variablesthe indeshypendent variabel x og den avhengige variabelen y. Linjen med best egnethet etablerer et slags matematisk forhold mellom de to variablene. v og y. Dette uttrykkes av regresjonen på x. For å løse ligningen v a bx må vi gjøre bruk av følgende normale ligninger: xy a xb x2 (ii) Barometrisk teknikk: Et barometer er et instrument for måling av endring. Denne metoden er basert på tanken om at fremtiden kan forutsies fra visse hendelser i dagens. Med andre ord, barometriske teknikker er basert på ideen om at visse hendelser i nutiden kan brukes til å forutsi retningsendringer i fremtiden. Dette oppnås ved bruk av økonomiske og statistiske indikatorer som fungerer som barometre for økonomisk forandring. Generelle prognoser korrelerer et firmasalg med tre serier: Leading Series, Coincident eller Concurrent Series og Lagging Series: (a) Leading Series: Den ledende serien omfatter de faktorene som beveger seg opp eller ned før lavkonjunkturen eller gjenopprettingen starter. De pleier å reflektere fremtidige markedsendringer. For eksempel kan babypulver salg prognostiseres ved å undersøke fødselsrate mønsteret fem år tidligere, fordi det er en sammenheng mellom babypulversalg og barn på fem år, og siden babypulversalg i dag er korrelert med fødselsfrekvens fem år tidligere , det kalles lagged korrelasjon. Dermed kan vi si at fødsler fører til salg av baby såper. (b) Sammenfallende eller Samtidig Serie: Samfunnet eller samtidige serier er de som beveger seg opp eller ned samtidig med økonomienivået. De brukes til å bekrefte eller avvise gyldigheten av den ledende indikatoren som brukes noen måneder etterpå. Vanlige eksempler på sammenfallende indikatorer er G. N.P selv, industriell produksjon, handel og detaljhandel. (c) Lagging Series: Lagserien er de som finner sted etter noe tidsforsinkelse i forhold til konjunktursyklusen. Eksempler på forsinkende serier er lønnskostnad per enhet av produksjonsproduksjonen, utestående lån, ledende rente på kortsiktige lån, etc. (iii) Regresjonsanalyse: Det forsøker å vurdere forholdet mellom minst to variabler (en eller flere uavhengige og en avhengig), hensikten er å forutsi verdien av den avhengige variabelen fra den spesifikke verdien av den uavhengige variabelen. Grunnlaget for denne prediksjonen er generelt historiske data. Denne metoden starter fra antagelsen om at et grunnleggende forhold eksisterer mellom to variabler. En interaktiv statistisk analyse datapakke brukes til å formulere det matematiske forholdet som eksisterer. For eksempel kan man bygge opp salgsmodellen som: Quantum of Sales a. pris b. reklame c. Prisen på konkurrentene d. personlig disponibel inntekt u Hvor a, b, c, d er konstantene som viser effekten av tilsvarende variabler som salg. Konstanten representerer effekten av alle variablene som er utelatt i ligningen, men har effekt på salget. I ovennevnte ligning er kvantum av salg den avhengige variabelen, og variablene på høyre side av ligningen er uavhengige variabler. Hvis de forventede verdiene for de uavhengige variablene er erstattet i ligningen, forventes kvantumet av salget. Regresjonsligningen kan også skrives i en multiplikativ form som angitt nedenfor: Kvantum av Salg (Pris) a (Reklame) b (Pris for konkurrerende produkter) c (Personlig disponibel inntekt Y u I det ovennevnte tilfellet er eksponenten for hver variabel angir elasticiteten til den tilsvarende variabelen. Angi de uavhengige variablene i form av notasjon, er ligningsformen QS P 8. A o42. R83. Y 2 .68. 40 Da kan vi si at 1 prosent økning i prisledninger til 0,8 prosent forandring i kvantum av salg osv. Hvis vi tar logaritmisk form av multiple likningen, kan vi skrive ligningen i en additiv form som følger: logg QS en logg Pb logg En logg R d logg Y d logg u I den ovennevnte ligningen representerer koeffisientene a, b, c og d elasticitetene av variablene P, A, R og Y d. Samvirkningen i den logaritmiske regresjonsligningen er svært nyttig i styring av beslutningsprosesser fra ledelsen . iv) Økonometriske modeller: Økonometriske modeller er en forlengelse av regresjonsteknikken hvorved et system av uavhengighetsregulerende regresjonsligning er løst. Kravet på tilfredsstillende bruk av økonometriske modellen i prognoser er under tre hoder: variabler, ligninger og data. Den hensiktsmessige prosedyren i prognose ved økonometriske metoder er modellbygging. Econometrics forsøker å uttrykke økonomiske teorier matematisk på en slik måte at de kan verifiseres med statistiske metoder og måle effekten av en økonomisk variabel på en annen for å kunne forutsi fremtidige hendelser. Utnyttelse av prognoser: Forutsigelser reduserer risikoen forbundet med svingninger i virksomheten som generelt gir skadevirkninger i virksomheten, skaper ledighet, fremkaller spekulasjon, motvirker kapitaldannelse og reduserer fortjenestemarginen. Forecasting er uunnværlig, og det spiller en svært viktig rolle i determishyning av ulike politikker. På modemtider har prognoser blitt lagt på vitenskapelig grunnlag, slik at risikoen knyttet til den har blitt betydelig redusert og sjansene for presisjon økt. Prognoser i India: I de fleste avanserte land er det spesialiserte byråer. I India er forretningsmenn ikke interessert i å lage vitenskapelige prognoser. De er mer avhengige av sjanse, flaks og astrologi. De er svært overtroiske, og derfor er prognosene ikke korrekte. Tilstrekkelig data er ikke tilgjengelig for å gjøre pålitelige forescaster. Statistikken alene forutsier imidlertid ikke fremtidige forhold. Dommer, erfaring og kunnskap om den spesielle handelen er også nødvendig for å kunne skikkelig analysere og tolke og komme til gode konklusjoner. Konklusjon: Beslutningssystemer består av tre elementer: beslutning, prediksjon og kontroll. Det er selvfølgelig med forutsigelse at markedsføringsprognoser er opptatt. Forutsigelsen av salg kan reshygarded som et system, med innspill av apprises og en utgang. Denne forenklede oppfatningen tjener som et nyttig mål for analysen av den sanne verdien av salgsprognoser som et hjelpemiddel til ledelsen. Til tross for alle disse kan ingen forutsi fremtidig økonomisk aktivitet med sikkerhet. Prognoser er anslag om hvilke ingen kan være sikker på. Kriterier for en god prognosemetode: Det er dermed mange gode måter å gjette på om fremtidig salg. De viser kontrast i kostnad, fleksibilitet og tilstrekkelig ferdigheter og raffinement. Derfor er det et problem å velge den beste metoden for en bestemt etterspørselssituasjon. Det er visse økonomiske kriterier for bredere anvendelighet. De er: (i) Nøyaktighet, (ii) Mulighet, (iii) Holdbarhet, (iv) Fleksibilitet, (v) Tilgjengelighet, (vi) Økonomi, (vii) Enkelhet og (viii) Konsistens. (i) Nøyaktighet: Forventet prognose må være nøyaktig. Hvordan er en presis prognose mulig For å oppnå en nøyaktig prognose, er det viktig å kontrollere nøyaktigheten av tidligere prognoser mot dagens ytelse og nåværende prognoser mot fremtidig ytelse. Nøyaktighet kan ikke testes med presis measureshyment, men kjøpe dom. (ii) Troverdighet: Den utøvende skal ha god forståelse av den valgte teknikken, og de bør ha tillit til de teknikkene som brukes. Forståelse er også nødvendig for en riktig tolkning av resultatene. Klarhetskrav kan ofte forbedre nøyaktigheten av resultatene. (iii) Holdbarhet: Dessverre kan en etterspørselsfunksjon som er tilpasset tidligere erfaring, koste svært mye igjen og fortsatt falle fra hverandre på kort tid som forspiller. Holdbarheten til prognosekraften i en etterspørselfunksjon avhenger delvis av rimelighet og enkelhet av funksjoner montert, men først og fremst på stabiliteten av forståelsesforholdene målt tidligere. Selvfølgelig er betydningen av holdbarhet detershymines den tillatte prisen for prognosen. (iv) Fleksibilitet: Fleksibilitet kan ses som et alternativ til generellitet. En langvarig funksjon kan settes opp når det gjelder grunnleggende naturlige krefter og menneskelige motiver. Selv om det er grunnleggende, vil det likevel være vanskelig å måle og dermed ikke veldig nyttig. Et sett med variabler hvis koeffektivitet kunne justeres fra tid til annen for å møte endrede forhold på en mer praktisk måte for å opprettholde intakt rutinemessige prosedyre for prognoser. (v) Tilgjengelighet: Umiddelbar tilgjengelighet av data er et viktig krav, og søket etter rimelig tilnærming til relevans i sent data er en konstant belastning på prognosemannens tålmodighet. De anvendte teknikkene skal kunne produsere meningsfulle resultater raskt. Forsinkelse i resultat vil påvirke lederavgjørelsene negativt. (vi) Økonomi: Kostnad er en primær vederlag som bør vektes mot viktigheten av prognosene til næringslivet. Et spørsmål kan oppstå: Hvor mye penger og ledelsesinnsats skal tildeles for å oppnå et høyt nivå av prognose nøyaktighet Kriteriet her er det økonomiske hensynet. (vii) Enkelhet: Statistiske og økonometriske modeller er absolutt nyttige, men de er utålelig komplekse. Til de ledere som har frykt for matematikk, ser disse metodene ut som latin eller gresk. The procedure should, therefore, be simple and easy so that the management may appreciate and understand why it has been adopted by the forecaster. (viii) Consistency : The forecaster has to deal with various components which are independent. If he does not make an adjustment in one component to bring it in line with a forecast of another, he would achieve a whole which would appear consistent. Conclusion : In fine, the ideal forecasting method is one that yields returns over cost with accuracy, seems reasonable, can be formalised for reasonably long periods, can meet new circumstances adeptly and can give up-to-date results. The method of forecasting is not the same for all products. There is no unique method for forecasting the sale of any commodity. The forecaster may try one or the other method depending upon his objective, data availability, the urgency with which forecasts are needed, resources he intends to devote to this work and type of commodity whose demand he wants to forecast.
No comments:
Post a Comment