Ruchoma średnia popyt prognoza technika

Jak przewidywać popyt Stworzenie skutecznego popytu na prognozy zapewnia posiadanie wystarczającej ilości zapasów na nadchodzący okres sprzedaży. Prognoza popytu uwzględnia dane o sprzedaży z przeszłości, aby określić popyt konsumentów w przyszłości. Dzięki dokładnej prognozie popytu, będziesz miał operacje, które są bardziej wydajne, lepsza obsługa klienta i skrócony czas realizacji produktów. Dokładna prognoza popytu pomoże Ci uniknąć kosztownych operacji, złej obsługi klienta i braków produktów. 1 Kroki Edytuj część pierwszą z siedmiu: zbieranie informacji Edytuj wybrane produkty. Zamiast koncentrować się na pełnej linii produktów, określ konkretne produkty, które chcesz śledzić. Dzięki temu łatwiej uporządkujesz dane z przeszłości i prognozę popytu. Na przykład, jeśli masz już linię odzieży zimowej, skoncentruj się przede wszystkim na rękawicach zamiast na całej linii. 2 Skoncentruj się na swoich produktach, które przynoszą największe dochody. Na przykład wielu przedsiębiorców stosuje się do zasady 8020, która stwierdza, że ​​20 produktów lub usług oferowanych przez biznes generalnie stanowi 80 swoich przychodów. 3 Zidentyfikuj te produkty i śledź ich zapotrzebowanie. Być może będziesz musiał przewidzieć zapotrzebowanie na każdy produkt w swoim ekwipunku, ale będzie łatwiej i dokładniej, jeśli wykonasz kilka podobnych produktów w tym czasie, takich jak rękawiczki, buty i czapki zimowe. Rozważ utworzenie grupy ds. Planowania sprzedaży i operacji, która obejmuje przedstawicieli każdego działu i zleci im przygotowanie prognozy popytu. Przejrzyj swoje plany marketingowe. Wszelkie kampanie marketingowe lub promocje sprzedaży mogą zwiększać popyt na Twój produkt. Sprawdź przeszłe dane i zobacz, co się udało. Sprawdź, czy były specjalne rabaty lub wyprzedaże świąteczne, które zwiększały popyt na Twój produkt. Chcesz wziąć to wszystko pod uwagę przy prognozowaniu popytu, szczególnie jeśli planujesz powtórzyć podobne strategie sprzedaży. 4 Przejrzyj kluczowe wskaźniki. Dowiedz się, co kryje się za wahaniami zapotrzebowania klientów. Kluczowe wskaźniki obejmują demografię i czynniki środowiskowe. Dane demograficzne obejmują wiek, płeć, lokalizację i każdy inny zestaw cech identyfikacyjnych. Identyfikacja popytu na kluczowe grupy demograficzne pomaga zawęzić pulę danych dla prognozy. Czynniki środowiskowe również wpływają na popyt. Na przykład ciężka zima może spowodować spadek sprzedaży. 5 Spójrz na swój rynek. Przeanalizuj, co mówią konkurenci, klienci, bankowcy i inne osoby na Twoim rynku. Sprawdź, czy twoi konkurenci prowadzą dużą sprzedaż lub promocje. 6 Spójrz na poprzednie miesiące. Sprawdź zarówno ostatnie miesiące, jak i roczne wahania sprzedaży, takie jak czas wakacji. To pomoże ci określić roczne i sezonowe wahania. Patrząc na ostatnie miesiące, przeanalizuj wzorce jazdy za żądaniem. Sprawdź wszelkie korekty cen lub wszelkie kampanie marketingowe, które doprowadziły do ​​wzrostu liczby nowych klientów. Biznes zawsze rośnie z jakiegoś powodu, a mądry biznesmen lub bizneswoman odkryje, dlaczego. Na przykład, być może kupiłeś jeden, aw sierpniu otrzymasz jedną bezpłatną wyprzedaż z powrotem na zakupy w szkole. Jeśli zdecydujesz się na replikację tych czynników, weź to pod uwagę w swojej prognozie. 7 Określ swój czas realizacji. Czas oczekiwania to czas pomiędzy złożeniem zamówienia a dostarczeniem produktu. Znajomość tego pomoże ci przewidzieć popyt. Pomoże Ci to ustalić, jak szybko możesz stworzyć swój produkt i zaspokoić popyt. 8 Jeśli kupujesz produkty od innej firmy, czas realizacji to czas pomiędzy złożeniem zamówienia a dostawą do domu. Możesz także określić czas realizacji, badając surowce i komponenty. Znajomość wymaganego czasu produkcji pomoże ci w dokładniejszym prognozowaniu popytu. Skoncentrowanie się na konkretnym przedmiocie pomaga przewidzieć, ile materiału będzie potrzebne i ile czasu zajmuje wyprodukowanie produktu. Po oszacowaniu wielkości produkcji spójrz na zapotrzebowanie komponentu na każdy przedmiot. Na przykład, jeśli produkujesz ołówki, musisz wiedzieć, ile drewna, gumy i ołowiu zamówisz na podstawie Twojej prognozy. 9 Sprawdź, jakie podejście zastosować. Istnieją cztery ogólne podejścia do prognozowania popytu. Obejmują osądzanie, eksperymentalne, relacyjne i czasowe. Wybierz najlepsze podejście w oparciu o historię swojego produktu. Na przykład eksperymentalne podejście jest stosowane głównie w przypadku nowych produktów, które nie mają danych historycznych na rynku. Podejście to polega na zebraniu większości danych. 10 Możesz łączyć podejścia, aby stworzyć dokładniejszą prognozę popytu. Zastanów się nad podejściami osądzającymi. Ta metoda opiera się na zbiorowych analizach rynku obserwowanych przez zespół sprzedaży i menedżerów w celu określenia popytu. Osoby te mogą zapewnić pewne lub, w niektórych przypadkach, bardzo dokładne prognozy popytu oparte na ich osobistej wiedzy i doświadczeniu. Jednak dane z nich zebrane mogą być niewiarygodne, ponieważ opierają się na osobistych opiniach Twoich ekspertów. Z tego powodu dane pochodzące z osądów są najlepiej wykorzystywane do sporządzania krótkoterminowych prognoz popytu. 11 Istnieje kilka różnych sposobów, aby to osiągnąć, w zależności głównie od tego, do kogo używasz swojego panelu. Jednak nie musisz ich wszystkich używać do właściwego osądu. Możesz wybrać dowolną ich kombinację, aby osiągnąć swoje cele, w zależności od tego, które grupy uznasz za najbardziej trafne. Określ, czy musisz zastosować podejście eksperymentalne. Takie podejście sprawdza się najlepiej w przypadku nowych produktów i nie jest użyteczne w przypadku istniejących produktów, które mają rekord historycznych zapotrzebowań. Takie podejście przyjmuje wyniki od niewielkiej liczby klientów i ekstrapoluje wyniki do dużej liczby klientów. Na przykład, jeśli kontaktujesz się z 500 osobami losowo w danym mieście, a 25 twierdzi, że kupi twój produkt w ciągu 6 miesięcy, możesz założyć, że ten odsetek dotyczy 5000 osób. 12 Jeśli mała grupa docelowych klientów uwielbia nową technologię i dobrze reaguje na marketing testowy, można ją ekstrapolować, aby prognozować popyt krajowy. Problem z tym podejściem polega na tym, że często zbiera on więcej informacji o preferencjach klientów względem produktu niż danych o zapotrzebowaniu. Rozważ zastosowanie podejścia relacyjnego. Podejście to próbuje ustalić, dlaczego ludzie kupują twój produkt. Chodzi o to, że jeśli rozumiesz, dlaczego ludzie kupują twój produkt, możesz na tej podstawie utworzyć prognozę popytu. Na przykład, jeśli sprzedajesz buty śniegowe, to wiesz, że popyt na Twój produkt zależy od pogody. Jeśli prognoza pogody przewiduje ciężką zimę, wiesz, że będzie większe zapotrzebowanie na buty śniegowe. 13 Te podejścia obejmują modele cyklu życia i symulacyjne. Oblicz zapotrzebowanie za pomocą metod szeregów czasowych. Podejścia szeregów czasowych próbują matematycznie obliczyć popyt wykorzystując dane historyczne i trendy jako przewodnik. W szczególności możesz używać średnich ruchomych, ważonych średnich kroczących i wykładniczego wygładzania, aby dokładnie przewidzieć swoje zapotrzebowanie. Takie podejście da ci trudniejsze wyniki niż inne podejścia, ale musi być połączone z innymi, subiektywnymi przybliżeniami, aby uwzględnić skutki przyszłych zmian na rynku lub biznesplanie. Część piąta siódemki: Korzystanie z metod podejścia relacyjnego: edytuj. Sprawdź badanie sprzedaży z poprzedniego roku dla trendów miesięcznych lub sezonowych. Przejrzyj dane dotyczące sprzedaży z ostatnich lat, aby określić, które razy w roku stanowią większy procent sprzedaży. Czy są one stałe? Czy doświadczasz wyższej sprzedaży zimą lub latem? Zmierz wzrost lub spadek sprzedaży w tych czasach. Czy zmiana była wyższa lub niższa w niektórych latach. Następnie zastanów się, dlaczego tak się dzieje. Wykorzystaj to, czego się nauczyłeś i zastosuj do prognozy na bieżący rok. Na przykład, jeśli sprzedajesz buty śnieżne, możesz doświadczyć szczególnie dużego wzrostu sprzedaży w mroźną zimę. Jeśli przewiduje się, że ten rok będzie podobnie mroźną zimą, należy odpowiednio zwiększyć prognozę popytu. Szukaj reakcji klientów. Dotyczy to sytuacji, w których zmiana produktu lub rynku spowodowała wyższą lub niższą sprzedaż. Twórz wykresy historycznych sprzedaży produktu i oznacz ważne daty, na przykład wzrost ceny lub wprowadzenie konkurencyjnego produktu. Może to być również szersze, jak reakcja na zmieniającą się gospodarkę lub zmiany w wydatkach konsumenckich. Przeczytaj odpowiednie czasopisma branżowe i artykuły prasowe, aby zebrać te informacje. Posiadanie wszystkich tych danych daje lepsze wyobrażenie o tym, co może wpłynąć na twoje przyszłe zapotrzebowanie. Utwórz model cyklu życia. Cykl życia odnosi się do życia Twoich produktów, od momentu ich wprowadzenia do dnia dzisiejszego. Spójrz na sprzedaż swojego produktu na różnych etapach. Zbadaj naturę klientów, którzy kupują twój produkt na tych etapach. Na przykład, będziesz mieć wczesnych użytkowników (tych, którzy kochają najnowszą technologię), głównych kupujących (osoby, które czekają na recenzje produktów i skierowań), maruderów (kupują tylko wtedy, gdy produkt był przez dłuższy czas niedostępny) i innych typów konsumentów. Pomoże Ci to określić trendy w cyklu życia produktów i wzorce popytu dla Twojego produktu. 22 Branżami, które używają tego modelu, są najbardziej zaawansowane technologie, moda i produkty o krótkich cyklach życia. Wyjątkowość tego podejścia polega na tym, że przyczyna popytu jest bezpośrednio powiązana z cyklem życia produktów. Użyj modelu symulacyjnego. Utwórz model, który symuluje przepływ składników do zakładów produkcyjnych w oparciu o harmonogramy planowania zapotrzebowań materiałowych i przepływ dystrybucyjny gotowych towarów. Na przykład obliczyć czas realizacji każdego komponentu, w tym czas wysyłki, bez względu na to, skąd pochodzi w świecie. Daje to wgląd w to, jak szybko można dostosować swój produkt do popytu. 23 Modele te są znane jako trudne i kłopotliwe w tworzeniu i utrzymaniu. Historie sukcesu czytelnika Od jakiegoś czasu nie działam, ale wraz z rozwojem nowych technologii narzędzia wiedzy i doświadczenia idą w parze. Profesjonalista zawsze lubi być na bieżąco. Interesujące było przechodzenie przez to, co zastosowałem w przeszłości, z przydatnymi dodatkami. Przejdę przez to jeszcze raz. Dzięki. . więcej - Jawaid Manzoor Ta strona pomogła mi zrozumieć mój raport na temat zasad marketingu. - Jeyz Napial Informacje były bardzo szczegółowe i pomocne. - Sylvie Pereira Bardzo dobrze napisana i łatwa do zrozumienia. - Sohail Akram Dobry artykuł. Łatwo to zrozumieć. - Tania MathewsPolning na przyszłość to esencja każdego biznesu. Firmy potrzebują oszacowań przyszłych wartości zmiennych biznesowych. Branża towarów potrzebuje prognoz podaży, sprzedaży i popytu na planowanie produkcji, sprzedaż, marketing i decyzje finansowe. Niektóre firmy potrzebują na przykład prognoz zmiennych monetarnych - na przykład kosztów lub cen. Instytucje finansowe stoją w obliczu konieczności prognozowania zmienności cen akcji. Istnieją czynniki makroekonomiczne, które należy przewidzieć przy podejmowaniu decyzji politycznych w rządzie. Lista jest nieskończona, a prognozowanie jest kluczową praktyką decyzyjną w większości organizacji. Ankieterzy powinni zawsze być na bieżąco z metodami prognostycznymi, niezależnie od tego, czy mają już pakiet prognostyczny, sami zbudowali modele, czy planują zainwestować w nie. Większość pakietów prognostycznych może pochwalić się wbudowaniem w nie różnych modeli, ale następnie poprosić użytkownika o wybranie modelu, który według niego byłby najbardziej odpowiedni. Dostępnych jest wiele modeli prognostycznych, a wybranie odpowiedniej liczby nie jest zadaniem łatwym. Powszechną, błędną opinią jest to, że złożone modele prognostyczne zawsze dają lepsze wyniki niż proste. D Różne modele prognozowania najlepiej sprawdzają się w różnych sytuacjach - rodzaju działalności, rodzaju danych, szczegółowości prognoz, horyzontu prognozy, trwałości modelu i oczekiwanej dokładności prognoz. Graniczność prognoz to jednostka czasu każdej prognozy. Horyzont prognozy to liczba jednostek czasu w przyszłości, dla których wymagane są prognozy. Na przykład tygodniowe prognozy na najbliższe 2 miesiące mają ziarnistość tygodnia i horyzont 8 tygodni. Okres przydatności do użycia to czas, po którym model staje się bezużyteczny i istnieje potrzeba przejścia na inny model. B drogowe metody prognostyczne dzielą się na dwie kategorie - Metody oceniania lub Metody subiektywne Metody matematyczne lub ilościowe. Dalsza część artykułu koncentruje się na metodach prognoz ilościowych. biorąc pod uwagę, że są szeroko stosowane w wielu branżach i organizacjach. Metody ilościowe mogą być przyczynami niezwiązanymi lub przyczynowymi. Kiedy stosować metody niezwiązane z przyczyną i przyczynową Metody N na przyczynowe działają najlepiej w przypadku przedsiębiorstw, które charakteryzują się typowymi zachowaniami lub wzorcami (poziomy, trendy i sezonowość) w zmiennych i na które nie ma wpływu ani minimalny wpływ czynników przyczynowych. Modele przyczynowe najlepiej sprawdzają się w przypadku przedsiębiorstw charakteryzujących się zarówno wzorcami zmiennych, jak i wpływem czynników przyczynowych (takich jak cena, działania marketingowe i zmienne makroekonomiczne w przemyśle towarowym). Metody te są również znane jako metody quottime-seriesquot. Projektują lub ekstrapolują historyczne wartości zmiennej prognozowanej w przyszłość poprzez identyfikację przeszłych wzorców. Poniższa tabela zawiera listę najczęstszych modeli szeregów czasowych używanych w przemyśle towarowym oraz zestaw kryteriów stosowanych do oceny odpowiedniości modelu. RIMA (automatyczna regresywna zintegrowana średnia ruchoma) jest prawdopodobnie najpotężniejszym ze wszystkich niezwiązanych z kauzją modeli prognostycznych, ale jest kosztowna pod względem czasu na zbudowanie modelu. Zarówno model ARIMA, jak i Winters uwzględniają sezonowość, ale ARIMA potrzebuje więcej danych (co najmniej 4 sezonów) niż ta ostatnia. Powszechną praktyką dla amatora, który nie ma pojęcia o wzorcach danych, jest wypróbowanie każdego z nich, począwszy od wykładniczego wygładzania i zatrzymanie się z modelem, który zapewnia pożądaną dokładność. Metody Przyczyny i Skutki Metody te najlepiej nadają się dla firm, które regularnie charakteryzują się wzlotami i upadkami z powodu czynników przyczynowych lub kierowców. Dobrym pomysłem jest skonsultowanie się z ekspertem w celu zidentyfikowania czynników przyczynowych i zbudowania kompletnego modelu przyczyny i skutku. Identyfikacja czynników przyczynowych może być naprawdę trudnym zadaniem. Wymagana jest wiedza dziedzinowa w połączeniu z testami korelacji statystycznej. Prognozowana szczegółowość i horyzont określają również czynniki przyczynowe, które należy uwzględnić w modelu. Na przykład, podczas prognozowania krótkoterminowego popytu na produkt w małych graniach czasowych, pojawia się pytanie, czy uwzględnić czynniki makroekonomiczne (takie jak PKB, Populacja) lub nie. Większość czynników makroekonomicznych dostępnych jest w ujęciu kwartalnym, półrocznym lub rocznym i nie można ich używać do prognozowania zmiennych w krótkich okresach czasu i horyzontach. Równy przykład przyczyną i skutkiem nie byłyby czynniki makroekonomiczne, ale tylko mikro sterowniki, których efekty są małe czasy granulacji. Takie sterowniki zazwyczaj obejmują wzrost lub spadek cen oraz działania marketingowe. Model nie musi w szczególności uwzględniać czynników makroekonomicznych, ponieważ poziom i tendencja w danych już uwzględnia czynniki makroekonomiczne. Ponadto czynniki makroekonomiczne nie rosną ani szybko w krótkim okresie czasu. Ich efekty są zauważane przez dłuższy czas. Jednak w przypadku dużych okresów i długich horyzontów, takich jak roczne prognozy na kolejne 5 lat, można uwzględnić czynniki makroekonomiczne. R egression, modele ekonometryczne i sztuczne sieci neuronowe (ANN) to trzy główne modele przyczynowo-skutkowe. ANN nie jest szeroko stosowana w przemyśle towarów. To dobra praktyka polegająca na łączeniu liczbowej prognozy z subiektywnym lub osądzającym sygnałem wejściowym w celu uściślenia prognozowanych liczb. Większość prognoz to liczby, które dają spostrzeżenia i wymagają udoskonalenia metodami subiektywnymi. Losowe zdarzenia, takie jak tsunami czy 911, nie mogą zostać zamodelowane w metodzie prognozy, ponieważ są nieprzewidywalne. Ale na podstawie wcześniejszych ostrzeżeń lub tuż po ich wystąpieniu, subiektywne szacunki ich działania można połączyć w liczby prognoz. Metody prognozowania Kontynuuj czytanie. Wszystkie firmy stoją przed ogólnym problemem podejmowania decyzji w warunkach niepewności. Kierownictwo musi zrozumieć charakter popytu i konkurencji, aby opracować realistyczne plany biznesowe, określić strategiczną wizję organizacji oraz określić potrzeby w zakresie technologii i infrastruktury. Aby sprostać tym wyzwaniom, stosuje się prognozowanie. Według Makridakisa (1989), prognozowanie przyszłych wydarzeń można scharakteryzować jako poszukiwanie odpowiedzi na jedno lub kilka następujących pytań: X Jakie nowe ekonomiczne, techniczne lub socjologiczne siły są organizacją, z którą można się zmierzyć zarówno w perspektywie krótko-, jak i długoterminowej? X Kiedy te siły mogą wpłynąć na obiektywne otoczenie firmy X Kto najprawdopodobniej jako pierwszy dostosuje się do każdego konkurencyjnego wyzwania X Ile zmian firma powinna przewidzieć zarówno w krótkim okresie, jak i na dłuższą metę W tym dokumencie przedstawię przegląd metody prognozowania i porównać i porównać te różne metody. W dalszej części artykułu skupimy się na tym, w jaki sposób Mattel, jeden z największych producentów zabawek w kraju, wykorzystuje prognozy popytu w warunkach niepewności, w szczególności te odnoszące się do schematu i tempa, w jakim klienci żądają produktów. Co to jest prognozowanie w zarządzaniu operacjami, prognozowanie popytu jest definiowane jako proces biznesowy, który próbuje oszacować sprzedaż i wykorzystanie produktów, aby można było je zakupić, zaopatrzyć lub wyprodukować w odpowiednich ilościach z wyprzedzeniem, aby wspierać firmy w dodaniu wartości dodanej. ( Ross, 1995). Prognozowanie to proces, który przekształca historyczne dane szeregów czasowych i lub jakościowe oceny w stwierdzenia dotyczące przyszłych zdarzeń. Ten proces może generować jakościowe lub subiektywne prognozy. Pamiętaj, że żaden proces prognozowania nie może konsekwentnie zapewniać doskonałych prognoz. Jakakolwiek prognoza, która doskonale ocenia kolejne wydarzenia, powinna budzić niepokój, ponieważ jest to prawdopodobnie oznaką niewłaściwych zachowań, takich jak gotowanie książek lub raportowanie danych dotyczących wyników, które pokazują zgodność z planami w porównaniu do rzeczywistych wydarzeń (Makridakis, 1989). Metody prognozowania Istnieją cztery podstawowe typy metod prognozowania: jakościowa, analiza szeregów czasowych, związki przyczynowe i symulacja. Techniki jakościowe Techniki jakościowe są subiektywne lub osądzające i oparte na szacunkach i opiniach (Chase, 2005). Prognozy te odzwierciedlają osądy i opinie ludzi oraz sugerują prawdopodobne warunki, takie jak opinia ludzi na temat tego, czy dzisiaj będzie padać. Prognozy te są preferowane, gdy istnieje chęć zaangażowania osób w ramach organizacji w kluczowy proces biznesowy. Potencjalną pułapką tej techniki jest to, że niektórzy ludzie opierają swoje oceny przyszłych wydarzeń na danych historycznych, które mogą nie zapewniać odpowiednich wzorców popytu, które są wystarczająco stabilne, aby zagwarantować ich wykorzystanie do prognozowania przyszłych zdarzeń. Jak cytować tę stronę MLA Cytat: Metody prognozowania. 123HelpMe. 25 lutego 2017 lt123HelpMeview. aspid165095gt. Ponadto pojawiające się wzorce popytu mogą być zbyt niestabilne w podejściu numerycznym. W związku z tym intymna znajomość rynku powinna być źródłem danych z wyboru. Istnieje wiele jakościowych podejść do prognozowania popytu, a poniżej przedstawiono niektóre z bardziej powszechnych podejść: X Prognozy Grass-Roots poszukują informacji od ludzi na poziomie organizacji, która zapewnia im najlepszy kontakt z badanym wydarzeniem (Chase, 2005). Technika ta może polegać na przeprowadzeniu badania marketingowego przedstawicieli handlowych na ich odczyty na aktualnych warunkach rynkowych. Potencjalna usterka tego narzędzia polega na tym, że podlega krótkoterminowym perspektywom źródeł. Źródło niedawnych wydarzeń może mieć nieuzasadniony wpływ na źródło danych. Na przykład sprzedawca, który miał dobry dzień, może przedstawić zbyt optymistyczną prognozę na przyszłość, która nie odzwierciedla dokładnie warunków rynkowych w ujęciu całościowym. X Analogia historyczna: Prognozy oparte na analogii historycznej badają możliwość, że przeszłe wydarzenia mogą dostarczyć wglądu w prognozowanie przyszłych wydarzeń powiązanych. Ta metoda wiąże to, co obecnie jest prognozowane, z podobnym przedmiotem (Chase, 2005). Na przykład, wykorzystując wzorzec sprzedaży czarno-białych telewizorów do prognozowania sprzedaży telewizji kolorowej. Ekonomiści wykorzystują ten typ modelu prognostycznego do prognozowania cykli koniunkturalnych i związanych z nimi zmian. Ta metoda może okazać się niedokładna, jeśli siły, które przejechały obok zdarzeń, nie są już obecne. X Prognozowanie badań rynkowych: ta metoda prognozowania zbiera dane na różne sposoby, takie jak ankiety, wywiady i grupy fokusowe, w celu oceny wzorców zakupowych i postaw obecnych i potencjalnych nabywców towaru lub usługi. Projektanci towarów i usług używają tej metody, aby zrozumieć swoich obecnych klientów i kupujących, którym chcieliby służyć. Metoda X Dlephi: Metoda Delphi kompiluje prognozy poprzez sekwencyjne, niezależne odpowiedzi grupy ekspertów na serie kwestionariuszy. Forecaster zestawia i analizuje dane respondentów oraz opracowuje nowy kwestionariusz dla tej samej grupy ekspertów. Ta sekwencja działa na rzecz konsensusu, który odzwierciedla wkład wszystkich ekspertów, jednocześnie uniemożliwiając dominację nad procesem (Chase, 2005). Techniki ilościowe Techniki prognoz ilościowych przekształcają dane wejściowe w postaci danych liczbowych w prognozy, stosując metody w jednej z trzech kategorii. Każda kategoria metod prognoz ilościowych zakłada, że ​​przeszłe wydarzenia stanowią doskonałą podstawę do lepszego zrozumienia prawdopodobnych przyszłych wyników. Analiza szeregów czasowych X: Analiza szeregów czasowych opiera się na założeniu, że dane dotyczące popytu lub wydajności w przeszłości mogą być wykorzystywane do przewidywania przyszłego popytu. Przykłady tej metody obejmują: Prosta średnia ruchoma, w której okres czasu zawiera liczbę punktów danych, jeśli jest uśredniony przez podzielenie sumy wartości punktowych przez liczbę punktów. b. Analiza regresji, w której średnia relacja między zmienną zależną, na przykład sprzedażą, a jedną lub więcej zmiennych zależnych, np. Ceną lub reklamą, jest szacowana poprzez dopasowanie linii prostej do danych historycznych w celu powiązania wartości danych z czasem. do. Prognozy trendów, technika prognozowania, która opiera się głównie na historycznych danych z szeregów czasowych, aby przewidzieć przyszłość. Ta metoda polega na dopasowaniu matematycznej linii trendu do punktów danych, a następnie rzutowaniu jej w przyszłość. X Badania przyczynowe: Badania przyczynowe szukają związków przyczynowych pomiędzy wiodącymi zmiennymi a zmiennymi prognozowanymi. Ta metoda stara się zrozumieć system leżący u podstaw i otaczający prognozowany przedmiot, taki jak wpływ reklamy, jakości i konkurencji na sprzedaż (Chase, 2005). X Modele matematyczne lub symulacyjne: Modele symulacyjne są modelami typu "co jeśli", które próbują symulować skutki alternatywnych strategii zarządzania i założeń dotyczących zewnętrznego środowiska firmy. Próbują reprezentować przeszłe zachowanie w ważnym związku matematycznym, a następnie zmieniać te dane, aby projektować przyszłe zdarzenia. Większość modeli finansowych to modele symulacyjne. Modele te są skuteczne w przeprowadzaniu różnorodnych analiz typu "co, jeśli", które pomagają kierownictwu w określeniu najlepszego sposobu działania firmy. Postęp technologiczny w komputerach pozwolił coraz większej liczbie firm na tworzenie i wykorzystywanie modeli do planowania i podejmowania decyzji (Chase, 2005). Prognozy Mattel i Popytu W okresie świątecznym wiele dzieci z niecierpliwością oczekuje na pojawienie się tej pory roku nowej zabawki pod choinką. Każdego roku twórcy zabawek, tacy jak Mattel, muszą dokonać szeregu ważnych decyzji, które określą przebieg wyników gospodarczych ich firm. Wiele miesięcy przed nadejściem świąt Bożego Narodzenia Mattel musi zdecydować, które zabawki będą najprawdopodobniej gorące, a które będą psami. Muszą starannie zrównoważyć podaż tych gorących zabawek z popytem konsumentów lub będą musieli zmierzyć się z nieszczęśliwymi klientami lub jeszcze gorzej, utknąć z powolnym ruchem towarów. Nie jest to łatwe zadanie, biorąc pod uwagę długie czasy produkcji i dystrybucji w przemyśle zabawkarskim. Aby zaspokoić popyt konsumentów na bieżący okres świąteczny, producenci zabawek muszą zwiększyć produkcję do połowy roku, aby mieć pewność, że będą mieli wystarczającą liczbę najlepiej sprzedających się zabawek i niewielu powolnych nabywców (Pereira, 2005). Duża różnica w tym równaniu wynika z faktu, że wielu dorosłych naprawdę nie rozumie, czego dzieci będą pragnąć, zanim nadejdą Święta Bożego Narodzenia. Mówiąc z własnego doświadczenia, moje dzieci chcą, aby każda zabawka, którą widzą w telewizji od września do Świąt Bożego Narodzenia, pojawiła się pod ich drzewem. Niestety, to, co cenią dorośli, niewiele ma wspólnego z wymaganiami dzieci. Podczas gdy dorośli mogą czuć, że podświetlany globus, który również mówi, to bardzo fajna zabawka edukacyjna, dzieci skłaniają się ku Tickle Me Elmo. Aby wypełnić tę lukę, Mattel wykorzystuje badania rynkowe, aby przewidzieć, która zabawka zostanie zwycięzcą. Każdego roku Mattel przedstawia swoje nowe produkty do oceny przez ostatecznych konsumentów V dzieci. Wykorzystując dwuetapowy proces, zabawki są oceniane pod kątem ich atrakcyjności na rynku docelowym. Pierwszym etapem tego procesu jest wybranie konkretnej mieszanki 100 dzieci z ośrodków opieki nad dziećmi w celu oceny nowych zabawek. Dzieci są podzielone na grupy fokusowe z równą reprezentacją od tych, którzy lubią figurki akcji, gry planszowe, zabawki budowlane, lalki i sztuki i rzemiosła. (Pereira, 1997). W czerwcu dzieci są przesłuchiwane i poproszone o ocenę swoich trzech najlepszych wyborów spośród zabawek prezentowanych w każdej kategorii. Do końca czerwca grupy fokusowe zredukują 380 proponowanych zabawek do zbioru 63 finalistów V w pierwszej trójce w każdej z 21 kategorii. W drugim etapie zabawki finalistów są wysyłane do ośrodków edukacyjnych KinderCare w całym kraju, w których specjalnie przeszkoleni nauczyciele obserwują, które zabawki preferują dzieci, oraz tajne karty do głosowania w rankingu swoich ulubionych (Pereira, 1997). Wiem, że trzylatek i pięciolatek uwielbiają być częścią tej grupy fokusowej Wnioski Jest oczywiste, że prognozowanie popytu jest częścią sztuki i nauki o sztuce. Rozpoczyna się od zrozumienia potrzeb organizacji w zakresie podejmowania decyzji i przechodzi do badania danych w celu określenia, w jaki sposób można opracować najlepsze narzędzie do prognozowania, aby służyło potrzebom biznesowym organizacji. Każda część analizy tworzy nowe informacje, dodając bogactwa i głębi do ogólnego procesu myślenia biznesowego. Referencje Chase, R. i in. (2005). Operations Management for Competitive Advantage, 11 edycja. Firmy McGraw-Hill: Nowy Jork. Makridakis, S. i in. (1998). Metody i zastosowania prognozowania, piąte wydanie. John Wiley Sons: New York. Pereira, J. (1997). Dla tych dzieciaków wypróbowanie zabawek to raczej zabawa dla dzieci. Wall Street Journal, 121797. Ross, D. (1995). Planowanie i kontrola dystrybucji. Chapman Hall: New York.