लेखक:
Louise Ward
निर्मितीची तारीख:
11 फेब्रुवारी 2021
अद्यतन तारीख:
1 जुलै 2024
सामग्री
यशस्वी बाजार मागणीचे पूर्वानुमान आपल्याला आपल्या पुढील विक्रीवर स्टॉक करण्यास मदत करते. भविष्यातील ग्राहकांची मागणी निश्चित करण्यासाठी मागच्या काळातल्या विक्री डेटाचा वापर म्हणजे मागणीचा अंदाज. अचूक मागणीच्या पूर्वानुमानानुसार, व्यवसाय ऑपरेशन्स अधिक कार्यक्षम होतील, ग्राहक सेवा अधिक चांगली होईल आणि उत्पादनाची वेळ कमी होईल. याबद्दल धन्यवाद, व्यवसाय जास्त ऑपरेटिंग खर्च, कमकुवत ग्राहक सेवा आणि कमतरता टाळू शकतात.
पायर्‍या
भाग 1 चा 1: माहिती गोळा करणे
उत्पादन विशिष्ट ओळख. संपूर्ण उत्पादनाच्या ओळीवर लक्ष केंद्रित करण्याऐवजी आपण मागोवा घेऊ इच्छित विशिष्ट उत्पादने ओळखा. यामुळे, मागील डेटाची क्रमवारी लावणे आणि भविष्यातील मागणीचा अंदाज करणे सोपे होते. उदाहरणार्थ, जर हिवाळ्यातील कपड्यांची विद्यमान ओळ असेल तर संपूर्ण ओळ स्वीकारण्याऐवजी प्रथम दस्तानेवर लक्ष केंद्रित करा.
- सर्वाधिक विक्री करणार्‍या उत्पादनावर लक्ष द्या. उदाहरणार्थ, बरेच व्यवसाय /०/२० तत्त्व कायम ठेवतात, याचा अर्थ असा होतो की सर्वसाधारणपणे, व्यवसाय प्रदान करते अशा २०% उत्पादने किंवा सेवा व्यवसायातील 20०% उत्पन्न आणतात. त्यांच्या गरजा ओळखा आणि त्यांचा मागोवा घ्या.
- आपल्याला उपलब्ध असलेल्या प्रत्येक उत्पादनाची मागणी भासू शकेल. तथापि, प्रत्येक वेळी हातमोजे, बूट आणि हिवाळ्याच्या टोपी म्हणून काही समान उत्पादनांचा अंदाज बांधणे सोपे आणि अधिक अचूक होईल.
- एक ऑपरेशनल अँड सेल्स प्लॅनिंग टीम तयार करण्याचा विचार करा ज्यामध्ये प्रत्येक विभागातील प्रतिनिधींचा समावेश असेल आणि उत्पादनाची मागणी अंदाज तयार करण्याचे काम सोपवले जाईल.
आपल्या विपणन योजनेचे पुनरावलोकन करा. कोणतेही विपणन किंवा जाहिरात आपल्या उत्पादनाची मागणी वाढविण्यात मदत करू शकते. मागील डेटा पहा आणि आपण कुठे यशस्वी झालात ते पहा. विशेष विक्री किंवा सुट्टीच्या जाहिरातींनी आपल्या उत्पादनास मागणी वाढविली की नाही याचा विचार करा. मागणीची पूर्वानुमान करताना आपण हे सर्व विचारात घेतले पाहिजे, खासकरून आपण वापरलेली विक्रीची रणनीती पुनरावृत्ती करण्याचा विचार करा.
की मेट्रिक्सचे पुनरावलोकन करा. उत्पादनांसाठी ग्राहकांच्या मागणीत अस्थिरतेचे कारण ठरवा. मुख्य निर्देशकांमध्ये लोकसंख्याशास्त्रीय आणि पर्यावरणीय घटकांचा समावेश आहे. लोकसंख्याशास्त्रात वय, लिंग, भौगोलिक स्थान आणि अभिज्ञापकांचे कोणतेही इतर गट समाविष्ट आहेत. की डेमोग्राफिक गटाच्या गरजा ओळखणे अंदाजानुसार वापरल्या जाणार्‍या डेटाचे क्षेत्र अरुंद करण्यास मदत करते. पर्यावरणीय घटक देखील मागणीवर परिणाम करतात. उदाहरणार्थ, अत्यंत कडक हिवाळा विक्री घटण्याचे कारण असू शकते.
बाजार पहा. आपल्या प्रतिस्पर्धी, ग्राहक, बँका आणि इतर कोणत्याही बाजारातील सहभागींच्या प्रत्येक शब्द आणि कार्याचे विश्लेषण करा. आपला प्रतिस्पर्धी मोठी विक्री किंवा जाहिरात चालू आहे की नाही याचा विचार करा.
मागील महिन्यांचा आढावा. मागील महिने आणि वार्षिक विक्रीतील फरक पहा, जसे की सुट्टीचा कालावधी. हे आपल्याला वार्षिक आणि हंगामी चढउतार ओळखण्यास मदत करेल. मागील महिन्यांकडे पहात असताना मागणीमागील यंत्रणेचे विश्लेषण करा. नवीन ग्राहक व्युत्पन्न केलेल्या कोणत्याही किंमती समायोजन किंवा विपणन मोहिमेस गमावू नका. व्यवसायाच्या उत्कर्षामागील एक कारण नेहमीच असते आणि एक स्मार्ट उद्योजक आढळेल. उदाहरणार्थ, आपण कदाचित "नवीन शैक्षणिक वर्ष" उत्पादनांसाठी ऑगस्टमध्ये "एक खरेदी करा एक विनामूल्य मिळवा" चालवित असाल. आपण या धोरणांचा पुन्हा वापर करण्याचे ठरविल्यास आपल्या अंदाजानुसार त्यांचा विचार करा.
वितरण वेळ निश्चित करा. ऑर्डर उत्पादनाची वितरण पूर्ण होण्यापर्यंतची वेळ म्हणजे वितरण वेळ. ही माहिती आपल्याला पूर्वानुमान मागणीसाठी मदत करेल. त्याबद्दल धन्यवाद, आपण उत्पादन पूर्ण झालेला वेग आणि बाजाराची मागणी पूर्ण करू शकता.
- जर दुसर्‍या कंपनीकडून खरेदी केली असेल तर, वितरणाची पुढची वेळ ऑर्डर केल्यापासून आणि जेव्हा वस्तू आपल्या गंतव्यस्थानी दिली जाते तेव्हा संपेल.
- आपण उत्पादनाचे कच्चे माल आणि घटकांची गणना करुन वितरण वेळ देखील निर्धारित करू शकता. आवश्यक उत्पादन वेळ जाणून घेण्यामुळे आपल्यास मागणीची अचूक पूर्तता करण्यास मदत होईल. एखाद्या विशिष्ट उत्पादनावर लक्ष केंद्रित केल्याने आपल्याला आवश्यक सामग्रीचे प्रमाण आणि आपल्या उत्पादनाचे उत्पादन वेळ अनुमान काढण्यास मदत होईल.
- एकदा आपल्याकडे अंदाजे व्हॉल्यूम असल्यास, प्रत्येक उत्पादनाची आवश्यकता विचारात घ्या. उदाहरणार्थ, जर आपण पेन्सिल बनवत असाल तर आपल्याला आपल्या अंदाजानुसार लाकूड, रबर आणि इतर आवश्यक माहितीचे प्रमाण माहित असणे आवश्यक आहे.
भाग 7 चा: बाजाराचा दृष्टीकोन निश्चित करणे
वापरलेली पद्धत निश्चित करा. सर्वसाधारणपणे मागणीच्या अंदाजाच्या मुख्य चार पद्धती आहेत. यामध्ये निर्णायक, प्रायोगिक, रिलेशनल / कारक आणि टाइमलाइनचा समावेश आहे. उत्पादनाच्या इतिहासावर आधारित, सर्वात योग्य पद्धत निवडा. उदाहरणार्थ, बाजारात ऐतिहासिक डेटा नसलेल्या नवीन उत्पादनांसाठी प्रायोगिक पद्धत बर्‍याचदा वापरली जाते. या पद्धती आपल्याला दर्शवितात की आपल्याला वापरण्यासाठी आवश्यक असलेला बहुतेक डेटा संकलित करण्यासाठी कसा वापराल.
- अधिक अचूक मागणीच्या पूर्वानुमानसाठी आपण बर्‍याच पद्धती एकत्र करू शकता.
आपल्या निर्णयाचा दृष्टिकोन विचारात घ्या. विक्री आणि व्यवस्थापन कार्यसंघाने पाहिलेला बाजाराच्या सामान्य आकलनावर आधारित ही पद्धत आवश्यकता निर्धारित करते. त्यांच्या स्वत: च्या ज्ञान आणि अनुभवाने, हे लोक एका विशिष्ट प्रमाणात अचूकतेसह भाकीत करू शकतात आणि काही प्रकरणांमध्ये त्यांचे अंदाज अत्यंत अचूक असेल. तथापि, या स्त्रोतामधून गोळा केलेला डेटा अविश्वसनीय असू शकतो कारण ते त्यांच्या वैयक्तिक दृष्टीकोनांवर अवलंबून असतात. म्हणूनच, त्यांचा वापर अल्पकालीन मागणीच्या पूर्वानुमानसाठी केला पाहिजे.
- हे करण्याचे अनेक मार्ग आहेत, प्रामुख्याने कर्मचार्‍यांवर अवलंबून. तथापि, आपल्याला सूचीतील सर्व लोक वापरण्याची आवश्यकता नाही. ध्येय साध्य करण्यासाठी आपण कोणतेही संयोजन निवडू शकता, कोणत्या तज्ञांच्या गटावर अवलंबून असेल की सर्वात अचूक निर्णय येईल.
प्रायोगिक दृष्टिकोनाची आवश्यकता ठरवा. ही पद्धत नवीन उत्पादनांसाठी सर्वात प्रभावी आहे आणि बाजारात आधीपासूनच अस्तित्त्वात असलेल्या आणि काळाच्या ओघात ऐतिहासिकदृष्ट्या मागणी असलेल्या उत्पादनांसाठी ती उपयुक्त नाही. हे ग्राहकांच्या छोट्या गटाकडून प्राप्त झालेल्या परिणामांचा वापर करते आणि मोठ्या संख्येने ग्राहकांसाठी निष्कर्ष काढते. उदाहरणार्थ, आपण एखाद्या विशिष्ट शहरातील 500 लोकांशी यादृच्छिकरित्या संपर्क साधल्यास आणि 25% लोक म्हणाले की 6 महिन्यांच्या आत ते उत्पादन विकत घेतील, आपण असे मानू शकता की समान दर 5,000 लोकांसाठी आहे.
- जर लहान लक्ष्य गटाला नवीन तंत्रज्ञान आवडत असेल आणि चाचणी विपणनास चांगला प्रतिसाद मिळाला तर आपण असा निष्कर्ष काढू शकता की ही संख्या राष्ट्रीय मागणीची देखील पूर्वानुमान करीत आहे. या पध्दतीची समस्या अशी आहे की हे बर्‍याचदा मागणीच्या आकडेवारीपेक्षा ग्राहकांच्या मतांबद्दल अधिक माहिती संकलित करते.
संपर्क / कारण आणि प्रभाव दृष्टीकोन वापरण्याचा विचार करा. या दृष्टिकोनातून उद्दीष्ट आहे की लोक आपले उत्पादन का खरेदी करतात. येथे कल्पना अशी आहे की एखादी व्यक्ती उत्पादनाची खरेदी का करीत आहे हे आपणास समजत असल्यास आपण त्या इंजिनवर आधारित मागणीचा अंदाज तयार करू शकता. उदाहरणार्थ, आपण बूट विकल्यास आपल्या उत्पादनाची मागणी हवामानाशी संबंधित असल्याचे आपल्याला माहिती आहे. जर हवामानाचा अंदाज खूपच थंड हिवाळा दर्शवित असेल तर आपल्या बूटची मागणी जास्त असेल असा निष्कर्ष काढला जाऊ शकतो.
- या पद्धतींच्या गटात उत्पादन जीवन चक्र आणि नक्कल मॉडेल देखील समाविष्ट आहे.
टाइमलाइन पद्धत वापरून मागणीची गणना करा. टाइमलाइन दृष्टिकोन डेटाची मागणी, ऐतिहासिक ट्रेंड आणि मागणीची गणना करण्यासाठी गणिताचा हेतू आहे. विशेषतः, आपल्या गरजा अचूकपणे अंदाज लावण्यासाठी आपण हालचाल सरासरी, भारित हालचाली सरासरी आणि / किंवा घातांक लेव्हलिंग वापरू शकता. मजबूत निकाल देताना त्यांना बाजारपेठेत किंवा व्यवसायाच्या योजनेवर होणा account्या बदलांचा परिणाम विचारात घेण्यासाठी दुसर्‍या पद्धतीने, व्यक्तिनिष्ठ मुल्यांकनांसह एकत्र करणे आवश्यक आहे. जाहिरात
7 चे भाग 3: निर्णयाच्या पद्धती वापरणे
नियामकाचे पुनरावलोकन करा. आपल्या कंपनीत उच्च व्यवस्थापनाचा एक छोटा गट गोळा करा आणि त्यांना मागणीचा अंदाज लावण्यास सांगा. प्रत्येक कार्यसंघ सदस्य त्यांच्या बाजारपेठेतील अनुभवावरून मौल्यवान अंतर्दृष्टी आणि अंतर्दृष्टी प्रदान करण्यास सक्षम आहे. दर्जेदार पुरवठादार आणि विपणन मोहिमांच्या निवडीमध्ये ते मदत करू शकतात. ही पद्धत इतर निर्णयाच्या पद्धतींपेक्षा महाग आणि वेळ घेणारी नाही. नकारात्मक बाजू अशी आहे की हे तज्ञांच्या मतावर आधारित आहे जो पक्षपाती होऊ शकतो आणि त्यांच्या स्वत: च्या अजेंडाची जाहिरात करू शकतो.
विक्रेत्याचे सामान्य मत. प्रत्येक विक्री व्यक्तीला त्यांच्या विक्रीचा अंदाज लावण्यास सांगा. विक्री ही एक संघ आहे जी बाजारपेठेच्या अगदी जवळ आहे आणि ग्राहकांच्या इच्छांना समजते. शहर, प्रांत आणि प्रदेशानुसार प्रत्येक विक्री स्तरावर या अंदाज एकत्र करा. या दृष्टिकोनाचा फायदा म्हणजे त्याची कमी किंमत आणि डेटा संग्रहणात सुलभता. नकारात्मक बाजू अशी आहे की हे ग्राहकांच्या मतांवर आधारित आहे आणि ते बदलणे सोपे आहे. त्याच वेळी, नोकरीमधील त्यांचे स्थान सुरक्षित करण्यासाठी विक्रीतील लोक संख्या वाढवू शकतात.
एक वैयक्तिक बाजार तज्ञ भाड्याने घ्या. बाजारातील तज्ञ उद्योगातील ट्रेंड पाळतात आणि मागणीनुसार आपल्या विक्री दलाशी सल्लामसलत करतात. हे व्यावसायिक पत्रकार, अर्थशास्त्रज्ञ, बँकर्स आणि व्यावसायिक सल्लागार असू शकतात. तरीही, एखादी व्यक्ती गोळा करू शकत असलेली माहिती मर्यादित आहे. म्हणून, बरीच डेटा संकलित करण्यासाठी आपण मार्केट तज्ञांची टीम एकत्र करावी.
- विक्री संघांच्या तुलनेत या व्यक्ती बाजाराबद्दल अधिक सखोल आणि दर्जेदार समजून घेण्यास सक्षम आहेत. तथापि, बाहेरील लोक म्हणून, आपल्या अद्वितीय उत्पादनाची त्यांना त्यांच्या कर्मचार्‍यांइतकी आवश्यकता समजणार नाही. आपण या लोकांचा बाजारातील मागणीचा अंदाज लावण्यासाठी वापरला पाहिजे आणि नंतर त्या बाजारात यशस्वी होण्याच्या संभाव्यतेचा अंदाज लावण्यासाठी अंतर्गत निर्णयाचा वापर केला पाहिजे.
डेल्फी पद्धत वापरणे. प्रथम, तज्ञ गट तयार करा.हा व्यवस्थापक, निवडक कर्मचारी किंवा उद्योग तज्ञांचा एक गट असू शकतो. त्या प्रत्येकाला त्यांच्या गरजेच्या अंदाजाप्रमाणे विचारा. त्यांना प्रश्नावलीचे उत्तर दोन फे or्यांमध्ये द्या. प्रत्येक फेरीनंतर, मागील फेरीचे निकाल अज्ञातपणे सादर करा. मागील फे from्यातून घेतलेल्या निकालांचा विचार करून तज्ञांना त्यांच्या प्रतिक्रिया सुधारण्यासाठी प्रोत्साहित करा. ध्येय हे आहे की शेवटपर्यंत, संपूर्ण टीम प्राप्त झालेल्या अंदाजाबद्दल समान मत देऊ शकेल.
- थांबा जसे की विशिष्ट लॅप गणना, एकमत स्कोअर किंवा परिणाम स्थिरता.
भाग 7: प्रायोगिक दृष्टीकोन वापरणे
ग्राहकाची चौकशी करा. आपण त्यांच्याकडून बर्‍याच प्रकारे माहिती एकत्रित करू शकता: फोनद्वारे किंवा ई-मेलद्वारे, ऑर्डरच्या इतिहासाचे सांख्यिकीय पुनरावलोकन, बाजारपेठेतील ट्रेंड. खरेदी योजना आणि व्यक्तिपरक खरेदी वर्तन याबद्दल विचारा. परिणाम सामान्य करण्यासाठी एक मोठा नमुना वापरा. आपली उत्पादने खरेदी करण्याच्या क्षमतेबद्दल विचारा आणि प्राप्त परिणाम जोडा.
- ग्राहक असे असतात जे विशिष्ट उत्पादनाची आवश्यकता चांगल्या प्रकारे समजतात. या तपासणीचा धोका असा आहे की ते बर्‍याचदा वास्तविक गरजेपेक्षा जास्त असतात. एखाद्या व्यक्तीस उत्पादनामध्ये स्वारस्य असल्यास, प्रत्यक्षात ते विकत घेणे ही आणखी एक गोष्ट आहे.
- लक्षात ठेवा तपासणी करणे महाग, कठीण आणि वेळखाऊ असू शकते. अन्वेषण क्वचितच भाकित मागणीसाठी यशस्वी पाया देते.
चाचणी विपणन वापरा. उत्पादन विकासाच्या सुरुवातीच्या काळात याचा वापर करा. आपण लक्ष्य केलेले लहान, निर्जन आणि लोकसंख्याशास्त्रविषयक क्षेत्र शोधा. जाहिरात, जाहिरात आणि वितरण योजनेसह आपल्या विपणन योजनेच्या प्रत्येक चरणात जा. उत्पादन जागरूकता, आत प्रवेश करणे, बाजारातील वाटा आणि एकूण विक्री मोजा. राष्ट्रीय स्तरावर उत्पादने सादर करताना आपल्याला येणा encountered्या समस्या कमी करण्यासाठी मिळालेल्या माहितीच्या आधारे आपली रणनीती समायोजित करा.
ग्राहक गटांना आमंत्रित करा. खोलीत संभाव्य ग्राहकांचा एक छोटा गट गोळा करा आणि त्यांना आपले उत्पादन वापरू द्या, त्यानंतर त्याबद्दल चर्चा करा. भाग घेताना ग्राहकांना सहसा लहान रक्कम किंवा भेट दिली जाते. सर्वेक्षण पद्धतीप्रमाणेच, मागणीचा अंदाज लावण्यापेक्षा प्राप्त डेटा डेटा विश्लेषणामध्ये अधिक उपयुक्त आहे.
स्कॅन केलेला टेबल डेटा वापरा. किराणा दुकानात अशा त्यांच्या घरातील खरेदीच्या सवयींचा चालू असलेल्या अभ्यासाचा भाग होण्यासाठी सहमत असलेल्या ग्राहक कुटुंबांचे मोठे गट शोधा. या ग्राहकांना घरगुती आकार, वय, घरगुती उत्पन्न आणि आपल्या उत्पादनासाठी महत्त्वाची असलेली कोणतीही इतर माहिती यासारख्या माहिती प्रदान करण्यासाठी सहमत करा. प्रत्येक वेळी ते किराणा सामान खरेदी करतात तेव्हा त्यांची खरेदी माहिती रेकॉर्ड केली जाते आणि त्यांचे विश्लेषण केले जाते. जेव्हा ते शॉपिंग कार्ड वापरतात तेव्हा हा डेटा संकलित केला जाऊ शकतो. ते सांख्यिकी मॉडेलसाठी समृद्ध डेटाबेस प्रदान करतात आणि डेटामधील संबंध दर्शवितात.
- इतर प्रकारच्या प्रयोगांप्रमाणेच या निकालांच्या मागणीचा अंदाज लावणे कठीण आहे.
7 चे भाग 5: संपर्क / कारण आणि प्रभाव दृष्टीकोन वापरणे
मागील महिन्यांपासून आपली मासिक विक्री किंवा हंगामी ट्रेंड तपासा. मागील वर्षाच्या विक्रीच्या आकडेवारीचे पुनरावलोकन करा जेणेकरून वर्षासाठी विक्रीचे प्रमाण किती टक्के जास्त होते. ते स्थिर आहेत? हिवाळ्यातील किंवा उन्हाळ्यात विक्री जास्त आहे? त्या काळात विक्रीतील वाढ किंवा घट मोजा. काही वर्षांत बदल जास्त किंवा कमी झाला आहे का? पुढे, त्यांच्यामागील संभाव्य कारणे विचारात घ्या. आपण काय शिकलात ते घ्या आणि चालू वर्षासाठी आपली भविष्यवाणी लागू करा.
- उदाहरणार्थ, आपण बूट विकल्यास, कदाचित हिवाळ्याच्या काळात तुमची विक्री विशेषत: जास्त असेल. यावर्षी इतकी थंड हिवाळा असण्याचा अंदाज असल्यास आपण त्यानुसार आपली मागणी वाढवा.
ग्राहकांना प्रतिसाद मिळवा. ही अशी परिस्थिती आहे ज्यात उत्पादन किंवा बाजारातील बदलांचा परिणाम जास्त किंवा कमी विक्रीला होतो. कालांतराने विक्रीचे चार्ट तयार करा आणि महत्त्वाच्या तारखांना चिन्हांकित करा, जसे की किंमती कधी वाढविण्यात आल्या किंवा स्पर्धात्मक उत्पादने कधी जारी केली जातात. आर्थिक बदलांना प्रतिसाद देणे किंवा वैयक्तिक वापरामध्ये बदल करणे यासारख्या विस्तृत देखील असू शकतात. ही माहिती एकत्रित करण्यासाठी संबंधित व्यवसाय जर्नल्स आणि लेख वाचा. अधिक माहिती जाणून घेतल्यामुळे भविष्यात उत्पादनांच्या मागणीवर परिणाम होण्याची शक्यता असलेल्या घटकांची आपल्याला स्पष्ट कल्पना येऊ शकते.
उत्पादन जीवन चक्र मॉडेल तयार करा. एक जीवन चक्र आपल्या उत्पादनाचे प्रारंभिक परिचय पासून आतापर्यंतचे "जीवन" दर्शवते. प्रत्येक टप्प्यावर आपली विक्री पहा. या कालावधीत ज्या ग्राहकांनी उत्पादन खरेदी केले त्यांच्या वैशिष्ट्यांकडे लक्ष द्या. उदाहरणार्थ, आपल्याकडे वेगवान-अनुकूलन करणारे ग्राहक (ज्यांना नवीनतम तंत्रज्ञानाची आवड आहे), एक मुख्य प्रवाहात खरेदीदार गट (जो एखाद्या उत्पादनाचा प्रयत्न करण्यासाठी आणि पुनरावलोकनाची प्रतीक्षा करतो), एक कालबाह्य गट आहे (ते केवळ खरेदी करतात जेव्हा उत्पादन बर्‍याच काळापासून बाजारात असते) आणि इतर ग्राहक गट. ते आपल्याला आपल्या उत्पादनाचे जीवनचक्र आणि मागणीचे नमुने निर्धारित करण्यात मदत करतील.
- हे मॉडेल सामान्यत: उच्च तंत्रज्ञान, फॅशन आणि शॉर्ट लाइफसायकल उत्पादनांसारख्या अनेक उद्योगांमध्ये वापरले जाते. कशास हे विशेष बनवते ते म्हणजे मागणीचे स्त्रोत थेट उत्पादनाच्या जीवनचक्रांशी संबंधित असतात.
सिमुलेशन मॉडेल वापरणे. आवश्यक सामग्री नियोजन आणि तयार उत्पादनाच्या वितरण प्रवाहावर आधारित फॅक्टरीमध्ये प्रवेश केलेल्या घटकांच्या फ्लो रूमचे मॉडेल बनवा. उदाहरणार्थ, शिपिंगच्या वेळेसह (प्रत्येक वस्तू मिळाल्या त्या वेळेची गणना करा (वस्तू कुठून घेतली आहे याची पर्वा न करता)). हे आपल्याला आपल्या खरेदीदारांच्या गरजा पूर्ण करण्यासाठी आपले उत्पादन किती द्रुतगतीने मिळवू शकेल याची स्पष्ट समजूत देईल.
- ही मॉडेल्स तयार करणे आणि देखभाल करणे अवघड आणि मंद म्हणून ओळखले जाते.
7 चे भाग 6: टाइमलाइन दृष्टिकोन वापरणे
हलणारी सरासरी पद्धत वापरा. जेव्हा डेटामध्ये कमी किंवा कोणताही ट्रेंड दर्शविला जात नाही तेव्हा हे वापरण्यासाठी गणिताचे तंत्र आहे. हे वेळोवेळी डेटाचे विहंगावलोकन प्रदान करेल. मागील तीन महिन्यांच्या गरजा निश्चित करा. एकदा आपल्याकडे एकूण रक्कम असल्यास, त्यांना चारने विभाजित करा (पुढील महिन्याची गणना करण्यासाठी). सूत्र F4 = (डी 1 + डी 2 + डी 3) असेल ÷ 4. या समीकरणात, ‘एफ’ पूर्वानुमान दर्शविते आणि ‘डी’ महिन्याचे प्रतिनिधित्व करते. वरील समीकरण स्थिर मागणीसाठी कार्य करते.
- उदाहरणार्थ, अंदाज = (4,000 (जानेवारी) + 6,000 (फेब्रुवारी) + 8,000 (मार्च)) / 4 = 4,500.
वेट मूव्हिंग एव्हरेज (डब्ल्यूएमए) वापरणे. जर मागणी अस्थिर असेल तर हे सूत्र विक्रीतील भिन्नतेसाठी वापरले जाऊ शकते. सूत्र डब्ल्यूएमए 4 = (डब्ल्यू * डी 1) + (डब्ल्यू * डी 2) + (डब्ल्यू * डी 3). ‘डी’ पुलाचे प्रतिनिधित्व करतो आणि त्याबरोबरची संख्या महिन्याचे प्रतिनिधित्व करते. ‘डब्ल्यू’ ही स्थिर घनता असते, सहसा विक्री इतिहासाद्वारे निर्धारित केलेली 1 ते 10 दरम्यान असते.
- उदाहरणार्थ: डब्ल्यूएमए = (4 * 100) + (4 * 250) + (4 * 300) = 2,600.
- नवीन डेटासाठी मोठ्या घनतेच्या स्थिर आणि जुन्या डेटासाठी एक लहान वापरा. हे असे आहे कारण अंदाज डेटावर नवीन डेटाचा मजबूत प्रभाव आहे.
घातांकीय लेव्हलिंग पद्धत वापरा. हे तंत्र सरासरी काढण्याची एक पद्धत आहे जी नवीनतम डेटावर लेव्हलिंग स्टीलंट लावून नवीन उत्पादनांच्या मागणीमध्ये बदल वापरते. अलीकडील चढ-उतार यादृच्छिक बदलांऐवजी मौसमी ट्रेंड (सुट्टीच्या वेळांसारख्या) वास्तविक बदलांचा परिणाम असल्यास हे उपयुक्त ठरते.
- मागील कालावधीसाठी अंदाज शोधा. सूत्रात ते (फूट) द्वारे दर्शविले गेले आहे. पुढे, त्या कालावधीत वास्तविक मागणी शोधा (एट -1) द्वारे दर्शविली.
- वजन निर्णय वापरले जाते. हे सूत्रात (डब्ल्यू) आहे, ज्याचे मूल्य 1 ते 10 दरम्यान आहे. जुन्या डेटासाठी एक छोटी संख्या वापरा.
- सूत्रामध्ये डेटा ठेवाः फीट = फॅट -1 + डब्ल्यू * (एटी -१ - फॅट -१) किंवा उदाहरणार्थ: फूट = 500 + 4 (डब्ल्यू) * (590 - 500) = 504 * 90 = 45,360.
भाग 7 चा 7: मागणी अंदाज
परिणाम एकत्रित करा. एकदा आपण डेटा एकत्रित केल्यानंतर, मागणीचा अंदाज दर्शविण्यासाठी आलेख किंवा चार्ट तयार करा. पुढील काही महिने आपले उत्पादन मागणी आउटपुट चालवून असे करा. उदाहरणार्थ, आपण एक रेखा चार्ट तयार करत असल्यास, महिन्याला क्षैतिज अक्ष आणि अनुलंब अक्षांवर मागणीचे प्रमाण ठेवले. जर आपण अंदाज केला असेल की आपल्याला ऑक्टोबरमध्ये 600 युनिट्स आणि नोव्हेंबरमध्ये 800 युनिट्सची आवश्यकता असेल तर ते बिंदू आलेखवर प्लॉट करा. बिंदू दरम्यान रेषा काढा. आपण संशोधन आणि ऐतिहासिक डेटाची तुलना करण्यासाठी मागील डेटा देखील ग्राफ करू शकता.
आपल्या निकालांचे विश्लेषण करा. आपल्याकडे आता परिणाम वाचण्यास सुलभ स्वरूपात आयोजित केलेले किंवा प्रदर्शित केले आहेत. पण, ते काय म्हणतात? मागणी वाढ किंवा घट आणि चक्रीयता जसे की व्यस्त महिने आणि .तू. मागील वर्षांच्या डेटासह आपल्या डेटाची तुलना करा आणि व्हॉल्यूम आणि ट्रेंडमधील फरक मोजा. आपली विपणन योजना कार्य करीत आहे किंवा पूर्वी काम करीत आहे याचा पुरावा मिळण्यासाठी डेटा पहा.
- त्याच वेळी, परत जा आणि आपण अंदाज कसा असेल असा आपला विश्वास आहे हे निश्चित करा. आपण आपल्या अंदाज बद्दल खूप आशावादी आहात? आपली अपेक्षित मार्जिन त्रुटी किती मोठी आहे?
आपल्या अंदाज सादर करा आणि चर्चा करा. आपल्या कंपनीतील योग्य लोकांसमोर आपली भविष्यवाणी सांगा आणि त्यांच्याशी चर्चा करा. विक्री आणि विपणन, वित्त, उत्पादन आणि इतर सर्व व्यवस्थापकांकडून इनपुट मिळवा. पुढे, अंदाज समायोजित करा. जेव्हा प्रत्येकजण पूर्वानुमानाशी सहमत असतो तेव्हा प्रत्येकजण चांगल्या व्यवसाय धोरणासह येऊ शकतो.
अंदाज ट्रॅक आणि समायोजित करा. जेव्हा नवीन डेटा संकलित केला जातो तेव्हा पूर्वानुमानासाठी समायोजित केल्याने हे प्रतिबिंबित होते. आपल्याकडे असलेली सर्व माहिती आपण वापरू इच्छित आहात. आपण आपले अंदाज नियमितपणे परीक्षण केले आणि अद्यतनित न केल्यास आपण आपल्या आर्थिक स्थिरतेशी तडजोड करणार्‍या महागड्या चुका करू शकता. जाहिरात
