أعلى 6 طرق التنبؤ بالمبيعات

تلقي هذه المقالة الضوء على الطرق الستة الأولى لتوقعات المبيعات المستخدمة في المؤسسة. الطرق هي: 1. طريقة الرأي الجماعي 2 . المؤشرات الاقتصادية 3. طريقة المربعات الصغرى 4. تحليل السلاسل الزمنية 5. طريقة المتوسطات المتحركة للتنبؤ بالمبيعات

طريقة # 1. طريقة الرأي الجماعي:

في هذه التقنية ، يعتمد التنبؤ على رأي الباعة فيما يتعلق بالمنتج وتقديرات الطلب على السنة المقبلة في مناطقهم الخاصة. في ضوء حقيقة أن الباعة هم الأقرب إلى المستهلكين ، يمكنهم تقدير أكثر بشكل صحيح حول رد فعل العميل فيما يتعلق بالمنتج.

يتم تلقي هذه التقديرات من قبل مديري مبيعات الفروع وسيقومون بمراجعة هذه الأرقام وإجراء بعض التعديلات ، لتعكس معرفتهم ببيع الباعة.

قد يثبت البعض فيما بعد في الماضي أنهم متفائلون باستمرار وأن تقديراتهم يمكن تعديلها إلى الأسفل ، وقد يكون البعض الآخر متشائمين إلى حد ما ، وقد تتطلب تقديراتهم إجراء مراجعة لأعلى ، وقد يكون باقي الباعة قد أثبتوا أنهم واقعيون. وقد تبقى تقديراتهم دون تغيير.

ثم يتم توفير هذه الأرقام المعدلة للتقديرات إلى لجنة مسؤولة عن إعداد التوقعات النهائية. قد يشمل أعضاء هذه اللجنة مدير مبيعات الشركة ، كبير المهندسين ، مدير الإنتاج ، مدير التسويق والاقتصادي. سوف يقوموا بمراجعة التقديرات في ضوء بعض العوامل التي لن يعرف بها رجال المبيعات ومديرو مبيعات الفروع.

وقد تشمل هذه الأمور أشياء مثل التغييرات المتوقعة في تصميم المنتج ، أو خطة لزيادة الإعلان ، أو زيادة أو نقصان في أسعار البيع ، وتقنيات الإنتاج الجديدة التي ستحسن جودة المنتج ، والتغيرات في المنافسة ، والتغيرات في الظروف الاقتصادية مثل القوة الشرائية المستهلك ، وتوزيع الدخل ، والائتمانات ، والسكان وظروف العمل وما إلى ذلك.

وبالتالي فإن طريقة الرأي الجماعي تأخذ مزايا الحكمة الجماعية من الباعة وكبار التنفيذيين في مختلف المجالات المرتبطة بإدارة المبيعات.

مزايا:

1. الطريقة بسيطة لأنها تستند إلى الحكمة الجماعية من الباعة وكبار التنفيذيين ذوي الخبرة في مختلف المجالات ولا تتطلب أي تقنية إحصائية.

2. تعتمد تقديرات الطلب على معرفة الباعة المسئولين بشكل مباشر عن تحقيق أهداف المبيعات وبالتالي فهي صحيحة.

3. لإطلاق المنتجات الجديدة فإن الطريقة مفيدة للغاية.

العيب:

1. نظراً لعدم استخدام أي بيانات سابقة أو تقنية إحصائية ، فإن هذه الطريقة مفيدة فقط للتنبؤ على المدى القصير.

2. يجوز للبائعين التقليل من المبيعات المستقبلية إذا تم تحديد حصص المبيعات لهم.

3. قد لا تكون التقديرات التي يتم إجراؤها بواسطة هذه الطريقة واقعية لأن الباعة ليس لديهم معرفة بالتغيرات الاقتصادية.

الطريقة # 2. المؤشرات الاقتصادية:

تعتمد طريقة التنبؤ بالمبيعات هذه على استخدام المؤشرات التي تخدم وصف الظروف الاقتصادية السائدة خلال فترة زمنية معينة.

بعض هذه المؤشرات الاقتصادية هي ما يلي:

1. عقود البناء منحت لطلب مواد البناء.

2. دخل المزرعة للطلب على الأدوات الزراعية والمدخلات الأخرى.

3 الدخل الشخصي للطلب على السلع الاستهلاكية.

4. إنتاج سيارات / تسجيل السيارات لطلب الإكسسوارات والمنتجات النفطية.

5. موقف التوظيف.

6. الدخل القومي الإجمالي.

7. أسعار المستهلك.

8. أسعار السلع الأساسية بالجملة.

9. الودائع المصرفية.

10. الإنتاج الصناعي.

11. إنتاج الصلب.

12. جرد الأعمال.

يتم جمع ونشر بيانات من هذا النوع من قبل مختلف الوكالات الحكومية مثل المنظمات الإحصائية المركزية والمجموعات الخاصة مثل الجمعيات التجارية ومنظمات البحوث التجارية.

إذا وجدت المؤسسة أو المؤسسة أن هناك علاقة بين واحد أو مزيج من مثل هذا المؤشر الاقتصادي ومبيعات بعض منتجاتها ، يمكن استخدام هذا النهج في التنبؤ بالبيع.

علاوة على ذلك ، قد يثبت أن المؤشر الاقتصادي المختار أو ذي الصلة هو رائد أو متخلف أو متزامن.

المؤشر الرئيسي هو الذي ستؤثر قيمته لفترة معينة على المبيعات في فترة لاحقة. على سبيل المثال ، قد تجد الشركة المصنعة للحقائب المدرسية أن مبيعاته خلال سنة معينة تتأثر بعدد الأطفال الذين ولدوا قبل ثلاث أو أربع سنوات. هذا هو أكثر نوع مرغوب فيه من المؤشرات الاقتصادية لأن قيمته ستكون معروفة في الوقت الذي يتم فيه التنبؤ بالمبيعات المستقبلية.

مؤشر التباطؤ هو الذي ستعكس قيمته لفترة معينة المبيعات في بعض الفترة السابقة. على سبيل المثال ، قد تجد الشركة المصنعة لأجهزة تبريد الصحراء أن البيانات المتعلقة بقوائم الجرد لفترة معينة تتعلق بمبيعاته خلال فترة سابقة.

المؤشر المتزامن هو الذي ستؤثر قيمته لفترة معينة على المبيعات في تلك الفترة. على سبيل المثال ، قد تجد الشركة المصنعة لمغذيات حليب الأطفال أن حجم إنتاج المغذيات خلال فترة معينة يتأثر بمعدل النمو السكاني خلال الفترة نفسها. هذا هو نوع من مؤشر أقل من المرغوب فيه لأنه يجب تقدير قيمته للفترة المقبلة التي يتم بها توقعات المبيعات.

يتم التنبؤ بالمبيعات بمساعدة معادلة المربعات الصغرى.

على سبيل الحصر:

1. الحاجة لإيجاد مؤشر مناسب. في بعض الحالات قد يكون مؤشر معين صحيحًا ، ولكن في حالات أخرى لن يكون هناك مؤشر واحد قابلاً للتطبيق بشكل واضح وقد يكون نهج الخطأ التجريبي مطلوبًا وهو أمر مضجر ويستغرق وقتًا طويلاً.

2. قد يختلف المؤشر المناسب مع المنتج أو مجموعة المنتجات قيد النظر.

3. بعد التحقق من جميع البدائل المحتملة ، قد تجد الشركة أنه لا يوجد مؤشر مفرد أو مركب مناسب. في مثل هذه الحالات ، لا يمكن استخدام طريقة التنبؤ هذه. ومع ذلك فقد تجد الشركة أنه على الرغم من أن مبيعاتها لا ترتبط بأي مؤشر اقتصادي فإن مبيعات المؤسسات موجودة.

سيكون هذا هو الحال عندما تتقلب حصة الشركة في السوق على نطاق واسع. يمكن استخدام نهج الرأي الجماعي.

4. تنشأ صعوبة أخرى من حقيقة أن المؤشر المعني قد يكون مؤشرًا سنويًا ، في حين قد ترغب الشركة في توقع المبيعات على أساس شهري.

5. وهناك تقييد آخر لهذه الطريقة هو أنها لا تصلح لتوقعات المبيعات لمنتج جديد لأنه لا توجد بيانات سابقة يمكن أن يعتمد عليها تحليل الارتباط.

العلاقة بين متغيرين:

لنفترض أن سجل الصناعة في تكاليف الإنتاج والتصنيع في السنوات الثلاث الماضية هو:

إذا قمنا بتخطيط الإنتاج الذي يعتبر تكلفة تصنيع متغيرة / ثانية متغيرة وهو متغير تابع لكل من السنوات الثلاث.

يكشف الرسم البياني أن جميع النقاط الثلاث تقع على خط من أفضل ملاءمة. بما أن الخط هو خط مستقيم ، فهناك علاقة خطية قوية بين إنتاج الإنتاج وتكلفة التصنيع.

لنفترض الآن أن تكلفة التصنيع تختلف كما هو موضح في الجدول التالي:

يظهر الرسم البياني لهذه العلاقة كما هو موضح بالخط المنقط. طبيعة هذه النقاط هي أنها لا تسقط على أفضل وجه. ومع ذلك فهي قريبة من ذلك ويمكننا القول أن هناك علاقة خطية تقريبًا بين المتغيرين ليست بنفس القوة التي تظهر بها المجموعة الأولى من البيانات.

لذلك يمكننا أن نتوقع بدقة أقل تكلفة التصنيع لبعض مستويات الإنتاج أو الإنتاج. وبالمثل في الممارسة الفعلية ، قد يكون هناك ارتباط منحني بين المتغيرين.

طريقة بسيطة نسبيا لتركيب الخط هي طريقة المربعات الصغرى.

هذه الطريقة من المربعات الصغرى تنتج معادلة تصف وتضع خط أفضل ملائمة.

طريقة # 3.طريقة أقل المربعات:

توفر طريقة المربعات الصغرى معادلة تعطي خاصيتين للخط الأكثر ملاءمة. يمكن وصف الخط المستقيم من حيث أمرين ، أي المنحدر وتقاطع Y. اعتراض Y هو النقطة على محور Y للرسم البياني بين متغيرين حيث يتقاطع السطر مع المحور ص.

إذا عرفنا تقاطع Y وانحدار الخط ، يمكن تحديد معادلة الخط من التعبير العام لمعادلة أي خط وهو كما يلي:

Y '= mx + a

حيث Y هي القيمة المحسوبة للمتغير التابع الذي يتم توقعه.

أ = Y اعتراض على خط أفضل تناسب.

م = ميل من خط أفضل مناسبا.

x = قيمة معطاة لمتغير مستقل من حيث القيمة المتوقعة للمتغير التابع.

وبهذه الطريقة ، يعمل كل هذا على وصف معادلة الخط فقط ، ويمكن تحديد المعادلة إذا قمنا بالفعل بتحديد الخط.

لكن في العادة لا تقع النقاط على خط مستقيم ، لذا يجب أن نقرر أين يجب تحديد موقع الخط. يتطلب هذا أولاً تحديد معادلة الخط الأفضل ملاءمة ثم تحديد موضع الخط باستخدام هذه المعادلة.

يمكن أن تساعدنا طريقة المربعات الصغرى على معرفة معادلة الخط من خلال العمل مباشرة مع البيانات الأصلية للمتغيرات التابعة والمستقلة عن طريق إجراء البدائل المناسبة في التعبيرات التالية.

=Y = na + m∑x

∑xY = a∑x + m∑x 2

حيث x = قيم معطاة للمتغير المستقل ، والذي قد يكون المؤشر الاقتصادي.

ذ- القيمة المعطاة للمتغير التابع والتي قد تكون مبيعات المنتج في هذه الحالة.

n = عدد المشاهدات المقترنة.

مرة أخرى: باستخدام مجموعة البيانات السابقة لمدة ثلاث سنوات لدينا:

استبدال القيم ∑x ، ∑Y ، ∑xY

∑x و n = 3 في المعادلتين (1) & (2)

لدينا 18 = 3a + 12m

80 = 12a + 56m

حل هذين المعادلتين ل & م

نحصل على = 2 م = 1

معادلة الخط ل

ص = 1 * × + 2

مع المجموعة الثانية من البيانات التي لا يكون الارتباط بينها بهذه السرعة

استبدال القيمة في المعادلتين (1) & (2) لدينا

20 = 3a + 12m

92 = 12a + 56m

حل هذه المعادلات اثنين للحصول على م ونحن نحصل

أ = 2/3 م = 2/3

تصبح معادلة الخط

Y i c = [3 / 2x + 2/3]

يمكن رسم معادلة هذا الخط في الموضع الصحيح من خلال العثور على نقطتين كحد أدنى وربطهما.

خصائص خط المربعات الصغرى:

إذا لم تندرج جميع نقاطنا على الخط ، ويشار إلى الارتباط المنحني كما رأينا مع المجموعة الثانية من البيانات ، فإن استبدال قيمنا المعطاة لـ x في معادلة الخط الذي نحصل عليه بطرق المربعات الصغرى لن يؤدي إلى حساب قيم Yc تساوي قيمنا الفعلية.

إذا استبدلنا قيمنا المعطاة كمخرجات 2 ، 6 ، 4 في المعادلة (4) ، فلن نحصل على القيم الفعلية المقابلة لتكلفة التصنيع من 4 ، 10 ، 6 على النحو التالي:

بالنسبة إلى x = 2 Y c = 3/2 x 2 + 2/3 = 3⅔

بالنسبة إلى x = 6 Y c = 3/2 x 6 + 2/3 = 9⅔

بالنسبة إلى x = 4 Y c = 3/2 x 4 + 2/3 = 6⅔

كما هو موضح من هذا الجدول التالي خصائص أقل المربعات الخط:

1. مجموع الانحرافات ، الفرق بين القيم الفعلية والمحسوبة للمتغير التابع سيكون دائماً صفرًا.

2. السمة الثانية لخط المربعات الصغرى هي أن مجموع الانحرافات هو الحد الأدنى.

يشير هذا إلى أنه إذا تم سحب أي موضع آخر ، فإن إجمالي مربعات الانحرافات الناتجة قد يكون أكبر من المجموع الذي تم الحصول عليه باستخدام خط المربعات الصغرى.

في حالة حل المعادلتين (1) و (2) من أجل a و m ، يتم الحصول على التعبير التالي.

معامل الارتباط:

هذا هو المقياس الكمي لقوة العلاقة الموصوفة في خط المربعات الصغرى. سيختلف حجم معامل الارتباط مع درجة الترابط الموجود بين المتغيرات قيد النظر.

التعبير الذي يتم تحديد معامل الارتباط هذا له هو كما يلي:

حيث يتم استخدام Y a = للقيم الفعلية للمتغير التابع مثل تكلفة التصنيع.

Yc = القيم المحسوبة المقابلة للمتغير التابع الموجود في خط المربعات الصغرى.

Y̅ = متوسط ​​القيم الفعلية للمتغيرات التابعة.

في المعادلة (5) لا يمكن أبداً أن تكون قيمة البسط (Y a - Y c ) 2 أقل من الصفر حيث إنها عبارة عن مجموع مربع. يمكن أن يصبح هذا الحد الأقصى صفراً عندما تكون القيم الفعلية للمتغير التابع مساوية للقيم المحسوبة. في هذه الحالة ، تكمن جميع النقاط على أفضل وجه. في مثل هذه الحالات ، يكون البسط صفرًا ويصل معامل الارتباط إلى قيمته القصوى ، أي 1. لن يحدث هذا إلا عندما يكون المتغيران مترابطان تمامًا.

الحد الأدنى لقيمة معامل الارتباط يمكن أن يكون صفرا مما يدل على عدم وجود علاقة متبادلة بين المتغيرين.

يصعب تحقيق التقسيم بين درجة عالية ومنخفضة من الارتباط ، لكن الجداول التالية تعطي القيم المقبولة عموما لمعامل الارتباط r.

من الناحية العملية ، يستخدم شكل مختلف من المعادلة (6) لإيجاد قيمة r.

وتسمح لنا هذه المعادلة بتصوير قيمة معامل الارتباط بالعمل مباشرة مع البيانات الأصلية ، ومن ثم فهي طريقة بسيطة لحساب قيمة r.

تطبيق طريقة المربعات الصغرى:

مثال 1:

وتكتشف الشركة وجود علاقة بين مبيعات الروبية لإحدى مجموعة منتجاتها ومؤشر اقتصادي معين. على وجه التحديد ، تُظهر المقارنة بين المبيعات السابقة والقيم المقابلة للمؤشر الاقتصادي ما يلي:

(أ) تحديد قوة العلاقة من خلال حساب قيمة معامل الارتباط للمتغيرين.

(ب) تحديد معادلة الخط المناسب على أفضل وجه باستخدام طريقة المربعات الصغرى.

(ج) إذا كان من المتوقع أن تكون قيمة المؤشر الاقتصادي لفترة مستقبلية 112 فما هي المبيعات المتوقعة خلال هذه الفترة. (الهندسة الصناعية ، RU ، 1980)

حل:

بافتراض وجود متنبئ خطي للنموذج Y '- mx + a حيث m & a هي ثوابت لهذا ليكون الخط الأنسب

aY a = na + m∑x… (i)

Yx Y a = a∑x + m∑x 2 … (ii)

وضع القيم من الجدول في المعادلتين (1) و (2)

19.6 = 10a + 1025m

2067.1 = 1023a + 105673m

حل هذه المعادلات نحصل عليها

أ = -7.78

م = 0.0951

ومن ثم تكون معادلة خط أفضل ملاءمة

Y = -7.78 + 0.0951x Ans.

للفترة المستقبلية عندما يكون المؤشر الاقتصادي هو 112 بدلاً من x = 112

ص = -7.78 + .0951 × 112

= 2.8712 المبيعات المتوقعة = روبية. 28712 | الجواب.

باستخدام العلاقة.

الانحدار المتعدد:

في المثال السابق ، افترضنا أن مبيعات مجموعة المنتجات تعتمد على قيمة مؤشر اقتصادي واحد فقط ، ولكن العديد من الحالات ، ومع ذلك قد تكون مبيعات منتج أو مجموعة منتجات دالة لمجموعة من المؤشرات.

إذا كانت العلاقة بين المبيعات وهذه المؤشرات الاقتصادية أو بعض المؤشرات الأخرى خطية ، يمكن وصفها عن طريق معادلة الشكل العام التالي:

Y '- a + m 1 + m 1 x 1 + m 2 x 2 + m 3 x 3

حيث a ، m 1 ، m 2 هي ثوابت و x 1 ، x 2 ، x 3. ، هي متغيرات / مؤشرات يعتمد عليها توقعات المبيعات. يمكن تحديد الثوابت غير المعروفة عن طريق حل المعادلات المتزامنة. الإجراء المتضمن هو تحليل الانحدار المتعدد.

طريقة # 4.تحليل السلسلة الزمنية:

تعتبر طريقة التنبؤ بالمبيعات مشابهة لطريقة المؤشر الاقتصادي لأنها تتطلب أيضًا تحليل الانحدار. السلسلة الزمنية هي بيانات كرونولوجية لها بعض الكمية مثل حجم المبيعات أو المبيعات بالروبية كمتغير تابع والوقت كمتغير مستقل.

يتم تحليل هذه السلسلة الزمنية المتاحة مع المنظمة المنشأة قبل إجراء التوقعات. هناك تقنية شائعة تستخدم عموما باسم "مشروع الاتجاه". في هذه الطريقة يتم توقع خط الاتجاه باستخدام طريقة المربعات الصغرى.

يمكن فصل اختلافات المتغير التابع على النحو التالي:

(أ) تغييرات الفترة الطويلة.

(ب) تغييرات الفترة القصيرة.

ويسمى اتجاه الفترة الزمنية الطويلة للبيانات ، أي الزيادة أو النقصان ، بالاتجاه الأساسي الذي قد يكون خطيًا أو غير خطي.

قد تكون تغييرات الفترة القصيرة من نوعين:

(ط) العادية

(2) غير النظامية

التقلبات العادية هي تلك التي تحدث على فترات منتظمة من الزمن. قد تكون هذه:

(أ) الاختلافات الموسمية.

(ب) الاختلافات الدورية.

التغيرات الموسمية :

والتغير الدوري الأكثر شيوعًا هو الاختلاف الموسمي الذي يحدث مع بعض الانتظام في فترة زمنية من الظروف الجوية والعادات الاجتماعية والمهرجانات وما إلى ذلك. هذا التأثير لمبيعات المنتجات المختلفة (عادةً استخدام المستهلك).

الاختلافات الدورية:

تظهر هذه التغييرات دورية وتحدث خلال فترة زمنية أقصر. مثل الاختلافات الموسمية التغيرات الدورية أيضا العادية. ولكن في حين تحدث التغيرات الموسمية خلال فترة سنة واحدة أو أقل من التغييرات الدورية المتكررة على فترات من 5 إلى 10 سنوات.

الاختلافات غير النظامية:

تحدث الاختلافات دون أي إيقاع معين. يمكن أن يكون سببها أسباب تعمل بطريقة غير رسمية وغير منتظمة. قد تكون الأسباب مثل الجفاف والفيضانات والحروب والضربات وزلازل الأرض وما إلى ذلك.

في تقنية تحليل السلاسل الزمنية للتنبؤ بالمبيعات ، تقوم المؤسسة بتحليل مبيعاتها السابقة لمعرفة ما إذا كان هناك بعض الاتجاه. ثم يتم توقع هذا الاتجاه في المستقبل ويتم استخدام المبيعات الناتجة الناتجة كأساس لتوقعات المبيعات. هذه الطريقة سوف تكون واضحة مع مساعدة من بعد الرسوم التوضيحية.

لنفترض أن الشركة المصنعة لمعدات الطلاء (قد تكون إطارات بكرات الطلاء) تقرر أن تتوقع مبيعات العام المقبل لمنتجها. يبدأ من خلال جمع البيانات للأربع أو الخمس سنوات الأخيرة.

يعرف الصانع من التجربة السابقة أن مبيعات منتجاته تتقلب بسبب التغيرات الموسمية. في الواقع ، وجد من البيانات السابقة أن الطلب في السوق على المنتج عند الحد الأدنى خلال الربع الأول من العام ينتج عنه زيادة في المبيعات بسبب تحسن الأحوال الجوية.

وبالمثل ، تحدث زيادة أكبر في المبيعات خلال الربع الثالث من العام نتيجة لزيادة التحسن في الأحوال الجوية وموسم الأعياد. ولكن مع وجود مجموعة من الظروف المناخية الأقل ملاءمة ، يتم حذف الطلب على المنتج في الربع الرابع.

ونتيجة لهذه الاختلافات الفصلية ، تقرر الشركة وضع توقعات بحلول الربع الأول لأغراض تخطيط الإنتاج.

سيكون تطبيق التنبؤ بالمبيعات من خلال تقنية تحليل السلاسل الزمنية واضحًا بمساعدة التوضيح التالي:

على الرغم من كمية محدودة من البيانات المتاحة. حدد معادلة خط الاتجاه. باستخدام المعادلة ، احسب قيم اتجاهات المبيعات الفصلية للسنة الرابعة. ثم اضبط هذه القيم لتوفير التغيرات الموسمية المتوقعة. (KUK (Non-Departmental). May، 1995، B.Tech، May، 1998)

حل:

بعبارة أخرى ، بلغت المبيعات الفعلية في الربع الأول 77٪ من المبيعات المحسوبة.

فيما يلي المبيعات المحسوبة بشكل مشابه للأرباع الأخرى:

من أجل تعديل قيم الاتجاه لتوفير التغيرات الموسمية المتوقعة ، نحدد حجم عامل التعديل هذا خارج الموسم من خلال إيجاد متوسط ​​التباين الماضي خلال الربع الأول من كل سنة ، أي في الربع الأول والخامس والسادس.

المبيعات الفعلية كنسبة مئوية من قيم المبيعات المحسوبة لأربع أرباع.

يعطي العمود الأخير من هذا الجدول قيم معامل التعديل الموسمي لأربعة أرباع السنة كـ 0.7097 ، 0.8663 ، 1.120 ، 1.30 أي ، للأول والثاني والثالث والثالث والرابع وتضاعف المبيعات المحسوبة للأربعة أرباع السنة الرابعة مع عوامل التعديل يجب أن تسفر عن توقعات المبيعات المعدلة للسنة قيد النظر.

مزايا تحليل السلاسل الزمنية:

1. هذه التقنية أقل ذاتية من طريقة الرأي الجماعي وطريقة المؤشرات الاقتصادية حيث أن تطبيقها لا يعتمد على قدرة المؤسسة على إيجاد مؤشر مناسب.

2. بالمقارنة مع طريقة الرأي الجماعي وطريقة المؤشرات الاقتصادية التي قد لا تسفر إلا عن توقعات سنوية والتي يجب تقسيمها إلى فترات أقصر ، يمكن للمؤسسة التنبؤ بالمبيعات سنوياً من خلال تحليل المبيعات السنوية السابقة ، كل شهر عن طريق تحليل الشهر الماضي المبيعات أو حتى بالأسبوع من خلال تحليل المبيعات الأسبوعية الماضية.

تحديد تحليل السلاسل الزمنية:

1. لا يمكن استخدام هذه التقنية للتنبؤ بمبيعات منتج جديد أو جديد نسبيًا حيث لا تتوفر بيانات سابقة أو بيانات سابقة كافية.

2. إذا كان التقلب الكبير في مستوى الطلب يحدث من شهر إلى شهر في السنة بسبب التغيرات الموسمية أو ، قد تكون هناك حاجة إلى 12 عامل تعديل لضبط التنبؤ في السنة.

3. لا يمكن تضمين تأثير التغييرات في أسعار البيع وجودة المنتج والظروف الاقتصادية وأساليب التسويق والجهود الترويجية للمبيعات التي تقدمها المنظمات في الطريقة بطريقة مرضية.

طريقة # 5.المتوسطات المتحركة طريقة التنبؤ بالمبيعات:

في هذه الطريقة ، يتم الحصول على توقعات المبيعات من خلال أخذ متوسط ​​المبيعات السابقة على مدار العدد المطلوب من الفترات السابقة (قد يكون سنوات أو أشهر أو أسابيع). توسيع المتوسط ​​المتحرك ليشمل المزيد من الفترات قد يزيد من تأثير التنعيم ولكنه يقلل من حساسية التوقعات.

توفر الفترات الطويلة الكثير من الفرص لإجراء تغييرات كبيرة في نمط الطلب. للحد من هذه المخاطر ، يمكن للمؤسسات أن تبني توقعاتها على متوسط ​​الطلب خلال الفترات القصيرة على ثلاثة أشهر. سيكون تطبيق هذا الأسلوب واضحا مع التوضيح التالي.

توقعات تستند إلى متوسطات متحركة غير مرجحة لعدد العملاء:

ويستند هذا التوقع إلى متوسط ​​عدد العملاء في الأسبوعين الماضيين.

وبالتالي ، فإن التوقعات غير المعدلة للأسبوع التاسع هي 512. في نهاية الأسبوع 9 ، ستكون توقعات الأسبوع l0th على أساس متوسط ​​عدد العملاء الذين يزورون بالفعل خلال 7 أسابيع و 8 و 9 وهكذا. والنتيجة هي سلسلة من المتوسطات المتحركة المدرجة في الجدول أعلاه.

المتوسطات المتحركة المرجحة:

تعرف المتوسطات المتحركة كما تم حسابها في الجزء السابق بأنها غير موزونة لأن نفس الوزن يتم تعيينه لكل من الأرقام التي يتم التحقق من متوسطها. تبني بعض الشركات توقعاتها على المتوسط ​​المتحرك المرجح.

لنفترض أن عدد العملاء الذين يزورون خلال فاصل أسبوعين يوفران أساسًا سليمًا لتوقعات الأسبوع الثالث ، ودعونا نفترض أيضًا أن الأسبوع الأول أقل أهمية من الثانية ، وبالتالي فإننا نحدد أوزانًا من 0.4 إلى أول أسبوع ، ومن 0.6 إلى الأسبوع الثاني . المتوسط ​​المرجح للأسبوع التاسع سيكون

0.4 × 549 + 0.6 (474) = 220 + 284 = 504

وبالمثل يتم إدراج المتوسطات المتحركة المرجحة لأسابيع أخرى في الجدول التالي:

توقعات تستند إلى متوسطات متحركة مرجحة لعدد العملاء.

مزايا طريقة المتوسط ​​المتحرك:

1. هذه التقنية هي أبسط من طريقة المربعات الصغرى.

2. لا تتأثر هذه الطريقة بالتحيز الشخصي للأشخاص الذين يستخدمونها.

3. إن فترة المتوسط ​​المتحرك تعادل فترة الدورة. يتم التخلص من الاختلافات الدورية.

4. إذا كان الاتجاه في البيانات إذا كان أيًا خطيًا ، فإن المتوسط ​​المتحرك يعطي صورة جيدة للحركة طويلة المدى في البيانات.

5. تتمتع تقنية المتوسط ​​المتحرك بجدارة المرونة ، بمعنى أنه في حالة إضافة بضع سنوات ، لن يتم تغيير الحسابات بالكامل بسبب اعتماد شروط جديدة.

حدود أسلوب المتوسط ​​المتحرك:

فيما يلي عيوب طريقة التنبؤ هذه:

1. لا ينتج عنه علاقات رياضية يمكن استخدامها للتنبؤ بالمبيعات.

2. هناك ميل لخفض الزوايا مما يؤدي إلى فقدان البيانات في النهايات

هناك حاجة إلى قدر كبير من الرعاية لاختيار فترة المتوسط ​​المتحرك لأن الفترات الخاطئة المختارة لن تعطي الصورة الصحيحة للاتجاه.

4. في حالة الانعطافات الحادة في الرسم البياني الأصلي ، فإن المتوسط ​​المتحرك سيقلل من الانحناء.

5. إنها حساسة للغاية حتى للحركة الصغيرة في البيانات.

طريقة # 6.التدريج الأسي ومتوسط ​​الأسلوب المتحرك:

هذه الطريقة في التنبؤ بالمبيعات هي تعديل لطريقة المتوسط ​​المتحرك أو بعبارة أفضل فهي عبارة عن تحسن على طريقة المتوسط ​​المتحرك للتنبؤ. تحاول هذه الطريقة إزالة القيود المفروضة على المتوسطات المتحركة وتزيل ضرورة الاحتفاظ بالبيانات السابقة الشاملة ، كما تحاول إزالة المخالفات في نمط الطلب.

تمثل هذه الطريقة متوسط ​​الوزن للملاحظات السابقة. في هذه الحالة يتم تعيين معظم الملاحظات الأخيرة أعلى الوزن الذي ينخفض ​​في التقدم الهندسي ونحن نتحرك نحو الملاحظات القديمة.

بما أن أحدث الملاحظات التي من المحتمل أن تعكس معلومات أكثر حداثة أو متوسط ​​السلسلة ، يتم إعطاؤها وزناً أكبر بحيث تصبح واحدة من أكثر الطرق الإحصائية دقة للتنبؤ بالمبيعات. تحتفظ هذه الطريقة بمتوسط ​​معدل الطلب وتعدله لكل فترة بالتناسب مع الفرق بين أحدث رقم للطلب الفعلي وأحدث قيمة للمتوسط.

عندما لا يكون هناك اتجاه في الطلب على منتج أو خدمة ، يتم توقع المبيعات للفترة التالية ، عن طريق طريقة التجانس الأسية باستخدام التعبير

التنبؤ بالفترة التالية = (أحدث طلب فعلي) + (1 - α) تقدير قديم لأحدث طلب فعلي حيث يمثل قيمة عامل الترجيح الذي يشار إليه كعامل تمهيد.

هذه الطريقة تتبع المعادلة

F n = F n -1 + α (D n-1 - F n-1 )

حيث F n = توقعات للفترة التالية

F n-1 = توقعات للفترة السابقة

D n-1 = الطلب في الفترة السابقة.

إذا كان a يساوي 1. فإن أحدث توقع سيكون مساوياً للزيادة الفعلية في الفترة السابقة. في الممارسة العملية ، يتم اختيار قيمة a بشكل عام بين 0.1 و 0.3. يتم توضيح تطبيق التقنية باستخدام بيانات طريقة المتوسطات المتحركة للتنبؤ بالمبيعات في الصفحة 78. في تطبيق الطريقة ، سوف نستخدم قيمة a 0.10.

باستخدام المعادلة (7) ، إذا كان الطلب الفعلي للأسبوع الثالث هو 487 ، فإن التوقعات للأسبوع الرابع ستكون

0.10 (487) + (1.00 - 0.10) 550 = 544

وبالمثل ، إذا كان الطلب الفعلي للأسبوع الرابع هو 528 عميل ، فإن التوقعات للأسبوع الخامس ستكون

0.10 (528) + (1.00 - 0.10) (544) = 542

إذا تم تطبيق هذا الإجراء خلال فترة 8 أسابيع بالكامل ، تظهر النتائج في الجدول التالي. ويشار أيضاً إلى خطأ التنبؤ غير المعدل تحت العمود D = B - C. إذا لم تُعطى قيمة a ؛ يمكن تحديده من خلال علاقة تقريبية ل.

α = 2 / عدد الفترات في المتوسط ​​المتحرك + 1

في المعادلة (7) بقدر ما يتعلق الأمر بمعاملات الوزن ، يمكن أن يفترض الحد الأدنى للقيمة 0 والحد الأقصى للقيمة 1. وكلما زادت قيمة a ، كلما كان الوزن الأكبر موضوعًا على البيانات الحديثة. عندما تكون قيمة a 1 ، فإن التوقع سيكون مساوياً للطلب الذي حدث خلال الفترة الماضية.

على الرغم من أن قيمة أحد المنتجات تختلف من منتج لآخر ، إلا أن معظم المؤسسات وجدت أن القيمة بين 0 06 و 0.20 عادة ما تكون مقبولة.

عند محاولة معرفة قيمة ما يجب استخدامه لمنتج أو خدمة ، يمكن للمؤسسة / المؤسسة تحديد قيم مختلفة ، وفحص التنبؤات السابقة باستخدام هذه القيم واعتمادها للاستخدام المستقبلي ، والتي من شأنها تقليل أخطاء التنبؤ إلى أدنى حد ممكن. الماضي.

بهذه الطريقة نقترب من وصف التجانس الأسي كما يتم تطبيقه عند وجود اتجاه في المبيعات / الخدمة. في حالة وجود اتجاه ، يمكن إجراء تعديل الاتجاه باستخدام هذه التقنية ولكن يصبح تطبيقه صعبًا بعض الشيء.