লাভ:
- আয়/ব্যয়ের পূর্বাভাসে অনুমানমূলক পরিস্থিতি তৈরি করে এমন একজন সহকারী হিসেবে এআইকে অবস্থান করার ক্ষমতা
- ঐতিহাসিক তথ্য এবং সুস্পষ্ট অনুমানের উপর ভিত্তি করে পরিসীমা এবং সংবেদনশীলতার সাথে পূর্বাভাস প্রম্পট লেখার ক্ষমতা
- AI ভবিষ্যদ্বাণীগুলির সীমাবদ্ধতাগুলি চিনতে এবং সেগুলিকে মানুষের বিচারের সাথে মিশ্রিত করার ক্ষমতা
"আগামী বছর আমাদের টার্নওভার কি হবে?" অর্থ দলের জন্য সবচেয়ে কঠিন প্রশ্ন এক. পূর্বাভাস অতীতের তথ্য এবং অনুমানের উপর ভিত্তি করে ভবিষ্যত সম্পর্কে একটি ভবিষ্যদ্বাণী করছে। কৃত্রিম বুদ্ধিমত্তা (AI) এখানে একটি শক্তিশালী সহকারী হতে পারে; তবে প্রথম থেকেই একটি সত্য মেনে নেওয়া দরকার: মডেলটি ভবিষ্যত জানে না। এটি শুধুমাত্র আপনার দেওয়া নিদর্শন এবং অনুমান প্রক্রিয়া করে। এই ইউনিটে, আমরা পূর্বাভাস দেওয়ার ক্ষেত্রে AI এর সঠিক ভূমিকায় অবস্থান করতে শিখব এবং এর সীমা চিনব।
পূর্বাভাসে এআই কী করে এবং কী করে না?
এটি করে: অতীতের প্রবণতাকে সংক্ষিপ্ত করে, ঋতুকে স্বীকৃতি দেয় (নির্দিষ্ট মাসে বারবার ওঠানামা করে), বিভিন্ন অনুমান সহ পরিস্থিতি তৈরি করে, পূর্বাভাসের যুক্তি ব্যাখ্যা করে এবং পূর্বাভাসকে একটি বর্ণনায় রাখে।
এটি করে না: এটি একটি সঠিক ভবিষ্যত দিতে পারে না, এটি বাহ্যিক ধাক্কা (বিনিময় হার সংকট, নিয়ন্ত্রণ পরিবর্তন) ভবিষ্যদ্বাণী করতে পারে না, এটি এমন একটি সত্য জানতে পারে না যা ডেটাতে নেই। একটি চ্যাটবট দ্বারা প্রদত্ত "আপনি আগামী বছর 18% বৃদ্ধি পাবে" বাক্যটি একটি ভবিষ্যদ্বাণী নয়, তবে আপনি যে অনুমানগুলি করেছেন তার একটি গাণিতিক প্রতিফলন৷
টিপ: মডেলটিকে কখনই "একক নম্বর" জিজ্ঞাসা করবেন না। সর্বদা একটি পরিসরের জন্য জিজ্ঞাসা করুন এবং সেই পরিসরটি কোন অনুমানের উপর ভিত্তি করে। "বেস ক্ষেত্রে 14-15M, শর্ত: বর্তমান বৃদ্ধির হার অব্যাহত" বাক্যটি একক "14.6M" এর চেয়ে অনেক বেশি সৎ এবং দরকারী।
ধাপে ধাপে: একটি কঠিন পূর্বাভাস তৈরি করা
- ঐতিহাসিক তথ্য দিন। অন্তত কিছু সময়ের জন্য ঘটছে; সম্ভব হলে মাসিক।
- অনুমানগুলি স্পষ্টভাবে লিখুন। বৃদ্ধির হার, ঋতু, পরিচিত পরিবর্তন।
- পদ্ধতি উল্লেখ করুন। সরল প্রবণতা, ঋতু অনুযায়ী সামঞ্জস্য বা দৃশ্যকল্প ভিত্তিক?
- পরিসীমা এবং দৃশ্যের জন্য জিজ্ঞাসা করুন. আশাবাদী/বেস/হতাশাবাদী।
- সংবেদনশীলতার জন্য জিজ্ঞাসা করুন. "কোন অনুমান ফলাফলকে সবচেয়ে বেশি পরিবর্তন করে?"
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
দুর্বল প্রম্পট: পরের বছর আমার টার্নওভারের পূর্বাভাস দিন। এই বছর আমরা 12M তৈরি করেছি।
এটি কোন ভিত্তি ছাড়াই একটি একক সংখ্যা তৈরি করে; এটি কোন অনুমানের উপর ভিত্তি করে তা স্পষ্ট নয়, যা সিদ্ধান্তের জন্য বিপজ্জনক।
দৃঢ় প্রম্পট: আপনার ভূমিকা: একজন আর্থিক পরিকল্পনা বিশ্লেষক। কাজ: নিম্নলিখিত মাসিক আয়ের ডেটা থেকে পরবর্তী 12 মাসের পূর্বাভাস করুন। পদ্ধতি: 1) প্রথমে ঐতিহাসিক ডেটাতে প্রবণতা এবং ঋতুর সংক্ষিপ্তসার করুন। 2) নিম্নলিখিত অনুমানগুলির সাথে 3টি পরিস্থিতি সেট আপ করুন: - ভিত্তি: গত 12 মাসের গড় বৃদ্ধির হার + 3 অপ্টিস্টিক প্রবৃদ্ধি অব্যাহত: -5 সিমস্টিক প্রবৃদ্ধি অব্যাহত: - পয়েন্ট3) প্রতিটি দৃশ্যের জন্য 12-মাসের মোট এবং মাসিক পরিসর দিন। 4) "সংবেদনশীলতা" বিভাগ: কোন অনুমান পরিবর্তন হয়, ফলাফল সবচেয়ে বেশি পরিবর্তিত হয়? সীমাবদ্ধতা: অনুমানগুলি স্পষ্টভাবে তালিকাভুক্ত করুন। বলুন যে অনুমান একটি ভবিষ্যদ্বাণী এবং একটি নিশ্চিততা নয়। মনে রাখবেন আপনি বাহ্যিক শক মডেল করতে পারবেন না।<data>জানুয়ারি..ডিসেম্বর মাসিক টার্নওভার পরিসংখ্যান</data>
এই প্রম্পট; একটি সঠিক সংখ্যার পরিবর্তে, এটি একটি যুক্তিযুক্ত পরিসর, পরিস্থিতি এবং একটি সংবেদনশীলতা বিশ্লেষণ তৈরি করে যেমন "সবচেয়ে দুর্বল অনুমান সংগ্রহ/বৃদ্ধির হার"। সিদ্ধান্ত গ্রহণকারী অনিশ্চয়তা দেখে সিদ্ধান্ত নেন।
ঋতুতা হল পূর্বাভাসের সবচেয়ে ঘন ঘন উপেক্ষিত বিষয়। অনেক ব্যবসার বিক্রয় নির্দিষ্ট মাসগুলিতে নিয়মিতভাবে বাড়ে এবং পড়ে: গ্রীষ্মে একটি আইসক্রিম প্রস্তুতকারক শীর্ষে থাকে, ছুটির দিনে একটি স্যুভেনিরের দোকান শীর্ষে থাকে। একটি ফ্ল্যাট ট্রেন্ড লাইন এই ওঠানামা দেখতে পারে না এবং স্টক, কর্মী এবং নগদ পরিকল্পনা ভুলভাবে সেট আপ করবে। আপনি যদি AI-কে যথেষ্ট ঐতিহাসিক তথ্য দেন (আদর্শভাবে কমপক্ষে 24 মাস), এটি এই পুনরাবৃত্তির প্যাটার্নটি লক্ষ্য করবে এবং সেই অনুযায়ী পূর্বাভাস সামঞ্জস্য করবে।
ভবিষ্যদ্বাণী পদ্ধতি এবং এআই এর ভূমিকা
পদ্ধতি
কখন এটা উপযুক্ত?
এআই অবদান
সীমান্ত
সহজ প্রবণতা
স্থিতিশীল, অমৌসুমি ডেটা
দ্রুত প্রবণতা পায়
বিরতি দেখতে পাচ্ছি না
ঋতু সংশোধন
বিক্রয় মাসে ওঠানামা করে
ঋতু প্যাটার্ন ব্যাখ্যা
অতীতের সাথে খুব সংযুক্ত
দৃশ্যকল্প ভিত্তিক
উচ্চ অনিশ্চয়তার সময়কাল
দ্রুত হাইপোথিসিস পরীক্ষা করে
অনুমানের মানের উপর নির্ভর করে
ড্রাইভার ভিত্তিক
যদি আয় অনেক বিষয়ের উপর নির্ভর করে
ফ্যাক্টর সম্পর্ক স্থাপন করে
মানুষ সম্পর্ক যাচাই করে
ড্রাইভার-ভিত্তিক ভবিষ্যদ্বাণী
একক বৃদ্ধির শতাংশের সাথে টার্নওভারের পূর্বাভাস প্রায়ই অপরিশোধিত হয়। আরও শক্তিশালী উপায় হল এর ড্রাইভারদের দ্বারা রাজস্ব ভাগ করা: আয় = গ্রাহকের সংখ্যা × গ্রাহক প্রতি গড় বিক্রয় × পুনরাবৃত্তি ফ্রিকোয়েন্সি। প্রতিটি ড্রাইভারকে আলাদাভাবে ভবিষ্যদ্বাণী করা এবং গুণ করা একটি ভবিষ্যদ্বাণী দেয় যা আরও নির্ভুল এবং আরও প্রশ্নবিদ্ধ; কারণ আপনি স্পষ্টভাবে দেখতে পাচ্ছেন কোন অনুমান পরিবর্তিত হয়েছে।
ড্রাইভারের উপর ভিত্তি করে আমার আয় অনুমান করুন। রাজস্ব = সক্রিয় গ্রাহকের সংখ্যা × গ্রাহক প্রতি গড় মাসিক আয় (ARPU)। গত 12 মাস ধরে এই দুটি ড্রাইভারকে আলাদাভাবে বের করুন, প্রতিটির প্রবণতা ব্যাখ্যা করুন, তারপর দুটি ড্রাইভারকে আলাদাভাবে প্রজেক্ট করে পরবর্তী 12 মাসের পূর্বাভাস দিন। প্রতিটি ড্রাইভারের জন্য অনুমানটি স্পষ্টভাবে লিখুন; কোন ড্রাইভার আরো অস্পষ্ট তা উল্লেখ করুন। ডেটাতে শুধুমাত্র সংখ্যা ব্যবহার করুন, সূত্র দেখান।
এই পদ্ধতির শক্তি হল যে "টার্নওভার 15% বেড়েছে" বলার পরিবর্তে আপনি বলবেন "গ্রাহকের সংখ্যা 8% বেড়েছে, প্রতি গ্রাহকের আয় 6% বেড়েছে"। দুজনকে আলাদা করে প্রশ্ন করা যেতে পারে; যদি একটি অবাস্তব হয়, আপনি সেখান থেকে অনুমান সামঞ্জস্য করুন। ম্যানেজমেন্টও জিজ্ঞাসা করে "আমরা কোন অনুমানের উপর নির্ভর করি?" সুনির্দিষ্টভাবে প্রশ্নের উত্তর দিতে পারেন।
সংবেদনশীলতা এবং অনুমান শৃঙ্খলা
পূর্বাভাসের গুণমান হল অনুমানের গুণ। সর্বদা অনুমানগুলি AI-এর কাছে দৃশ্যমান রাখুন এবং ফিরে যান এবং সেগুলি হওয়ার সাথে সাথে আপডেট করুন (রোলিং পূর্বাভাস, অর্থাৎ একটি রোলিং পূর্বাভাস যা প্রতি মাসে আপডেট হয়)।
নীচের পূর্বাভাসে আপনি যে সমস্ত অনুমানগুলি ব্যবহার করেছেন তা একটি সারণী আকারে তালিকাভুক্ত করুন: অনুমান | মান | উৎস/কারণ | এই মান 10% দ্বারা পরিবর্তিত হলে, বার্ষিক ফলাফলের উপর এর প্রভাব। 3টি সবচেয়ে ভঙ্গুর অনুমানে টিক দিন।
ম্যানেজমেন্টের কাছে AI এর ভবিষ্যদ্বাণীমূলক আউটপুট উপস্থাপন করার সময়, একটি "অনুমান কার্ড" অন্তর্ভুক্ত করুন: তিনটি সবচেয়ে গুরুত্বপূর্ণ অনুমান, তাদের মান এবং তাদের উত্স। সুতরাং, ভবিষ্যদ্বাণীটি আর একটি কালো বাক্স নয়; সবাই দেখছে তারা কি বাজি ধরছে। এবং যখন উপলব্ধি বিচ্যুত হয়, আপনি দ্রুত নির্ণয় করতে পারেন কোন অনুমানটি ধরে নেই, যা পরবর্তী পূর্বাভাসকে উন্নত করে।
সতর্কতা: "মডেলটি তাই বলেছে" বলে AI-উত্পন্ন ভবিষ্যদ্বাণীকে রক্ষা করবেন না। ভবিষ্যদ্বাণীর দায়িত্বটি উপস্থাপনকারী ব্যক্তির উপর। "এটি এই অনুমানের উপর ভিত্তি করে একটি দৃশ্যকল্প, বাস্তবায়ন ভিন্ন হতে পারে" এর কাঠামোর সাথে সর্বদা ব্যবস্থাপনার কাছে উপস্থিত থাকুন।
মিনি কেস
কেস 1 — পূর্বাভাস যা ঋতুতা দেখে। একটি খুচরা কোম্পানি AI কে 24 মাসের বিক্রয় ডেটা প্রদান করেছে। মডেলটি নভেম্বর-ডিসেম্বরে একটি স্থির 40% লাফ লক্ষ্য করেছে এবং সেই অনুযায়ী পরবর্তী বছরের জন্য তার পূর্বাভাস সামঞ্জস্য করেছে। যদি একটি ফ্ল্যাট প্রবণতা ব্যবহার করা হতো, তাহলে বছরের শেষের স্টক পরিকল্পনাটি গুরুতরভাবে ভুল হতো।
কেস 2 - বিজোড় সংখ্যার ফাঁদ। একটি স্টার্টআপ AI এর "18M পরের বছর" পূর্বাভাসের উপর ভিত্তি করে তার বাজেট। কিন্তু এটি ছিল এই ধারণার উপর ভিত্তি করে যে "বৃদ্ধি যেমন আছে তেমনই চলছে"। 11M উপলব্ধি করা হয়েছিল যখন দুটি প্রধান গ্রাহক চলে গেলেন। একবার পাঠ শেখা হয়ে গেলে, দলটি দৃশ্যকল্প পরিসরে চলে যায়; পরের বছরের পূর্বাভাস ব্যান্ড আসলে কি ঘটেছিল তা কভার করেছে।
কেস 3 - সংবেদনশীলতা সিদ্ধান্ত পরিবর্তন করেছে। "সবচেয়ে ঝুঁকিপূর্ণ অনুমান হল কাঁচামালের দাম," AI একটি প্রস্তুতকারকের পূর্বাভাসে বলেছে যে 10% মূল্য বৃদ্ধি বার্ষিক মুনাফা 22% কমিয়ে দেবে। ব্যবস্থাপনা তারপর সরবরাহকারীর সাথে একটি নির্দিষ্ট মূল্যের বার্ষিক চুক্তি স্বাক্ষর করে। পূর্বাভাস প্রকৃত মূল্য সংখ্যা ছিল না, কিন্তু এই অনুভূতি অন্তর্দৃষ্টি.
কেস 4 - রোলিং পূর্বাভাস জয়। একজন খুচরা বিক্রেতা এটিকে একবার সেট করে ভুলে যাওয়ার পরিবর্তে প্রতি মাসে বাস্তবের সাথে তার বার্ষিক পূর্বাভাস আপডেট করেছে। তৃতীয় মাসে, এটি দেখা গেছে যে "বৃদ্ধি 12%" অনুমানটি আসলে 7% ছিল; পূর্বাভাসটি তাড়াতাড়ি সংশোধন করা হয়েছিল এবং বছরের শেষের ইনভেন্টরি এবং স্টাফিং প্ল্যান সেই অনুযায়ী সামঞ্জস্য করা হয়েছিল। যদি স্থির পূর্বাভাস বজায় থাকত, তাহলে বছরের শেষের দিকে বিশাল ওভারস্টক এবং নগদ সংকট দেখা দিত। পাঠ: একটি পূর্বাভাস একটি জীবন্ত দলিল, এটি একবার সেট আপ করে দূরে রাখা হয় না।
সাধারণ ভুল
- একটি বিজোড় সংখ্যা জিজ্ঞাসা. পরিসীমা এবং স্ক্রিপ্ট ছাড়া পূর্বাভাস মিথ্যা নিশ্চিততা তৈরি করে।
- অনুমান লুকানো. অদৃশ্য অনুমান মানে এমন একটি ভবিষ্যদ্বাণী যা প্রশ্ন করা যায় না এবং আপডেট করা যায় না।
- অতীতের উপর খুব বেশি নির্ভর করা। প্যাটার্ন অতীত প্যাটার্ন প্রসারিত; ফ্র্যাকচার এবং বাহ্যিক শক দেখতে পারে না।
- একটি ভবিষ্যদ্বাণীকে ভবিষ্যদ্বাণী হিসাবে ভুল করা। AI ভবিষ্যত জানে না; এটা শুধু একাউন্টে আপনার অনুমান লাগে.
- একটি ঘূর্ণায়মান পূর্বাভাস তৈরি না. একবার পূর্বাভাস সেট করুন এবং এটি ভুলে যান; এটি ঘটছে হিসাবে আপডেট না.
সংক্ষেপে
- এটি এআই পূর্বাভাসে একটি শক্তিশালী সহকারী: প্রবণতা এবং ঋতু নির্যাস করে, দৃশ্যকল্প তৈরি করে, যুক্তি ব্যাখ্যা করে; কিন্তু এটি ভবিষ্যৎ জানে না এবং বাহ্যিক ধাক্কা দেখতে পারে না।
- সর্বদা একটি একক সংখ্যার পরিবর্তে একটি অনুমানমূলক পরিসর এবং আশাবাদী/বেসলাইন/হতাশাবাদী পরিস্থিতির জন্য জিজ্ঞাসা করুন।
- অনুমানগুলি স্পষ্টভাবে তালিকাভুক্ত করুন এবং সংবেদনশীলতা বিশ্লেষণের মাধ্যমে সবচেয়ে দুর্বল অনুমান চিহ্নিত করুন।
- ভবিষ্যদ্বাণীর দায়িত্বটি উপস্থাপনকারী ব্যক্তির উপর বর্তায়; একটি "দৃষ্টিকোণ, একটি নিশ্চিততা নয়" কাঠামোর সাথে ব্যবস্থাপনার কাছে উপস্থাপন করুন।
- রোলিং পূর্বাভাসের সাথে পূর্বাভাস আপডেট করুন; এটি একবার ইনস্টল করুন এবং ভুলবেন না।
আবেদন টাস্ক
কমপক্ষে 12 মাসের প্রকৃত রাজস্ব ডেটা (প্রকৃত বা নমুনা) পান। একটি শক্তিশালী প্রম্পট টেমপ্লেট সহ একটি 12-মাসের পূর্বাভাস তিন-দৃষ্টিকোণ তৈরি করুন। তারপর সংবেদনশীলতা প্রম্পট দিয়ে তিনটি সবচেয়ে ভঙ্গুর অনুমান মুছে ফেলুন। ম্যানুয়ালি মডেলের বেস কেসের মাসিক বৃদ্ধির হার একবার যাচাই করুন এবং একটি "পরিস্থিতি, নিশ্চিততা নয়" ফ্রেমওয়ার্ক সহ একটি স্লাইডে পূর্বাভাসের সারসংক্ষেপ করুন৷
চেকলিস্ট
- [ ] আমি যথেষ্ট ঐতিহাসিক তথ্য প্রদান করেছি (বিশেষত মাসিক)।
- [ ] আমি অনুমানগুলি স্পষ্টভাবে তালিকাভুক্ত করেছি এবং সেগুলিকে মডেলে তালিকাভুক্ত করেছি৷
- আমি একটি স্ক্রিপ্টেড পরিসীমা চেয়েছিলাম, একটি সংখ্যা নয়।
- আমি সংবেদনশীলতা বিশ্লেষণের মাধ্যমে সবচেয়ে ভঙ্গুর অনুমান চিহ্নিত করেছি।
- [ ] আমি ম্যানুয়ালি বেস কেসের বৃদ্ধির হিসাব যাচাই করেছি।
- [ ] আমি অনুমানটিকে একটি "পরিস্থিতি, নিশ্চিততা নয়" কাঠামোতে উপস্থাপন করেছি।