চাহিদা পূর্বাভাস: বিক্রয় পূর্বাভাস, ঋতু এবং প্রবণতা বিশ্লেষণ

লাভ:

• ঐতিহাসিক বিক্রয় ডেটা, মৌসুমী প্রভাব এবং বাহ্যিক কারণগুলিকে একত্রিত করে কৃত্রিম বুদ্ধিমত্তা সমর্থন সহ একটি SKU ভিত্তিতে একটি খসড়া চাহিদা পূর্বাভাস তৈরি করার ক্ষমতা।
• পূর্বাভাসের নির্ভুলতা (MAPE, পক্ষপাত) ব্যাখ্যা করার এবং অত্যধিক মূল্যায়ন এবং অবমূল্যায়নের ব্যবসায়িক পরিণতিগুলিকে আলাদা করার ক্ষমতা
• কৃত্রিম বুদ্ধিমত্তা দ্বারা উত্পাদিত পূর্বাভাস একটি ভবিষ্যদ্বাণী এবং চূড়ান্ত আদেশের সিদ্ধান্তটি স্টক খরচ এবং নগদ প্রবাহের সাথে ম্যানেজারের অন্তর্ভুক্ত।

খুচরা ব্যবসায় দুটি সবচেয়ে ব্যয়বহুল ভুল রয়েছে: অত্যধিক স্টক রাখা এবং তাক-এ টাকা জমা রাখা, অথবা পর্যাপ্ত স্টক না রাখা এবং গ্রাহককে খালি হাতে ছেড়ে দেওয়া। উভয়েরই উৎস একই: খারাপ চাহিদার পূর্বাভাস। এই ইউনিটে আপনি একটি শক্তিশালী সহকারী হিসাবে কৃত্রিম বুদ্ধিমত্তা ব্যবহার করতে শিখবেন যা অতীতের বিক্রয় থেকে ভবিষ্যতের ভবিষ্যদ্বাণী করে। তবে আসুন শুরু থেকে বলি: একটি ভবিষ্যদ্বাণী একটি ভবিষ্যদ্বাণী নয়, একটি সম্ভাব্য ভবিষ্যদ্বাণী। AI আপনাকে একটি নম্বর দেয়; সেই নম্বরটিকে অর্ডার করার সিদ্ধান্তে অনুবাদ করা আপনার কাজ।

চাহিদা পূর্বাভাস: ঐতিহাসিক তথ্য এবং প্রভাবের কারণগুলি দেখে ভবিষ্যতে কোন পণ্য বা বিভাগ কতটা বিক্রি হবে তা ভবিষ্যদ্বাণী করা কাজ।

SKU (স্টক কিপিং ইউনিট): এটি প্রতিটি আলাদা পণ্য-ভেরিয়েন্টের জন্য রাখা অনন্য স্টক কোড। উদাহরণস্বরূপ, "লাল, আকার 42 স্নিকার্স" একটি SKU; একই মডেলের 43 নম্বর একটি পৃথক SKU।

তথ্যের তিনটি উৎস যা পূর্বাভাস দেয়

একটি ভাল পূর্বাভাস তিনটি জিনিসকে একত্রিত করে:

1. ঐতিহাসিক বিক্রয় (বেসলাইন): গত 12-24 মাসে পণ্যটির সাপ্তাহিক/মাসিক বিক্রয়। এআই এই সিরিজ থেকে একটি "স্বাভাবিক" স্তর বের করে।
2. ঋতু এবং ক্যালেন্ডার প্রভাব: ছুটির দিন, স্কুলের মেয়াদ, গ্রীষ্ম-শীতকালীন, সপ্তাহান্তে, বেতনের দিন। যেমন গ্রীষ্মকালে আইসক্রিম বাড়ে এবং শীতকালে মোজা বাড়ে।
3. বাহ্যিক কারণ: প্রচারাভিযান, মূল্য পরিবর্তন, আবহাওয়া, প্রতিযোগী আন্দোলন, খোলা/বন্ধ। এই অনুমান উপরে বা নিচে ধাক্কা.

টিপ: শুধু AI কে বলবেন না "আমরা গত মাসে 100 বিক্রি করেছি।" বলুন, "আমরা গত মাসে 100টি বিক্রি করেছি, কিন্তু সেখানে 20% ছাড় ছিল এবং এটি একটি ছুটির সপ্তাহ ছিল।" প্রসঙ্গ ছাড়া, ভবিষ্যদ্বাণী বিভ্রান্তিকর।

ধাপে ধাপে ভবিষ্যদ্বাণী প্রজন্ম

1. ডেটা প্রস্তুত করুন: একটি বেনামী, পরিষ্কার টেবিল: তারিখ, SKU, বিক্রির পরিমাণ, মূল্য, প্রচার/প্রচার নেই, উপলব্ধতা। আউট অফ স্টক দিন চিহ্নিত করুন; নইলে কৃত্রিম বুদ্ধিমত্তা সেদিন ভাববে ‘লো ডিমান্ড’।
2. প্রসঙ্গ দিন: ঋতু, আসন্ন ঘটনা, পরিকল্পিত প্রচারাভিযান লিখুন।
3. একটি পূর্বাভাসের অনুরোধ করুন: SKU বা বিভাগ দ্বারা একটি নির্দিষ্ট সময়ের জন্য একটি পূর্বাভাস এবং একটি আত্মবিশ্বাসের ব্যবধান (সবচেয়ে খারাপ/সর্বোত্তম পরিস্থিতি) অনুরোধ করুন।
4. নির্ভুলতা পরিমাপ করুন: আপনার অতীতের ভবিষ্যদ্বাণীগুলিকে বাস্তবতার সাথে তুলনা করুন (নীচের MAPE)।
5. এটিকে একটি সিদ্ধান্তে পরিণত করুন: নিরাপত্তা স্টক এবং বাজেটের সাথে অনুমান একত্রিত করুন এবং অর্ডার করার সিদ্ধান্ত নিন।

পড়ার পূর্বাভাস সঠিকতা: MAPE এবং পক্ষপাত

MAPE (মান সম্পূর্ণ শতাংশ ত্রুটি): প্রকৃত বিক্রয় থেকে পূর্বাভাসের গড় শতাংশ বিচ্যুতি দেখায়। সূত্রটি সহজভাবে: |প্রকৃত − পূর্বাভাস| প্রতিটি সময়ের জন্য / বাস্তব তাদের গড়।

• MAPE 10% → অনুমান গড়ে 10% দ্বারা বিচ্যুত, বেশ ভাল।
• MAPE 40% → পূর্বাভাস অবিশ্বাস্য, অর্ডার সিদ্ধান্তের জন্য আরও বাফার (নিরাপত্তা স্টক) প্রয়োজন।

দিকনির্দেশ (পক্ষপাত): আপনার পূর্বাভাস কি ধারাবাহিকভাবে উপরে (ওভারস্টকিংয়ের ঝুঁকি) বা নীচে (মজুদের ঝুঁকি) বাস্তবতা? এটিও দেখুন; MAPE দিক দেখায় না।

স্ট্যাটাস

অর্থ

ব্যবসার ফলাফল

ক্রমাগত উচ্চ অনুমান

আপনি চাহিদা বাড়াচ্ছেন

অতিরিক্ত স্টক, মন্দা, মার্জিনের ক্ষতি

ক্রমাগত অবমূল্যায়ন

আপনি চাহিদা অবমূল্যায়ন

স্টক আউট, বিক্রয় মিস, অসন্তোষ

উচ্চ MAPE, সুষম দিক

অনিশ্চয়তা বেশি

নিরাপত্তা স্টক বৃদ্ধি, ঘন ঘন পর্যালোচনা

নিম্ন MAPE

সঠিক ভবিষ্যদ্বাণী

কম স্টক, ভাল নগদ

মিনি কেস

কেস 1 — ঋতু অনুপস্থিত: একটি মুদি দোকান গত বছরের জুলাইয়ের বিক্রয়ের উপর ভিত্তি করে স্কুল নোটবুক অর্ডার করে (প্রতি মাসে 200 ইউনিট)। যখন কৃত্রিম বুদ্ধিমত্তাকে "আগস্ট-সেপ্টেম্বর স্কুল মেয়াদ, গত বছরের এই সময়ের মধ্যে বিক্রয় চারগুণ" এর প্রেক্ষাপট দেওয়া হয়, ভবিষ্যদ্বাণীটি 200 এর পরিবর্তে 780 ইউনিটে বৃদ্ধি পায়। সঠিক আদেশের জন্য ধন্যবাদ, স্কুল বছরে আপনার স্টক ফুরিয়ে যায় না; আনুমানিক 60,000 TL টার্নওভার, যা আগের বছর পালিয়ে গিয়েছিল, এই বছর ধরা হচ্ছে।

কেস 2 — স্টক শেষ হওয়ার দিন গণনা করা হচ্ছে না: একটি দোকানে 3 সপ্তাহ ধরে জনপ্রিয় কফির স্টক নেই। কাঁচা তথ্যের দিকে তাকালে, কৃত্রিম বুদ্ধিমত্তা সেই সপ্তাহগুলিকে "প্রতি সপ্তাহে 5টি বিক্রয়" হিসাবে দেখে এবং একটি কম অনুমান দেয়৷ যখন বিশ্লেষক স্টক ছাড়া দিনগুলি চিহ্নিত করে এবং বলে "এই সপ্তাহগুলি চাহিদা প্রতিফলিত করে না", তখন পূর্বাভাস প্রতি সপ্তাহে 45-এ বেড়ে যায়। আসল চাহিদা দেখা দেয়।

কেস 3 — প্রচারাভিযানের প্রভাবকে সাধারণীকরণ: একটি টেক্সটাইল চেইন 50% ডিসকাউন্ট সপ্তাহের বিক্রয়কে (600 ইউনিট) "স্বাভাবিক" হিসাবে বিবেচনা করে এবং ক্রমাগত 600 অর্ডার করে৷ যখন কৃত্রিম বুদ্ধিমত্তাকে বলা হয় "এই বিক্রয়টি এক-বারের প্রচারাভিযানের মাধ্যমে করা হয়েছিল, স্বাভাবিক সপ্তাহটি হল 180", ভবিষ্যদ্বাণীটি সংশোধন করা হয়৷ ওভারস্টক এবং পরবর্তী মার্কডাউন ক্ষতির ঝুঁকি প্রতিরোধ করা হয়।

ভবিষ্যদ্বাণী দিগন্ত: আপনি কতদূর এগিয়ে দেখতে পারেন?

পূর্বাভাস দিগন্ত: ভবিষ্যতের পূর্বাভাস কতদূর হবে। নিয়মটি সহজ: দিগন্ত যত দীর্ঘ, অনিশ্চয়তা তত বেশি। আপনি পরের সপ্তাহের বিক্রয় তুলনামূলকভাবে সঠিকভাবে ভবিষ্যদ্বাণী করেন; ছয় মাস পরে অনেক বিস্তৃত পরিসরে। তাই অর্ডার সিদ্ধান্তের প্রয়োজন অনুসারে পূর্বাভাস দিগন্ত বেছে নিন: দ্রুত ফুরিয়ে যাওয়া নতুন পণ্যের জন্য সংক্ষিপ্ত দিগন্ত এবং ঘন ঘন আপডেট; দীর্ঘ সীসা সময় সহ আমদানিকৃত পণ্যের জন্য দীর্ঘ দিগন্ত এবং নিরাপত্তার বিস্তৃত মার্জিন।

আরেকটি গুরুত্বপূর্ণ পার্থক্য হল নতুন পণ্যের পূর্বাভাস। একটি নতুন SKU এর কোনো অতীত বিক্রয় নেই; এই ক্ষেত্রে, আপনি AI-কে অনুরূপ পণ্যের ইতিহাস (অ্যানালগ), বিভাগ গড় এবং লঞ্চ পরিকল্পনা দেন। "এই পণ্যটির কোনো ইতিহাস নেই; অনুরূপ পণ্যগুলির প্রথম 8 সপ্তাহের X এবং Y দেখে একটি প্রাথমিক অনুমান দিন" বলা হল শূন্যস্থান পূরণ করার একটি যুক্তিসঙ্গত উপায়। যাইহোক, নতুন পণ্যের পূর্বাভাস সবসময় ঝুঁকিপূর্ণ; প্রথম সপ্তাহের প্রকৃত ডেটা উপলব্ধ হওয়ার সাথে সাথে দ্রুত পূর্বাভাস সংশোধন করুন।

সতর্কতা: অনুমানটিকে "একবার এটি করুন এবং ভুলে যান" চিকিত্সা হিসাবে বিবেচনা করবেন না। চাহিদা পূর্বাভাস একটি লাইভ প্রক্রিয়া; প্রতিটি নতুন বিক্রয় সপ্তাহ পূর্বাভাস আপডেট করার একটি সুযোগ। সর্বোত্তম পূর্বাভাসদাতারা হলেন তারা যারা সবচেয়ে ঘন ঘন আপডেট হওয়া একটি ব্যবহার করেন, সবচেয়ে স্মার্ট মডেল নয়।

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল প্রম্পট:

আগামী মাসে এই পণ্যটি কতটা বিক্রি হবে বলুন।

কোন প্রসঙ্গ নেই; এআই একটি এলোমেলো সংখ্যা তৈরি করে।

শক্তিশালী প্রম্পট:

আপনার ভূমিকা: চাহিদা পরিকল্পনা বিশেষজ্ঞ। ডেটা: নীচে SKU 4471-এর জন্য গত 18 মাসের মাসিক বিক্রির পরিমাণ এবং মূল্য এবং সেই মাসে কোনও প্রচারাভিযান আছে কিনা। প্রসঙ্গ: এই পণ্যটি গ্রীষ্মকালীন স্যান্ডেল; মে-আগস্ট মাসে চাহিদা সর্বোচ্চ। পরের মাস জুন। কোনো প্রচারণার পরিকল্পনা নেই। মূল্য স্থির করা হয়েছে। টাস্ক: (1) জুনের জন্য প্রত্যাশিত বিক্রয় পরিমাণ, (2) সবচেয়ে খারাপ এবং সর্বোত্তম পরিস্থিতির পরিসর, (3) 2টি প্রধান কারণ যা পূর্বাভাসকে প্রভাবিত করে। নিয়ম: কম চাহিদা হিসাবে চিহ্নিত মাসগুলিকে গণনা করবেন না। শুধুমাত্র প্রদত্ত ডেটার উপর ভিত্তি করে। ডেটা: [টেবিল পেস্ট করুন]

অনুলিপিযোগ্য প্রম্পট টেমপ্লেট

1) SKU ভিত্তিক ভবিষ্যদ্বাণী

আপনার ভূমিকা: চাহিদা পরিকল্পনা বিশেষজ্ঞ। নিম্নলিখিত বেনামী মাসিক বিক্রয় সিরিজ থেকে [SKU] এর জন্য ভবিষ্যত [পিরিয়ড] পূর্বাভাস তৈরি করুন। আউটপুট: প্রত্যাশিত পরিমাণ + সবচেয়ে খারাপ/সেরা পরিসর + 2 অনুমান। স্টক আউট চিহ্নিত সময়কাল বাদ. ডেটা: [পেস্ট]

2) ঋতু প্যাটার্ন অপসারণ

নীচে 24 মাসের বিক্রয় সিরিজে পুনরাবৃত্ত মৌসুমী প্যাটার্ন খুঁজুন। কোন মাস শীর্ষে এবং কোন মাস নীচে? শতকরা হিসাবে গড় থেকে বিচ্যুতি দিন। এটি টেবিল আকারে উপস্থাপন করুন। ডেটা: [পেস্ট]

3) ভবিষ্যদ্বাণী নির্ভুলতা মূল্যায়ন

নীচে আমার ঐতিহাসিক অনুমান এবং প্রকৃত বিক্রয় আছে. (1) MAPE গণনা করুন, (2) আমার পূর্বাভাস ক্রমাগতভাবে উচ্চ বা নিম্ন প্রবাহিত হচ্ছে, (3) স্টকের জন্য এর অর্থ কী? ধাপে ধাপে দেখান। ডেটা: [অনুমান, প্রকৃত কলাম]

4) প্রচারাভিযানের প্রভাব বের করুন

প্রচারের সপ্তাহগুলি নীচে বিক্রয় সিরিজে চিহ্নিত করা হয়েছে৷ স্বাভাবিক (অ-প্রচারণা) চাহিদা অনুমান করুন; প্রচারের প্রভাবকে আলাদা লিফ্ট শতাংশ হিসাবে দিন। তাই আমি স্বাভাবিক অর্ডার লেভেল দেখতে চাই। ডেটা: [পেস্ট]

সাধারণ ভুল

• প্রসঙ্গ না দেওয়া: প্রচারণা, ঋতু, মূল্য পরিবর্তন নির্দিষ্ট না থাকলে, ভবিষ্যদ্বাণীটি বিভ্রান্তিকর হবে।
• চাহিদা হিসাবে স্টকের বাইরের দিনগুলি গণনা করবেন কিনা: একটি স্টকের বাইরের সময় প্রকৃত চাহিদা লুকায়; চিহ্ন
• প্রচারমূলক বিক্রয়কে স্বাভাবিক হিসাবে গ্রহণ করা: এককালীন বৃদ্ধি স্থায়ী বলে মনে করা অতিরিক্ত স্টকের দিকে পরিচালিত করবে।
• একটি একক সংখ্যার উপর নির্ভর করা: একটি পরিসীমা (পরিস্থিতি) না চাওয়া এবং একটি একক বিন্দুর উপর নির্ভর করা ঝুঁকি লুকিয়ে রাখে।
• মোটেও নির্ভুলতা পরিমাপ করা হচ্ছে না: যদি MAPE এবং দিক নিরীক্ষণ না করা হয়, ভবিষ্যদ্বাণী আরও খারাপ থেকে খারাপ হয়ে যায়।
• অনুমান সহ সরাসরি অর্ডার করা: নগদ, গুদাম এবং শেলফ লাইফ নিয়ন্ত্রণ ছাড়াই অর্ডার করা।

সংক্ষেপে

ভাল পূর্বাভাস অতীত বিক্রয়, ঋতু এবং বাহ্যিক কারণের সমন্বয়. AI কে প্রসঙ্গ (প্রচারণা, সিজন, স্টকের বাইরের দিন) দিতে ভুলবেন না। MAPE এবং পক্ষপাতের দিক দিয়ে পূর্বাভাসের নির্ভুলতা নিরীক্ষণ করুন; উচ্চ অনিশ্চয়তায় নিরাপত্তা স্টক বাড়ান। একটি ভবিষ্যদ্বাণী একটি ভবিষ্যদ্বাণী; বাজেট এবং সীমাবদ্ধতা সহ চূড়ান্ত অর্ডার করার সিদ্ধান্ত আপনার।

আবেদন টাস্ক

একটি বেনামী টেবিলে গত 12-18 মাসের জন্য আপনার শীর্ষ 5টি সর্বাধিক বিক্রিত SKU-এর বিক্রয় পান এবং স্টক-এর বাইরে এবং প্রচারের সময়কাল চিহ্নিত করুন৷ "1) SKU-ভিত্তিক পূর্বাভাস" প্রম্পট দিয়ে একটি ভবিষ্যত পূর্বাভাস তৈরি করুন, তারপর "3) পূর্বাভাস নির্ভুলতা মূল্যায়নের সাথে আপনার অতীতের পূর্বাভাসের MAPE বের করুন৷ আপনার নিজের অর্ডারের সিদ্ধান্তের সাথে ফলাফলের তুলনা করুন।

চেকলিস্ট

• [ ] আমি আমার বিক্রয় ডেটা বেনামী এবং পরিষ্কার করেছি৷
• [ ] আমি স্টক-এর বাইরে এবং প্রচারের সময় চিহ্নিত করেছি৷
• [ ] আমি AI-তে ঋতু এবং বাহ্যিক ফ্যাক্টর প্রসঙ্গ দিয়েছি।
• [ ] আমি একটি দৃশ্যের পরিসর চেয়েছিলাম, একটি সংখ্যা নয়।
• [ ] আমি MAPE এবং ইয়াও দিক পরীক্ষা করেছি৷
• আমি বাজেট এবং সীমাবদ্ধতার উপর ভিত্তি করে অর্ডার করার সিদ্ধান্ত নিয়েছি।