માંગની આગાહી: વેચાણની આગાહી, મોસમ અને વલણ વિશ્લેષણ

નફો:

• ઐતિહાસિક વેચાણ ડેટા, મોસમી અસરો અને બાહ્ય પરિબળોને સંયોજિત કરીને આર્ટિફિશિયલ ઇન્ટેલિજન્સ સપોર્ટ સાથે SKU આધારે ડ્રાફ્ટ ડિમાન્ડ ફોરકાસ્ટ તૈયાર કરવાની ક્ષમતા.
• આગાહીની સચોટતા (MAPE, પૂર્વગ્રહ) નું અર્થઘટન કરવાની ક્ષમતા અને વધુ પડતા અંદાજ અને ઓછા અંદાજના વ્યવસાયિક પરિણામોને અલગ પાડવાની ક્ષમતા
• આર્ટિફિશિયલ ઇન્ટેલિજન્સ દ્વારા નિર્મિત અનુમાન એક આગાહી છે અને સ્ટોક ખર્ચ અને રોકડ પ્રવાહ સાથે અંતિમ ઓર્ડરનો નિર્ણય મેનેજરનો છે તે જાળવવામાં સમર્થ હોવા.

રિટેલમાં બે સૌથી મોંઘી ભૂલો છે: વધુ પડતો સ્ટોક રાખવો અને પૈસાને શેલ્ફ પર પડવા દેવા, અથવા પૂરતો સ્ટોક ન રાખવો અને ગ્રાહકને ખાલી હાથે છોડવો. બંને પાસે સમાન સ્ત્રોત છે: ખરાબ માંગની આગાહી. આ એકમમાં તમે કૃત્રિમ બુદ્ધિમત્તાનો શક્તિશાળી સહાયક તરીકે ઉપયોગ કેવી રીતે કરવો તે શીખી શકશો જે ભૂતકાળના વેચાણમાંથી ભવિષ્યની આગાહી કરે છે. પરંતુ ચાલો શરૂઆતથી કહીએ: આગાહી એ ભવિષ્યવાણી નથી, પરંતુ સંભવિત આગાહી છે. AI તમને નંબર આપે છે; તે નંબરને ઓર્ડરિંગ નિર્ણયમાં અનુવાદિત કરવાનું તમારું કામ છે.

માંગની આગાહી: ઐતિહાસિક ડેટા અને પ્રભાવિત પરિબળોને જોઈને ભવિષ્યમાં કેટલી પ્રોડક્ટ અથવા કેટેગરી વેચવામાં આવશે તેની આગાહી કરવાનું કાર્ય છે.

SKU (સ્ટોક કીપિંગ યુનિટ): તે દરેક અલગ-અલગ પ્રોડક્ટ-વેરિઅન્ટ માટે રાખવામાં આવેલ અનન્ય સ્ટોક કોડ છે. ઉદાહરણ તરીકે, “લાલ, કદ 42 સ્નીકર્સ” એ SKU છે; સમાન મોડેલનો નંબર 43 એ એક અલગ SKU છે.

માહિતીના ત્રણ સ્ત્રોત જે આગાહીને ફીડ કરે છે

સારી આગાહી ત્રણ બાબતોને જોડે છે:

1. ઐતિહાસિક વેચાણ (બેઝલાઇન): છેલ્લા 12-24 મહિનામાં ઉત્પાદનનું સાપ્તાહિક/માસિક વેચાણ. AI આ શ્રેણીમાંથી "સામાન્ય" સ્તર કાઢે છે.
2. મોસમી અને કેલેન્ડરની અસરો: રજાઓ, શાળાની મુદત, ઉનાળો-શિયાળો, સપ્તાહાંત, પગારનો દિવસ. ઉદાહરણ તરીકે, ઉનાળામાં આઈસ્ક્રીમ વધે છે અને શિયાળામાં મોજાં વધે છે.
3. બાહ્ય પરિબળો: ઝુંબેશ, ભાવમાં ફેરફાર, હવામાન, સ્પર્ધક ચળવળ, શરૂઆત/બંધ. આ અંદાજને ઉપર અથવા નીચે દબાણ કરે છે.

ટીપ: ફક્ત AI ને કહો નહીં "અમે ગયા મહિને 100 વેચ્યા." કહો, "અમે ગયા મહિને 100 વેચ્યા હતા, પરંતુ ત્યાં 20% ડિસ્કાઉન્ટ હતું અને તે રજાનું અઠવાડિયું હતું." સંદર્ભ વિના, આગાહી ભ્રામક છે.

પગલું દ્વારા પગલું આગાહી પેઢી

1. ડેટા તૈયાર કરો: એક અનામી, સ્વચ્છ ટેબલ: તારીખ, SKU, વેચાયેલ જથ્થો, કિંમત, પ્રમોશન/કોઈ પ્રમોશન, ઉપલબ્ધતા. આઉટ ઓફ સ્ટોકના દિવસોને ચિહ્નિત કરો; નહિંતર, કૃત્રિમ બુદ્ધિ વિચારશે કે તે દિવસ "ઓછી માંગ" છે.
2. સંદર્ભ આપો: સિઝન, આગામી ઇવેન્ટ્સ, આયોજિત ઝુંબેશ લખો.
3. આગાહીની વિનંતી કરો: SKU અથવા કેટેગરી દ્વારા ચોક્કસ સમયગાળા માટે આગાહી અને વિશ્વાસ અંતરાલ (સૌથી ખરાબ/શ્રેષ્ઠ પરિસ્થિતિ) માટે વિનંતી કરો.
4. ચોકસાઈને માપો: તમારી ભૂતકાળની આગાહીઓને વાસ્તવિકતા સાથે સરખાવો (નીચે MAPE).
5. તેને નિર્ણયમાં ફેરવો: અંદાજને સલામતી સ્ટોક અને બજેટ સાથે જોડો અને ઓર્ડર કરવાનો નિર્ણય લો.

વાંચન અનુમાન ચોકસાઈ: MAPE અને પૂર્વગ્રહ

MAPE (સરેરાશ સંપૂર્ણ ટકાવારી ભૂલ): વાસ્તવિક વેચાણમાંથી આગાહીની સરેરાશ ટકાવારી વિચલન દર્શાવે છે. સૂત્ર સરળ છે: |વાસ્તવિક − આગાહી| દરેક સમયગાળા માટે / વાસ્તવિક તેમની સરેરાશ છે.

• MAPE 10% → અંદાજો સરેરાશ 10% દ્વારા વિચલિત થાય છે, ખૂબ સારું.
• MAPE 40% → આગાહીઓ અવિશ્વસનીય છે, ઓર્ડર નિર્ણયમાં વધુ બફર (સુરક્ષા સ્ટોક) જરૂરી છે.

દિશા (પૂર્વગ્રહ): શું તમારી આગાહી સતત ઉપર (ઓવરસ્ટોકિંગનું જોખમ) કે નીચે (સ્ટોકિંગનું જોખમ) વાસ્તવિકતા છે? આ પણ જુઓ; MAPE દિશા બતાવતું નથી.

સ્થિતિ

અર્થ

વ્યવસાય પરિણામ

સતત ઉચ્ચ અંદાજ

તમે માંગને અતિશયોક્તિ કરી રહ્યા છો

વધારાનો સ્ટોક, મેલ્ટડાઉન, માર્જિનનું નુકસાન

સતત ઓછો અંદાજ

તમે માંગને ઓછો આંકશો

સ્ટોક બહાર, વેચાણ ચૂકી, અસંતોષ

ઉચ્ચ MAPE, સંતુલિત દિશા

અનિશ્ચિતતા વધારે છે

સલામતી સ્ટોક વધારો, વારંવાર સમીક્ષા કરો

નીચા MAPE

સચોટ આગાહી

પાતળો સ્ટોક, વધુ સારી રોકડ

નાના કેસો

કેસ 1 - મોસમ ખૂટે છે: કરિયાણાની દુકાન ગયા વર્ષના જુલાઈના વેચાણ (દર મહિને 200 યુનિટ)ના આધારે શાળાની નોટબુકનો ઓર્ડર આપે છે. જ્યારે કૃત્રિમ બુદ્ધિમત્તાને "ઓગસ્ટ-સપ્ટેમ્બર સ્કૂલ ટર્મ, ગયા વર્ષે આ સમયગાળામાં વેચાણ ચાર ગણું" સંદર્ભ આપવામાં આવે છે, ત્યારે અનુમાન 200ને બદલે 780 એકમો સુધી વધે છે. સાચા ક્રમ માટે આભાર, શાળા વર્ષ દરમિયાન તમારો સ્ટોક સમાપ્ત થતો નથી; 60,000 TL નું અંદાજિત ટર્નઓવર, જે અગાઉના વર્ષે છટકી ગયું હતું, તે આ વર્ષે પકડાઈ રહ્યું છે.

કેસ 2 — આઉટ ઓફ સ્ટોક ડેની ગણતરી નથી: એક સ્ટોરમાં 3 અઠવાડિયા માટે લોકપ્રિય કોફીનો સ્ટોક આઉટ હતો. કાચા ડેટાને જોતાં, આર્ટિફિશિયલ ઇન્ટેલિજન્સ તે અઠવાડિયાને "અઠવાડિયે 5 વેચાણ" તરીકે જુએ છે અને નીચા અંદાજ આપે છે. જ્યારે વિશ્લેષક સ્ટોક વગરના દિવસોને ચિહ્નિત કરે છે અને કહે છે કે "આ અઠવાડિયા માંગને પ્રતિબિંબિત કરતા નથી", ત્યારે આગાહી દર અઠવાડિયે વધીને 45 થઈ જાય છે. વાસ્તવિક માંગ ઉભરી આવે છે.

કેસ 3 - ઝુંબેશની અસરનું સામાન્યીકરણ: કાપડની સાંકળ 50% ડિસ્કાઉન્ટ સપ્તાહના વેચાણ (600 યુનિટ)ને "સામાન્ય" માને છે અને સતત 600નો ઓર્ડર આપે છે. જ્યારે કૃત્રિમ બુદ્ધિમત્તાને કહેવામાં આવે છે કે "આ વેચાણ એક વખતની ઝુંબેશ સાથે કરવામાં આવ્યું હતું, સામાન્ય અઠવાડિયું 180 છે", આગાહી સાચી થાય છે. ઓવરસ્ટોક અને અનુગામી માર્કડાઉન નુકશાનનું જોખમ અટકાવવામાં આવે છે.

આગાહી ક્ષિતિજ: તમે કેટલું આગળ જોઈ શકો છો?

આગાહી ક્ષિતિજ: ભવિષ્યની આગાહી કેટલી દૂર છે. નિયમ સરળ છે: જેટલી લાંબી ક્ષિતિજ, તેટલી મોટી અનિશ્ચિતતા. તમે આગામી સપ્તાહના વેચાણની પ્રમાણમાં સચોટ આગાહી કરો છો; છ મહિના પછી ઘણી વિશાળ શ્રેણી સાથે. તેથી ઓર્ડર નિર્ણયની જરૂરિયાત અનુસાર આગાહી ક્ષિતિજ પસંદ કરો: ટૂંકી ક્ષિતિજ અને તાજા ઉત્પાદન માટે વારંવાર અપડેટ જે ઝડપથી સમાપ્ત થાય છે; લાંબા લીડ ટાઈમ સાથે આયાતી ઉત્પાદન માટે લાંબો ક્ષિતિજ અને સલામતીનું વિશાળ માર્જિન.

અન્ય મહત્વપૂર્ણ તફાવત એ નવા ઉત્પાદનની આગાહી છે. નવા SKUનું કોઈ ભૂતકાળનું વેચાણ નથી; આ કિસ્સામાં, તમે AI ને સમાન ઉત્પાદનો (એનાલોગ), શ્રેણી સરેરાશ અને લોન્ચ પ્લાનનો ઇતિહાસ આપો છો. "આ ઉત્પાદનનો કોઈ ઈતિહાસ નથી; X અને Yના સમાન ઉત્પાદનોના પ્રથમ 8 અઠવાડિયા જોઈને પ્રારંભિક અંદાજ આપો" એમ કહેવું એ ખાલી જગ્યા ભરવાની વાજબી રીત છે. જો કે, નવા ઉત્પાદનની આગાહી હંમેશા જોખમી હોય છે; પ્રથમ અઠવાડિયા માટેનો વાસ્તવિક ડેટા ઉપલબ્ધ થતાંની સાથે જ આગાહીમાં ઝડપથી સુધારો કરો.

સાવધાન: અંદાજને "એકવાર કરો અને ભૂલી જાઓ" સારવાર તરીકે ન લેશો. માંગની આગાહી એ જીવંત પ્રક્રિયા છે; દરેક નવા વેચાણ સપ્તાહ એ આગાહીને અપડેટ કરવાની તક છે. શ્રેષ્ઠ આગાહી કરનારાઓ તે છે કે જેઓ સૌથી વધુ વારંવાર અપડેટ થાય છે તેનો ઉપયોગ કરે છે, સૌથી સ્માર્ટ મોડલનો નહીં.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

મને કહો કે આ પ્રોડક્ટ આવતા મહિને કેટલી વેચાશે.

કોઈ સંદર્ભ નથી; AI રેન્ડમ નંબર બનાવે છે.

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: માંગ આયોજન નિષ્ણાત. ડેટા: નીચે SKU 4471 માટે છેલ્લા 18 મહિનાની માસિક વેચાણની માત્રા અને કિંમત છે અને તે મહિને કોઈ ઝુંબેશ છે કે કેમ. સંદર્ભ: આ ઉત્પાદન ઉનાળાના સેન્ડલ છે; મે-ઓગસ્ટમાં માંગ ટોચ પર છે. આગામી મહિનો જૂન છે. અભિયાનનું કોઈ આયોજન નથી. કિંમત નિશ્ચિત છે. કાર્ય: (1) જૂન માટે અપેક્ષિત વેચાણ જથ્થો, (2) સૌથી ખરાબ અને શ્રેષ્ઠ દૃશ્ય શ્રેણી, (3) 2 મુખ્ય પરિબળો જે આગાહીને અસર કરે છે. નિયમ: ઓછી માંગ તરીકે ચિહ્નિત થયેલ મહિનાની ગણતરી કરશો નહીં. માત્ર આપેલ ડેટાના આધારે. ડેટા: [પેસ્ટ ટેબલ]

નકલ કરી શકાય તેવા પ્રોમ્પ્ટ નમૂનાઓ

1) SKU આધારિત આગાહી

તમારી ભૂમિકા: માંગ આયોજન નિષ્ણાત. નીચેની અનામી માસિક વેચાણ શ્રેણીમાંથી [SKU] માટે ભવિષ્ય [સમયગાળો] અનુમાન જનરેટ કરો. આઉટપુટ: અપેક્ષિત જથ્થો + સૌથી ખરાબ/શ્રેષ્ઠ શ્રેણી + 2 ધારણાઓ. સ્ટોક આઉટ માર્ક કરેલા સમયગાળાને બાકાત રાખો. ડેટા: [પેસ્ટ કરો]

2) મોસમી પેટર્ન દૂર

નીચે 24-મહિનાની વેચાણ શ્રેણીમાં રિકરિંગ મોસમી પેટર્ન શોધો. કયા મહિના ટોચના છે અને કયા મહિના નીચે છે? ટકાવારી તરીકે સરેરાશમાંથી વિચલન આપો. તેને ટેબલ સ્વરૂપમાં રજૂ કરો. ડેટા: [પેસ્ટ કરો]

3) આગાહી ચોકસાઈ મૂલ્યાંકન

નીચે મારા ઐતિહાસિક અંદાજો અને વાસ્તવિક વેચાણ છે. (1) MAPE ની ગણતરી કરો, (2) શું મારી આગાહી સતત ઊંચી કે નીચી થઈ રહી છે, (3) સ્ટોક માટે આનો અર્થ શું છે? સ્ટેપ બાય સ્ટેપ બતાવો. ડેટા: [અંદાજ, વાસ્તવિક કૉલમ્સ]

4) ઝુંબેશની અસર બહાર કાઢો

ઝુંબેશ અઠવાડિયા નીચે વેચાણ શ્રેણીમાં ચિહ્નિત થયેલ છે. સામાન્ય (બિન-અભિયાન) માંગનો અંદાજ કાઢો; ઝુંબેશની અસરને અલગ લિફ્ટ ટકાવારી તરીકે આપો. તેથી હું સામાન્ય ઓર્ડર સ્તર જોવા માંગુ છું. ડેટા: [પેસ્ટ કરો]

સામાન્ય ભૂલો

• સંદર્ભ આપતો નથી: જો ઝુંબેશ, મોસમ, ભાવમાં ફેરફારનો ઉલ્લેખ કરવામાં આવ્યો નથી, તો આગાહી ભ્રામક હશે.
• આઉટ-ઓફ-સ્ટૉક દિવસોને માંગ તરીકે ગણવા કે નહીં: આઉટ-ઓફ-સ્ટૉક સમયગાળો વાસ્તવિક માંગને છુપાવે છે; ચિહ્ન
• પ્રમોશનલ વેચાણને સામાન્ય તરીકે સ્વીકારવું: એક વખતનો વધારો કાયમી છે એવું વિચારવાથી વધારાનો સ્ટોક થઈ જશે.
• એક નંબર પર આધાર રાખવો: શ્રેણી (દૃશ્ય) ન જોઈતી અને એક જ બિંદુ પર આધાર રાખવો જોખમને છુપાવે છે.
• ચોકસાઈને બિલકુલ માપતા નથી: જો MAPE અને દિશાનું નિરીક્ષણ કરવામાં ન આવે, તો આગાહી વધુ ખરાબ થતી જાય છે.
• અંદાજો સાથે સીધો ઓર્ડર કરવો: રોકડ, વેરહાઉસ અને શેલ્ફ લાઇફ કંટ્રોલ વિના ઓર્ડર આપવો.

સારાંશમાં

સારી આગાહી ભૂતકાળના વેચાણ, મોસમ અને બાહ્ય પરિબળોને જોડે છે. AI ને સંદર્ભ (ઝુંબેશ, સિઝન, આઉટ-ઓફ-સ્ટૉક દિવસો) આપવાની ખાતરી કરો. MAPE અને પૂર્વગ્રહ દિશા સાથે આગાહીની ચોકસાઈનું નિરીક્ષણ કરો; ઉચ્ચ અનિશ્ચિતતામાં સલામતી સ્ટોક વધારો. આગાહી એ આગાહી છે; બજેટ અને મર્યાદાઓ સાથે અંતિમ ઓર્ડર કરવાનો નિર્ણય તમારો છે.

એપ્લિકેશન કાર્ય

અનામી કોષ્ટકમાં છેલ્લા 12-18 મહિનામાં તમારા ટોચના 5 સૌથી વધુ વેચાતા SKU નું વેચાણ મેળવો અને આઉટ-ઓફ-સ્ટોક અને ઝુંબેશના સમયગાળાને ચિહ્નિત કરો. "1) SKU-આધારિત આગાહી" પ્રોમ્પ્ટ સાથે ભાવિ આગાહી બનાવો, પછી "3) આગાહી સચોટતા મૂલ્યાંકન સાથે તમારા ભૂતકાળની આગાહીઓનો MAPE કાઢો. તમારા પોતાના ઓર્ડરિંગ નિર્ણય સાથે પરિણામની તુલના કરો.

ચેકલિસ્ટ

• [ ] મેં મારા વેચાણનો ડેટા અનામી અને સાફ કર્યો.
• [ ] મેં આઉટ-ઓફ-સ્ટોક અને ઝુંબેશના સમયગાળાને ચિહ્નિત કર્યા છે.
• [ ] મેં AI ને મોસમ અને બાહ્ય પરિબળ સંદર્ભ આપ્યો.
• [ ] મને એક સિંગલ નંબર નહીં પણ સિનારિયો રેન્જ જોઈતી હતી.
• [ ] મેં MAPE અને yaw દિશા તપાસી.
• [ ] મેં બજેટ અને મર્યાદાઓને આધારે ઓર્ડર કરવાનો નિર્ણય લીધો હતો.