लाभ:
- ऐतिहासिक बिक्री डेटा, मौसमी प्रभावों और बाहरी कारकों को मिलाकर कृत्रिम बुद्धिमत्ता समर्थन के साथ SKU के आधार पर एक मसौदा मांग पूर्वानुमान तैयार करने की क्षमता।
- पूर्वानुमान सटीकता (एमएपीई, पूर्वाग्रह) की व्याख्या करने और अधिक अनुमान और कम अनुमान के व्यावसायिक परिणामों को अलग करने की क्षमता
- यह बनाए रखने में सक्षम होना कि कृत्रिम बुद्धिमत्ता द्वारा निर्मित पूर्वानुमान एक भविष्यवाणी है और स्टॉक लागत और नकदी प्रवाह के साथ अंतिम आदेश निर्णय प्रबंधक का होता है।
खुदरा क्षेत्र में दो सबसे महंगी गलतियाँ हैं: बहुत अधिक स्टॉक रखना और पैसे को शेल्फ पर पड़ा रहने देना, या पर्याप्त स्टॉक न रखना और ग्राहक को खाली हाथ छोड़ना। दोनों का स्रोत एक ही है: खराब मांग का पूर्वानुमान। इस इकाई में आप सीखेंगे कि कृत्रिम बुद्धिमत्ता को एक शक्तिशाली सहायक के रूप में कैसे उपयोग किया जाए जो पिछली बिक्री से भविष्य की भविष्यवाणी करता है। लेकिन आइए शुरू से कहें: एक भविष्यवाणी एक भविष्यवाणी नहीं है, बल्कि एक संभाव्य भविष्यवाणी है। AI आपको एक नंबर देता है; उस संख्या को आदेश देने वाले निर्णय में परिवर्तित करना आपका काम है।
मांग का पूर्वानुमान: यह ऐतिहासिक डेटा को देखकर और प्रभावित करने वाले कारकों को देखकर यह अनुमान लगाने का कार्य है कि भविष्य में किसी उत्पाद या श्रेणी की कितनी बिक्री होगी।
SKU (स्टॉक कीपिंग यूनिट): यह प्रत्येक अलग-अलग उत्पाद-संस्करण के लिए रखा गया अद्वितीय स्टॉक कोड है। उदाहरण के लिए, "लाल, आकार 42 स्नीकर्स" एक SKU है; उसी मॉडल का नंबर 43 एक अलग SKU है।
सूचना के तीन स्रोत जो पूर्वानुमान प्रदान करते हैं
एक अच्छा पूर्वानुमान तीन चीजों को जोड़ता है:
- ऐतिहासिक बिक्री (बेसलाइन): पिछले 12-24 महीनों में उत्पाद की साप्ताहिक/मासिक बिक्री। एआई इस श्रृंखला से एक "सामान्य" स्तर निकालता है।
- मौसमी और कैलेंडर प्रभाव: छुट्टियाँ, स्कूल अवधि, गर्मी-सर्दी, सप्ताहांत, वेतन दिवस। उदाहरण के लिए, गर्मियों में आइसक्रीम का चलन बढ़ जाता है और सर्दियों में मोज़े का चलन बढ़ जाता है।
- बाहरी कारक: अभियान, मूल्य परिवर्तन, मौसम, प्रतिस्पर्धी आंदोलन, उद्घाटन/समापन। ये अनुमान को ऊपर या नीचे धकेलते हैं।
युक्ति: एआई को केवल यह न बताएं कि "हमने पिछले महीने 100 बेचे थे।" कहें, "हमने पिछले महीने 100 बेचे, लेकिन 20% की छूट थी और यह छुट्टियों का सप्ताह था।" संदर्भ के बिना, भविष्यवाणी भ्रामक है।
चरण दर चरण भविष्यवाणी पीढ़ी
- डेटा तैयार करें: एक अनाम, साफ़ तालिका: दिनांक, SKU, बेची गई मात्रा, मूल्य, प्रचार/कोई प्रचार नहीं, उपलब्धता। स्टॉक ख़त्म होने के दिनों को चिह्नित करें; अन्यथा, कृत्रिम बुद्धि सोचेगी कि वह दिन "कम मांग" है।
- संदर्भ दें: सीज़न, आगामी कार्यक्रम, नियोजित अभियान लिखें।
- पूर्वानुमान का अनुरोध करें: SKU या श्रेणी के अनुसार एक विशिष्ट अवधि के लिए पूर्वानुमान और विश्वास अंतराल (सबसे खराब/सर्वोत्तम स्थिति) का अनुरोध करें।
- सटीकता मापें: अपनी पिछली भविष्यवाणियों की वास्तविकता से तुलना करें (नीचे MAPE)।
- इसे निर्णय में बदलें: अनुमान को सुरक्षा स्टॉक और बजट के साथ मिलाएं और ऑर्डर देने का निर्णय लें।
पूर्वानुमान सटीकता पढ़ना: एमएपीई और पूर्वाग्रह
एमएपीई (मीन निरपेक्ष प्रतिशत त्रुटि): वास्तविक बिक्री से पूर्वानुमानों का औसत प्रतिशत विचलन दिखाता है। सूत्र सरल है: |वास्तविक − पूर्वानुमान| प्रत्येक अवधि के लिए/वास्तविक उनका औसत है।
- एमएपीई 10% → अनुमान में औसतन 10% का विचलन होता है, बहुत अच्छा।
- एमएपीई 40% → पूर्वानुमान अविश्वसनीय हैं, ऑर्डर निर्णय में अधिक बफर (सुरक्षा स्टॉक) की आवश्यकता है।
दिशा (पूर्वाग्रह): क्या आपका पूर्वानुमान लगातार वास्तविकता से ऊपर (ओवरस्टॉकिंग का जोखिम) या नीचे (स्टॉक आउट होने का जोखिम) है? ये भी देखो; MAPE दिशा नहीं दिखाता.
स्थिति
मतलब
व्यापार परिणाम
लगातार उच्च अनुमान
आप मांग को बढ़ा-चढ़ाकर बता रहे हैं
अतिरिक्त स्टॉक, मंदी, मार्जिन की हानि
लगातार कम आंकलन
आप मांग को कम आंकते हैं
स्टॉक ख़त्म, छूटी बिक्री, असंतोष
उच्च MAPE, संतुलित दिशा
अनिश्चितता अधिक है
सुरक्षा स्टॉक बढ़ाएँ, बार-बार समीक्षा करें
कम MAPE
सटीक भविष्यवाणी
कम स्टॉक, बेहतर नकदी
छोटे मामले
केस 1 - लापता मौसमी: एक किराने की दुकान पिछले साल की जुलाई की बिक्री (प्रति माह 200 इकाइयां) के आधार पर स्कूल नोटबुक का ऑर्डर देती है। जब कृत्रिम बुद्धिमत्ता को "अगस्त-सितंबर स्कूल अवधि, पिछले वर्ष की इस अवधि में बिक्री चौगुनी" का संदर्भ दिया जाता है, तो भविष्यवाणी 200 के बजाय 780 इकाइयों तक बढ़ जाती है। सही क्रम के लिए धन्यवाद, स्कूल वर्ष के दौरान आपके पास स्टॉक खत्म नहीं होता है; 60,000 टीएल का अनुमानित कारोबार, जो पिछले वर्ष बच गया था, इस वर्ष पकड़ा जा रहा है।
केस 2 - स्टॉक ख़त्म होने के दिन को नहीं गिनना: एक दुकान में 3 सप्ताह के लिए एक लोकप्रिय कॉफ़ी का स्टॉक ख़त्म हो गया था। कच्चे डेटा को देखते हुए, कृत्रिम बुद्धिमत्ता उन सप्ताहों को "प्रति सप्ताह 5 बिक्री" के रूप में देखती है और कम अनुमान देती है। जब विश्लेषक बिना स्टॉक वाले दिनों को चिह्नित करता है और कहता है, "ये सप्ताह मांग को प्रतिबिंबित नहीं करते हैं", तो पूर्वानुमान बढ़कर 45 प्रति सप्ताह हो जाता है। असली मांग सामने आती है.
केस 3 - अभियान प्रभाव को सामान्य बनाना: एक कपड़ा श्रृंखला 50% छूट वाली सप्ताह की बिक्री (600 इकाइयाँ) को "सामान्य" मानती है और लगातार 600 का ऑर्डर देती है। जब कृत्रिम बुद्धिमत्ता को बताया जाता है कि "यह बिक्री एक बार के अभियान के साथ की गई थी, सामान्य सप्ताह 180 है", भविष्यवाणी सही हो जाती है। ओवरस्टॉक और बाद में मार्कडाउन हानि के जोखिम को रोका जाता है।
पूर्वानुमान क्षितिज: आप कितनी दूर तक देख सकते हैं?
पूर्वानुमान क्षितिज: भविष्य में कितनी दूर तक पूर्वानुमान लगाया जाता है। नियम सरल है: क्षितिज जितना लंबा होगा, अनिश्चितता उतनी ही अधिक होगी। आप अगले सप्ताह की बिक्री की अपेक्षाकृत सटीक भविष्यवाणी करते हैं; छह महीने बाद बहुत व्यापक रेंज के साथ। इसलिए ऑर्डर निर्णय की आवश्यकता के अनुसार पूर्वानुमान क्षितिज चुनें: छोटे क्षितिज और तेजी से खत्म होने वाले ताजा उत्पाद के लिए लगातार अपडेट; लंबी अवधि के साथ आयातित उत्पाद के लिए लंबी क्षितिज और सुरक्षा का व्यापक मार्जिन।
एक अन्य महत्वपूर्ण अंतर नए उत्पाद का पूर्वानुमान है। नए SKU की कोई पिछली बिक्री नहीं हुई है; इस मामले में, आप एआई को समान उत्पादों (एनालॉग), श्रेणी औसत और लॉन्च योजना का इतिहास देते हैं। यह कहना कि "इस उत्पाद का कोई इतिहास नहीं है; समान उत्पाद X और Y के पहले 8 सप्ताहों को देखकर प्रारंभिक अनुमान दें" रिक्त स्थान को भरने का एक उचित तरीका है। हालाँकि, नए उत्पाद का पूर्वानुमान हमेशा जोखिम भरा होता है; पहले सप्ताहों का वास्तविक डेटा उपलब्ध होते ही पूर्वानुमान को तुरंत संशोधित करें।
सावधानी: अनुमान को "एक बार करो और भूल जाओ" उपचार के रूप में न लें। मांग का पूर्वानुमान एक जीवंत प्रक्रिया है; प्रत्येक नया बिक्री सप्ताह पूर्वानुमान को अद्यतन करने का एक अवसर है। सबसे अच्छे पूर्वानुमानकर्ता वे हैं जो सबसे अधिक बार अपडेट होने वाले मॉडल का उपयोग करते हैं, न कि सबसे स्मार्ट मॉडल का।
कमजोर संकेत/मजबूत संकेत
कमजोर संकेत:
मुझे बताओ अगले महीने यह उत्पाद कितने में बिकेगा?
कोई संदर्भ नहीं है; AI एक यादृच्छिक संख्या बनाता है।
शक्तिशाली संकेत:
आपकी भूमिका: मांग नियोजन विशेषज्ञ। डेटा: SKU 4471 के लिए पिछले 18 महीनों की मासिक बिक्री मात्रा और कीमत नीचे दी गई है और क्या उस महीने कोई अभियान है। संदर्भ: यह उत्पाद ग्रीष्मकालीन सैंडल है; मई-अगस्त में मांग चरम पर होती है। अगला महीना जून है. किसी अभियान की योजना नहीं है. कीमत तय है। कार्य: (1) जून के लिए अपेक्षित बिक्री मात्रा, (2) सबसे खराब और सर्वोत्तम परिदृश्य सीमा, (3) पूर्वानुमान को प्रभावित करने वाले 2 मुख्य कारक। नियम: स्टॉक से बाहर चिह्नित महीनों को कम मांग के रूप में न गिनें। केवल दिए गए डेटा के आधार पर। डेटा: [तालिका चिपकाएं]
कॉपी करने योग्य शीघ्र टेम्पलेट
1) एसकेयू आधारित भविष्यवाणी
आपकी भूमिका: मांग नियोजन विशेषज्ञ। निम्नलिखित अनाम मासिक बिक्री श्रृंखला से [एसकेयू] के लिए भविष्य [अवधि] पूर्वानुमान उत्पन्न करें। आउटपुट: अपेक्षित मात्रा + सबसे खराब/सर्वोत्तम श्रेणी + 2 धारणाएँ। स्टॉक से बाहर चिह्नित अवधियों को बाहर निकालें। डेटा: [चिपकाएँ]
2) मौसमी पैटर्न हटाना
नीचे 24-महीने की बिक्री श्रृंखला में आवर्ती मौसमी पैटर्न खोजें। कौन से महीने शीर्ष पर हैं और कौन से महीने नीचे हैं? माध्य से विचलन प्रतिशत के रूप में दीजिए। इसे तालिका के रूप में प्रस्तुत करें। डेटा: [चिपकाएँ]
3) भविष्यवाणी सटीकता मूल्यांकन
नीचे मेरे ऐतिहासिक अनुमान और वास्तविक बिक्री हैं। (1) एमएपीई की गणना करें, (2) क्या मेरा पूर्वानुमान लगातार ऊपर या नीचे जा रहा है, (3) स्टॉक के लिए इसका क्या मतलब है? चरण दर चरण दिखाएं। डेटा: [अनुमान, वास्तविक कॉलम]
4) अभियान प्रभाव निकालें
अभियान सप्ताह नीचे बिक्री शृंखला में अंकित हैं। सामान्य (गैर-अभियान) मांग का अनुमान लगाएं; अभियान प्रभाव को एक अलग लिफ़्ट प्रतिशत के रूप में दें. इसलिए मैं सामान्य ऑर्डर स्तर देखना चाहता हूं। डेटा: [चिपकाएँ]
सामान्य गलतियाँ
- संदर्भ न देना: यदि अभियान, सीज़न, मूल्य परिवर्तन निर्दिष्ट नहीं किया गया है, तो भविष्यवाणी भ्रामक होगी।
- क्या स्टॉक से बाहर के दिनों को मांग के रूप में गिना जाए: स्टॉक से बाहर की अवधि वास्तविक मांग को छुपाती है; निशान।
- प्रमोशनल बिक्री को सामान्य मानना: यह सोचना कि एकमुश्त वृद्धि स्थायी है, अतिरिक्त स्टॉक को जन्म देगी।
- एक ही संख्या पर भरोसा करना: कोई सीमा (परिदृश्य) न चाहना और एक ही बिंदु पर भरोसा करना जोखिम को छुपाता है।
- सटीकता को बिल्कुल भी नहीं मापना: यदि एमएपीई और दिशा की निगरानी नहीं की जाती है, तो भविष्यवाणी बदतर और बदतर होती जाती है।
- अनुमान के साथ सीधे ऑर्डर करना: नकदी, गोदाम और शेल्फ जीवन नियंत्रण के बिना ऑर्डर करना।
सारांश
अच्छा पूर्वानुमान पिछली बिक्री, मौसमी और बाहरी कारकों को जोड़ता है। एआई को संदर्भ (अभियान, सीज़न, स्टॉक से बाहर वाले दिन) देना सुनिश्चित करें। एमएपीई और पूर्वाग्रह दिशा के साथ पूर्वानुमान सटीकता की निगरानी करें; उच्च अनिश्चितता में सुरक्षा स्टॉक बढ़ाएँ। एक भविष्यवाणी एक भविष्यवाणी है; बजट और बाधाओं के साथ, ऑर्डर देने का अंतिम निर्णय आपका है।
आवेदन कार्य
पिछले 12-18 महीनों के लिए अपने शीर्ष 5 सबसे अधिक बिकने वाले SKU की बिक्री एक अनाम तालिका में प्राप्त करें और स्टॉक से बाहर और अभियान अवधि को चिह्नित करें। "1) एसकेयू-आधारित पूर्वानुमान" प्रॉम्प्ट के साथ भविष्य का पूर्वानुमान उत्पन्न करें, फिर "3) पूर्वानुमान सटीकता मूल्यांकन" के साथ अपने पिछले पूर्वानुमानों का एमएपीई निकालें। परिणाम की तुलना अपने स्वयं के ऑर्डरिंग निर्णय से करें।
चेकलिस्ट
- [ ] मैंने अपना बिक्री डेटा अज्ञात कर दिया और साफ़ कर दिया।
- [ ] मैंने स्टॉक ख़त्म होने और अभियान अवधि को चिह्नित किया।
- [ ] मैंने एआई को सीज़न और बाहरी कारक संदर्भ दिया।
- [ ] मैं एक परिदृश्य श्रेणी चाहता था, एक भी संख्या नहीं।
- [ ] मैंने MAPE और यॉ दिशा की जाँच की।
- [ ] मैंने बजट और बाधाओं के आधार पर ऑर्डर देने का निर्णय लिया।