ಬೇಡಿಕೆ ಮುನ್ಸೂಚನೆ: ಮಾರಾಟದ ಮುನ್ಸೂಚನೆ, ಋತುಮಾನ ಮತ್ತು ಟ್ರೆಂಡ್ ವಿಶ್ಲೇಷಣೆ

ಲಾಭಗಳು:

• ಐತಿಹಾಸಿಕ ಮಾರಾಟದ ಡೇಟಾ, ಕಾಲೋಚಿತ ಪರಿಣಾಮಗಳು ಮತ್ತು ಬಾಹ್ಯ ಅಂಶಗಳನ್ನು ಸಂಯೋಜಿಸುವ ಮೂಲಕ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬೆಂಬಲದೊಂದಿಗೆ SKU ಆಧಾರದ ಮೇಲೆ ಕರಡು ಬೇಡಿಕೆ ಮುನ್ಸೂಚನೆಯನ್ನು ಉತ್ಪಾದಿಸುವ ಸಾಮರ್ಥ್ಯ.
• ಮುನ್ಸೂಚನೆಯ ನಿಖರತೆಯನ್ನು ಅರ್ಥೈಸುವ ಸಾಮರ್ಥ್ಯ (MAPE, ಪಕ್ಷಪಾತ) ಮತ್ತು ಅತಿಯಾದ ಅಂದಾಜು ಮತ್ತು ಕಡಿಮೆ ಅಂದಾಜು ಮಾಡುವ ವ್ಯವಹಾರದ ಪರಿಣಾಮಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸುತ್ತದೆ
• ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ಮುನ್ಸೂಚನೆಯು ಒಂದು ಮುನ್ಸೂಚನೆಯಾಗಿದೆ ಮತ್ತು ಅಂತಿಮ ಆದೇಶದ ನಿರ್ಧಾರವು ಸ್ಟಾಕ್ ವೆಚ್ಚ ಮತ್ತು ನಗದು ಹರಿವಿನ ಜೊತೆಗೆ ಮ್ಯಾನೇಜರ್‌ಗೆ ಸೇರಿದೆ ಎಂದು ನಿರ್ವಹಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.

ಚಿಲ್ಲರೆ ವ್ಯಾಪಾರದಲ್ಲಿ ಎರಡು ಅತ್ಯಂತ ದುಬಾರಿ ತಪ್ಪುಗಳಿವೆ: ಹೆಚ್ಚು ಸ್ಟಾಕ್ ಇಟ್ಟುಕೊಳ್ಳುವುದು ಮತ್ತು ಹಣವನ್ನು ಶೆಲ್ಫ್‌ನಲ್ಲಿ ಕೊಳೆಯಲು ಬಿಡುವುದು, ಅಥವಾ ಸಾಕಷ್ಟು ಸ್ಟಾಕ್ ಅನ್ನು ಇಟ್ಟುಕೊಳ್ಳದಿರುವುದು ಮತ್ತು ಗ್ರಾಹಕರನ್ನು ಬರಿಗೈಯಲ್ಲಿ ಬಿಡುವುದು. ಎರಡೂ ಒಂದೇ ಮೂಲವನ್ನು ಹೊಂದಿವೆ: ಕೆಟ್ಟ ಬೇಡಿಕೆ ಮುನ್ಸೂಚನೆ. ಹಿಂದಿನ ಮಾರಾಟದಿಂದ ಭವಿಷ್ಯವನ್ನು ಮುನ್ಸೂಚಿಸುವ ಪ್ರಬಲ ಸಹಾಯಕರಾಗಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಹೇಗೆ ಬಳಸುವುದು ಎಂಬುದನ್ನು ಈ ಘಟಕದಲ್ಲಿ ನೀವು ಕಲಿಯುವಿರಿ. ಆದರೆ ಮೊದಲಿನಿಂದಲೂ ಹೇಳೋಣ: ಭವಿಷ್ಯವಾಣಿಯು ಭವಿಷ್ಯವಾಣಿಯಲ್ಲ, ಆದರೆ ಸಂಭವನೀಯ ಭವಿಷ್ಯ. AI ನಿಮಗೆ ಸಂಖ್ಯೆಯನ್ನು ನೀಡುತ್ತದೆ; ಆ ಸಂಖ್ಯೆಯನ್ನು ಆರ್ಡರ್ ಮಾಡುವ ನಿರ್ಧಾರವಾಗಿ ಭಾಷಾಂತರಿಸುವುದು ನಿಮ್ಮ ಕೆಲಸ.

ಬೇಡಿಕೆಯ ಮುನ್ಸೂಚನೆ: ಐತಿಹಾಸಿಕ ದತ್ತಾಂಶ ಮತ್ತು ಪ್ರಭಾವದ ಅಂಶಗಳನ್ನು ನೋಡುವ ಮೂಲಕ ಭವಿಷ್ಯದಲ್ಲಿ ಎಷ್ಟು ಉತ್ಪನ್ನ ಅಥವಾ ವರ್ಗವನ್ನು ಮಾರಾಟ ಮಾಡಲಾಗುವುದು ಎಂದು ಊಹಿಸುವ ಕಾರ್ಯವಾಗಿದೆ.

SKU (ಸ್ಟಾಕ್ ಕೀಪಿಂಗ್ ಯುನಿಟ್): ಇದು ಪ್ರತಿಯೊಂದು ವಿಭಿನ್ನ ಉತ್ಪನ್ನ-ವೇರಿಯಂಟ್‌ಗಾಗಿ ಇರಿಸಲಾದ ಅನನ್ಯ ಸ್ಟಾಕ್ ಕೋಡ್ ಆಗಿದೆ. ಉದಾಹರಣೆಗೆ, "ಕೆಂಪು, ಗಾತ್ರ 42 ಸ್ನೀಕರ್ಸ್" ಒಂದು SKU ಆಗಿದೆ; ಅದೇ ಮಾದರಿಯ ಸಂಖ್ಯೆ 43 ಪ್ರತ್ಯೇಕ SKU ಆಗಿದೆ.

ಮುನ್ಸೂಚನೆಯನ್ನು ನೀಡುವ ಮೂರು ಮಾಹಿತಿ ಮೂಲಗಳು

ಉತ್ತಮ ಮುನ್ಸೂಚನೆಯು ಮೂರು ವಿಷಯಗಳನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ:

1. ಐತಿಹಾಸಿಕ ಮಾರಾಟಗಳು (ಬೇಸ್‌ಲೈನ್): ಕಳೆದ 12-24 ತಿಂಗಳುಗಳಲ್ಲಿ ಉತ್ಪನ್ನದ ಸಾಪ್ತಾಹಿಕ/ಮಾಸಿಕ ಮಾರಾಟ. AI ಈ ಸರಣಿಯಿಂದ "ಸಾಮಾನ್ಯ" ಮಟ್ಟವನ್ನು ಹೊರತೆಗೆಯುತ್ತದೆ.
2. ಕಾಲೋಚಿತ ಮತ್ತು ಕ್ಯಾಲೆಂಡರ್ ಪರಿಣಾಮಗಳು: ರಜಾದಿನಗಳು, ಶಾಲಾ ಅವಧಿ, ಬೇಸಿಗೆ-ಚಳಿಗಾಲ, ವಾರಾಂತ್ಯ, ವೇತನದ ದಿನ. ಉದಾಹರಣೆಗೆ, ಬೇಸಿಗೆಯಲ್ಲಿ ಐಸ್ ಕ್ರೀಮ್ ಹೆಚ್ಚಾಗುತ್ತದೆ ಮತ್ತು ಚಳಿಗಾಲದಲ್ಲಿ ಸಾಕ್ಸ್ ಹೆಚ್ಚಾಗುತ್ತದೆ.
3. ಬಾಹ್ಯ ಅಂಶಗಳು: ಪ್ರಚಾರ, ಬೆಲೆ ಬದಲಾವಣೆ, ಹವಾಮಾನ, ಸ್ಪರ್ಧಿಗಳ ಚಲನೆ, ತೆರೆಯುವಿಕೆ/ಮುಚ್ಚುವಿಕೆ. ಇವು ಅಂದಾಜುಗಳನ್ನು ಮೇಲಕ್ಕೆ ಅಥವಾ ಕೆಳಕ್ಕೆ ತಳ್ಳುತ್ತವೆ.

ಸಲಹೆ: "ನಾವು ಕಳೆದ ತಿಂಗಳು 100 ಮಾರಾಟ ಮಾಡಿದ್ದೇವೆ" ಎಂದು AI ಗೆ ಹೇಳಬೇಡಿ. "ನಾವು ಕಳೆದ ತಿಂಗಳು 100 ಅನ್ನು ಮಾರಾಟ ಮಾಡಿದ್ದೇವೆ, ಆದರೆ 20% ರಿಯಾಯಿತಿ ಇತ್ತು ಮತ್ತು ಅದು ರಜಾದಿನದ ವಾರವಾಗಿತ್ತು." ಸಂದರ್ಭವಿಲ್ಲದೆ, ಭವಿಷ್ಯವು ತಪ್ಪುದಾರಿಗೆಳೆಯುತ್ತದೆ.

ಹಂತ ಹಂತವಾಗಿ ಭವಿಷ್ಯ ನಿರ್ಮಾಣ

1. ಡೇಟಾವನ್ನು ತಯಾರಿಸಿ: ಅನಾಮಧೇಯ, ಕ್ಲೀನ್ ಟೇಬಲ್: ದಿನಾಂಕ, SKU, ಮಾರಾಟವಾದ ಪ್ರಮಾಣ, ಬೆಲೆ, ಪ್ರಚಾರ / ಪ್ರಚಾರವಿಲ್ಲ, ಲಭ್ಯತೆ. ಸ್ಟಾಕ್ ಇಲ್ಲದ ದಿನಗಳನ್ನು ಗುರುತಿಸಿ; ಇಲ್ಲದಿದ್ದರೆ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಆ ದಿನವನ್ನು "ಕಡಿಮೆ ಬೇಡಿಕೆ" ಎಂದು ಭಾವಿಸುತ್ತದೆ.
2. ಸಂದರ್ಭವನ್ನು ನೀಡಿ: ಸೀಸನ್, ಮುಂಬರುವ ಈವೆಂಟ್‌ಗಳು, ಯೋಜಿತ ಪ್ರಚಾರಗಳನ್ನು ಬರೆಯಿರಿ.
3. ಮುನ್ಸೂಚನೆಯನ್ನು ವಿನಂತಿಸಿ: SKU ಅಥವಾ ವರ್ಗದಿಂದ ನಿರ್ದಿಷ್ಟ ಅವಧಿಗೆ ಮುನ್ಸೂಚನೆ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹ ಮಧ್ಯಂತರವನ್ನು (ಕೆಟ್ಟ/ಉತ್ತಮ ಸನ್ನಿವೇಶ) ವಿನಂತಿಸಿ.
4. ನಿಖರತೆಯನ್ನು ಅಳೆಯಿರಿ: ನಿಮ್ಮ ಹಿಂದಿನ ಮುನ್ನೋಟಗಳನ್ನು ವಾಸ್ತವಕ್ಕೆ ಹೋಲಿಸಿ (ಕೆಳಗಿನ MAPE).
5. ಅದನ್ನು ನಿರ್ಧಾರವಾಗಿ ಪರಿವರ್ತಿಸಿ: ಸುರಕ್ಷತಾ ಸ್ಟಾಕ್ ಮತ್ತು ಬಜೆಟ್‌ನೊಂದಿಗೆ ಅಂದಾಜನ್ನು ಸಂಯೋಜಿಸಿ ಮತ್ತು ಆದೇಶದ ನಿರ್ಧಾರವನ್ನು ಮಾಡಿ.

ಓದುವ ಮುನ್ಸೂಚನೆಯ ನಿಖರತೆ: MAPE ಮತ್ತು ಪಕ್ಷಪಾತ

MAPE (ಸರಾಸರಿ ಸಂಪೂರ್ಣ ಶೇಕಡಾ ದೋಷ): ನಿಜವಾದ ಮಾರಾಟದಿಂದ ಮುನ್ಸೂಚನೆಗಳ ಸರಾಸರಿ ಶೇಕಡಾವಾರು ವಿಚಲನವನ್ನು ತೋರಿಸುತ್ತದೆ. ಸೂತ್ರವು ಸರಳವಾಗಿದೆ: |ವಾಸ್ತವ - ಮುನ್ಸೂಚನೆ| ಪ್ರತಿ ಅವಧಿಗೆ / ನೈಜವು ಅವರ ಸರಾಸರಿ.

• MAPE 10% → ಅಂದಾಜುಗಳು ಸರಾಸರಿ 10% ರಷ್ಟು ವಿಚಲನಗೊಳ್ಳುತ್ತವೆ, ಬಹಳ ಒಳ್ಳೆಯದು.
• MAPE 40% → ಮುನ್ಸೂಚನೆಗಳು ವಿಶ್ವಾಸಾರ್ಹವಲ್ಲ, ಆದೇಶದ ನಿರ್ಧಾರಕ್ಕೆ ಹೆಚ್ಚಿನ ಬಫರ್ (ಸುರಕ್ಷತಾ ಸ್ಟಾಕ್) ಅಗತ್ಯವಿದೆ.

ನಿರ್ದೇಶನ (ಪಕ್ಷಪಾತ): ನಿಮ್ಮ ಮುನ್ಸೂಚನೆಯು ಸ್ಥಿರವಾಗಿ ಮೇಲಿದೆಯೇ (ಅಧಿಕ ಸಂಗ್ರಹಣೆಯ ಅಪಾಯ) ಅಥವಾ ಕೆಳಗೆ (ಸಂಗ್ರಹಿಸುವ ಅಪಾಯ) ರಿಯಾಲಿಟಿ? ಇದನ್ನೂ ನೋಡಿ; MAPE ದಿಕ್ಕನ್ನು ತೋರಿಸುವುದಿಲ್ಲ.

ಸ್ಥಿತಿ

ಅರ್ಥ

ವ್ಯಾಪಾರ ಫಲಿತಾಂಶ

ನಿರಂತರ ಹೆಚ್ಚಿನ ಅಂದಾಜು

ನೀವು ಬೇಡಿಕೆಯನ್ನು ಉತ್ಪ್ರೇಕ್ಷಿಸುತ್ತಿದ್ದೀರಿ

ಹೆಚ್ಚುವರಿ ಸ್ಟಾಕ್, ಕರಗುವಿಕೆ, ಮಾರ್ಜಿನ್ ನಷ್ಟ

ನಿರಂತರ ಕಡಿಮೆ ಅಂದಾಜು

ನೀವು ಬೇಡಿಕೆಯನ್ನು ಕಡಿಮೆ ಅಂದಾಜು ಮಾಡುತ್ತೀರಿ

ಸ್ಟಾಕ್ ಇಲ್ಲ, ತಪ್ಪಿದ ಮಾರಾಟ, ಅತೃಪ್ತಿ

ಹೆಚ್ಚಿನ MAPE, ಸಮತೋಲಿತ ನಿರ್ದೇಶನ

ಅನಿಶ್ಚಿತತೆ ಹೆಚ್ಚಾಗಿದೆ

ಸುರಕ್ಷತೆಯ ಸ್ಟಾಕ್ ಅನ್ನು ಹೆಚ್ಚಿಸಿ, ಆಗಾಗ್ಗೆ ಪರಿಶೀಲಿಸಿ

ಕಡಿಮೆ MAPE

ನಿಖರವಾದ ಮುನ್ಸೂಚನೆ

ಲೀನರ್ ಸ್ಟಾಕ್, ಉತ್ತಮ ನಗದು

ಮಿನಿ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 — ಕಳೆದುಹೋದ ಕಾಲೋಚಿತತೆ: ಕಳೆದ ವರ್ಷದ ಜುಲೈ ಮಾರಾಟದ ಆಧಾರದ ಮೇಲೆ ಕಿರಾಣಿ ಅಂಗಡಿಯು ಶಾಲಾ ನೋಟ್‌ಬುಕ್‌ಗಳನ್ನು ಆರ್ಡರ್ ಮಾಡುತ್ತದೆ (ತಿಂಗಳಿಗೆ 200 ಯೂನಿಟ್‌ಗಳು). ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ "ಆಗಸ್ಟ್-ಸೆಪ್ಟೆಂಬರ್ ಶಾಲಾ ಅವಧಿಯ ಸಂದರ್ಭವನ್ನು ನೀಡಿದಾಗ, ಕಳೆದ ವರ್ಷ ಈ ಅವಧಿಯಲ್ಲಿ ಮಾರಾಟವು ನಾಲ್ಕು ಪಟ್ಟು ಹೆಚ್ಚಾಗಿದೆ", ಭವಿಷ್ಯವು 200 ರ ಬದಲಿಗೆ 780 ಯುನಿಟ್‌ಗಳಿಗೆ ಹೆಚ್ಚಾಗುತ್ತದೆ. ಸರಿಯಾದ ಕ್ರಮಕ್ಕೆ ಧನ್ಯವಾದಗಳು, ಶಾಲಾ ವರ್ಷದಲ್ಲಿ ನಿಮ್ಮ ಸ್ಟಾಕ್ ಖಾಲಿಯಾಗುವುದಿಲ್ಲ; ಹಿಂದಿನ ವರ್ಷ ತಪ್ಪಿಸಿಕೊಂಡ ಅಂದಾಜು 60,000 ಟಿಎಲ್ ವಹಿವಾಟು ಈ ವರ್ಷ ಹಿಡಿಯುತ್ತಿದೆ.

ಪ್ರಕರಣ 2 — ಸ್ಟಾಕ್ ಇಲ್ಲದ ದಿನವನ್ನು ಎಣಿಸುತ್ತಿಲ್ಲ: ಒಂದು ಅಂಗಡಿಯಲ್ಲಿ 3 ವಾರಗಳವರೆಗೆ ಜನಪ್ರಿಯ ಕಾಫಿಯ ಸ್ಟಾಕ್ ಇಲ್ಲ. ಕಚ್ಚಾ ಡೇಟಾವನ್ನು ನೋಡುವಾಗ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಆ ವಾರಗಳನ್ನು "ವಾರಕ್ಕೆ 5 ಮಾರಾಟಗಳು" ಎಂದು ನೋಡುತ್ತದೆ ಮತ್ತು ಕಡಿಮೆ ಅಂದಾಜನ್ನು ನೀಡುತ್ತದೆ. ವಿಶ್ಲೇಷಕರು ಸ್ಟಾಕ್ ಇಲ್ಲದ ದಿನಗಳನ್ನು ಗುರುತಿಸಿದಾಗ ಮತ್ತು "ಈ ವಾರಗಳು ಬೇಡಿಕೆಯನ್ನು ಪ್ರತಿಬಿಂಬಿಸುವುದಿಲ್ಲ" ಎಂದು ಹೇಳಿದಾಗ, ಮುನ್ಸೂಚನೆಯು ವಾರಕ್ಕೆ 45 ಕ್ಕೆ ಹೆಚ್ಚಾಗುತ್ತದೆ. ನಿಜವಾದ ಬೇಡಿಕೆ ಹೊರಹೊಮ್ಮುತ್ತದೆ.

ಪ್ರಕರಣ 3 — ಪ್ರಚಾರದ ಪರಿಣಾಮವನ್ನು ಸಾಮಾನ್ಯೀಕರಿಸುವುದು: ಜವಳಿ ಸರಪಳಿಯು 50% ರಿಯಾಯಿತಿ ವಾರದ ಮಾರಾಟವನ್ನು (600 ಯೂನಿಟ್‌ಗಳು) "ಸಾಮಾನ್ಯ" ಎಂದು ಪರಿಗಣಿಸುತ್ತದೆ ಮತ್ತು ನಿರಂತರವಾಗಿ 600 ಅನ್ನು ಆದೇಶಿಸುತ್ತದೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ "ಈ ಮಾರಾಟವನ್ನು ಒಂದು-ಬಾರಿ ಪ್ರಚಾರದೊಂದಿಗೆ ಮಾಡಲಾಗಿದೆ, ಸಾಮಾನ್ಯ ವಾರ 180" ಎಂದು ಹೇಳಿದಾಗ, ಭವಿಷ್ಯವನ್ನು ಸರಿಪಡಿಸಲಾಗುತ್ತದೆ. ಮಿತಿಮೀರಿದ ಮತ್ತು ನಂತರದ ಮಾರ್ಕ್‌ಡೌನ್ ನಷ್ಟದ ಅಪಾಯವನ್ನು ತಡೆಯಲಾಗುತ್ತದೆ.

ಭವಿಷ್ಯ ಹಾರಿಜಾನ್: ನೀವು ಎಷ್ಟು ಮುಂದೆ ನೋಡಬಹುದು?

ಮುನ್ಸೂಚನೆ ಹಾರಿಜಾನ್: ಭವಿಷ್ಯದಲ್ಲಿ ಎಷ್ಟು ದೂರದ ಮುನ್ಸೂಚನೆಯನ್ನು ಮಾಡಲಾಗಿದೆ. ನಿಯಮವು ಸರಳವಾಗಿದೆ: ದಿಗಂತವು ಉದ್ದವಾಗಿದೆ, ಹೆಚ್ಚಿನ ಅನಿಶ್ಚಿತತೆ. ನೀವು ಮುಂದಿನ ವಾರದ ಮಾರಾಟವನ್ನು ತುಲನಾತ್ಮಕವಾಗಿ ನಿಖರವಾಗಿ ಊಹಿಸುತ್ತೀರಿ; ಆರು ತಿಂಗಳ ನಂತರ ಹೆಚ್ಚು ವ್ಯಾಪಕ ಶ್ರೇಣಿಯೊಂದಿಗೆ. ಆದ್ದರಿಂದ ಆದೇಶದ ನಿರ್ಧಾರದ ಅಗತ್ಯಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಮುನ್ಸೂಚನೆ ಹಾರಿಜಾನ್ ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಿ: ಶಾರ್ಟ್ ಹಾರಿಜಾನ್ ಮತ್ತು ತಾಜಾ ಉತ್ಪನ್ನಕ್ಕಾಗಿ ಆಗಾಗ್ಗೆ ಅಪ್‌ಡೇಟ್ ಮಾಡುವುದು ವೇಗವಾಗಿ ಮುಗಿಯುತ್ತದೆ; ದೀರ್ಘಾವಧಿಯ ಸಮಯದೊಂದಿಗೆ ಆಮದು ಮಾಡಿದ ಉತ್ಪನ್ನಕ್ಕೆ ದೀರ್ಘವಾದ ಹಾರಿಜಾನ್ ಮತ್ತು ಸುರಕ್ಷತೆಯ ವಿಶಾಲ ಅಂಚು.

ಮತ್ತೊಂದು ಪ್ರಮುಖ ವ್ಯತ್ಯಾಸವೆಂದರೆ ಹೊಸ ಉತ್ಪನ್ನ ಮುನ್ಸೂಚನೆ. ಹೊಸ SKU ನ ಹಿಂದಿನ ಮಾರಾಟವಿಲ್ಲ; ಈ ಸಂದರ್ಭದಲ್ಲಿ, ನೀವು AI ಗೆ ಒಂದೇ ರೀತಿಯ ಉತ್ಪನ್ನಗಳ ಇತಿಹಾಸ (ಅನಲಾಗ್), ವರ್ಗ ಸರಾಸರಿ ಮತ್ತು ಉಡಾವಣಾ ಯೋಜನೆಯನ್ನು ನೀಡುತ್ತೀರಿ. "ಈ ಉತ್ಪನ್ನಕ್ಕೆ ಯಾವುದೇ ಇತಿಹಾಸವಿಲ್ಲ; ಮೊದಲ 8 ವಾರಗಳ ಒಂದೇ ರೀತಿಯ ಉತ್ಪನ್ನಗಳಾದ X ಮತ್ತು Y ಅನ್ನು ನೋಡುವ ಮೂಲಕ ಆರಂಭಿಕ ಅಂದಾಜನ್ನು ನೀಡಿ" ಎಂದು ಹೇಳುವುದು ಖಾಲಿ ತುಂಬಲು ಒಂದು ಸಮಂಜಸವಾದ ಮಾರ್ಗವಾಗಿದೆ. ಆದಾಗ್ಯೂ, ಹೊಸ ಉತ್ಪನ್ನದ ಮುನ್ಸೂಚನೆಯು ಯಾವಾಗಲೂ ಅಪಾಯಕಾರಿಯಾಗಿದೆ; ಮೊದಲ ವಾರಗಳಲ್ಲಿ ನಿಜವಾದ ಡೇಟಾ ಲಭ್ಯವಾಗುವುದರಿಂದ ಮುನ್ಸೂಚನೆಯನ್ನು ತ್ವರಿತವಾಗಿ ಪರಿಷ್ಕರಿಸಿ.

ಎಚ್ಚರಿಕೆ: ಅಂದಾಜನ್ನು "ಒಮ್ಮೆ ಮಾಡಿ ಮತ್ತು ಮರೆತುಬಿಡಿ" ಚಿಕಿತ್ಸೆಯಾಗಿ ಪರಿಗಣಿಸಬೇಡಿ. ಬೇಡಿಕೆಯ ಮುನ್ಸೂಚನೆಯು ನೇರ ಪ್ರಕ್ರಿಯೆಯಾಗಿದೆ; ಪ್ರತಿ ಹೊಸ ಮಾರಾಟ ವಾರವು ಮುನ್ಸೂಚನೆಯನ್ನು ನವೀಕರಿಸಲು ಒಂದು ಅವಕಾಶವಾಗಿದೆ. ಉತ್ತಮ ಮುನ್ಸೂಚಕರು ಎಂದರೆ ಹೆಚ್ಚು ಆಗಾಗ್ಗೆ ನವೀಕರಿಸುವದನ್ನು ಬಳಸುವವರು, ಸ್ಮಾರ್ಟೆಸ್ಟ್ ಮಾದರಿಯಲ್ಲ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಮುಂದಿನ ತಿಂಗಳು ಈ ಉತ್ಪನ್ನ ಎಷ್ಟು ಮಾರಾಟವಾಗುತ್ತದೆ ಎಂದು ಹೇಳಿ.

ಯಾವುದೇ ಸಂದರ್ಭವಿಲ್ಲ; AI ಯಾದೃಚ್ಛಿಕ ಸಂಖ್ಯೆಯನ್ನು ರೂಪಿಸುತ್ತದೆ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ನಿಮ್ಮ ಪಾತ್ರ: ಬೇಡಿಕೆ ಯೋಜನೆ ತಜ್ಞ. ಡೇಟಾ: SKU 4471 ಗಾಗಿ ಕಳೆದ 18 ತಿಂಗಳುಗಳ ಮಾಸಿಕ ಮಾರಾಟದ ಪ್ರಮಾಣ ಮತ್ತು ಬೆಲೆ ಮತ್ತು ಆ ತಿಂಗಳು ಪ್ರಚಾರವಿದೆಯೇ ಎಂಬುದನ್ನು ಕೆಳಗೆ ನೀಡಲಾಗಿದೆ. ಸಂದರ್ಭ: ಈ ಉತ್ಪನ್ನವು ಬೇಸಿಗೆಯ ಸ್ಯಾಂಡಲ್ ಆಗಿದೆ; ಮೇ-ಆಗಸ್ಟ್‌ನಲ್ಲಿ ಬೇಡಿಕೆ ಉತ್ತುಂಗಕ್ಕೇರುತ್ತದೆ. ಮುಂದಿನ ತಿಂಗಳು ಜೂನ್. ಯಾವುದೇ ಪ್ರಚಾರವನ್ನು ಯೋಜಿಸಿಲ್ಲ. ಬೆಲೆಯನ್ನು ನಿಗದಿಪಡಿಸಲಾಗಿದೆ.ಕಾರ್ಯ: (1) ಜೂನ್‌ಗೆ ನಿರೀಕ್ಷಿತ ಮಾರಾಟದ ಪ್ರಮಾಣ, (2) ಕೆಟ್ಟ ಮತ್ತು ಉತ್ತಮ ಸನ್ನಿವೇಶದ ಶ್ರೇಣಿ, (3) ಮುನ್ಸೂಚನೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವ 2 ಪ್ರಮುಖ ಅಂಶಗಳು. ನಿಯಮ: ಕಡಿಮೆ ಬೇಡಿಕೆ ಎಂದು ಸ್ಟಾಕ್‌ನಿಂದ ಹೊರಗಿರುವ ತಿಂಗಳುಗಳನ್ನು ಎಣಿಸಬೇಡಿ. ನೀಡಲಾದ ಡೇಟಾದ ಆಧಾರದ ಮೇಲೆ ಮಾತ್ರ ಡೇಟಾ: [ಟೇಬಲ್ ಅಂಟಿಸಿ]

ನಕಲು ಮಾಡಬಹುದಾದ ಪ್ರಾಂಪ್ಟ್ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) SKU ಆಧಾರಿತ ಭವಿಷ್ಯ

ನಿಮ್ಮ ಪಾತ್ರ: ಬೇಡಿಕೆ ಯೋಜನೆ ತಜ್ಞ. ಮುಂದಿನ ಅನಾಮಧೇಯ ಮಾಸಿಕ ಮಾರಾಟ ಸರಣಿಯಿಂದ [SKU] ಭವಿಷ್ಯದ [ಅವಧಿ] ಮುನ್ಸೂಚನೆಯನ್ನು ರಚಿಸಿ. ಔಟ್‌ಪುಟ್: ನಿರೀಕ್ಷಿತ ಪ್ರಮಾಣ + ಕೆಟ್ಟ/ಉತ್ತಮ ಶ್ರೇಣಿ + 2 ಊಹೆಗಳು. ಸ್ಟಾಕ್ ಔಟ್ ಎಂದು ಗುರುತಿಸಲಾದ ಅವಧಿಗಳನ್ನು ಹೊರತುಪಡಿಸಿ. ಡೇಟಾ: [ಅಂಟಿಸಿ]

2) ಕಾಲೋಚಿತ ಮಾದರಿ ತೆಗೆಯುವಿಕೆ

ಕೆಳಗಿನ 24-ತಿಂಗಳ ಮಾರಾಟ ಸರಣಿಯಲ್ಲಿ ಮರುಕಳಿಸುವ ಕಾಲೋಚಿತ ಮಾದರಿಯನ್ನು ಹುಡುಕಿ. ಯಾವ ತಿಂಗಳುಗಳು ಅಗ್ರ ಮತ್ತು ಯಾವ ತಿಂಗಳುಗಳು ಕೆಳಭಾಗದಲ್ಲಿವೆ? ಸರಾಸರಿಯಿಂದ ವಿಚಲನವನ್ನು ಶೇಕಡಾವಾರು ಪ್ರಮಾಣದಲ್ಲಿ ನೀಡಿ. ಅದನ್ನು ಟೇಬಲ್ ರೂಪದಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಿ. ಡೇಟಾ: [ಅಂಟಿಸಿ]

3) ಮುನ್ಸೂಚನೆಯ ನಿಖರತೆಯ ಮೌಲ್ಯಮಾಪನ

ಕೆಳಗೆ ನನ್ನ ಐತಿಹಾಸಿಕ ಅಂದಾಜುಗಳು ಮತ್ತು ನಿಜವಾದ ಮಾರಾಟಗಳು. (1) MAPE ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ, (2) ನನ್ನ ಮುನ್ಸೂಚನೆಯು ಸ್ಥಿರವಾಗಿ ಹೆಚ್ಚು ಅಥವಾ ಕಡಿಮೆ ತೇಲುತ್ತಿದೆಯೇ, (3) ಸ್ಟಾಕ್‌ಗೆ ಇದರ ಅರ್ಥವೇನು? ಹಂತ ಹಂತವಾಗಿ ತೋರಿಸಿ. ಡೇಟಾ: [ಅಂದಾಜು, ನಿಜವಾದ ಕಾಲಮ್‌ಗಳು]

4) ಪ್ರಚಾರದ ಪ್ರಭಾವವನ್ನು ಹೊರತೆಗೆಯಿರಿ

ಕೆಳಗಿನ ಮಾರಾಟ ಸರಣಿಯಲ್ಲಿ ಪ್ರಚಾರದ ವಾರಗಳನ್ನು ಗುರುತಿಸಲಾಗಿದೆ. ಸಾಮಾನ್ಯ (ಪ್ರಚಾರವಲ್ಲದ) ಬೇಡಿಕೆಯನ್ನು ಅಂದಾಜು ಮಾಡಿ; ಪ್ರತ್ಯೇಕ ಲಿಫ್ಟ್ ಶೇಕಡಾವಾರು ಪ್ರಚಾರದ ಪರಿಣಾಮವನ್ನು ನೀಡಿ. ಹಾಗಾಗಿ ನಾನು ಸಾಮಾನ್ಯ ಆರ್ಡರ್ ಮಟ್ಟವನ್ನು ನೋಡಲು ಬಯಸುತ್ತೇನೆ. ಡೇಟಾ: [ಅಂಟಿಸಿ]

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಸಂದರ್ಭ ನೀಡುತ್ತಿಲ್ಲ: ಪ್ರಚಾರ, ಋತು, ಬೆಲೆ ಬದಲಾವಣೆಯನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸದಿದ್ದರೆ, ಭವಿಷ್ಯವು ತಪ್ಪುದಾರಿಗೆಳೆಯುತ್ತದೆ.
• ಸ್ಟಾಕ್‌ನಿಂದ ಹೊರಗಿರುವ ದಿನಗಳನ್ನು ಬೇಡಿಕೆಯಂತೆ ಎಣಿಸಬೇಕೆ: ಸ್ಟಾಕ್‌ನ ಹೊರಗಿರುವ ಅವಧಿಯು ನೈಜ ಬೇಡಿಕೆಯನ್ನು ಮರೆಮಾಡುತ್ತದೆ; ಗುರುತು.
• ಪ್ರಚಾರದ ಮಾರಾಟವನ್ನು ಸಾಮಾನ್ಯ ರೀತಿಯಲ್ಲಿ ಸ್ವೀಕರಿಸುವುದು: ಒಂದು ಬಾರಿ ಹೆಚ್ಚಳ ಶಾಶ್ವತ ಎಂದು ಯೋಚಿಸುವುದು ಹೆಚ್ಚುವರಿ ಸ್ಟಾಕ್‌ಗೆ ಕಾರಣವಾಗುತ್ತದೆ.
• ಒಂದೇ ಸಂಖ್ಯೆಯನ್ನು ಅವಲಂಬಿಸುವುದು: ಶ್ರೇಣಿಯನ್ನು (ಸನ್ನಿವೇಶ) ಬಯಸದಿರುವುದು ಮತ್ತು ಒಂದೇ ಬಿಂದುವನ್ನು ಅವಲಂಬಿಸಿರುವುದು ಅಪಾಯವನ್ನು ಮರೆಮಾಡುತ್ತದೆ.
• ನಿಖರತೆಯನ್ನು ಅಳೆಯುತ್ತಿಲ್ಲ: MAPE ಮತ್ತು ನಿರ್ದೇಶನವನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡದಿದ್ದರೆ, ಭವಿಷ್ಯವು ಕೆಟ್ಟದಾಗಿ ಮತ್ತು ಕೆಟ್ಟದಾಗುತ್ತದೆ.
• ಅಂದಾಜುಗಳೊಂದಿಗೆ ನೇರ ಆದೇಶಗಳನ್ನು ಮಾಡುವುದು: ನಗದು, ಗೋದಾಮು ಮತ್ತು ಶೆಲ್ಫ್ ಲೈಫ್ ನಿಯಂತ್ರಣವಿಲ್ಲದೆ ಆರ್ಡರ್ ಮಾಡುವುದು.

ಸಾರಾಂಶದಲ್ಲಿ

ಉತ್ತಮ ಮುನ್ಸೂಚನೆಯು ಹಿಂದಿನ ಮಾರಾಟ, ಕಾಲೋಚಿತತೆ ಮತ್ತು ಬಾಹ್ಯ ಅಂಶಗಳನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ. AI ಗೆ ಸಂದರ್ಭವನ್ನು ನೀಡಲು ಮರೆಯದಿರಿ (ಅಭಿಯಾನ, ಋತು, ಸ್ಟಾಕ್ ಇಲ್ಲದ ದಿನಗಳು). MAPE ಮತ್ತು ಪಕ್ಷಪಾತ ನಿರ್ದೇಶನದೊಂದಿಗೆ ಮುನ್ಸೂಚನೆಯ ನಿಖರತೆಯನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಿ; ಹೆಚ್ಚಿನ ಅನಿಶ್ಚಿತತೆಯಲ್ಲಿ ಸುರಕ್ಷತಾ ಸ್ಟಾಕ್ ಅನ್ನು ಹೆಚ್ಚಿಸಿ. ಭವಿಷ್ಯವು ಒಂದು ಮುನ್ಸೂಚನೆಯಾಗಿದೆ; ಬಜೆಟ್ ಮತ್ತು ನಿರ್ಬಂಧಗಳ ಜೊತೆಗೆ ಅಂತಿಮ ಆದೇಶದ ನಿರ್ಧಾರವು ನಿಮ್ಮದಾಗಿದೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ಅನಾಮಧೇಯ ಕೋಷ್ಟಕದಲ್ಲಿ ಕಳೆದ 12-18 ತಿಂಗಳುಗಳಿಂದ ನಿಮ್ಮ ಟಾಪ್ 5 ಹೆಚ್ಚು ಮಾರಾಟವಾದ SKU ಗಳ ಮಾರಾಟವನ್ನು ಪಡೆಯಿರಿ ಮತ್ತು ಔಟ್-ಆಫ್-ಸ್ಟಾಕ್ ಮತ್ತು ಪ್ರಚಾರದ ಅವಧಿಗಳನ್ನು ಗುರುತಿಸಿ. "1) SKU-ಆಧಾರಿತ ಮುನ್ಸೂಚನೆ" ಪ್ರಾಂಪ್ಟ್‌ನೊಂದಿಗೆ ಭವಿಷ್ಯದ ಮುನ್ಸೂಚನೆಯನ್ನು ರಚಿಸಿ, ನಂತರ "3) ಮುನ್ಸೂಚನೆಯ ನಿಖರತೆಯ ಮೌಲ್ಯಮಾಪನದೊಂದಿಗೆ ನಿಮ್ಮ ಹಿಂದಿನ ಮುನ್ಸೂಚನೆಗಳ MAPE ಅನ್ನು ಹೊರತೆಗೆಯಿರಿ. ನಿಮ್ಮ ಸ್ವಂತ ಆದೇಶದ ನಿರ್ಧಾರದೊಂದಿಗೆ ಫಲಿತಾಂಶವನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನನ್ನ ಮಾರಾಟದ ಡೇಟಾವನ್ನು ನಾನು ಅನಾಮಧೇಯಗೊಳಿಸಿದ್ದೇನೆ ಮತ್ತು ಸ್ವಚ್ಛಗೊಳಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಔಟ್-ಆಫ್-ಸ್ಟಾಕ್ ಮತ್ತು ಪ್ರಚಾರದ ಅವಧಿಗಳನ್ನು ಗುರುತಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು AI ಗೆ ಋತು ಮತ್ತು ಬಾಹ್ಯ ಅಂಶದ ಸಂದರ್ಭವನ್ನು ನೀಡಿದ್ದೇನೆ.
• [ ] ನಾನು ಸನ್ನಿವೇಶದ ಶ್ರೇಣಿಯನ್ನು ಬಯಸುತ್ತೇನೆ, ಒಂದೇ ಸಂಖ್ಯೆ ಅಲ್ಲ.
• [ ] ನಾನು MAPE ಮತ್ತು ಯಾವ ದಿಕ್ಕನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಬಜೆಟ್ ಮತ್ತು ನಿರ್ಬಂಧಗಳ ಆಧಾರದ ಮೇಲೆ ಆದೇಶದ ನಿರ್ಧಾರವನ್ನು ಮಾಡಿದ್ದೇನೆ.