தேவை முன்னறிவிப்பு: விற்பனை முன்னறிவிப்பு, பருவநிலை மற்றும் போக்கு பகுப்பாய்வு

ஆதாயங்கள்:

• வரலாற்று விற்பனை தரவு, பருவகால விளைவுகள் மற்றும் வெளிப்புற காரணிகளை இணைத்து செயற்கை நுண்ணறிவு ஆதரவுடன் SKU அடிப்படையில் ஒரு வரைவு தேவை முன்னறிவிப்பை உருவாக்கும் திறன்.
• முன்னறிவிப்பு துல்லியம் (MAPE, சார்பு) மற்றும் அதிக மதிப்பீடு மற்றும் குறைமதிப்பீட்டின் வணிக விளைவுகளை வேறுபடுத்தும் திறன்
• செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட முன்னறிவிப்பு ஒரு கணிப்பு மற்றும் இறுதி வரிசை முடிவு மேலாளரின் பங்குச் செலவு மற்றும் பணப்புழக்கம் ஆகியவற்றைப் பராமரிக்க முடியும்.

சில்லறை விற்பனையில் மிகவும் விலையுயர்ந்த இரண்டு தவறுகள் உள்ளன: அதிக கையிருப்பு மற்றும் பணத்தை அலமாரியில் தேங்க விடுவது, அல்லது போதுமான அளவு இருப்பு வைக்காமல் வாடிக்கையாளரை வெறுங்கையுடன் விடுவது. இரண்டுக்கும் ஒரே ஆதாரம் உள்ளது: மோசமான தேவை முன்கணிப்பு. கடந்த விற்பனையிலிருந்து எதிர்காலத்தை கணிக்கும் சக்திவாய்ந்த உதவியாளராக செயற்கை நுண்ணறிவை எவ்வாறு பயன்படுத்துவது என்பதை இந்த யூனிட்டில் நீங்கள் கற்றுக் கொள்வீர்கள். ஆனால் ஆரம்பத்திலிருந்தே சொல்லலாம்: ஒரு கணிப்பு ஒரு தீர்க்கதரிசனம் அல்ல, ஆனால் ஒரு நிகழ்தகவு கணிப்பு. AI உங்களுக்கு ஒரு எண்ணைக் கொடுக்கிறது; அந்த எண்ணை ஆர்டர் செய்யும் முடிவாக மொழிபெயர்ப்பது உங்கள் வேலை.

தேவை முன்னறிவிப்பு: வரலாற்றுத் தரவுகளைப் பார்த்து, காரணிகளைப் பாதிக்கும் வகையில், எதிர்காலத்தில் ஒரு தயாரிப்பு அல்லது வகை எவ்வளவு விற்கப்படும் என்பதைக் கணிக்கும் பணியாகும்.

SKU (ஸ்டாக் கீப்பிங் யூனிட்): இது ஒவ்வொரு வெவ்வேறு தயாரிப்பு-மாறுபாட்டிற்கும் வைக்கப்படும் தனிப்பட்ட பங்குக் குறியீடு. எடுத்துக்காட்டாக, "சிவப்பு, அளவு 42 ஸ்னீக்கர்கள்" என்பது ஒரு SKU ஆகும்; அதே மாதிரியின் எண் 43 ஒரு தனி SKU ஆகும்.

முன்னறிவிப்புக்கு உணவளிக்கும் மூன்று தகவல் ஆதாரங்கள்

ஒரு நல்ல முன்னறிவிப்பு மூன்று விஷயங்களை ஒருங்கிணைக்கிறது:

1. வரலாற்று விற்பனை (அடிப்படை): கடந்த 12-24 மாதங்களில் தயாரிப்பின் வாராந்திர/மாதாந்திர விற்பனை. AI இந்தத் தொடரிலிருந்து "சாதாரண" நிலையைப் பிரித்தெடுக்கிறது.
2. பருவகால மற்றும் காலண்டர் விளைவுகள்: விடுமுறை நாட்கள், பள்ளி காலம், கோடை-குளிர்காலம், வார இறுதி, சம்பள நாள். உதாரணமாக, கோடையில் ஐஸ்கிரீம் அதிகரிக்கிறது மற்றும் குளிர்காலத்தில் சாக்ஸ் அதிகரிக்கிறது.
3. வெளிப்புற காரணிகள்: பிரச்சாரம், விலை மாற்றம், வானிலை, போட்டியாளர் இயக்கம், திறப்பு/மூடுதல். இவை மதிப்பீட்டை மேலே அல்லது கீழே தள்ளும்.

உதவிக்குறிப்பு: "நாங்கள் கடந்த மாதம் 100 விற்றோம்" என்று AI க்கு மட்டும் சொல்லாதீர்கள். "நாங்கள் கடந்த மாதம் 100 விற்றோம், ஆனால் 20% தள்ளுபடி இருந்தது, அது விடுமுறை வாரம்." சூழல் இல்லாமல், கணிப்பு தவறானது.

படிப்படியான கணிப்பு உருவாக்கம்

1. தரவைத் தயாரிக்கவும்: ஒரு அநாமதேய, சுத்தமான அட்டவணை: தேதி, SKU, விற்கப்பட்ட அளவு, விலை, பதவி உயர்வு/உயர்வு இல்லை, கிடைக்கும் தன்மை. கையிருப்பில் இல்லாத நாட்களைக் குறிக்கவும்; இல்லையெனில், செயற்கை நுண்ணறிவு அந்த நாளை "குறைந்த தேவை" என்று நினைக்கும்.
2. சூழலைக் கொடுங்கள்: சீசன், வரவிருக்கும் நிகழ்வுகள், திட்டமிட்ட பிரச்சாரங்கள் ஆகியவற்றை எழுதுங்கள்.
3. முன்னறிவிப்பைக் கோரவும்: SKU அல்லது வகையின்படி ஒரு குறிப்பிட்ட காலத்திற்கு முன்னறிவிப்பு மற்றும் நம்பிக்கை இடைவெளியைக் (மோசமான/சிறந்த சூழ்நிலை) கோரவும்.
4. துல்லியத்தை அளவிடவும்: உங்கள் கடந்தகால கணிப்புகளை யதார்த்தத்துடன் ஒப்பிடுக (கீழே உள்ள MAPE).
5. அதை ஒரு முடிவாக மாற்றவும்: மதிப்பீட்டை பாதுகாப்பு பங்கு மற்றும் பட்ஜெட்டுடன் இணைத்து, ஆர்டர் செய்யும் முடிவை எடுக்கவும்.

வாசிப்பு முன்னறிவிப்பு துல்லியம்: MAPE மற்றும் சார்பு

MAPE (சராசரி முழுமையான சதவீதப் பிழை): உண்மையான விற்பனையிலிருந்து கணிப்புகளின் சராசரி சதவீத விலகலைக் காட்டுகிறது. சூத்திரம் எளிமையாக உள்ளது: |உண்மையான − முன்னறிவிப்பு| ஒவ்வொரு காலத்திற்கும் / உண்மையானது அவற்றின் சராசரி.

• MAPE 10% → மதிப்பீடுகள் சராசரியாக 10% விலகுகின்றன, மிகவும் நல்லது.
• MAPE 40% → முன்னறிவிப்புகள் நம்பகத்தன்மையற்றவை, ஒழுங்கு முடிவெடுக்க அதிக இடையக (பாதுகாப்பு பங்கு) தேவை.

திசை (சார்பு): உங்கள் முன்னறிவிப்பு தொடர்ந்து மேலே உள்ளதா (அதிக ஸ்டாக்கிங் ஆபத்து) அல்லது கீழே (கையிருப்பில் இருப்பதற்கான ஆபத்து) உண்மையா? இதையும் பாருங்கள்; MAPE திசையைக் காட்டாது.

நிலை

பொருள்

வணிக முடிவு

நிலையான உயர் மதிப்பீடு

நீங்கள் கோரிக்கையை பெரிதுபடுத்துகிறீர்கள்

அதிகப்படியான இருப்பு, கரைதல், மார்ஜின் இழப்பு

தொடர்ந்து குறைத்து மதிப்பிடல்

நீங்கள் தேவையை குறைத்து மதிப்பிடுகிறீர்கள்

இருப்பு இல்லை, தவறவிட்ட விற்பனை, அதிருப்தி

உயர் மேப், சீரான திசை

நிச்சயமற்ற தன்மை அதிகமாக உள்ளது

பாதுகாப்பு இருப்பை அதிகரிக்கவும், அடிக்கடி மதிப்பாய்வு செய்யவும்

குறைந்த MAPE

துல்லியமான கணிப்பு

மெலிந்த பங்கு, சிறந்த பணம்

சிறிய வழக்குகள்

வழக்கு 1 — தவறவிட்ட பருவநிலை: ஒரு மளிகைக் கடை கடந்த ஆண்டு ஜூலை மாத விற்பனையின் அடிப்படையில் பள்ளி குறிப்பேடுகளை ஆர்டர் செய்கிறது (மாதத்திற்கு 200 யூனிட்கள்). "ஆகஸ்ட்-செப்டம்பர் பள்ளி பருவம், கடந்த ஆண்டு இந்த காலகட்டத்தில் விற்பனை நான்கு மடங்காக அதிகரித்தது" என்ற சூழலை செயற்கை நுண்ணறிவு வழங்கும்போது, ​​கணிப்பு 200 க்கு பதிலாக 780 யூனிட்களாக அதிகரிக்கிறது. சரியான வரிசைக்கு நன்றி, பள்ளி ஆண்டில் உங்கள் இருப்பு தீர்ந்துவிடாது; முந்தைய ஆண்டு தப்பிய 60,000 TL விற்றுமுதல் இந்த ஆண்டு பிடிக்கப்படுகிறது.

வழக்கு 2 — ஸ்டாக் இல்லாத நாளைக் கணக்கிடவில்லை: ஒரு கடையில் 3 வாரங்களுக்கு பிரபலமான காபி ஸ்டாக் இல்லை. மூல தரவுகளைப் பார்க்கும்போது, ​​செயற்கை நுண்ணறிவு அந்த வாரங்களை "வாரத்திற்கு 5 விற்பனை" என்று பார்த்து, குறைந்த மதிப்பீட்டைக் கொடுக்கிறது. ஆய்வாளர் கையிருப்பு இல்லாத நாட்களைக் குறிக்கும் போது, ​​"இந்த வாரங்கள் தேவையைப் பிரதிபலிக்கவில்லை" என்று கூறும்போது, ​​முன்னறிவிப்பு வாரத்திற்கு 45 ஆக அதிகரிக்கிறது. உண்மையான தேவை வெளிப்படுகிறது.

வழக்கு 3 — பிரச்சார விளைவைப் பொதுமைப்படுத்துதல்: ஒரு ஜவுளிச் சங்கிலி 50% தள்ளுபடி வார விற்பனையை (600 யூனிட்கள்) "சாதாரணமாக" கருதுகிறது மற்றும் தொடர்ந்து 600 ஆர்டர் செய்கிறது. செயற்கை நுண்ணறிவு "இந்த விற்பனை ஒரு முறை பிரச்சாரத்துடன் செய்யப்பட்டது, சாதாரண வாரம் 180" என்று கூறப்பட்டால், கணிப்பு சரி செய்யப்பட்டது. அதிக ஸ்டாக் மற்றும் அடுத்தடுத்த மார்க் டவுன் இழப்பு ஆபத்து தடுக்கப்படுகிறது.

கணிப்பு அடிவானம்: எவ்வளவு தூரம் முன்னால் பார்க்க முடியும்?

முன்னறிவிப்பு அடிவானம்: எவ்வளவு தூரம் எதிர்காலத்தில் முன்னறிவிப்பு செய்யப்படுகிறது. விதி எளிதானது: அடிவானம் நீளமானது, நிச்சயமற்ற தன்மை அதிகமாகும். அடுத்த வார விற்பனையை ஒப்பீட்டளவில் துல்லியமாக கணிக்கிறீர்கள்; ஆறு மாதங்களுக்குப் பிறகு மிகவும் பரந்த அளவில். எனவே ஆர்டர் முடிவின் தேவைக்கு ஏற்ப முன்னறிவிப்பு அடிவானத்தைத் தேர்ந்தெடுக்கவும்: குறுகிய அடிவானம் மற்றும் வேகமாக இயங்கும் புதிய தயாரிப்புக்கான அடிக்கடி புதுப்பித்தல்; நீண்ட லீட் நேரங்களுடன் இறக்குமதி செய்யப்பட்ட தயாரிப்புக்கான நீண்ட அடிவானம் மற்றும் பரந்த அளவிலான பாதுகாப்பு.

மற்றொரு முக்கியமான வேறுபாடு புதிய தயாரிப்பு முன்கணிப்பு. ஒரு புதிய SKU கடந்த விற்பனை இல்லை; இந்த வழக்கில், நீங்கள் AI க்கு ஒத்த தயாரிப்புகளின் வரலாறு (அனலாக்), வகை சராசரி மற்றும் வெளியீட்டுத் திட்டத்தை வழங்குகிறீர்கள். "இந்த தயாரிப்புக்கு வரலாறு இல்லை; முதல் 8 வாரங்களில் இதே போன்ற தயாரிப்புகள் X மற்றும் Y ஆகியவற்றைப் பார்த்து ஆரம்ப மதிப்பீட்டைக் கொடுங்கள்" என்று கூறுவது வெற்றிடத்தை நிரப்புவதற்கான நியாயமான வழியாகும். இருப்பினும், புதிய தயாரிப்பு முன்கணிப்பு எப்போதும் ஆபத்தானது; முதல் வாரங்களுக்கான உண்மையான தரவு கிடைக்கும்போது முன்னறிவிப்பை விரைவாகத் திருத்தவும்.

எச்சரிக்கை: மதிப்பீட்டை "ஒருமுறை செய்துவிட்டு மறந்துவிடு" சிகிச்சையாக கருத வேண்டாம். தேவை முன்னறிவிப்பு ஒரு நேரடி செயல்முறை; ஒவ்வொரு புதிய விற்பனை வாரமும் முன்னறிவிப்பைப் புதுப்பிக்க ஒரு வாய்ப்பாகும். சிறந்த முன்னறிவிப்பாளர்கள் புத்திசாலித்தனமான மாடலைப் பயன்படுத்தாமல், அடிக்கடி புதுப்பிக்கும் ஒன்றைப் பயன்படுத்துபவர்கள்.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

இந்த தயாரிப்பு அடுத்த மாதம் எவ்வளவு விற்கப்படும் என்று சொல்லுங்கள்.

சூழல் இல்லை; AI ஒரு சீரற்ற எண்ணை உருவாக்குகிறது.

சக்திவாய்ந்த தூண்டுதல்:

உங்கள் பங்கு: தேவை திட்டமிடல் நிபுணர். தரவு: SKU 4471க்கான கடந்த 18 மாதங்களுக்கான மாதாந்திர விற்பனை அளவு மற்றும் விலை மற்றும் அந்த மாதத்தில் பிரச்சாரம் உள்ளதா என்பது கீழே கொடுக்கப்பட்டுள்ளது. சூழல்: இந்த தயாரிப்பு கோடை செருப்புகள்; மே-ஆகஸ்ட் மாதங்களில் தேவை உச்சத்தை அடைகிறது. அடுத்த மாதம் ஜூன். எந்த பிரச்சாரமும் திட்டமிடப்படவில்லை. விலை நிர்ணயிக்கப்பட்டுள்ளது.பணி: (1) ஜூன் மாதத்திற்கான எதிர்பார்க்கப்படும் விற்பனை அளவு, (2) மோசமான மற்றும் சிறந்த சூழ்நிலை வரம்பு, (3) முன்னறிவிப்பை பாதிக்கும் 2 முக்கிய காரணிகள். விதி: கையிருப்பில் இல்லை எனக் குறிக்கப்பட்ட மாதங்களைக் குறைவான தேவை எனக் கணக்கிட வேண்டாம். கொடுக்கப்பட்ட தரவின் அடிப்படையில் மட்டுமே. தரவு: [அட்டவணையை ஒட்டவும்]

நகலெடுக்கக்கூடிய உடனடி வார்ப்புருக்கள்

1) SKU அடிப்படையிலான கணிப்பு

உங்கள் பங்கு: தேவை திட்டமிடல் நிபுணர். பின்வரும் அநாமதேய மாதாந்திர விற்பனைத் தொடரிலிருந்து [SKU]க்கான எதிர்கால [காலம்] முன்னறிவிப்பை உருவாக்கவும். வெளியீடு: எதிர்பார்க்கப்படும் அளவு + மோசமான/சிறந்த வரம்பு + 2 அனுமானங்கள். கையிருப்பில் இல்லை எனக் குறிக்கப்பட்ட காலங்களை விலக்கு. தரவு: [ஒட்டு]

2) பருவகால முறை நீக்கம்

கீழே உள்ள 24 மாத விற்பனைத் தொடரில் தொடர்ச்சியான பருவகால வடிவத்தைக் கண்டறியவும். எந்த மாதங்கள் மேல் மற்றும் எந்த மாதங்கள் கீழே உள்ளன? சராசரியிலிருந்து விலகலை சதவீதமாகக் கொடுங்கள். அதை அட்டவணை வடிவத்தில் வழங்கவும். தரவு: [ஒட்டு]

3) கணிப்பு துல்லிய மதிப்பீடு

எனது வரலாற்று மதிப்பீடுகளும் உண்மையான விற்பனையும் கீழே உள்ளன. (1) MAPEஐக் கணக்கிடுங்கள், (2) எனது முன்னறிவிப்பு தொடர்ந்து அதிகமாகவோ அல்லது குறைவாகவோ நகர்கிறது, (3) பங்குக்கு இது என்ன அர்த்தம்? படிப்படியாகக் காட்டு. தரவு: [மதிப்பீடு, உண்மையான நெடுவரிசைகள்]

4) பிரச்சார தாக்கத்தை பிரித்தெடுக்கவும்

பிரச்சார வாரங்கள் கீழே உள்ள விற்பனைத் தொடரில் குறிக்கப்பட்டுள்ளன. சாதாரண (பிரசாரம் அல்லாத) தேவையை மதிப்பிடுங்கள்; பிரச்சார விளைவை தனி லிப்ட் சதவீதமாக கொடுங்கள். எனவே நான் சாதாரண ஆர்டர் அளவைப் பார்க்க விரும்புகிறேன். தரவு: [ஒட்டு]

பொதுவான தவறுகள்

• சூழல் கொடுக்கவில்லை: பிரச்சாரம், சீசன், விலை மாற்றம் குறிப்பிடப்படவில்லை என்றால், கணிப்பு தவறாக இருக்கும்.
• கையிருப்பில் இல்லாத நாட்களை தேவையாகக் கணக்கிட வேண்டுமா: கையிருப்பில் இல்லாத காலம் உண்மையான தேவையை மறைக்கிறது; குறி.
• விளம்பர விற்பனையை சாதாரணமாக ஏற்றுக்கொள்வது: ஒரு முறை அதிகரிப்பு நிரந்தரமானது என்று நினைப்பது அதிகப்படியான இருப்புக்கு வழிவகுக்கும்.
• ஒற்றை எண்ணை நம்புவது: வரம்பை (சூழல்) விரும்பாதது மற்றும் ஒரு புள்ளியை நம்புவது ஆபத்தை மறைக்கிறது.
• துல்லியத்தை அளவிடவே இல்லை: MAPE மற்றும் திசை கண்காணிக்கப்படாவிட்டால், கணிப்பு மேலும் மோசமாகும்.
• மதிப்பீடுகளுடன் நேரடியாக ஆர்டர் செய்தல்: பணம், கிடங்கு மற்றும் அடுக்கு வாழ்க்கை கட்டுப்பாடு இல்லாமல் ஆர்டர் செய்தல்.

சுருக்கமாக

நல்ல முன்கணிப்பு கடந்த விற்பனை, பருவநிலை மற்றும் வெளிப்புற காரணிகளை ஒருங்கிணைக்கிறது. AI க்கு சூழலை (பிரசாரம், சீசன், கையிருப்பில் இல்லாத நாட்கள்) கொடுக்க மறக்காதீர்கள். MAPE மற்றும் சார்பு திசையுடன் முன்னறிவிப்பு துல்லியத்தை கண்காணிக்கவும்; அதிக நிச்சயமற்ற நிலையில் பாதுகாப்பு இருப்பை அதிகரிக்கவும். ஒரு கணிப்பு ஒரு கணிப்பு; பட்ஜெட் மற்றும் கட்டுப்பாடுகளுடன், இறுதி வரிசைப்படுத்தும் முடிவு உங்களுடையது.

விண்ணப்ப பணி

கடந்த 12-18 மாதங்களில் உங்களின் முதல் 5 சிறந்த விற்பனையான SKUகளின் விற்பனையை அநாமதேய அட்டவணையில் பெற்று, ஸ்டாக் மற்றும் பிரச்சாரக் காலங்களைக் குறிக்கவும். "1) SKU-அடிப்படையிலான முன்னறிவிப்பு" ப்ராம்ட் மூலம் எதிர்கால முன்னறிவிப்பை உருவாக்கவும், பின்னர் "3) முன்னறிவிப்பு துல்லிய மதிப்பீடு" மூலம் உங்கள் கடந்தகால முன்னறிவிப்புகளின் MAPEஐ பிரித்தெடுக்கவும். உங்கள் சொந்த ஆர்டர் முடிவுடன் முடிவை ஒப்பிடுக.

சரிபார்ப்பு பட்டியல்

• [ ] எனது விற்பனைத் தரவை அநாமதேயமாக்கி சுத்தம் செய்தேன்.
• [ ] நான் ஸ்டாக் மற்றும் பிரச்சாரக் காலங்களைக் குறித்தேன்.
• [ ] நான் AI க்கு பருவம் மற்றும் வெளிப்புற காரணி சூழலைக் கொடுத்தேன்.
• [ ] எனக்கு ஒரு காட்சி வரம்பு வேண்டும், ஒரு எண் இல்லை.
• [ ] நான் MAPE மற்றும் yaw திசையை சரிபார்த்தேன்.
• [ ] பட்ஜெட் மற்றும் கட்டுப்பாடுகளின் அடிப்படையில் ஆர்டர் செய்யும் முடிவை எடுத்தேன்.