தேவை முன்னறிவிப்பு: நேரத் தொடர், பருவநிலை மற்றும் நிச்சயமற்ற தன்மையை நிர்வகித்தல்

ஆதாயங்கள்:

• நேரத் தொடர், போக்கு, பருவநிலை மற்றும் பிரச்சார தாக்கம் ஆகியவற்றின் கருத்துகளைப் புரிந்துகொள்வதற்கான திறன் மற்றும் சரியான கேள்விகள் மற்றும் சுத்தமான தரவுகளுடன் தேவை முன்னறிவிப்புக்கு செயற்கை நுண்ணறிவைப் பயன்படுத்துதல்.
• முன்னறிவிப்பு துல்லியம் (MAPE, விலகல்) மற்றும் நிச்சயமற்ற தன்மை (நம்பிக்கை இடைவெளி, காட்சிகள்) மற்றும் ஒரு எண்ணை விட வரம்பில் அடிப்படை திட்டமிடல் ஆகியவற்றைப் புரிந்துகொள்ளும் திறன்
• செயற்கை நுண்ணறிவு முன்னறிவிப்பு என்பது வரலாற்றுத் தரவுகளை அடிப்படையாகக் கொண்டது என்பதையும், புதிய தயாரிப்புகள், விளம்பரங்கள் அல்லது விநியோக நெருக்கடிகள் போன்ற இடைவேளைகளில் நிபுணர்களின் தீர்ப்பு முன்னுக்கு வரும் என்பதையும் வேறுபடுத்தி அறிய முடிகிறது.

விநியோகச் சங்கிலியின் ஒவ்வொரு முடிவும் ஒரு கேள்வியை அடிப்படையாகக் கொண்டது: எவ்வளவு தேவை இருக்கும்? இந்தக் கேள்விக்கு நீங்கள் எவ்வளவு துல்லியமாகப் பதிலளிக்கிறீர்களோ, அவ்வளவு குறைவாகப் பங்கு வைத்திருக்கிறீர்கள், குறைவாக இருப்பீர்கள், மேலும் குறைவான பணத்தைக் கட்டுகிறீர்கள். தேவை முன்னறிவிப்பு என்பது விநியோகச் சங்கிலியின் இயந்திரம்; பங்கு, கொள்முதல், உற்பத்தி மற்றும் போக்குவரத்துத் திட்டங்கள் அனைத்தும் இங்கிருந்து அளிக்கப்படுகின்றன. இந்த துறையில் செயற்கை நுண்ணறிவு மிகவும் சக்தி வாய்ந்தது, ஏனெனில் இது மனிதனை விட மிக வேகமாக ஆயிரக்கணக்கான தயாரிப்புகளின் வரலாற்றை ஸ்கேன் செய்து வடிவங்களை பிரித்தெடுக்கிறது. ஆனால் அதன் சக்தியின் ஆதாரமும் அதன் வரம்பு: AI கடந்த காலத்திலிருந்து கற்றுக்கொள்கிறது; எதிர்காலம் கடந்த காலத்தை ஒத்திருக்கவில்லை என்றால், அது தவறு. இந்த யூனிட்டில், கணிப்பு, துல்லியத்தை அளவிடுதல், நிச்சயமற்ற தன்மையை நிர்வகித்தல் மற்றும் AI உங்களிடம் எங்கு சரணடைய வேண்டும் என்பதை நாங்கள் கற்றுக்கொள்வோம்.

முன்கணிப்பு மொழி: நேரத் தொடர், போக்கு, பருவநிலை

தேவை தரவு பொதுவாக நேரத் தொடராகும் - ஒரு பொருளின் ஒவ்வொரு நாளின் விற்பனை போன்ற நேரத்தால் வரிசைப்படுத்தப்படும் எண்களின் தொடர். இந்த வரிசையை மூன்று பகுதிகளாகப் பிரிப்பது கணிப்பின் அடிப்படை:

போக்கு, நீண்ட கால திசை: ஆண்டுதோறும் விற்பனை அதிகரித்து வருகிறதா அல்லது குறைகிறதா? பருவநிலை, தொடர்ந்து மீண்டும் மீண்டும் ஏற்ற இறக்கம்: ஐஸ்கிரீம் கோடையில் விற்கப்படுகிறது, ஹீட்டர் குளிர்காலத்தில் விற்கிறது; வெள்ளி மற்றும் சனிக்கிழமைகளில் சந்தை பரபரப்பாக இருக்கும். சத்தம், விவரிக்கப்படாத சீரற்ற விளையாட்டு. ஒரு நல்ல முன்னறிவிப்பு போக்கு மற்றும் பருவநிலையைப் பிடிக்கிறது மற்றும் சத்தத்தால் ஏமாறுவதில்லை. இவற்றின் மேல், நிகழ்வுகள் குவிகின்றன: பிரச்சாரம், பதவி உயர்வு, பொது விடுமுறை, வானிலை, போட்டியாளர் நகர்வு. நீங்கள் AI கணிக்கும்போது, ​​இந்த நிகழ்வுகளைச் சொல்ல வேண்டும்; நீங்கள் அவரிடம் சொல்லவில்லை என்றால், அவர் பிரச்சார நாளில் குதிப்பது "சாதாரணமானது" என்று நினைத்து எதிர்காலத்தைப் பற்றி தவறாகப் புரிந்துகொள்வார்.

உதவிக்குறிப்பு: AIக்கு மூல விற்பனைத் தரவை வழங்கும்போது, ​​பிரச்சாரங்கள், விடுமுறை நாட்கள் மற்றும் கையிருப்பில் இல்லாத நாட்களைக் குறிக்கவும். ஸ்டாக் இல்லாத நாள் முக்கியமானது: அந்த நாளில் விற்பனை குறைவாகவே தெரிகிறது, ஆனால் உண்மையான தேவை அதிகமாக இருந்தது, பொருட்கள் எதுவும் கிடைக்கவில்லை. இதை நீங்கள் குறிப்பிடவில்லை என்றால், AI உண்மையான தேவையை குறைத்து மதிப்பிடும்.

துல்லியத்தை அளவிடுதல்: MAPE மற்றும் சார்பு

"முன்கணிப்பு நல்லதா?" கேள்விக்கான பதில் அளவீட்டில் இருந்து வருகிறது, உணர்வு அல்ல. மிகவும் பொதுவான காட்டி MAPE (சராசரி முழுமையான சதவீத பிழை — சராசரியாக எத்தனை சதவீத புள்ளிகள் கணிப்புகள் யதார்த்தத்திலிருந்து விலகுகின்றன). MAPE 10% ஆக இருந்தால், உங்கள் கணிப்புகள் உண்மையான மதிப்பை சராசரியாக 10% இழக்கின்றன என்று அர்த்தம்; குறைந்த MAPE சிறந்தது. இரண்டாவது முக்கியமான கருத்து சார்பு: உங்கள் முன்னறிவிப்பு தொடர்ந்து மேலே உள்ளதா (ஓவர் ஸ்டாக்கை உருவாக்குகிறது) அல்லது அண்டர்ஸ்டாக்கிங் (அண்டர்ஸ்டாக் விட்டு) உண்மையா? ஒரு முன்னறிவிப்பு குறைந்த MAPE ஐக் கொண்டிருந்தாலும், அது எப்போதும் ஒரே திசையில் விலகினால், முறையான சிக்கல் உள்ளது.

நீங்கள் AI க்கு வரலாற்றின் ஒரு பகுதியை "பயிற்சி" என்றும், அதன் ஒரு பகுதியை "சோதனை" என்றும் வழங்கலாம் மற்றும் அதன் கணிப்பை யதார்த்தத்துடன் ஒப்பிடலாம். நம்பிக்கையை வளர்ப்பதற்கான நேர்மையான வழி இதுதான்: பார்க்காத தரவுகளில் மாதிரியை சோதிப்பது. ஒரு கணிப்பு கடந்த காலத்தில் நிலையானதாக நிரூபிக்கப்பட்டால் மட்டுமே எதிர்காலத்திற்குப் பொருந்தும்.

எச்சரிக்கை: எந்த கணிப்பும் 100% துல்லியமாக இல்லை; இது நடக்கும் என்று எதிர்பார்க்கப்படவில்லை. இலக்கு சரியான ஒற்றை எண்ணை உருவாக்குவது அல்ல, ஆனால் விலகலை அறிந்து நிர்வகிக்கக்கூடிய வரம்பை உருவாக்குவது. "கணிப்பு உண்மையாகிவிட்டது / அது வேலை செய்யவில்லை" என்ற பைனரி யோசனை தவறானது; சரியான கேள்வி "அது எவ்வளவு விலகியது மற்றும் அதற்கேற்ப நான் எவ்வளவு இடையகத்தை வைத்தேன்?"

நிச்சயமற்ற தன்மையை நிர்வகித்தல்: வரம்பு, ஒற்றை எண் அல்ல

திட்டமிடுபவரின் மிகவும் ஆபத்தான பழக்கம், முன்னறிவிப்பை ஒரு கடினமான எண்ணாகக் கருதுவதாகும். உண்மையில், ஒவ்வொரு முன்னறிவிப்புக்கும் ஒரு நம்பிக்கை இடைவெளி உள்ளது - "அடுத்த மாதம் தேவை 900 முதல் 1,100 வரை இருக்கலாம்." பரந்த இந்த வரம்பு, அதிக நிச்சயமற்ற தன்மை. வரம்பை அறிவது உங்கள் பங்கு முடிவை நேரடியாகப் பாதிக்கிறது: குறுகிய வரம்பிற்கு குறைவான பாதுகாப்பு இருப்பு தேவைப்படுகிறது, பரந்த வரம்பிற்கு அதிக இடையக தேவைப்படுகிறது.

எனவே எப்பொழுதும் AIயிடம் காட்சிகளைக் கேளுங்கள்: அவநம்பிக்கை (தேவை குறைவாக இருந்தால்), எதிர்பார்க்கப்படும் மற்றும் நம்பிக்கை (தேவை அதிகமாக இருந்தால்). மூன்று காட்சிகளைப் பார்த்தால், இந்தத் திட்டம் ஒரு அனுமானத்தின் அடிப்படையில் அல்ல மாறாக சாத்தியமான சாத்தியக்கூறுகளின் வரம்பில் அமைந்துள்ளது. "லாக் இன் சிங்கிள் நம்பர்" பொறியில் இருந்து வெளியேற இது மிகவும் நடைமுறை வழி.

படிப்படியாக: AI உடன் டிமாண்ட் முன்கணிப்பு ஆய்வு

1. தெளிவான தரவு. விடுபட்ட நாட்கள், கையிருப்பில் இல்லாத நாட்கள், திறந்த பிழையான பதிவுகளைக் குறிக்கவும்; அநாமதேய தயாரிப்பு குறியீட்டுடன் வேலை செய்யுங்கள்.
2. நிகழ்வுகளைக் குறிக்கவும். பிரச்சாரம், விடுமுறை மற்றும் விளம்பர நாட்களை தரவுகளில் சேர்க்கவும்.
3. வடிவத்தை கழிக்கவும். போக்குகள், பருவநிலை மற்றும் குறிப்பிடத்தக்க நிகழ்வுகளை சுருக்கமாகக் கூற AI ஐக் கேளுங்கள்.
4. சோதித்துப் பாருங்கள். வரலாற்றின் கடைசி பகுதியை சேமிக்கவும், AI கணிக்கட்டும், யதார்த்தத்துடன் ஒப்பிடவும் (MAPE மற்றும் சார்பு திசை).
5. ஒரு காட்சியை உருவாக்கவும். அவநம்பிக்கை/எதிர்பார்க்கப்படும்/நம்பிக்கையான மூன்று கணிப்புகள் மற்றும் ஒவ்வொன்றிற்கும் நம்பிக்கை இடைவெளியைக் கேளுங்கள்.
6. நிபுணர் வடிகட்டி. அறியப்பட்ட வரவிருக்கும் இடையூறுகள் (புதிய தயாரிப்பு, விநியோக நெருக்கடி, சட்டம்) பற்றி AIக்குத் தெரியாது; அவற்றை கைமுறையாகச் சேர்க்கவும். இறுதித் திட்டம் உங்களுடையது.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - பருவகாலத்தை கைப்பற்றுதல். ஒரு பான விநியோகஸ்தர் கோடை மாதங்களில் கையிருப்பு இல்லாமல் இருப்பதாகவும், குளிர்காலத்தில் பொருட்களை எடுத்துச் செல்வதாகவும் புகார் கூறினார். திட்டமிடுபவர் YZ க்கு 3 வருட அநாமதேய தினசரி விற்பனையைக் கொடுத்தார், மேலும் பருவநிலையை அகற்றினார்: ஜூன்-ஆகஸ்ட் தேவை குளிர்கால சராசரியை விட 2.4 மடங்கு அதிகமாக இருந்தது, மேலும் ஒவ்வொரு ஆண்டும் மே மாதத்தின் நடுப்பகுதியில் ஜம்ப் தொடங்கியது. இந்த முறையின்படி, அவர் தனது கோடைகால பங்குகளை 3 வாரங்களுக்கு முன்பே அமைத்தார்; கோடைகால டெட் ஸ்டாக் 70% குறைந்துள்ளது, குளிர்கால டெட் ஸ்டாக் குறைந்தது. AI வடிவத்தைக் காட்டியது; திட்டமிடுபவர் பங்கு முடிவை எடுத்தார்.

வழக்கு 2 - புதிய தயாரிப்பை வழங்குதல். ஒரு நிறுவனம் புத்தம் புதிய தயாரிப்பை அறிமுகப்படுத்தப் போகிறது; வரலாற்று விற்பனை தரவு எதுவும் இல்லை. திட்டமிடுபவர் AIயிடம் கேட்டார், "முதல் 3 மாதங்களுக்கு என்ன தேவை இருக்கும்?" என்று கேட்டான். AI நியாயமானதாகத் தோன்றிய எண்ணை உருவாக்கியது - ஆனால் அது ஆதாரமற்றது என்று திட்டமிடுபவர் அறிந்திருந்தார்: தரவு எதுவும் இல்லை. அதற்கு பதிலாக, AI கேட்கிறது "கடந்த காலத்தில் இதே போன்ற பிரிவுகளில் வெளியிடப்பட்ட தயாரிப்புகளின் முதல் 3-மாத முறை என்ன?" பகுப்பாய்வு மற்றும் முன்னறிவிப்பு வரம்பாக அமைக்கவும், எச்சரிக்கையான தொடக்கப் பங்குடன். நிபுணர்களின் தீர்ப்பு AIயின் கற்பனையான நம்பிக்கையை நிராகரித்தது.

வழக்கு 3 - ஸ்டாக்லெஸ் என்பது நாளின் பொறி. ஒரு பகுப்பாய்வாளர் ஒரு தயாரிப்புக்கான தேவை குறைந்துவிட்டது என்று முடிவுசெய்து, சரக்குகளைக் குறைக்க பரிந்துரைத்தார். தரவுகளில் குறைந்த விற்பனை நாட்கள் உண்மையில் கையிருப்பில் இல்லாத நாட்கள் என்பதை அவரது மூத்த சக ஊழியர் கவனித்தார்: தேவை குறையவில்லை, பொருட்கள் எதுவும் இல்லை. இந்தக் குறிப்பைக் கொண்டு டேட்டாவைச் சரிசெய்து மீண்டும் AIக்குக் கொடுத்தபோது, ​​உண்மையான தேவை அதிகரித்தது தெரிந்தது. தவறாக சுத்தம் செய்யப்பட்ட தரவு தவறான கணிப்புகளை உருவாக்குகிறது.

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) பேட்டர்ன் பிரித்தெடுத்தல்:

உங்கள் பங்கு: உதவி தேவை திட்டமிடல் ஆய்வாளர். கடந்த 36 மாதங்களில் ஒரு தயாரிப்பின் (அநாமதேயக் குறியீடு: PRODUCT-X) மாதாந்திர விற்பனைத் தரவு கீழே உள்ளது. பிரச்சார மாதங்கள் [மாத பட்டியல்], பங்கு இல்லாத மாதங்கள் [மாத பட்டியல்]. பணி: (1) போக்கு, (2) பருவகால முறை, (3) குறிப்பிடத்தக்க நிகழ்வுகளை சுருக்கவும். கையிருப்பு இல்லாத மாதங்கள் உண்மையான தேவையை மறைக்கின்றன என்பதைக் கவனத்தில் கொள்ளுங்கள். நான் தரவை வழங்காத மாதம் இட்டுக்கட்டப்பட்டது.

2) துல்லிய சோதனை:

கீழே உள்ள 36 மாதங்களில் முதல் 30 மாதங்களைப் பயன்படுத்தி கடந்த 6 மாதங்களைக் கணிக்கவும். பின்னர் எனது கணிப்பைக் கடந்த 6 மாதங்களுக்கு ஒப்பிட்டுப் பாருங்கள்; ஒவ்வொரு மாதத்திற்கும் விலகல் மற்றும் மொத்த MAPE ஆகியவற்றைக் கணக்கிடவும். உங்கள் கணிப்பு தொடர்ந்து பாரபட்சமாக இருந்தால் சொல்லுங்கள். சூத்திரத்தைக் காட்டு.

3) காட்சி முன்னறிவிப்பு:

இந்த தயாரிப்புக்கான அடுத்த காலாண்டின் மாதாந்திர தேவையை 3 சூழ்நிலைகளில் மதிப்பிடவும்: அவநம்பிக்கை / எதிர்பார்க்கப்படுகிறது / நம்பிக்கை. ஒவ்வொரு காட்சிக்கும் ஒரு நம்பிக்கை இடைவெளியைக் கொடுத்து, அது எந்த அனுமானத்தை அடிப்படையாகக் கொண்டது என்பதை எழுதவும். இது திட்டவட்டமானதல்ல ஆனால் திட்டமிடலுக்கான இடைவெளி என்பதை நினைவில் கொள்ளவும்.

4) உடைப்பு கட்டுப்பாடு:

பின்வரும் வரவிருக்கும் நிகழ்வுகளால் நான் உங்களுக்கு வழங்கிய வரலாற்றுத் தரவுகளின் அடிப்படையில் முன்னறிவிப்பு எவ்வாறு செல்லாததாக்கப்படலாம் என்பதைப் பட்டியலிடுங்கள்: [புதிய தயாரிப்பு / பதவி உயர்வு / விநியோக நெருக்கடி / ஒழுங்குமுறை மாற்றம்]. ஒவ்வொன்றிற்கும் முன்னறிவிப்பை நான் எவ்வாறு கைமுறையாக சரிசெய்ய வேண்டும் என்று பரிந்துரைக்கவும்.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

அடுத்த மாதம் எவ்வளவு விற்பனை செய்வேன்?

தரவு இல்லை, தயாரிப்பு இல்லை, சூழல் இல்லை. AI நிராகரிக்கிறது அல்லது உருவாக்குகிறது; எந்த முடிவும் வேலை செய்யாது.

சக்திவாய்ந்த தூண்டுதல்:

உங்கள் பங்கு: தேவை திட்டமிடல் உதவியாளர். கடந்த 24 மாதங்களில் PRODUCT-X இன் விற்பனைகள் கீழே உள்ளன; பிரச்சார மாதங்கள் மற்றும் பங்கு இல்லாத மாதங்கள் குறிக்கப்பட்டுள்ளன. அடுத்த 3 மாதங்களுக்கு அவநம்பிக்கையான/எதிர்பார்க்கப்படும்/நம்பிக்கையான முன்னறிவிப்பை வழங்கவும், ஒவ்வொன்றிற்கும் நம்பிக்கை இடைவெளியைச் சேர்க்கவும், கடந்த சோதனையில் MAPEஐக் காட்டவும். இறுதி பங்கு முடிவு என்னிடம் இருப்பதாகக் காட்டிக்கொள்.

அணுகுமுறை

தாக்கியது

நிச்சயமற்ற மேலாண்மை

ஆபத்து

ஒற்றை எண்ணை நம்புங்கள்

தவறாக வழிநடத்தும்

இல்லை

உயர் - திட்டம் சரிந்தது

காட்சி + வரம்பு

யதார்த்தமான

நல்லது

குறைந்த

வெறும் உள்ளுணர்வு

மாறி

பலவீனமான

நடுத்தர உயர்

AIக்கு கண்மூடித்தனமாக கீழ்ப்படிதல்

மாறி

இல்லை

உயர்

பொதுவான தவறுகள்

• உண்மையான குறைந்த தேவைக்காக ஸ்டாக்-அவுட் நாளை தவறாகப் புரிந்துகொள்வது. பொருட்கள் கிடைக்காதபோது, ​​விற்பனை குறைவாகவே தோன்றும்; இது தேவை குறைந்துவிட்டது என்று அர்த்தமல்ல.
• ஒற்றை எண்ணில் பூட்டுதல். கணிப்பை ஒரு முழுமையான உண்மையாகப் பார்ப்பது என்பது நிச்சயமற்ற தன்மையைப் புறக்கணிப்பதாகும்; எப்போதும் வரம்பு மற்றும் காட்சியைக் கேளுங்கள்.
• பிரச்சாரத்தை குறியிடவில்லை. விளம்பர துள்ளல் "சாதாரணமானது" என்று நினைக்கும் மாதிரி எதிர்காலத்தை சிதைக்கிறது.
• வரலாறு இல்லாமல் புதிய தயாரிப்புக்கான கணிப்பு. தரவு இல்லாத தயாரிப்புக்கான AI இன் பாதுகாப்பான எண்ணிக்கை ஆதாரமற்றது.
• பிரேக்கிங்கை AIக்கு விட்டுவிடுகிறோம். தொற்றுநோய்கள், விநியோக நெருக்கடிகள் மற்றும் சட்டம் போன்ற கட்டமைப்பு முறிவுகள் AIக்குத் தெரியாது; நிபுணர் தலையீடு செய்யப்பட வேண்டும்.

எச்சரிக்கை: ஒரு கணிப்பு எவ்வளவு நன்றாக இருந்தாலும், அது அடிப்படையாகக் கொண்ட தரவின் தரத்தை விட சிறப்பாக இருக்க முடியாது. "குப்பை உள்ளே, குப்பை வெளியே." தரவுகளை சுத்தம் செய்வதில் அதிக நேரத்தை செலவிடுங்கள்; மாதிரி பகுதி மீதமுள்ளவற்றைச் செய்கிறது.

சுருக்கமாக

தேவை முன்னறிவிப்பு என்பது விநியோகச் சங்கிலியின் இயந்திரம், மேலும் AI என்பது இந்த இயந்திரத்தைத் துரிதப்படுத்தும் சக்திவாய்ந்த உதவியாளர். ஆனால் AI கடந்த காலத்திலிருந்து கற்றுக்கொள்கிறது; எதிர்காலம் கடந்த காலத்தை ஒத்திருக்கவில்லை என்றால் அது தவறாகும். போக்கு மற்றும் பருவகாலத்தைப் படம்பிடித்தல், நிகழ்வுகளைக் குறியிடுதல், MAPE மற்றும் ட்ரிஃப்ட் திசையைக் கொண்டு துல்லியத்தை அளவிடுதல், ஒற்றை எண்ணாக இல்லாமல், காட்சி மற்றும் வரம்பாக முன்னறிவிப்பை அமைக்கவும். புதிய தயாரிப்புகள் மற்றும் கட்டமைப்பு முறிவுகளில் நிபுணர் தீர்ப்பு முதலில் வருகிறது. தரவு சுத்திகரிப்பு எல்லாவற்றுக்கும் அடித்தளம்; இறுதித் திட்டம் உங்களுடையது.

விண்ணப்ப பணி

உங்கள் சொந்த தயாரிப்புகளில் ஒன்றின் (அல்லது அனுமான தயாரிப்பு) கடந்த 12-24 மாத விற்பனைத் தரவைப் பெறவும், பிரச்சாரம் மற்றும் ஸ்டாக் இல்லாத மாதங்களைக் குறிக்கவும். "சூழல் முன்கணிப்பு" டெம்ப்ளேட்டுடன் மூன்று காட்சிகளை AI யிடம் கேளுங்கள். பின்னர் வரலாற்றில் சிலவற்றை "துல்லியத்தன்மை சோதனை" டெம்ப்ளேட்டுடன் சேமித்து, கணிப்பை யதார்த்தத்துடன் ஒப்பிடவும். நீங்கள் கண்டறிந்த MAPE மற்றும் நீங்கள் தேர்ந்தெடுத்த காட்சியை அதன் காரணத்துடன் சேர்த்து 5 உருப்படிகளில் எழுதவும்; நீங்கள் எந்த பாதுகாப்பு இடையகத்தை சேர்க்க வேண்டும் என்பதையும் குறிப்பிடவும்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் தரவை அழித்துவிட்டேனா, கையிருப்பில் இல்லாத நாட்கள் மற்றும் பிரச்சார நாட்களைக் குறிக்கிறேனா?
• [ ] நான் MAPE மற்றும் பக்கச்சோதனை மூலம் கணிப்பை சரிபார்த்திருக்கிறேனா?
• [ ] நான் ஒற்றை எண்ணுக்குப் பதிலாக ஒரு காட்சி மற்றும் நம்பிக்கை இடைவெளியைக் கேட்டேனா?
• [ ] ஒரு புதிய தயாரிப்பு / உடைப்பு இருந்தால், நான் நிபுணர் தீர்ப்புக்கு முன்னுரிமை அளித்துள்ளேனா?
• [ ] இறுதி பங்குத் திட்டத்தை நான் எனது சொந்த ஒப்புதலுக்கு உட்படுத்தியுள்ளேனா?