డిమాండ్ అంచనా: సేల్స్ ఫోర్‌కాస్ట్, సీజనాలిటీ మరియు ట్రెండ్ అనాలిసిస్

లాభాలు:

• చారిత్రక విక్రయాల డేటా, కాలానుగుణ ప్రభావాలు మరియు బాహ్య కారకాలను కలపడం ద్వారా కృత్రిమ మేధస్సు మద్దతుతో SKU ఆధారంగా డ్రాఫ్ట్ డిమాండ్ సూచనను రూపొందించగల సామర్థ్యం.
• అంచనా ఖచ్చితత్వాన్ని (MAPE, బయాస్) అర్థం చేసుకోగల సామర్థ్యం మరియు అతిగా అంచనా వేయడం మరియు తక్కువ అంచనా వేయడం యొక్క వ్యాపార పరిణామాలను వేరు చేయడం
• ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ద్వారా ఉత్పత్తి చేయబడిన సూచన ఒక అంచనా అని మరియు స్టాక్ ధర మరియు నగదు ప్రవాహంతో పాటు తుది ఆర్డర్ నిర్ణయం మేనేజర్‌కు చెందుతుందని నిర్వహించగలగడం.

రిటైల్‌లో రెండు అత్యంత ఖరీదైన తప్పులు ఉన్నాయి: ఎక్కువ స్టాక్‌ను ఉంచడం మరియు డబ్బును షెల్ఫ్‌లో ఉంచడం లేదా తగినంత స్టాక్‌ని ఉంచుకోకపోవడం మరియు కస్టమర్‌ను ఖాళీ చేతులతో వదిలివేయడం. రెండింటికీ ఒకే మూలం ఉంది: చెడు డిమాండ్ అంచనా. ఈ యూనిట్‌లో మీరు గత విక్రయాల నుండి భవిష్యత్తును అంచనా వేసే శక్తివంతమైన సహాయకుడిగా కృత్రిమ మేధస్సును ఎలా ఉపయోగించాలో నేర్చుకుంటారు. కానీ మొదటి నుండి చెప్పండి: ఒక అంచనా అనేది జోస్యం కాదు, కానీ సంభావ్య అంచనా. AI మీకు ఒక సంఖ్యను ఇస్తుంది; ఆ సంఖ్యను ఆర్డరింగ్ నిర్ణయంగా అనువదించడం మీ పని.

డిమాండ్ అంచనా: చారిత్రక డేటా మరియు ప్రభావితం చేసే కారకాలను చూడటం ద్వారా భవిష్యత్తులో ఎంత ఉత్పత్తి లేదా వర్గం విక్రయించబడుతుందో అంచనా వేయడం.

SKU (స్టాక్ కీపింగ్ యూనిట్): ఇది ప్రతి విభిన్న ఉత్పత్తి-వేరియంట్ కోసం ఉంచబడిన ప్రత్యేకమైన స్టాక్ కోడ్. ఉదాహరణకు, "ఎరుపు, పరిమాణం 42 స్నీకర్లు" ఒక SKU; అదే మోడల్ యొక్క సంఖ్య 43 ప్రత్యేక SKU.

సూచనను అందించే మూడు సమాచార వనరులు

మంచి సూచన మూడు విషయాలను మిళితం చేస్తుంది:

1. చారిత్రక విక్రయాలు (బేస్‌లైన్): గత 12-24 నెలల్లో ఉత్పత్తి యొక్క వారంవారీ/నెలవారీ అమ్మకాలు. AI ఈ సిరీస్ నుండి "సాధారణ" స్థాయిని సంగ్రహిస్తుంది.
2. కాలానుగుణ మరియు క్యాలెండర్ ప్రభావాలు: సెలవులు, పాఠశాల వ్యవధి, వేసవి-శీతాకాలం, వారాంతం, పేడే. ఉదాహరణకు, వేసవిలో ఐస్ క్రీం పెరుగుతుంది మరియు శీతాకాలంలో సాక్స్ పెరుగుతుంది.
3. బాహ్య కారకాలు: ప్రచారం, ధర మార్పు, వాతావరణం, పోటీదారుల కదలిక, తెరవడం/ముగించడం. ఇవి అంచనాను పైకి లేదా క్రిందికి నెట్టివేస్తాయి.

చిట్కా: "మేము గత నెలలో 100 విక్రయించాము" అని AIకి చెప్పకండి. చెప్పండి, "మేము గత నెలలో 100 విక్రయించాము, కానీ 20% తగ్గింపు ఉంది మరియు అది సెలవుదినం వారం." సందర్భం లేకుండా, అంచనా తప్పుదారి పట్టించేది.

స్టెప్ బై స్టెప్ ప్రిడిక్షన్ జనరేషన్

1. డేటాను సిద్ధం చేయండి: అనామక, క్లీన్ టేబుల్: తేదీ, SKU, విక్రయించిన పరిమాణం, ధర, ప్రమోషన్/ప్రమోషన్ లేదు, లభ్యత. స్టాక్ లేని రోజులను గుర్తించండి; లేకుంటే కృత్రిమ మేధస్సు ఆ రోజు "తక్కువ డిమాండ్" అనుకుంటుంది.
2. సందర్భం ఇవ్వండి: సీజన్, రాబోయే ఈవెంట్‌లు, ప్రణాళికాబద్ధమైన ప్రచారాలను వ్రాయండి.
3. సూచనను అభ్యర్థించండి: SKU లేదా వర్గం ద్వారా నిర్దిష్ట కాలానికి సూచన మరియు విశ్వాస విరామం (చెత్త/ఉత్తమ సందర్భం) కోసం అభ్యర్థించండి.
4. ఖచ్చితత్వాన్ని కొలవండి: మీ గత అంచనాలను వాస్తవికతతో పోల్చండి (క్రింద MAPE).
5. దీన్ని నిర్ణయంగా మార్చండి: భద్రత స్టాక్ మరియు బడ్జెట్‌తో అంచనాను కలపండి మరియు ఆర్డరింగ్ నిర్ణయం తీసుకోండి.

పఠన సూచన ఖచ్చితత్వం: MAPE మరియు బయాస్

MAPE (సగటు సంపూర్ణ శాతం లోపం): వాస్తవ విక్రయాల నుండి అంచనాల సగటు శాతం విచలనాన్ని చూపుతుంది. సూత్రం కేవలం: |వాస్తవ − సూచన| ప్రతి కాలానికి / నిజమైన వారి సగటు.

• MAPE 10% → అంచనాలు సగటున 10% తేడాతో ఉన్నాయి, చాలా బాగుంది.
• MAPE 40% → అంచనాలు నమ్మదగనివి, ఆర్డర్ నిర్ణయం కోసం మరింత బఫర్ (సేఫ్టీ స్టాక్) అవసరం.

దిశ (పక్షపాతం): మీ సూచన స్థిరంగా పైన (అధిక నిల్వ ప్రమాదం) లేదా దిగువ (నిల్వకు వచ్చే ప్రమాదం) వాస్తవంగా ఉందా? ఇది కూడా చూడండి; MAPE దిశను చూపదు.

స్థితి

అర్థం

వ్యాపార ఫలితం

నిరంతర అధిక అంచనా

మీరు డిమాండ్‌ను అతిశయోక్తి చేస్తున్నారు

అదనపు స్టాక్, మెల్ట్డౌన్, మార్జిన్ నష్టం

నిరంతర తక్కువ అంచనా

మీరు డిమాండ్‌ను తక్కువగా అంచనా వేస్తున్నారు

స్టాక్ లేదు, తప్పిన అమ్మకాలు, అసంతృప్తి

అధిక MAPE, సమతుల్య దిశ

అనిశ్చితి ఎక్కువగా ఉంది

భద్రతా స్టాక్‌ను పెంచండి, తరచుగా సమీక్షించండి

తక్కువ MAPE

ఖచ్చితమైన అంచనా

లీనర్ స్టాక్, మెరుగైన నగదు

చిన్న కేసులు

కేసు 1 — తప్పిపోయిన కాలానుగుణత: కిరాణా దుకాణం గత సంవత్సరం జూలై విక్రయాల ఆధారంగా పాఠశాల నోట్‌బుక్‌లను ఆర్డర్ చేస్తుంది (నెలకు 200 యూనిట్లు). కృత్రిమ మేధస్సుకు "ఆగస్టు-సెప్టెంబర్ పాఠశాల వ్యవధి, గత సంవత్సరం ఈ కాలంలో అమ్మకాలు నాలుగు రెట్లు పెరిగాయి" అనే సందర్భాన్ని అందించినప్పుడు, అంచనా 200కి బదులుగా 780 యూనిట్లకు పెరుగుతుంది. సరైన క్రమంలో ధన్యవాదాలు, పాఠశాల సంవత్సరంలో మీ వద్ద స్టాక్ అయిపోదు; గత ఏడాది తప్పించుకున్న 60,000 TL టర్నోవర్ ఈ సంవత్సరం పట్టుబడుతోంది.

కేసు 2 — స్టాక్ లేని రోజును లెక్కించడం లేదు: ఒక స్టోర్‌లో 3 వారాల పాటు ప్రసిద్ధ కాఫీ స్టాక్ లేదు. ముడి డేటాను చూస్తే, కృత్రిమ మేధస్సు ఆ వారాలను "వారానికి 5 అమ్మకాలు"గా చూస్తుంది మరియు తక్కువ అంచనాను ఇస్తుంది. విశ్లేషకుడు స్టాక్ లేని రోజులను గుర్తించి, "ఈ వారాలు డిమాండ్‌ను ప్రతిబింబించవు" అని చెప్పినప్పుడు, సూచన వారానికి 45కి పెరుగుతుంది. నిజమైన డిమాండ్ బయటపడుతుంది.

కేస్ 3 — ప్రచార ప్రభావాన్ని సాధారణీకరించడం: ఒక టెక్స్‌టైల్ చైన్ 50% తగ్గింపు వారం విక్రయాన్ని (600 యూనిట్లు) "సాధారణం"గా పరిగణిస్తుంది మరియు నిరంతరం 600ని ఆర్డర్ చేస్తుంది. కృత్రిమ మేధస్సుకు "ఈ విక్రయం ఒక-పర్యాయ ప్రచారంతో జరిగింది, సాధారణ వారం 180" అని చెప్పినప్పుడు, అంచనా సరిదిద్దబడింది. ఓవర్‌స్టాక్ మరియు తదుపరి మార్క్‌డౌన్ నష్టాల ప్రమాదం నిరోధించబడుతుంది.

అంచనా హోరిజోన్: మీరు ఎంత ముందుకు చూడగలరు?

సూచన హోరిజోన్: భవిష్యత్‌లో సూచన ఎంత దూరంలో ఉంది. నియమం చాలా సులభం: హోరిజోన్ ఎక్కువ, అనిశ్చితి ఎక్కువ. మీరు వచ్చే వారం అమ్మకాలను సాపేక్షంగా ఖచ్చితంగా అంచనా వేస్తారు; ఆరు నెలల తర్వాత చాలా విస్తృత పరిధితో. కాబట్టి ఆర్డర్ నిర్ణయం యొక్క అవసరానికి అనుగుణంగా సూచన హోరిజోన్‌ను ఎంచుకోండి: షార్ట్ హోరిజోన్ మరియు వేగంగా అయిపోయే తాజా ఉత్పత్తి కోసం తరచుగా అప్‌డేట్ చేయండి; సుదీర్ఘ లీడ్ టైమ్స్‌తో దిగుమతి చేసుకున్న ఉత్పత్తికి పొడవైన హోరిజోన్ మరియు భద్రత యొక్క విస్తృత మార్జిన్.

మరొక ముఖ్యమైన వ్యత్యాసం కొత్త ఉత్పత్తి అంచనా. కొత్త SKU యొక్క గత విక్రయం లేదు; ఈ సందర్భంలో, మీరు AIకి సారూప్య ఉత్పత్తుల చరిత్ర (అనలాగ్), వర్గం సగటు మరియు ప్రయోగ ప్రణాళికను అందిస్తారు. "ఈ ఉత్పత్తికి చరిత్ర లేదు; X మరియు Y యొక్క మొదటి 8 వారాల సారూప్య ఉత్పత్తులను చూసి ప్రాథమిక అంచనా వేయండి" అని చెప్పడం ఖాళీని పూరించడానికి సహేతుకమైన మార్గం. అయితే, కొత్త ఉత్పత్తి అంచనా ఎల్లప్పుడూ ప్రమాదకరం; మొదటి వారాల వాస్తవ డేటా అందుబాటులోకి వచ్చినందున సూచనను త్వరగా సవరించండి.

హెచ్చరిక: అంచనాను "ఒకసారి చేసి మరచిపో" చికిత్సగా పరిగణించవద్దు. డిమాండ్ అంచనా అనేది ప్రత్యక్ష ప్రక్రియ; ప్రతి కొత్త అమ్మకాల వారం సూచనను నవీకరించడానికి ఒక అవకాశం. అత్యుత్తమ భవిష్య సూచకులు అత్యంత తరచుగా అప్‌డేట్ అయ్యే వాటిని ఉపయోగించేవారు, తెలివైన మోడల్‌ను కాదు.

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన ప్రాంప్ట్:

వచ్చే నెలలో ఈ ఉత్పత్తి ఎంత అమ్ముడవుతుందో చెప్పండి.

సందర్భం లేదు; AI యాదృచ్ఛిక సంఖ్యను రూపొందించింది.

శక్తివంతమైన ప్రాంప్ట్:

మీ పాత్ర: డిమాండ్ ప్రణాళిక నిపుణుడు. డేటా: SKU 4471 కోసం గత 18 నెలలకు సంబంధించిన నెలవారీ విక్రయాల పరిమాణం మరియు ధర మరియు ఆ నెలలో ప్రచారం ఉందా అనేవి దిగువన ఉన్నాయి. సందర్భం: ఈ ఉత్పత్తి వేసవి చెప్పులు; మే-ఆగస్టులో డిమాండ్ గరిష్ట స్థాయికి చేరుకుంటుంది. వచ్చే నెల జూన్. ప్రణాళికాబద్ధంగా ప్రచారం లేదు. ధర నిర్ణయించబడింది.టాస్క్: (1) జూన్‌లో ఆశించిన విక్రయాల పరిమాణం, (2) అధ్వాన్నమైన మరియు ఉత్తమమైన దృష్టాంత పరిధి, (3) 2 ప్రధాన కారకాలు సూచనను ప్రభావితం చేస్తాయి. నియమం: స్టాక్‌లో లేని నెలలని తక్కువ డిమాండ్‌గా గుర్తించవద్దు. ఇచ్చిన డేటా ఆధారంగా మాత్రమే. డేటా: [పేస్ట్ టేబుల్]

కాపీ చేయగల ప్రాంప్ట్ టెంప్లేట్‌లు

1) SKU ఆధారిత అంచనా

మీ పాత్ర: డిమాండ్ ప్రణాళిక నిపుణుడు. కింది అనామక నెలవారీ విక్రయాల సిరీస్ నుండి [SKU] కోసం భవిష్యత్తు [పీరియడ్] సూచనను రూపొందించండి. అవుట్‌పుట్: ఆశించిన పరిమాణం + చెత్త/ఉత్తమ పరిధి + 2 అంచనాలు. స్టాక్ లేదు అని గుర్తించబడిన పీరియడ్‌లను మినహాయించండి. డేటా: [అతికించు]

2) కాలానుగుణ నమూనా తొలగింపు

దిగువ 24-నెలల విక్రయాల సిరీస్‌లో పునరావృతమయ్యే కాలానుగుణ నమూనాను కనుగొనండి. ఏ నెలలు ఎగువ మరియు ఏ నెలలు దిగువ? సగటు నుండి విచలనాన్ని శాతంగా ఇవ్వండి. దానిని పట్టిక రూపంలో ప్రదర్శించండి. డేటా: [అతికించు]

3) అంచనా ఖచ్చితత్వం మూల్యాంకనం

క్రింద నా చారిత్రక అంచనాలు మరియు వాస్తవ విక్రయాలు ఉన్నాయి. (1) MAPEని లెక్కించండి, (2) నా సూచన స్థిరంగా ఎక్కువ లేదా తక్కువ డ్రిఫ్ట్ అవుతోంది, (3) స్టాక్‌కి దీని అర్థం ఏమిటి? దశలవారీగా చూపు.డేటా: [అంచనా, వాస్తవ నిలువు వరుసలు]

4) ప్రచార ప్రభావాన్ని సంగ్రహించండి

ప్రచార వారాలు దిగువ విక్రయాల సిరీస్‌లో గుర్తించబడ్డాయి. సాధారణ (కాంపెయిన్ కాని) డిమాండ్‌ను అంచనా వేయండి; ప్రచార ప్రభావాన్ని ప్రత్యేక లిఫ్ట్ శాతంగా ఇవ్వండి. కాబట్టి నేను సాధారణ ఆర్డర్ స్థాయిని చూడాలనుకుంటున్నాను. డేటా: [అతికించు]

సాధారణ తప్పులు

• సందర్భం ఇవ్వడం లేదు: ప్రచారం, సీజన్, ధర మార్పు పేర్కొనబడకపోతే, అంచనా తప్పుదారి పట్టించేది.
• స్టాక్ లేని రోజులను డిమాండ్‌గా లెక్కించాలా వద్దా: స్టాక్ వెలుపల కాలం నిజమైన డిమాండ్‌ను దాచిపెడుతుంది; గుర్తు.
• ప్రమోషనల్ సేల్స్‌ను నార్మల్‌గా అంగీకరించడం: ఒక సారి పెరుగుదల శాశ్వతమని భావించడం అదనపు స్టాక్‌కు దారి తీస్తుంది.
• ఒకే సంఖ్యపై ఆధారపడటం: పరిధి (దృష్టాంతం) కోరుకోకపోవడం మరియు ఒకే పాయింట్‌పై ఆధారపడటం ప్రమాదాన్ని దాచిపెడుతుంది.
• ఖచ్చితత్వాన్ని అస్సలు కొలవడం లేదు: MAPE మరియు దిశను పర్యవేక్షించకపోతే, అంచనా మరింత అధ్వాన్నంగా మారుతుంది.
• అంచనాలతో నేరుగా ఆర్డర్లు చేయడం: నగదు, గిడ్డంగి మరియు షెల్ఫ్ లైఫ్ నియంత్రణ లేకుండా ఆర్డర్ చేయడం.

సారాంశంలో

మంచి అంచనా గత అమ్మకాలు, కాలానుగుణత మరియు బాహ్య కారకాలను మిళితం చేస్తుంది. AIకి సందర్భం (ప్రచారం, సీజన్, స్టాక్ లేని రోజులు) ఇవ్వాలని నిర్ధారించుకోండి. MAPE మరియు బయాస్ డైరెక్షన్‌తో సూచన ఖచ్చితత్వాన్ని పర్యవేక్షించండి; అధిక అనిశ్చితిలో భద్రతా స్టాక్‌ను పెంచండి. ఒక అంచనా ఒక అంచనా; బడ్జెట్ మరియు పరిమితులతో పాటు చివరి ఆర్డరింగ్ నిర్ణయం మీదే.

అప్లికేషన్ టాస్క్

అనామక పట్టికలో గత 12-18 నెలలుగా అత్యధికంగా అమ్ముడైన మీ టాప్ 5 SKUల విక్రయాలను పొందండి మరియు అవుట్-ఆఫ్-స్టాక్ మరియు ప్రచార కాలాలను గుర్తించండి. "1) SKU-ఆధారిత సూచన" ప్రాంప్ట్‌తో భవిష్యత్ సూచనను రూపొందించండి, ఆపై "3) సూచన ఖచ్చితత్వ మూల్యాంకనం"తో మీ గత సూచనల MAPEని సంగ్రహించండి. మీ స్వంత ఆర్డర్ నిర్ణయంతో ఫలితాన్ని సరిపోల్చండి.

చెక్లిస్ట్

• [ ] నేను నా అమ్మకాల డేటాను అనామకీకరించాను మరియు శుభ్రం చేసాను.
• [ ] నేను స్టాక్ వెలుపల మరియు ప్రచార కాలాలను గుర్తించాను.
• [ ] నేను AIకి సీజన్ మరియు బాహ్య కారకాల సందర్భాన్ని ఇచ్చాను.
• [ ] నేను దృష్టాంత పరిధిని కోరుకున్నాను, ఒక్క సంఖ్య కాదు.
• [ ] నేను MAPE మరియు yaw దిశను తనిఖీ చేసాను.
• [ ] నేను బడ్జెట్ మరియు పరిమితుల ఆధారంగా ఆర్డర్ నిర్ణయం తీసుకున్నాను.