मागणी पूर्वानुमान म्हणजे काय?

मागणी पूर्वानुमान करणे इथल्या प्रत्येक गोष्टीबद्दल माहितीबद्ध व्यवसाय निर्णय घेण्यासाठी ऐतिहासिक विक्री डेटाचा वापर करून भविष्यातील विक्रीची भविष्यवाणी करण्याची प्रक्रिया आहे यादी नियोजन आणि गोदामात फ्लॅश विक्री चालू असणे आणि ग्राहकांच्या अपेक्षांची पूर्तता करणे आवश्यक आहे.

मागणी पूर्वानुमानाची उदाहरणे

एक छोटासा व्यवसाय पुराणमतवादी वाढीच्या योजनेवर असू शकतो, तर दुसरी कंपनी आक्रमक वाढीच्या योजनांमध्ये स्केलिंग किंवा विविधता आणत असू शकते. खाली दिलेली मागणीची उदाहरणे काही वेगवेगळ्या परिस्थितीतून पहा.
उदाहरण 1

पुरेशी तयारी करण्यासाठी किराणा दुकान मागील वर्षाच्या थँक्सगिव्हिंग आठवड्यापासून विक्रीचा ट्रेंड पाहतो यादी आगामी हंगामासाठी पातळी. ते गेल्या आठवड्यात टर्की, क्रॅनबेरी आणि मॅश बटाटे यासारख्या हंगामी उत्पादनांसाठी विक्रीकडे पहात आहेत.

त्यांच्यासाठी ही एक चांगली सुट्टी विक्री होती. परंतु आठ महिन्यांपूर्वी एका स्पर्धक किराणा दुकानातून चार ब्लॉक उघडले गेले, त्यामुळे थँक्सगिव्हिंगच्या मागणीवर कसा परिणाम होईल आणि स्थानिक ग्राहक त्यांच्या प्रतिस्पर्धकाकडून साहित्य खरेदी करतील तर त्यांना खात्री नाही.

त्याच वेळी, बरीच कुटुंबे शेजारच्या भागात जात आहेत आणि स्पर्धात्मक शृंखला उघडल्यापासून त्यांनी अद्याप सरासरी 1% महिन्यापेक्षा जास्त वाढविले आहे.

मागील वर्षापेक्षा काही जाहिराती आणखी सुरू करण्याची त्यांची योजना आहे ज्यांनी यापूर्वी त्यांच्यासाठी एक चांगला आरओआय सिद्ध केला आहे आणि थँक्सगिव्हिंगच्या जाण्यासाठी स्वत: ला स्थान देण्यासाठी काही नवीन सौदे देखील ऑफर केले आहेत. त्यांची गणना मागील वर्षाच्या विक्रीत 5% वाढीचा प्रकल्प आहे.


मागणी पूर्वानुमानाचे प्रकार

विविध मार्ग आहेत व्यवसाय मागणी अंदाज करू शकता. सर्व पूर्वानुमान मॉडेल ठराविक कालावधीत डेटा आणि विश्लेषणाचा लाभ घेतात.

मॅक्रो-लेव्हल
मॅक्रो-स्तरीय मागणीचे अंदाज सर्वसाधारण आर्थिक परिस्थिती, बाह्य शक्ती आणि वाणिज्यात व्यत्यय आणणारी इतर व्यापक गोष्टींकडे पहातो. हे घटक व्यवसायासाठी पोर्टफोलिओ विस्तार संधी, बाजार संशोधन इंटेल आणि मार्केटमधील वेगवेगळ्या बदलांविषयी माहिती ठेवतात.

मायक्रो-लेव्हल
सूक्ष्म-स्तरावर मागणीचे अंदाज एखाद्या विशिष्ट उद्योग, व्यवसाय किंवा ग्राहक विभागासाठी विशिष्ट असू शकते (उदा. सहस्राब्दीसाठी नैसर्गिक दुर्गंधीनाशकांची मागणी तपासणे ग्राहकांना शिकागो मध्ये, आयएल).

अल्पकालीन
अल्प-मुदतीची मागणी अंदाज साधारणपणे 12 महिन्यांपेक्षा कमी कालावधीसाठी केली जाते. दिवसागणिक माहिती देण्यासाठी विक्रीच्या एका वर्षाखालील मागणीकडे लक्ष दिले आहे (उदा. ब्लॅक फ्रायडे / सायबर सोमवारच्या पदोन्नतीसाठी नियोजन उत्पादन आवश्यक आहे).

दीर्घकालीन
दीर्घावधी मागणीचे अंदाज एका वर्षापेक्षा जास्त काळ केले जाते. हे अधिक विस्तारित कालावधीत हंगाम, वार्षिक नमुने, उत्पादन क्षमता आणि विस्तारासाठी ओळखण्यास आणि योजना करण्यात मदत करते. यामुळे दीर्घकालीन व्यवसाय धोरण व्यस्त होते (उदा. एखादी सुविधा सुरू करण्याची किंवा आंतरराष्ट्रीय स्तरावर साठवण्याची आणि नवीन बाजारपेठांमध्ये विस्तार करण्याची योजना)



ग्राहकांच्या मागणीवर परिणाम घडविणारे घटक

डिमांड पूर्वानुमान असे आहे जेथे व्यवसायाची पुरवठा साखळीची बाजू पूर्ण होते विक्री आणि विपणन. यशस्वी होण्यासाठी दोन्ही बाजू समन्वयाने असणे आवश्यक आहे. मागणीच्या अंदाजापेक्षा भिन्न शक्ती कशा प्रकारे प्रभावित करतात ते जाणून घ्या.
हंगाम

Asonतुमानत्व एका विशिष्ट कालावधीत ऑर्डर व्हॉल्यूममधील बदलांचा संदर्भ देते. एक अत्यंत हंगामी ब्रँड विशिष्ट कालावधी, इव्हेंट किंवा हंगामात सेवा देऊ शकतो, ज्यामुळे त्यांच्या पीक हंगामात मोठ्या प्रमाणात स्पाइक्सचा समावेश असतो (उदा. उन्हाळ्याच्या अगोदर किंवा जुलैच्या 4 जुलैपूर्वी ग्रीलींग उपकरणे शोधणारे दुकानदार).
स्पर्धा

आपल्याकडे आणखी पर्याय असल्याने स्पर्धेमुळे मागणीवर परिणाम होतो ग्राहकांना आणि त्यांच्याकडे लक्ष देण्याच्या प्रयत्नात असलेल्या अनेक कंपन्यांमधून निवड करणे.

जेव्हा एखादी स्पर्धात्मक शक्ती कार्यक्षेत्रात येते - ती थेट प्रतिस्पर्धी असो की एक नवीन प्रकारचा उपाय जो आपल्या ग्राहकांना आपल्या दरम्यान निवडण्यास भाग पाडेल - मागणी कमी होईल. हे आपल्याला आश्चर्यचकित करू शकते, म्हणून चपळ मागणी अंदाज मॉडेल आपल्याला द्रुत प्रतिसाद देण्यात मदत करेल.
वस्तूंचे प्रकार

विनाश करण्यायोग्य वस्तूंपासून प्रत्येक महिन्यात एकाचवेळी येणा subs्या वर्गणी बॉक्सपर्यंत त्वरीत कालबाह्य होणार्‍या वस्तूंपासून - डिमांड पूर्वानुमान करणे भिन्न असेल.

आपल्या ग्राहकांचे आजीवन मूल्य (कालांतराने ते आपल्याकडून चॅनल्समधून खरेदी करतात एकूण खरेदी), आपले सरासरी ऑर्डर मूल्य (प्रत्येक वेळी ते किती खर्च करतात) आणि मागणीचे अंदाज सुधारण्यासाठी ऑर्डर केलेल्या उत्पादनांच्या जोड्या जाणून घेणे आवश्यक आहे.

हा डेटा वापरुन, आपण आयटम कसे गटबद्ध किंवा बंडल करावे, अधिक आवर्ती महसूल कसे चालवावे आणि कसे ते पाहू शकता SKU दुसर्‍याची मागणी प्रभावित करते किंवा कारणीभूत ठरते (उदा. वस्तरा आणि ब्लेड कारतूस रिफिल विक्री).
भूगोल

आपले ग्राहक कोठे राहतात याचा भौगोल आपण जिथे तयार करता आणि जहाज ऑर्डर करतात त्या भाड्याने यादीच्या भविष्यवाणीवर आणि ग्राहकांच्या ऑर्डरची पूर्तता आपण कोणत्या वेगाने करू शकता.

आपल्या पुरवठा साखळीची भौगोलिक स्थाने अतिशय मोकळीकपूर्ण असू शकतात. वापरत आहे पूर्णता आपल्या ग्राहकांच्या जवळील भागातील केंद्रे आपल्याला ग्राहकांची मागणी द्रुत आणि अधिक परवडणारी पूर्ण करण्यास मदत करू शकतात, म्हणूनच ती ग्राहकांच्या जवळच्या गोदामातून जहाजे असते.

हे आपले ग्राहक कोठे राहतात हे पाहण्यास आणि विशिष्ट उत्पादनांना ज्या ठिकाणी त्यांना सर्वात जास्त ऑर्डर केले जाते त्या प्रदेशात संचयित करण्यात आपली मदत करते, जेणेकरून आपल्याला दूरच्या ठिकाणी जाण्याची आवश्यकता नाही.
मागणीची पूर्तता कशी करावी

भविष्यवाणी करणे ही एक अत्यंत आव्हानात्मक कार्य आहे. आपणास छोट्या छोट्या छोट्या छोट्या छोट्या छोट्या छोट्या छोट्या छोट्या छोट्या छोट्या छोट्या छोट्या छोट्या छोट्या छोट्या विषार वाहून येणा handle्या बाधा हाताळण्यासाठी पुरेसे लवचिक व्हायचे आहे, परंतु दीर्घकालीन दृष्टिकोन देखील घ्यायचा आहे. आपल्या व्यवसायासाठी येथे काही टीपा आहेत.
1. उद्दिष्टे सेट करा

मागणीची पूर्वानुमान करणे स्पष्ट उद्देश असावे. त्याच्या मूळ बाबीनुसार हे सांगते की ग्राहक काय, किती आणि केव्हा ग्राहक खरेदी करतील. आपला कालावधी, आपण पहात असलेले विशिष्ट उत्पादन किंवा सर्वसाधारण श्रेणी आणि आपण प्रत्येकासाठी मागणीचा अंदाज लावत असलात तरी किंवा लोकांच्या विशिष्ट उपसाराची निवड करा.

आपल्या आर्थिक नियोजक, उत्पादन विपणन, रसद, आणि विना-पक्षपाती मार्गाने ऑपरेशन कार्यसंघ.
२. डेटा गोळा आणि रेकॉर्ड करा

आपल्या विक्री वाहिन्यांमधील सर्व डेटा एकत्रित करणे वास्तविक उत्पादनांच्या मागणीचे सुसंगत दृश्य प्रदान करू शकते. ऑर्डरची वेळ आणि तारीख पाहून एसकेयू (ओं) चे आदेश दिले गेले आणि विक्री चॅनेल आपल्याला अधिक दाणेदार पातळीवर वाढीचा अंदाज लावण्यास मदत करेल आणि आपले अंदाज कसे वास्तविकतेशी जुळले आहे हे पहाण्यासाठी मागे वळून पहा.

आपण महाग होऊ शकणार्‍या ईकॉमर्स रिटर्न्सकडे देखील बारीक लक्ष दिले पाहिजे. रिटर्नच्या उच्च दर असलेल्या उत्पादनांचे मूल्यांकन व समायोजित केले पाहिजे. जर 10% आयटम परत केले गेले आणि आपण ती संख्या कमी करण्यास सक्षम असाल तर आपले उत्पादन देखील समायोजित करावे लागेल.

आपल्या ऐतिहासिक विक्री डेटा व्यतिरिक्त, आपल्याला बाजाराच्या स्थितीसारख्या डेटाचे इतर तुकडे देखील घेण्याची आवश्यकता असू शकेल. विश्वसनीयता आणि अचूकता सुनिश्चित करण्यासाठी डेटा पुरेसा तयार असणे आवश्यक आहे.
3. डेटाचे मापन आणि विश्लेषण करा

स्वहस्ते केले किंवा ऑटोमेशन वापरुन आणि भविष्यसूचक विश्लेषण, आपल्याला पुनरावृत्ती करण्यायोग्य डेटा विश्लेषण प्रक्रियेची आवश्यकता असेल. आपल्याला आपला पुढील अंदाज अनुकूलित करण्यात मदत करण्यासाठी आपण वास्तविक विक्रीच्या भाकीत असलेल्या गोष्टीची तुलना करणे आवश्यक आहे.

खाली दिलेल्या चार्टमध्ये एकाच वेळी चार वेगवेगळ्या शिपोबी ग्राहकांना दर्शविले गेले आहेत ज्यांनी सर्व एकाच वर्षी 60,000 ऑर्डर पाठवल्या आहेत. याचे मोजमाप केल्याने वेगवेगळ्या उत्पादनांची मागणी वेगवेगळ्या वेळी होते. ते प्रत्येक महिन्याला सरासरी 5,000००० ऑर्डर पाठवतात, काही महिने इतरांपेक्षा बरेच हलके असतात.

जर या ब्रँड्सने या भागाचे पूर्व-अंदाज केले असेल तर त्यांच्याकडे ऑर्डर पाठविण्याइतकी यादी नव्हती आणि सर्व वेळेत पूर्ण करण्यासाठी पुरेसे कर्मचारी नसतील. जर त्यांनी व्हॉल्यूमचा जास्त अंदाज लावला असेल तर त्यांनी फक्त बसून बसलेल्या मालमत्तेवर उत्पन्न मिळविण्याच्या अपेक्षेपेक्षा जास्त वेळ घेण्यावर खर्च केला असता.

जसजसे आपण वाढत जाता तसतसे आपल्याला कदाचित काही अतिरिक्त माहिती जसे की अप्रचलित स्टॉक, स्टॉकआउट्सची वारंवारता आणि आपल्याला सुधारण्यासाठी आवश्यक असलेल्या इतर ऑर्डरच्या तपशीलांचा मागोवा घेण्याची आवश्यकता भासू शकेल.