Kysynnän ennustaminen - Demand forecasting

Kysynnän ennustaminen on ennakoivan analytiikan ala, joka yrittää ymmärtää ja ennakoida asiakkaiden kysyntää optimoida toimituspäätökset yritysten toimitusketjun ja liiketoiminnan johtamisen avulla. Kysynnän ennustamismenetelmät on jaettu kahteen pääluokkaan, kvalitatiivisiin ja määrällisiin menetelmiin. Laadulliset menetelmät perustuvat asiantuntijalausuntoon ja kerättyjen tietojen kentän, kun taas määrälliset menetelmät käyttää tietoja , ja erityisesti historialliset myyntitietoja sekä tilastollisia tekniikoita koemarkkinoita . Kysynnän ennustamista voidaan käyttää tuotannon suunnittelussa, varastonhallinnassa ja toisinaan arvioitaessa tulevia kapasiteettitarpeita tai päätettäessä uusien markkinoiden tulosta .

Menetelmät

Laadullinen arviointi

Kysynnän ennustaminen asiantuntijalausunnon perusteella. Jotkut tämän menetelmän tyypeistä ovat

• Tietämätön tuomio
• Ennustemarkkinat
• Delfi -tekniikka
• Peliteoria
• Tuomitseva bootstrapping
• Simuloitu vuorovaikutus
• Aikomusten ja odotusten kysely
• tuomaristo

Määrällinen arviointi

• Diskreetti tapahtumasimulaatio
• Ekstrapolointi
• Ryhmä menetelmä tietojen käsittely (GMDH)
• Referenssiluokan≈ ennustaminen
• Kvantitatiiviset analogiat
• Sääntöihin perustuva ennuste
• Hermoverkot
• Tietojen louhinta
• Yhteisanalyysi
• Syy -mallit
• Segmentointi
• Eksponentiaaliset tasoitusmallit
• Box – Jenkins -mallit
• Hybridimallit

Muut ovat seuraavat

Kysynnän ennusteen tarkkuuden laskeminen

Kysynnän ennusteen tarkkuuden laskeminen on prosessi, jolla määritetään asiakkaan tuotteen kysyntää koskevien ennusteiden tarkkuus. Asiakkaiden kysynnän ymmärtäminen ja ennakointi on elintärkeää valmistajille ja jakelijoille, jotta vältetään varastot ja säilytetään riittävä varastotaso. Vaikka ennusteet eivät ole koskaan täydellisiä, ne ovat välttämättömiä valmistautumaan todelliseen kysyntään. Optimoidun varaston ja tehokkaan toimitusketjun ylläpitämiseksi tarkat kysyntäennusteet ovat välttämättömiä.

Toimitusketjuennusteiden tarkkuuden laskeminen

Toimitusketjun ennusteiden tarkkuus mitataan tyypillisesti keskimääräisen absoluuttisen prosenttivirheen tai MAPE: n avulla. Tilastollisesti MAPE määritellään virheiden prosenttiosuutena.

Useimmat harjoittajat kuitenkin määrittelevät ja käyttävät MAPE: tä keskimääräisenä absoluuttisena poikkeamana jaettuna keskimääräisellä myynnillä, joka on vain tilavuuspainotettu MAPE, jota kutsutaan myös nimellä MAD/keskimääräinen suhde. Tämä on sama kuin jakamalla absoluuttisten poikkeamien summa kaikkien tuotteiden kokonaismyynnillä. Tämä laskelma , jossa A on todellinen arvo ja F ennuste, tunnetaan myös nimellä WAPE, painotettu absoluuttinen prosenttivirhe. ${\ displaystyle {\ frac {\ sum {| AF |}} {\ summa {A}}}}$

Toinen mielenkiintoinen vaihtoehto on painotettu . Tämän toimenpiteen etuna on se, että se voi painottaa virheitä, joten voit määrittää, miten painotetaan liiketoimintaasi, bruttovoittoa tai ABC: tä. Ainoa ongelma on se, että kausituotteille saat määrittelemättömän tuloksen, kun myynti = 0 ja se ei ole symmetrinen, mikä tarkoittaa, että voit olla paljon epätarkempi, jos myynti on korkeampaa kuin jos se on ennustetta pienempi. Joten sMAPE: tä käytetään myös korjaamaan tämä, se tunnetaan symmetrisenä keskimääräisenä absoluuttisena prosenttiosuusvirheenä. ${\ displaystyle {\ text {MAPE}} = {\ frac {\ summa (w \ cdot | AF |)} {\ summa (w \ cdot A)}}}$

Viimeisenä mutta ei vähäisimpänä, ajoittaisten kysyntämallien osalta mikään yllä olevista ei ole todella hyödyllinen. Joten voit pitää MASE: ta (Mean Absolute Scaled Error) hyvänä KPI: nä, jota voit käyttää näissä tilanteissa, ongelma on, että se ei ole niin intuitiivinen kuin edellä mainitut.

Ennustevirheen laskeminen

Ennustevirhe on laskettava perustuen todelliseen myyntiin. Käytössä on useita ennustevirheiden laskentamenetelmiä, nimittäin keskimääräinen prosenttivirhe , juuren neliövirhe , seurantasignaali ja ennustevirhe .

Katso myös

• Tarjonta ja kysyntä
• Kysyntäketju
• Kysynnän mallinnus
• Varasto § Varaston suhteellisuusperiaate
• Referenssiluokan ennuste
• Konsensusennusteet
• Optimismin puolueellisuus
• Tuotannon budjetti
• Referenssiluokan ennuste

Viitteet

Bibliografia

• Milgate, Murray (maaliskuu 2008). "Tavarat ja hyödykkeet". Teoksissa Steven N. Durlauf ja Lawrence E. Blume. The New Palgrave Dictionary of Economics (2. painos). Palgrave Macmillan. s. 546–48. doi: 10.1057/9780230226203.0657. Haettu 24.3.2010.
• Montani, Guido (1987). "Niukkuus". Julkaisussa Eatwell, J. Millgate, M., Newman, P. The New Palgrave. Taloustieteen sanakirja 4. Palgrave, Houndsmill. s. 253–54.