Điều nào sau đây là đúng về dự báo?

Hầu như trong mọi quyết định họ đưa ra, các giám đốc điều hành ngày nay đều xem xét một số loại dự báo. Những dự đoán đúng đắn về nhu cầu và xu hướng không còn là những mặt hàng xa xỉ mà là một điều cần thiết nếu các nhà quản lý phải đối phó với tính thời vụ, những thay đổi đột ngột về mức cầu, các thủ đoạn cắt giảm giá của đối thủ cạnh tranh, đình công và những biến động lớn của nền kinh tế. Dự báo có thể giúp họ đối phó với những rắc rối này; . Ở đây, các tác giả cố gắng giải thích tiềm năng của việc dự báo cho các nhà quản lý, đặc biệt chú ý đến việc dự báo doanh số bán hàng cho các sản phẩm của Corning Glass Works vì những sản phẩm này đã trưởng thành qua vòng đời sản phẩm. Cũng bao gồm là một danh sách các kỹ thuật dự báo

Để xử lý sự đa dạng và phức tạp ngày càng tăng của các vấn đề dự báo quản lý, nhiều kỹ thuật dự báo đã được phát triển trong những năm gần đây. Mỗi loại đều có công dụng đặc biệt và phải cẩn thận để chọn đúng kỹ thuật cho một ứng dụng cụ thể. Người quản lý cũng như người dự báo có vai trò trong việc lựa chọn kỹ thuật;

Việc lựa chọn một phương pháp phụ thuộc vào nhiều yếu tố—bối cảnh dự báo, mức độ phù hợp và sẵn có của dữ liệu lịch sử, mức độ chính xác mong muốn, khoảng thời gian dự báo, chi phí/lợi ích (hoặc giá trị) của dự báo đối với

Những yếu tố này phải được cân nhắc liên tục và ở nhiều cấp độ khác nhau. Nói chung, ví dụ, người dự báo nên chọn một kỹ thuật sử dụng tốt nhất dữ liệu có sẵn. Nếu người dự báo có thể dễ dàng áp dụng một kỹ thuật có độ chính xác chấp nhận được, thì người đó không nên cố gắng “đánh vàng” bằng cách sử dụng một kỹ thuật tiên tiến hơn có khả năng mang lại độ chính xác cao hơn nhưng yêu cầu thông tin không tồn tại hoặc thông tin tốn kém để có được. Loại đánh đổi này tương đối dễ thực hiện, nhưng những loại khác, như chúng ta sẽ thấy, đòi hỏi nhiều suy nghĩ hơn.

Đọc thêm về

Hơn nữa, khi một công ty muốn dự báo có liên quan đến một sản phẩm cụ thể, thì công ty đó phải xem xét giai đoạn của vòng đời sản phẩm mà công ty đang dự báo. Tính sẵn có của dữ liệu và khả năng thiết lập mối quan hệ giữa các yếu tố phụ thuộc trực tiếp vào sự trưởng thành của sản phẩm và do đó, giai đoạn vòng đời là yếu tố quyết định chính của phương pháp dự báo sẽ được sử dụng

Mục đích của chúng tôi ở đây là trình bày tổng quan về lĩnh vực này bằng cách thảo luận cách một công ty nên tiếp cận vấn đề dự báo, mô tả các phương pháp có sẵn và giải thích cách kết hợp phương pháp với vấn đề. Chúng tôi sẽ minh họa việc sử dụng các kỹ thuật khác nhau từ kinh nghiệm của chúng tôi với họ tại Corning, và sau đó kết thúc với dự báo của riêng chúng tôi về tương lai của dự báo

Mặc dù chúng tôi tin rằng dự báo vẫn là một nghệ thuật, nhưng chúng tôi nghĩ rằng một số nguyên tắc mà chúng tôi đã học được qua kinh nghiệm có thể hữu ích cho những người khác

Người quản lý, Người dự báo & Lựa chọn phương pháp

Người quản lý thường giả định rằng khi yêu cầu người dự báo chuẩn bị một dự báo cụ thể, bản thân yêu cầu đó đã cung cấp đầy đủ thông tin để người dự báo đi làm và thực hiện công việc. Điều này hầu như không bao giờ đúng

Dự báo thành công bắt đầu với sự hợp tác giữa người quản lý và người dự báo, trong đó họ tìm ra câu trả lời cho các câu hỏi sau

1. Mục đích của dự báo là gì - nó được sử dụng như thế nào? . Việc quyết định có tham gia kinh doanh hay không có thể chỉ yêu cầu một ước tính khá thô về quy mô thị trường, trong khi dự báo được lập cho mục đích lập ngân sách phải khá chính xác. Các kỹ thuật thích hợp khác nhau cho phù hợp

Một lần nữa, nếu dự báo đặt ra một “tiêu chuẩn” để đánh giá hiệu suất, thì phương pháp dự báo không nên tính đến các hành động đặc biệt, chẳng hạn như khuyến mãi và các công cụ tiếp thị khác, vì chúng nhằm thay đổi các mẫu và mối quan hệ lịch sử và do đó hình thành

Các dự báo chỉ phác họa tương lai sẽ như thế nào nếu một công ty không thực hiện thay đổi đáng kể nào về chiến thuật và chiến lược thường không đủ tốt cho mục đích lập kế hoạch. Mặt khác, nếu ban quản lý muốn dự báo về tác động của một chiến lược tiếp thị đang được tranh luận đối với tăng trưởng doanh số, thì kỹ thuật này phải đủ phức tạp để tính toán rõ ràng các hành động và sự kiện đặc biệt mà chiến lược đòi hỏi.

Các kỹ thuật khác nhau về chi phí, cũng như về phạm vi và độ chính xác. Người quản lý phải khắc phục mức độ không chính xác mà anh ấy hoặc cô ấy có thể chấp nhận được—nói cách khác, quyết định xem quyết định của anh ấy hoặc cô ấy sẽ thay đổi như thế nào, tùy thuộc vào phạm vi chính xác của dự báo. Điều này cho phép người dự báo đánh đổi chi phí với giá trị của độ chính xác trong việc lựa chọn kỹ thuật.

Ví dụ, trong sản xuất và kiểm soát hàng tồn kho, độ chính xác tăng lên có khả năng dẫn đến lượng hàng tồn kho an toàn thấp hơn. Ở đây, người quản lý và người dự báo phải cân nhắc chi phí của một kỹ thuật phức tạp hơn và đắt tiền hơn so với khả năng tiết kiệm chi phí hàng tồn kho

Minh họa I cho thấy chi phí và độ chính xác tăng lên như thế nào với mức độ phức tạp và lập biểu đồ này so với chi phí tương ứng của các lỗi dự báo, dựa trên một số giả định chung. Kỹ thuật phức tạp nhất có thể hợp lý về mặt kinh tế là kỹ thuật rơi vào vùng mà tổng của hai chi phí là nhỏ nhất

Điều nào sau đây là đúng về dự báo?

Phụ lục I Chi phí dự báo so với chi phí không chính xác đối với dự báo tầm trung, với dữ liệu sẵn có

Khi người quản lý đã xác định mục đích của dự báo, người dự báo có thể tư vấn cho người quản lý về tần suất nó có thể được tạo ra một cách hữu ích. Từ quan điểm chiến lược, họ nên thảo luận xem liệu quyết định được đưa ra dựa trên dự báo có thể được thay đổi sau đó hay không nếu họ thấy dự báo không chính xác. Nếu có thể thay đổi, thì họ nên thảo luận về tính hữu ích của việc cài đặt một hệ thống để theo dõi độ chính xác của dự báo và loại hệ thống theo dõi phù hợp

2. Các động lực và các thành phần của hệ thống mà dự báo sẽ được thực hiện là gì? . Nói chung, người quản lý và người dự báo phải xem xét biểu đồ dòng chảy cho thấy vị trí tương đối của các yếu tố khác nhau của hệ thống phân phối, hệ thống bán hàng, hệ thống sản xuất hoặc bất kỳ thứ gì đang được nghiên cứu.

Phụ lục II hiển thị các yếu tố này cho hệ thống thông qua đó thành phần chính của CGW dành cho TV màu—bóng đèn—dành cho người tiêu dùng. Lưu ý những điểm mà hàng tồn kho được yêu cầu hoặc duy trì trong hệ thống sản xuất và phân phối này - đây là các yếu tố đường ống, có tác dụng quan trọng trong toàn bộ hệ thống dòng chảy và do đó là mối quan tâm quan trọng của người dự báo

Điều nào sau đây là đúng về dự báo?

Phụ lục II Lưu đồ hệ thống phân phối truyền hình

Tất cả các yếu tố có màu xám đậm ảnh hưởng trực tiếp đến quy trình dự báo ở một mức độ nào đó và phím màu gợi ý bản chất của dữ liệu CGW tại mỗi điểm, một lần nữa là yếu tố quyết định chính của việc lựa chọn kỹ thuật vì các kỹ thuật khác nhau yêu cầu các loại đầu vào khác nhau. Khi dữ liệu không có sẵn hoặc tốn kém để có được, phạm vi lựa chọn dự báo bị hạn chế

Lưu đồ cũng sẽ chỉ ra phần nào của hệ thống nằm dưới sự kiểm soát của công ty thực hiện dự báo. Trong Phụ lục II, đây chỉ là khối lượng tấm kính và phễu do Corning cung cấp cho các nhà sản xuất ống

Trong một phần của hệ thống mà công ty có toàn quyền kiểm soát, ban quản lý có xu hướng điều chỉnh các mối quan hệ nhân quả khác nhau và do đó có thể thường xuyên sử dụng các kỹ thuật dự báo có tính đến các yếu tố nguyên nhân một cách rõ ràng.

Luôn cập nhật nội dung mới nhất của chúng tôi với các liên kết đến tất cả các bài báo, video và podcast kỹ thuật số được xuất bản trong 24 giờ qua

Lưu đồ có giá trị đặc biệt đối với người dự báo khi các phương pháp dự đoán nhân quả được sử dụng vì nó cho phép người đó phỏng đoán về những thay đổi có thể có trong mức bán hàng do hàng tồn kho và những thứ tương tự gây ra, và để xác định yếu tố nào phải được xem xét bằng kỹ thuật này để

Một khi các yếu tố này và mối quan hệ của chúng đã được làm rõ, nhà dự báo có thể xây dựng một mô hình nhân quả của hệ thống nắm bắt cả thực tế và logic của tình huống - xét cho cùng, đó là cơ sở của dự báo phức tạp.

3. Quá khứ quan trọng như thế nào trong việc ước tính tương lai? . Trong ngắn hạn, những thay đổi gần đây không có khả năng làm thay đổi các mô hình tổng thể, nhưng về lâu dài, tác động của chúng có thể sẽ tăng lên. Người điều hành và người dự báo phải thảo luận đầy đủ về những điều này

Ba loại chung

Khi người quản lý và người dự báo đã hình thành vấn đề của họ, người dự báo sẽ có thể chọn một phương pháp.

Có ba loại cơ bản—kỹ thuật định tính, phân tích và dự đoán chuỗi thời gian và mô hình nhân quả. Loại thứ nhất sử dụng dữ liệu định tính (ví dụ như ý kiến ​​chuyên gia) và thông tin về các sự kiện đặc biệt thuộc loại đã được đề cập và có thể hoặc không xem xét quá khứ

Mặt khác, thứ hai tập trung hoàn toàn vào các mẫu và thay đổi mẫu, và do đó hoàn toàn dựa vào dữ liệu lịch sử

Loại thứ ba sử dụng thông tin cụ thể và tinh chỉnh cao về mối quan hệ giữa các phần tử hệ thống và đủ mạnh để tính đến các sự kiện đặc biệt một cách chính thức. Cũng như các kỹ thuật phân tích và dự đoán chuỗi thời gian, quá khứ rất quan trọng đối với các mô hình nhân quả

Những khác biệt này ngụ ý (khá chính xác) rằng cùng một loại kỹ thuật dự báo không phù hợp để dự báo doanh số bán hàng, chẳng hạn như ở tất cả các giai đoạn trong vòng đời của sản phẩm—ví dụ: một kỹ thuật dựa trên dữ liệu lịch sử sẽ không hữu ích trong việc dự báo

Phần cân bằng chính của bài viết này sẽ liên quan đến vấn đề làm cho kỹ thuật phù hợp với các giai đoạn của vòng đời. Chúng tôi hy vọng sẽ cung cấp cho nhà điều hành cái nhìn sâu sắc về tiềm năng của dự báo bằng cách chỉ ra cách tiếp cận vấn đề này. Nhưng trước khi thảo luận về vòng đời, chúng ta cần phác thảo các chức năng chung của ba loại kỹ thuật cơ bản chi tiết hơn một chút

kỹ thuật định tính

Về cơ bản, chúng được sử dụng khi dữ liệu khan hiếm—ví dụ: khi một sản phẩm lần đầu tiên được đưa vào thị trường. Họ sử dụng các sơ đồ đánh giá và đánh giá của con người để biến thông tin định tính thành ước tính định lượng

Mục tiêu ở đây là tập hợp tất cả các thông tin và phán đoán liên quan đến các yếu tố được ước tính một cách hợp lý, không thiên vị và có hệ thống. Những kỹ thuật như vậy thường được sử dụng trong các lĩnh vực công nghệ mới, nơi mà việc phát triển ý tưởng sản phẩm có thể yêu cầu một số “sáng chế”, do đó nhu cầu R&D rất khó ước tính, và nơi mà tỷ lệ chấp nhận và thâm nhập thị trường rất không chắc chắn.

Biểu đồ nhiều trang “Các kỹ thuật dự báo cơ bản” trình bày một số ví dụ về loại này (xem phần đầu tiên), bao gồm nghiên cứu thị trường và kỹ thuật Delphi quen thuộc hiện nay. 1 Trong biểu đồ này, chúng tôi đã cố gắng cung cấp một phần thông tin cơ bản về các loại kỹ thuật dự báo chính. Trên thực tế, một số kỹ thuật được liệt kê không phải là một phương pháp hay mô hình đơn lẻ mà là cả một nhóm. Do đó, các tuyên bố của chúng tôi có thể không mô tả chính xác tất cả các biến thể của một kỹ thuật và thay vào đó nên được hiểu là mô tả về khái niệm cơ bản của từng biến thể.

Điều nào sau đây là đúng về dự báo?

Kỹ thuật dự báo cơ bản

Điều nào sau đây là đúng về dự báo?

Điều nào sau đây là đúng về dự báo?

Điều nào sau đây là đúng về dự báo?

Điều nào sau đây là đúng về dự báo?

Tuyên bố từ chối trách nhiệm về các ước tính trong biểu đồ cũng theo thứ tự. Ước tính chi phí là gần đúng, cũng như thời gian tính toán, xếp hạng độ chính xác và xếp hạng để xác định điểm ngoặt. Chi phí của một số thủ tục phụ thuộc vào việc chúng được sử dụng thường xuyên hay được thiết lập cho một dự báo duy nhất; . Tuy nhiên, những số liệu chúng tôi trình bày có thể đóng vai trò là hướng dẫn chung

Người đọc có thể thấy tài liệu tham khảo thường xuyên về cổng gấp này hữu ích cho phần còn lại của bài báo

Phân tích chuỗi thời gian

Đây là những kỹ thuật thống kê được sử dụng khi có sẵn dữ liệu vài năm cho một sản phẩm hoặc dòng sản phẩm và khi các mối quan hệ và xu hướng đều rõ ràng và tương đối ổn định

Một trong những nguyên tắc cơ bản của dự báo thống kê - thật vậy, của tất cả các dự báo khi có sẵn dữ liệu lịch sử - là người dự báo nên sử dụng dữ liệu về hiệu suất trong quá khứ để có được "số đọc công tơ mét" về tỷ lệ hiện tại (chẳng hạn như doanh số) và . Tốc độ hiện tại và những thay đổi trong tốc độ—“tăng tốc” và “giảm tốc”—tạo nên cơ sở dự báo. Một khi chúng được biết, các kỹ thuật toán học khác nhau có thể phát triển các phép chiếu từ chúng.

Vấn đề không đơn giản như nó có vẻ, tuy nhiên. Thường rất khó để đưa ra các dự báo từ dữ liệu thô vì tỷ lệ và xu hướng không rõ ràng ngay lập tức; . Dữ liệu thô phải được xoa bóp trước khi chúng có thể sử dụng được và điều này thường được thực hiện bằng phân tích chuỗi thời gian

Bây giờ, chuỗi thời gian là một tập hợp các điểm dữ liệu thô được sắp xếp theo thứ tự thời gian—ví dụ: doanh số bán hàng của một bộ phận đối với một sản phẩm nhất định, theo tháng, trong vài năm. Phân tích chuỗi thời gian giúp xác định và giải thích

  • Bất kỳ sự thay đổi đều đặn hoặc có hệ thống nào trong chuỗi dữ liệu do tính thời vụ—"thời vụ. ”
  • Các mô hình chu kỳ lặp lại bất kỳ hai hoặc ba năm trở lên
  • Tốc độ tăng trưởng của các xu hướng này

(Thật không may, hầu hết các phương pháp hiện có chỉ xác định các yếu tố theo mùa, tác động kết hợp của các xu hướng và chu kỳ, và thành phần bất thường hoặc ngẫu nhiên. Đó là, họ không tách xu hướng khỏi chu kỳ. Chúng ta sẽ quay lại điểm này khi thảo luận về phân tích chuỗi thời gian trong giai đoạn cuối cùng của quá trình hoàn thiện sản phẩm. )

Sau khi phân tích hoàn tất, công việc lập kế hoạch bán hàng trong tương lai (hoặc bất cứ điều gì) có thể bắt đầu

Chúng ta nên lưu ý rằng mặc dù ở đây chúng ta đã tách phân tích khỏi dự báo vì mục đích giải thích, nhưng hầu hết các kỹ thuật dự báo thống kê thực sự kết hợp cả hai chức năng trong một thao tác đơn lẻ.

Một tương lai giống như quá khứ

Rõ ràng từ mô tả này rằng tất cả các kỹ thuật thống kê đều dựa trên giả định rằng các mẫu hiện tại sẽ tiếp tục trong tương lai. Giả định này có nhiều khả năng đúng trong ngắn hạn hơn là trong dài hạn, và vì lý do này, những kỹ thuật này cung cấp cho chúng ta những dự báo chính xác hợp lý cho tương lai trước mắt nhưng lại hoạt động khá kém trong tương lai (trừ khi các mẫu dữ liệu được

Cũng vì lý do này, các kỹ thuật này thường không thể dự đoán khi nào tốc độ tăng trưởng của một xu hướng sẽ thay đổi đáng kể—ví dụ: khi một giai đoạn doanh số bán hàng tăng trưởng chậm sẽ đột ngột chuyển sang giai đoạn suy giảm nhanh chóng.

Những điểm như vậy được gọi là điểm quay. Chúng đương nhiên là hệ quả lớn nhất đối với người quản lý, và như chúng ta sẽ thấy, người dự báo phải sử dụng các công cụ khác nhau từ các kỹ thuật thống kê thuần túy để dự đoán khi nào chúng sẽ xảy ra.

Mô hình nhân quả

Khi dữ liệu lịch sử có sẵn và đã thực hiện đủ phân tích để giải thích rõ ràng mối quan hệ giữa nhân tố được dự báo và các nhân tố khác (chẳng hạn như các doanh nghiệp liên quan, lực lượng kinh tế và các nhân tố kinh tế xã hội), nhà dự báo thường xây dựng mô hình nhân quả.

Mô hình nhân quả là loại công cụ dự báo phức tạp nhất. Nó thể hiện về mặt toán học các mối quan hệ nhân quả có liên quan và có thể bao gồm các cân nhắc về quy trình (i. e. , tồn kho) và thông tin khảo sát thị trường. Nó cũng có thể kết hợp trực tiếp các kết quả phân tích chuỗi thời gian

Mô hình nhân quả tính đến mọi thứ đã biết về động lực học của hệ thống dòng chảy và sử dụng các dự đoán về các sự kiện liên quan như hành động cạnh tranh, đình công và thăng chức. Nếu có sẵn dữ liệu, mô hình thường bao gồm các yếu tố cho từng vị trí trong biểu đồ luồng (như được minh họa trong Hình II) và kết nối chúng bằng các phương trình để mô tả luồng sản phẩm tổng thể

Nếu thiếu một số loại dữ liệu nhất định, ban đầu có thể cần phải đưa ra các giả định về một số mối quan hệ và sau đó theo dõi những gì đang xảy ra để xác định xem các giả định đó có đúng không. Thông thường, một mô hình nhân quả liên tục được sửa đổi khi có thêm kiến ​​thức về hệ thống

Một lần nữa, hãy xem phần mở đầu để biết tóm tắt về các loại kỹ thuật nhân quả phổ biến nhất. Như biểu đồ cho thấy, các mô hình nhân quả cho đến nay là tốt nhất để dự đoán các bước ngoặt và chuẩn bị các dự báo dài hạn

Phương pháp, Sản phẩm & Vòng đời

Ở mỗi giai đoạn trong vòng đời của một sản phẩm, từ khi hình thành ý tưởng đến khi bán ở trạng thái ổn định, các quyết định mà ban quản lý phải đưa ra có đặc điểm khá khác nhau và chúng yêu cầu các loại thông tin khác nhau làm cơ sở. Các kỹ thuật dự báo cung cấp các bộ thông tin này khác nhau một cách tương tự. Phụ lục III tóm tắt các giai đoạn vòng đời của sản phẩm, các quyết định điển hình được đưa ra ở từng giai đoạn và các kỹ thuật dự báo chính phù hợp với từng giai đoạn.

Điều nào sau đây là đúng về dự báo?

Hình minh họa III Các loại quyết định được đưa ra trong vòng đời của sản phẩm, với các kỹ thuật dự báo liên quan

Tương tự, các sản phẩm khác nhau có thể yêu cầu các loại dự báo khác nhau. Hai sản phẩm của CGW đã được xử lý hoàn toàn khác nhau là các thành phần thủy tinh chính cho ống TV màu, trong đó Corning là nhà cung cấp chính và dụng cụ nấu ăn Corning Ware, một dòng sản phẩm tiêu dùng độc quyền. Chúng ta sẽ theo dõi các phương pháp dự báo được sử dụng ở từng giai đoạn trong số bốn giai đoạn trưởng thành khác nhau của các sản phẩm này để đưa ra một số hiểu biết trực tiếp về việc lựa chọn và áp dụng một số kỹ thuật chính hiện có.

Trước khi bắt đầu, chúng ta hãy lưu ý các tình huống khác nhau như thế nào đối với hai loại sản phẩm

  • Đối với một sản phẩm tiêu dùng như dụng cụ nấu nướng, quyền kiểm soát của nhà sản xuất đối với đường ống phân phối kéo dài ít nhất qua cấp độ nhà phân phối. Do đó, nhà sản xuất có thể tác động hoặc kiểm soát việc bán hàng của người tiêu dùng một cách khá trực tiếp, cũng như kiểm soát trực tiếp một số yếu tố trong quy trình bán hàng.

Do đó, nhiều thay đổi về tỷ lệ vận chuyển và lợi nhuận tổng thể là do các hành động của chính các nhà sản xuất. Các quyết định chiến thuật về khuyến mãi, ưu đãi đặc biệt và giá cả cũng thường do họ quyết định. Do đó, kỹ thuật được người dự báo lựa chọn để dự báo doanh số nên cho phép kết hợp “thông tin đặc biệt”. ” Người ta có thể phải bắt đầu với những kỹ thuật đơn giản và làm việc với những kỹ thuật phức tạp hơn để nắm bắt những khả năng như vậy, nhưng mục tiêu cuối cùng là ở đó

  • Khi công ty của người quản lý cung cấp một thành phần cho một OEM, như Corning cung cấp cho các nhà sản xuất ống, công ty không có ảnh hưởng hoặc kiểm soát trực tiếp như vậy đối với các thành phần đường ống hoặc doanh số bán hàng của người tiêu dùng cuối cùng. Công ty có thể không thể có được thông tin tốt về những gì đang diễn ra tại các điểm xa hơn dọc theo hệ thống dòng chảy (như ở phần trên của Phụ lục II), và do đó, người dự báo nhất thiết phải sử dụng một thể loại dự báo khác.

Giữa hai ví dụ này, cuộc thảo luận của chúng ta sẽ bao gồm gần như toàn bộ các kỹ thuật dự báo. Tuy nhiên, khi cần thiết, chúng tôi sẽ đề cập đến các sản phẩm khác và các phương pháp dự báo khác

1. Phát triển sản phẩm

Trong giai đoạn đầu của quá trình phát triển sản phẩm, người quản lý muốn có câu trả lời cho những câu hỏi như

  • Các cơ hội tăng trưởng thay thế để theo đuổi sản phẩm X là gì?
  • Các sản phẩm đã được thiết lập tương tự như X đã thành công như thế nào?
  • Chúng ta có nên tham gia kinh doanh này không;
  • Chúng ta nên phân bổ các nỗ lực và kinh phí R&D như thế nào?
  • Các khái niệm sản phẩm khác nhau sẽ thành công như thế nào?
  • Làm thế nào để sản phẩm X phù hợp với thị trường trong 5 hoặc 10 năm tới?

Các dự báo giúp trả lời những câu hỏi tầm xa này nhất thiết phải có tầm nhìn xa.

Một sự phản đối phổ biến đối với nhiều dự báo tầm xa là hầu như không thể dự đoán chính xác những gì sẽ xảy ra trong vài năm tới trong tương lai. Chúng tôi đồng ý rằng sự không chắc chắn tăng lên khi dự báo được thực hiện trong khoảng thời gian hơn hai năm. Tuy nhiên, ít nhất, dự báo và thước đo độ chính xác của nó giúp nhà quản lý biết được những rủi ro khi theo đuổi một chiến lược đã chọn và từ kiến ​​thức này để lựa chọn một chiến lược phù hợp trong số những chiến lược có sẵn.

Tất nhiên, nghiên cứu thị trường có hệ thống là trụ cột trong lĩnh vực này. Ví dụ: phân tích mẫu ưu tiên có thể mô tả sở thích của người tiêu dùng và khả năng họ sẽ mua sản phẩm, do đó có giá trị lớn trong việc dự báo (và cập nhật) mức độ và tỷ lệ thâm nhập. Nhưng cũng có những công cụ khác, tùy thuộc vào trạng thái của thị trường và khái niệm sản phẩm

Đối với một thị trường xác định

Mặc dù không thể có dữ liệu trực tiếp về một sản phẩm vẫn còn là một tia sáng trong mắt, nhưng thông tin về khả năng hoạt động của sản phẩm đó có thể được thu thập theo một số cách, miễn là thị trường nơi sản phẩm được bán là một thực thể đã biết.

Đầu tiên, người ta có thể so sánh một sản phẩm được đề xuất với các sản phẩm hiện tại và dự kiến ​​của đối thủ cạnh tranh, xếp hạng nó trên thang đo định lượng cho các yếu tố khác nhau. Chúng tôi gọi đây là đo lường sự khác biệt của sản phẩm. 2

Nếu cách tiếp cận này thành công, điều cần thiết là các chuyên gia (nội bộ) cung cấp dữ liệu cơ bản đến từ các lĩnh vực khác nhau—tiếp thị, R&D, sản xuất, pháp lý, v.v.—và ý kiến ​​của họ phải khách quan

Thứ hai, và chính thức hơn, người ta có thể xây dựng các mô hình thị trường phân tách bằng cách tách các phân đoạn khác nhau của một thị trường phức hợp để nghiên cứu và xem xét riêng lẻ. Cụ thể, thường hữu ích khi dự đoán các đường cong tăng trưởng hình chữ S cho các mức thu nhập của các vùng địa lý khác nhau

Khi bóng đèn TV màu được đề xuất làm sản phẩm, CGW đã có thể xác định các yếu tố ảnh hưởng đến tăng trưởng doanh số. Sau đó, bằng cách phân tách nhu cầu của người tiêu dùng và đưa ra một số giả định nhất định về các yếu tố này, có thể phát triển đường cong chữ S cho tỷ lệ thâm nhập thị trường hộ gia đình tỏ ra hữu ích nhất đối với chúng tôi

Thứ ba, người ta có thể so sánh một sản phẩm dự kiến ​​với một “ông tổ” có đặc điểm tương tự. Năm 1965, chúng tôi phân chia thị trường tivi màu theo mức thu nhập và khu vực địa lý, đồng thời so sánh các thị trường phụ này với mô hình tăng trưởng thị trường tivi đen trắng trong lịch sử. Chúng tôi biện minh cho quy trình này bằng cách lập luận rằng TV màu đại diện cho sự tiến bộ so với đen trắng tương tự như (mặc dù ít dữ dội hơn) sự tiến bộ mà TV đen trắng đại diện cho đài phát thanh. Các phân tích về sự tăng trưởng của thị trường TV đen trắng cũng cho phép chúng tôi ước tính khả năng thay đổi dự kiến—nghĩa là mức độ mà các dự đoán của chúng tôi sẽ khác với thực tế do các yếu tố kinh tế và các yếu tố khác

Giá TV đen trắng và các thiết bị gia dụng lớn khác vào năm 1949, thu nhập khả dụng của người tiêu dùng năm 1949, giá TV màu và các thiết bị khác vào năm 1965, và thu nhập khả dụng của người tiêu dùng năm 1965 đều được xem xét một cách có lợi khi phát triển phạm vi dài hạn của chúng tôi. . Sau đó, mô hình thành công của TV đen trắng đã cung cấp cái nhìn sâu sắc về khả năng thành công và tiềm năng bán hàng của TV màu

Mặt khác, những dự đoán của chúng tôi về sự chấp nhận của người tiêu dùng đối với dụng cụ nấu nướng Corning Ware chủ yếu được lấy từ một nguồn chuyên gia, một nhà quản lý hiểu rõ sở thích của người tiêu dùng và thị trường đồ gia dụng. Những dự đoán này đã được sinh ra tốt. Điều này củng cố niềm tin của chúng tôi rằng dự báo doanh số bán hàng cho một sản phẩm mới sẽ cạnh tranh trên thị trường hiện tại chắc chắn là không đầy đủ và không chắc chắn trừ khi người ta chọn lọc những đánh giá tốt nhất của những người có kinh nghiệm đầy đủ

Đối với một thị trường không xác định

Tuy nhiên, thông thường, thị trường cho một sản phẩm mới được xác định yếu hoặc có ít dữ liệu, khái niệm sản phẩm vẫn còn lỏng lẻo và lịch sử dường như không liên quan. Đây là trường hợp của tua-bin khí, ô tô điện và hơi nước, nhà mô-đun, thiết bị đo ô nhiễm và thiết bị đầu cuối máy tính chia sẻ thời gian

Nhiều tổ chức đã áp dụng phương pháp Delphi để thu hút và tổng hợp ý kiến ​​của các chuyên gia trong những trường hợp này. Tại CGW, trong một số trường hợp, chúng tôi đã sử dụng nó để ước tính nhu cầu đối với các sản phẩm mới đó và đã thành công

Phân tích đầu vào-đầu ra, kết hợp với các kỹ thuật khác, có thể cực kỳ hữu ích trong việc dự đoán tiến trình tương lai của các công nghệ rộng lớn và những thay đổi lớn trong nền kinh tế. Công cụ cơ bản ở đây là các bảng vào-ra của U. S. công nghiệp cho các năm 1947, 1958 và 1963, và các bản cập nhật khác nhau của các bảng năm 1963 được chuẩn bị bởi một số nhóm muốn ngoại suy các số liệu năm 1963 hoặc đưa ra dự báo cho các năm sau

Vì một doanh nghiệp hoặc dòng sản phẩm có thể chỉ đại diện cho một lĩnh vực nhỏ của ngành, nên có thể khó sử dụng trực tiếp các bảng. Tuy nhiên, một số công ty đang phân tách các ngành công nghiệp để đánh giá tiềm năng bán hàng của họ và dự báo những thay đổi trong hỗn hợp sản phẩm—loại bỏ dần các dòng sản phẩm cũ và giới thiệu các dòng sản phẩm khác. Ví dụ: Tập đoàn Khoa học lượng tử (MAPTEK) đã phát triển các kỹ thuật giúp phân tích đầu vào-đầu ra hữu ích trực tiếp hơn cho mọi người trong ngành kinh doanh điện tử ngày nay. (Các kỹ thuật khác, chẳng hạn như sự đồng thuận của hội đồng và dự báo có tầm nhìn, dường như kém hiệu quả hơn đối với chúng tôi và chúng tôi không thể đánh giá chúng từ kinh nghiệm của chính mình. )

2. Thử nghiệm & Giới thiệu

Trước khi một sản phẩm có thể bước vào giai đoạn thâm nhập nhanh (hy vọng là vậy), tiềm năng thị trường phải được thử nghiệm và sản phẩm phải được giới thiệu — và sau đó có thể nên thử nghiệm thêm thị trường. Ở giai đoạn này, quản lý cần câu trả lời cho những câu hỏi này

  • Kế hoạch tiếp thị của chúng ta sẽ là gì – chúng ta nên thâm nhập thị trường nào và với số lượng sản xuất như thế nào?
  • Các giai đoạn sản xuất ban đầu sẽ cần bao nhiêu năng lực sản xuất?
  • Khi nhu cầu tăng lên, chúng ta nên xây dựng năng lực này ở đâu?
  • Chúng ta sẽ phân bổ nguồn lực R&D của mình theo thời gian như thế nào?

Lợi nhuận đáng kể phụ thuộc vào việc tìm ra câu trả lời đúng, và do đó, sẽ khả thi về mặt kinh tế nếu bỏ ra một lượng lớn công sức và tiền bạc để có được các dự báo tốt, ngắn hạn, trung hạn và dài hạn.

Dự báo doanh số ở giai đoạn này sẽ cung cấp ba điểm thông tin. ngày bắt đầu bán hàng nhanh, tỷ lệ thâm nhập thị trường trong giai đoạn bán hàng nhanh và mức độ thâm nhập cuối cùng, hoặc tỷ lệ bán hàng, trong giai đoạn ổn định

Sử dụng dữ liệu ban đầu

Ngày mà một sản phẩm sẽ bước vào giai đoạn tăng trưởng nhanh khó có thể dự đoán trước ba hoặc bốn năm (thời gian thông thường). Cách duy nhất của một công ty là sử dụng các phương pháp theo dõi thống kê để kiểm tra mức độ thành công của sản phẩm được giới thiệu, cùng với các nghiên cứu thị trường thông thường để xác định khi nào có sự gia tăng đáng kể về tỷ lệ bán hàng.

Hơn nữa, cần hết sức cẩn thận khi phân tích dữ liệu bán hàng ban đầu bắt đầu tích lũy sau khi sản phẩm được đưa ra thị trường. Ví dụ, điều quan trọng là phải phân biệt giữa bán hàng cho những người đổi mới, những người sẽ thử bất cứ điều gì mới và bán hàng cho những người bắt chước, những người sẽ chỉ mua sản phẩm sau khi nó đã được những người đổi mới chấp nhận, vì chính nhóm thứ hai mang lại sự ổn định cho nhu cầu. Nhiều sản phẩm mới ban đầu tỏ ra thành công nhờ được các nhà đổi mới mua hàng, nhưng sau đó lại thất bại trong thời gian dài

Theo dõi hai nhóm có nghĩa là nghiên cứu thị trường, có thể thông qua bảng ý kiến. Một hội thảo phải có cả người đổi mới và người bắt chước, vì người đổi mới có thể dạy cho họ rất nhiều về cách cải thiện sản phẩm trong khi người bắt chước cung cấp thông tin chi tiết về mong muốn và kỳ vọng của toàn bộ thị trường

Ví dụ, TV màu được giới thiệu vào năm 1954, nhưng không được đa số người tiêu dùng chấp nhận cho đến cuối năm 1964. Chắc chắn rằng TV màu không thể rời khỏi giai đoạn giới thiệu và bước vào giai đoạn tăng trưởng nhanh cho đến khi các mạng đã tăng đáng kể chương trình màu của họ. Tuy nhiên, các tín hiệu cờ đặc biệt như “lập trình màu mạng tăng đáng kể” có thể xuất hiện sau thực tế, từ quan điểm lập kế hoạch;

Kỹ thuật sản phẩm tương tự

Mặc dù theo dõi thống kê là một công cụ hữu ích trong giai đoạn đầu giới thiệu, hiếm khi có đủ dữ liệu để dự báo thống kê. Các nghiên cứu thị trường đương nhiên có thể hữu ích, như chúng tôi đã chỉ ra. Tuy nhiên, phổ biến hơn, người dự báo cố gắng xác định một sản phẩm tương tự, cũ hơn có mô hình thâm nhập tương tự như mô hình thâm nhập của sản phẩm mới, vì thị trường tổng thể có thể và thực sự thể hiện các mô hình nhất quán.

Một lần nữa, hãy xem xét truyền hình màu và các dự báo mà chúng tôi đã chuẩn bị vào năm 1965

Đối với năm 1947–1968, Phụ lục IV cho thấy tổng chi tiêu của người tiêu dùng, chi tiêu cho thiết bị, chi tiêu cho radio và TV và các tỷ lệ phần trăm liên quan. Cột 4 cho thấy tổng chi tiêu cho thiết bị tương đối ổn định trong nhiều năm;

Điều nào sau đây là đúng về dự báo?

Minh họa IV Chi tiêu cho Thiết bị so với Tất cả Hàng tiêu dùng (Tính bằng tỷ đô la)

Một số biến động đặc biệt trong những con số này có ý nghĩa đặc biệt ở đây. Khi TV đen trắng được giới thiệu như một sản phẩm mới vào năm 1948–1951, tỷ lệ chi tiêu cho radio và TV trên tổng chi tiêu cho hàng tiêu dùng (xem cột 7) đã tăng khoảng 33% (từ 1. 23% ăn 1. 63%), so với mức tăng khiêm tốn chỉ 13% (từ 1. 63% ăn 1. 88%) trong tỷ lệ cho thập kỷ tới. (Mức tăng tương tự 33% xảy ra vào năm 1962–1966 khi TV màu thâm nhập mạnh. )

Có lẽ việc chấp nhận TV đen trắng như một thiết bị chính vào năm 1950 đã khiến tỷ lệ tất cả các thiết bị gia dụng chính trên tổng số hàng tiêu dùng (xem cột 5) tăng lên 4. 98%;

Kỳ vọng của chúng tôi vào giữa năm 1965 là sự ra đời của TV màu sẽ tạo ra sự gia tăng tương tự. Do đó, mặc dù so sánh sản phẩm này không cung cấp cho chúng tôi dự báo chính xác hoặc chi tiết, nhưng nó đã đặt giới hạn trên cho tổng doanh số bán hàng trong tương lai mà chúng tôi có thể mong đợi

Bước tiếp theo là xem xét đường cong thâm nhập tích lũy của TV đen trắng ở Hoa Kỳ. S. hộ gia đình, thể hiện trong Phụ lục V. Chúng tôi giả định rằng mức độ thâm nhập của TV màu sẽ có đường cong chữ S tương tự, nhưng sẽ mất nhiều thời gian hơn để bộ màu thâm nhập toàn bộ thị trường (nghĩa là đạt doanh số ở trạng thái ổn định). Trong khi TV đen trắng phải mất 10 năm để đạt đến trạng thái ổn định, các nghiên cứu định tính về ý kiến ​​chuyên gia chỉ ra rằng TV đen trắng sẽ có màu lâu gấp đôi thời gian đó—do đó đường cong của TV màu dốc dần.

Điều nào sau đây là đúng về dự báo?

Minh họa V Đường cong thâm nhập hộ gia đình dài hạn cho TV màu và đen trắng

Đồng thời, các nghiên cứu được thực hiện vào năm 1964 và 1965 cho thấy doanh số bán TV màu khác nhau đáng kể ở các nhóm thu nhập khác nhau, các tỷ lệ hữu ích cho chúng tôi trong việc dự đoán đường cong của TV màu và theo dõi độ chính xác của dự đoán của chúng tôi.

Với những dữ liệu và giả định này, chúng tôi dự báo doanh số bán lẻ trong thời gian còn lại của năm 1965 đến giữa năm 1970 (xem phần chấm của đường cong phía dưới trong Hình minh họa V). Các dự báo chính xác cho đến năm 1966 nhưng quá cao trong ba năm sau đó, chủ yếu là do điều kiện kinh tế chung suy giảm và chính sách giá thay đổi

Chúng tôi nên lưu ý rằng khi chúng tôi phát triển các dự báo và kỹ thuật này, chúng tôi đã nhận ra rằng các kỹ thuật bổ sung sẽ cần thiết sau này để duy trì độ chính xác cần thiết trong các giai đoạn tiếp theo. Tuy nhiên, những dự báo này cung cấp độ chính xác có thể chấp nhận được vào thời điểm chúng được thực hiện, tuy nhiên, vì mục tiêu chính khi đó chỉ là ước tính tỷ lệ thâm nhập và mức doanh số cuối cùng ở trạng thái ổn định. Đưa ra các ước tính tinh tế về cách các đường ống sản xuất-phân phối sẽ hoạt động là một hoạt động thuộc về giai đoạn vòng đời tiếp theo

cách tiếp cận khác

Khi không thể xác định một sản phẩm tương tự, như trường hợp của lò nướng tự làm sạch và dãy nấu nướng mặt phẳng (Counterange) của CGW, thì phải sử dụng phương pháp khác

Đối với mục đích giới thiệu ban đầu vào thị trường, có thể chỉ cần xác định tỷ lệ bán hàng tối thiểu cần thiết cho một liên doanh sản phẩm để đáp ứng các mục tiêu của công ty. Các phân tích như đầu vào-đầu ra, xu hướng lịch sử và dự báo công nghệ có thể được sử dụng để ước tính mức tối thiểu này. Ngoài ra, tính khả thi của việc hoàn toàn không tham gia thị trường hoặc tiếp tục R&D cho đến giai đoạn tăng trưởng nhanh, tốt nhất có thể được xác định bằng phân tích độ nhạy

Dự báo tăng trưởng nhanh

Để ước tính ngày mà một sản phẩm sẽ bước vào giai đoạn tăng trưởng nhanh là một vấn đề khác. Như chúng ta đã thấy, ngày này là một chức năng của nhiều yếu tố. sự tồn tại của một hệ thống phân phối, sự chấp nhận hoặc quen thuộc của khách hàng với khái niệm sản phẩm, nhu cầu mà sản phẩm đáp ứng, các sự kiện quan trọng (chẳng hạn như lập trình mạng màu), v.v.

Cũng như bằng cách xem xét hành vi của các sản phẩm tương tự, ngày có thể được ước tính thông qua các bài tập Delphi hoặc thông qua các kế hoạch xếp hạng và xếp hạng, theo đó các yếu tố quan trọng đối với sự chấp nhận của khách hàng được ước tính, mỗi sản phẩm của đối thủ cạnh tranh được xếp hạng theo từng yếu tố và điểm tổng thể là

Như chúng tôi đã nói, thường rất khó để dự đoán chính xác khi nào bước ngoặt sẽ xảy ra;

Tất nhiên, đôi khi đúng là người ta có thể chắc chắn rằng một sản phẩm mới sẽ được đón nhận nhiệt tình. Các thử nghiệm thị trường và phản ứng ban đầu của khách hàng cho thấy rõ ràng sẽ có một thị trường rộng lớn cho dụng cụ nấu nướng Corning Ware. Vì hệ thống phân phối đã tồn tại nên thời gian cần thiết để dây chuyền đạt tốc độ tăng trưởng nhanh phụ thuộc chủ yếu vào khả năng sản xuất của chúng tôi. Đôi khi dự báo chỉ đơn thuần là vấn đề tính toán năng lực của công ty - nhưng không phải lúc nào cũng

3. Phát triển nhanh

Khi một sản phẩm bước vào giai đoạn này, các quyết định quan trọng nhất liên quan đến việc mở rộng cơ sở vật chất. Những quyết định này thường liên quan đến chi tiêu lớn nhất trong chu kỳ (ngoại trừ các quyết định R&D lớn) và các nỗ lực theo dõi và dự báo tương xứng là hợp lý

Dự báo và theo dõi phải cung cấp cho người điều hành ba loại dữ liệu tại thời điểm này

  • Xác minh chắc chắn về dự báo tốc độ tăng trưởng nhanh được đưa ra trước đây
  • Một ngày khó khăn khi doanh số bán hàng sẽ đạt mức tăng trưởng “bình thường” ở trạng thái ổn định
  • Đối với các sản phẩm thành phần, độ lệch trong đường cong tăng trưởng có thể do các điều kiện đặc trưng dọc theo đường ống gây ra—ví dụ: tắc nghẽn hàng tồn kho

Dự báo tốc độ tăng trưởng

Dự báo tầm trung và dài hạn về tốc độ tăng trưởng của thị trường và việc đạt được doanh số ở trạng thái ổn định đòi hỏi các biện pháp tương tự như giai đoạn giới thiệu sản phẩm - nghiên cứu tiếp thị chi tiết (đặc biệt là khảo sát ý định mua) và so sánh sản phẩm

Mặt khác, khi một sản phẩm đã bước vào giai đoạn tăng trưởng nhanh, nhìn chung có đủ dữ liệu để xây dựng các mô hình tăng trưởng thống kê và thậm chí có thể là nguyên nhân (mặc dù mô hình sau nhất thiết phải chứa các giả định phải được xác minh sau này)

Chúng tôi ước tính tốc độ tăng trưởng và tốc độ ổn định của TV màu bằng mô hình tiếp thị kinh tế lượng thô từ dữ liệu có sẵn ở đầu giai đoạn này. Chúng tôi cũng tiến hành các nghiên cứu tiếp thị thường xuyên

Như chúng tôi đã giải thích, tốc độ tăng trưởng của Đồ nấu nướng Corning Ware bị hạn chế chủ yếu bởi khả năng sản xuất của chúng tôi; . Bởi vì lượng hàng tồn kho đáng kể làm đệm cho thông tin về doanh số bán hàng của người tiêu dùng trong suốt quá trình sản xuất, nên thiếu dữ liệu thực địa tốt, điều này khiến cho ngày này trở nên khó ước tính. Cuối cùng, chúng tôi thấy cần phải thiết lập một hệ thống thông tin hiện trường tốt hơn (trực tiếp hơn)

Cũng như chỉ đơn thuần là thông tin đệm, trong trường hợp sản phẩm thành phần, đường ống dẫn gây ra những tác động bóp méo nhất định đối với nhu cầu của nhà sản xuất;

Mô phỏng đường ống

Mặc dù nhu cầu về sản phẩm đang xử lý trong hệ thống có đường cong chữ S giống như nhu cầu về doanh số bán lẻ, nhưng nó có thể tụt hậu hoặc dẫn đầu về doanh số bán hàng trong vài tháng, làm sai lệch hình dạng của nhu cầu đối với nhà cung cấp linh kiện

Hình minh họa VI cho thấy xu hướng nhu cầu dài hạn đối với một nhà cung cấp linh kiện khác ngoài Corning như là một chức năng của doanh số bán hàng của nhà phân phối và hàng tồn kho của nhà phân phối. Như có thể thấy từ đường cong này, doanh số bán hàng của nhà cung cấp có thể tăng tương đối mạnh trong vài tháng và đạt đỉnh trước khi doanh số bán lẻ chững lại. Ý nghĩa của những đường cong này đối với việc lập kế hoạch và phân bổ cơ sở vật chất là rõ ràng

Điều nào sau đây là đúng về dự báo?

Minh họa VI Các mẫu dành cho doanh số bán hàng của nhà phân phối TV màu, hàng tồn kho của nhà phân phối và ghi chú bán hàng linh kiện. Các thang đo khác nhau đối với doanh số bán linh kiện, hàng tồn kho của nhà phân phối và doanh số của nhà phân phối, với các mẫu được đặt trên cùng một biểu đồ nhằm mục đích minh họa

Ở đây, chúng tôi đã sử dụng các thành phần dành cho TV màu để minh họa vì chúng tôi biết từ kinh nghiệm của chính mình về tầm quan trọng của thời gian lưu chuyển dài đối với TV màu do nhiều bước tuần tự trong sản xuất và phân phối (nhớ lại Phụ lục II). Có nhiều ví dụ ngoạn mục hơn;

Để ước tính tổng nhu cầu về sản xuất CGW, chúng tôi đã sử dụng mô hình nhu cầu bán lẻ và mô phỏng đường ống. Mô hình kết hợp tỷ lệ thâm nhập, đường cong tử vong và những thứ tương tự. Chúng tôi đã kết hợp dữ liệu do mô hình tạo ra với dữ liệu thị phần, dữ liệu về tổn thất thủy tinh và các thông tin khác để tạo thành kho dữ liệu đầu vào cho mô phỏng đường ống. Đầu ra mô phỏng cho phép chúng tôi áp dụng các đường cong dự kiến ​​giống như các đường cong được hiển thị trong Phụ lục VI để lập kế hoạch sản xuất linh kiện của riêng chúng tôi

Mô phỏng là một công cụ tuyệt vời cho những trường hợp này vì về cơ bản nó đơn giản hơn so với phương pháp thay thế—cụ thể là xây dựng một mô hình chính thức hơn, “toán học” hơn. Đó là, mô phỏng bỏ qua nhu cầu về các kỹ thuật giải pháp phân tích và sao chép toán học của một môi trường phức tạp và cho phép thử nghiệm. Mô phỏng cũng cho chúng ta biết các yếu tố đường ống sẽ hành xử và tương tác theo thời gian như thế nào—kiến thức này rất hữu ích trong việc dự báo, đặc biệt là trong việc xây dựng các mô hình nhân quả chính thức sau này

Theo dõi & cảnh báo

Tất nhiên, kiến ​​thức này không hoàn toàn “khó”, và động lực của đường ống phải được theo dõi cẩn thận để xác định xem các ước tính và giả định khác nhau được đưa ra có thực sự đúng hay không. Các phương pháp thống kê cung cấp một cơ sở ngắn hạn tốt để ước tính và kiểm tra tốc độ tăng trưởng và báo hiệu khi các bước ngoặt sẽ xảy ra

Vào cuối năm 1965, đối với chúng tôi, dường như nhu cầu về sản phẩm đang chế biến đang tăng lên, vì có sự khác biệt nhất quán giữa doanh số bán bóng đèn TV thực tế và doanh số bán bóng đèn dự báo. Các cuộc trò chuyện với người quản lý sản phẩm và các nhân viên khác cho thấy có thể đã có sự thay đổi đáng kể trong hoạt động đường ống; . Sự thay đổi này đã mang lại lợi nhuận bổ sung cho CGW vào năm 1966 nhưng lại có tác động bất lợi vào năm 1967. Chúng tôi đã có thể dự đoán cái bướu này, nhưng thật không may, chúng tôi không thể giảm bớt hoặc tránh nó vì đường ống không nằm trong tầm kiểm soát của chúng tôi

Hàng tồn kho dọc theo đường ống cũng đi theo một đường cong chữ S (như minh họa trong Hình VI), một thực tế tạo ra và kết hợp hai điều kiện đặc trưng trong toàn bộ đường ống. lấp đầy ban đầu và những thay đổi sau đó giữa quá nhiều và quá ít hàng tồn kho tại các thời điểm khác nhau—một chuỗi các điều kiện ăn nên làm ra

Ví dụ: hệ thống phân phối đơn giản hơn của Corning Ware có đường cong chữ S giống như những gì chúng ta đã xem xét. Tuy nhiên, khi doanh số bán lẻ chậm lại từ tăng trưởng nhanh sang tăng trưởng bình thường, không có dấu hiệu sớm nào từ dữ liệu vận chuyển cho thấy bước ngoặt quan trọng này đã đạt được. Dữ liệu về hàng tồn kho của nhà phân phối cho chúng tôi một số cảnh báo rằng đường ống đã được lấp đầy, nhưng bước ngoặt ở cấp độ bán lẻ vẫn chưa được xác định đủ nhanh, như chúng tôi đã đề cập trước đây, do thiếu dữ liệu tốt ở cấp độ. Giờ đây, chúng tôi thường xuyên theo dõi thông tin hiện trường để xác định những thay đổi quan trọng và điều chỉnh dự báo lô hàng của mình cho phù hợp

Mối quan tâm chính

Khi đó, một hoạt động chính trong giai đoạn tăng trưởng nhanh là kiểm tra các ước tính trước đó và nếu chúng có vẻ không chính xác thì tính toán lỗi trong dự báo càng chính xác càng tốt và thu được ước tính sửa đổi

Trong một số trường hợp, các mô hình được phát triển trước đó sẽ chỉ bao gồm “các điều khoản vĩ mô”; . Ví dụ: mô hình dự báo TV màu ban đầu chỉ xem xét tổng mức thâm nhập bộ ở các mức thu nhập khác nhau mà không xem xét cách thức sử dụng bộ. Do đó, chúng tôi đã tiến hành khảo sát thị trường để xác định chính xác hơn việc sử dụng bộ

Tương tự, trong giai đoạn tăng trưởng nhanh, các mô hình con của các phân đoạn đường ống nên được mở rộng để kết hợp thông tin chi tiết hơn khi nhận được. Trong trường hợp TV màu, chúng tôi nhận thấy rằng chúng tôi có thể ước tính các yêu cầu đường ống tổng thể đối với bóng đèn thủy tinh, các yếu tố thị phần CGW và tổn thất thủy tinh, đồng thời đưa ra phân phối xác suất xung quanh các ước tính có khả năng xảy ra nhất. Theo thời gian, thật dễ dàng để kiểm tra các dự báo này với khối lượng bán hàng thực tế và do đó kiểm tra các quy trình mà chúng tôi đã tạo ra chúng.

Chúng tôi cũng nhận thấy rằng chúng tôi phải tăng số lượng các yếu tố trong mô hình mô phỏng—ví dụ: chúng tôi phải mở rộng mô hình để xem xét các kích cỡ bóng đèn khác nhau—và điều này đã cải thiện độ chính xác và tính hữu ích tổng thể của chúng tôi

Phương pháp trên chỉ là một phương pháp có thể được sử dụng để dự báo doanh số bán hàng của các sản phẩm mới đang có tốc độ tăng trưởng nhanh. Những người khác đã thảo luận những cái khác nhau. 3

4. trạng thái ổn định

Các quyết định của người quản lý ở giai đoạn này hoàn toàn khác với những quyết định được đưa ra trước đó. Hầu hết các quy hoạch cơ sở đã được bình phương hóa, và các xu hướng và tốc độ tăng trưởng đã trở nên ổn định hợp lý. Có thể xảy ra sự thay đổi về nhu cầu và lợi nhuận do điều kiện kinh tế thay đổi, sản phẩm mới và cạnh tranh, động lực của đường ống dẫn, v.v. và người quản lý sẽ phải duy trì các hoạt động theo dõi và thậm chí giới thiệu những hoạt động mới. Tuy nhiên, nhìn chung, nhà quản lý sẽ tập trung dự báo sự chú ý vào các lĩnh vực này.

  • Lập kế hoạch sản xuất dài hạn và ngắn hạn
  • Thiết lập các tiêu chuẩn để kiểm tra hiệu quả của các chiến lược tiếp thị
  • Dự báo được thiết kế để hỗ trợ lập kế hoạch lợi nhuận

Người quản lý cũng sẽ cần một hệ thống theo dõi và cảnh báo tốt để xác định nhu cầu giảm đáng kể đối với sản phẩm (nhưng hy vọng đó là một chặng đường dài)

Để chắc chắn, người quản lý sẽ muốn dự báo tỷ suất lợi nhuận và lợi nhuận cũng như dự báo dài hạn để hỗ trợ lập kế hoạch ở cấp công ty. Tuy nhiên, dự báo doanh số bán hàng ngắn hạn và trung hạn là cơ sở cho những công việc phức tạp hơn này và chúng tôi sẽ tập trung vào dự báo doanh số bán hàng

Đầy đủ dụng cụ trong tầm tay

Khi lập kế hoạch sản xuất và thiết lập chiến lược tiếp thị trong ngắn hạn và trung hạn, những cân nhắc đầu tiên của nhà quản lý thường là ước tính chính xác mức bán hàng hiện tại và ước tính chính xác tốc độ thay đổi của mức này.

Do đó, người dự báo được kêu gọi thực hiện hai đóng góp có liên quan ở giai đoạn này

  • Để cung cấp các ước tính về xu hướng và thời vụ, điều này rõ ràng ảnh hưởng đến mức độ bán hàng. Thời vụ đặc biệt quan trọng đối với cả việc lập kế hoạch sản xuất tổng thể và kiểm soát hàng tồn kho. Để làm được điều này, người dự báo cần áp dụng các kỹ thuật phân tích và dự đoán chuỗi thời gian, tức là các kỹ thuật thống kê.
  • Để liên kết mức doanh số bán hàng trong tương lai với các yếu tố dễ dự đoán hơn hoặc có mối quan hệ “dẫn đầu” với doanh số bán hàng hoặc cả hai. Để làm được điều này, người dự báo cần xây dựng các mô hình nhân quả

Loại sản phẩm được xem xét kỹ lưỡng là rất quan trọng trong việc lựa chọn các kỹ thuật được sử dụng

Đối với Corning Ware, nơi mà các cấp độ của hệ thống phân phối được tổ chức theo cách tương đối đơn giản, chúng tôi sử dụng các phương pháp thống kê để dự đoán các lô hàng và thông tin hiện trường để dự báo những thay đổi về tỷ lệ vận chuyển. Chúng tôi hiện đang trong quá trình kết hợp thông tin đặc biệt—chiến lược tiếp thị, dự báo kinh tế, v.v.—trực tiếp vào dự báo lô hàng. Điều này dẫn chúng ta đến một mô hình dự báo nhân quả

Mặt khác, một nhà cung cấp linh kiện có thể dự báo tổng doanh số bán hàng với độ chính xác đủ để lập kế hoạch sản xuất trên diện rộng, nhưng môi trường đường ống có thể phức tạp đến mức cách tốt nhất để đưa ra các dự đoán ngắn hạn là chủ yếu dựa vào ước tính của nhân viên bán hàng. Ví dụ, chúng tôi thấy điều này đúng khi ước tính nhu cầu kính TV theo kích thước và khách hàng. Trong những trường hợp như vậy, vai trò tốt nhất của các phương pháp thống kê là cung cấp hướng dẫn và kiểm tra dự báo của nhân viên bán hàng.

Tuy nhiên, nói chung, tại thời điểm này của vòng đời, đã có đủ dữ liệu chuỗi thời gian và đủ các mối quan hệ nhân quả được biết từ kinh nghiệm trực tiếp và nghiên cứu thị trường để người dự báo thực sự có thể áp dụng hai bộ công cụ mạnh mẽ này. Dữ liệu lịch sử trong ít nhất vài năm qua phải có sẵn. Người dự báo sẽ sử dụng tất cả, bằng cách này hay cách khác

Chúng tôi có thể đề cập đến một lời chỉ trích phổ biến tại thời điểm này. Mọi người thường phản đối việc sử dụng nhiều hơn một số điểm dữ liệu gần đây nhất (chẳng hạn như số liệu bán hàng trong quá khứ gần đây) để xây dựng các dự báo, vì họ nói rằng tình hình hiện tại luôn rất năng động và các điều kiện đang thay đổi một cách triệt để và nhanh chóng đến mức

Chúng tôi nghĩ rằng quan điểm này có ít giá trị. Biểu đồ dữ liệu bán hàng của vài năm, chẳng hạn như biểu đồ được hiển thị trong Phần A của Phụ lục VII, tạo ấn tượng về xu hướng bán hàng mà người ta không thể có được nếu chỉ nhìn vào hai hoặc ba điểm dữ liệu mới nhất

Điều nào sau đây là đúng về dự báo?

Hình minh họa VII Biểu đồ dữ liệu về doanh số bán TV màu của nhà máy

Điều nào sau đây là đúng về dự báo?

Trên thực tế, chúng tôi thấy rằng các mô hình tổng thể có xu hướng tiếp tục trong tối thiểu một hoặc hai quý trong tương lai, ngay cả khi các điều kiện đặc biệt khiến doanh số bán hàng dao động trong một hoặc hai khoảng thời gian (hàng tháng) trong tương lai gần

Đối với dự báo ngắn hạn cho một đến ba tháng tới, tác động của các yếu tố như điều kiện kinh tế chung là tối thiểu và không gây ra những thay đổi cơ bản trong mô hình nhu cầu. Và bởi vì các xu hướng có xu hướng thay đổi dần dần chứ không đột ngột, nên các phương pháp thống kê và định lượng khác là phương pháp tuyệt vời để dự báo ngắn hạn. Việc sử dụng một hoặc chỉ một vài điểm dữ liệu gần đây nhất sẽ dẫn đến việc xem xét không đầy đủ bản chất của xu hướng, chu kỳ và biến động theo mùa trong doanh số bán hàng

Cho rằng khả năng ứng dụng của các kỹ thuật này, chúng ta phải tiếp tục giải thích cách người dự báo xác định chính xác điều gì đang xảy ra khi doanh số biến động từ giai đoạn này sang giai đoạn tiếp theo và làm thế nào để dự báo những biến động như vậy

Sắp xếp theo xu hướng & theo mùa

Xu hướng và thời vụ rõ ràng là hai điều hoàn toàn khác nhau và chúng phải được xử lý riêng trong dự báo

Ví dụ, hãy xem xét điều gì sẽ xảy ra nếu một nhà dự báo chỉ đơn thuần lấy giá trị trung bình của các điểm dữ liệu gần đây nhất dọc theo một đường cong, kết hợp điểm này với các điểm trung bình tương tự khác kéo dài ngược về quá khứ gần nhất và sử dụng các điểm này làm cơ sở cho một . Người dự báo có thể dễ dàng phản ứng thái quá với những thay đổi ngẫu nhiên, nhầm chúng với bằng chứng của một xu hướng phổ biến, nhầm thay đổi tốc độ tăng trưởng theo mùa, v.v.

Để tránh chính xác loại lỗi này, kỹ thuật trung bình động, tương tự như kỹ thuật giả định vừa được mô tả, sử dụng các điểm dữ liệu theo cách mà các tác động của thời vụ (và sự bất thường) bị loại bỏ

Hơn nữa, giám đốc điều hành cần ước tính chính xác các xu hướng và ước tính chính xác về thời vụ để lập kế hoạch sản xuất trên diện rộng, xác định các nỗ lực tiếp thị và phân bổ, đồng thời duy trì hàng tồn kho thích hợp - tức là hàng tồn kho đáp ứng đủ nhu cầu của khách hàng nhưng không quá tốn kém

Trước khi tiếp tục, có thể minh họa cách phân loại như vậy trông như thế nào. Phần A, B và C của Phụ lục VII cho thấy sự phân tách ban đầu của dữ liệu thô đối với doanh số bán TV màu của nhà máy từ năm 1965 đến giữa năm 1970. Phần A trình bày đường cong dữ liệu thô. Phần B cho thấy các yếu tố theo mùa tiềm ẩn trong dữ liệu thô—một mẫu khá nhất quán, mặc dù có một số thay đổi từ năm này sang năm khác. (Trong phần tiếp theo, chúng tôi sẽ giải thích biểu đồ theo mùa này đến từ đâu. )

Phần C cho thấy kết quả của việc chiết khấu đường cong dữ liệu thô theo mùa của Phần B; . Tiếp theo, trong Phần D, chúng tôi đã vẽ đường cong mượt mà nhất hoặc “tốt nhất” có thể thông qua đường cong phi mùa vụ, từ đó thu được chu kỳ xu hướng. (Chúng tôi có thể lưu ý thêm rằng sự khác biệt giữa đường chu kỳ xu hướng này và đường cong dữ liệu phi mùa vụ thể hiện thành phần bất thường hoặc phi hệ thống mà người dự báo phải luôn chịu đựng và cố gắng giải thích bằng các phương pháp khác. )

Tóm lại, sau đó, mục tiêu của kỹ thuật dự báo được sử dụng ở đây là thực hiện công việc tốt nhất có thể để phân loại các xu hướng và tính thời vụ. Thật không may, hầu hết các phương pháp dự báo đều dự báo theo một quy trình làm mịn tương tự như quy trình của kỹ thuật trung bình động hoặc giống như quy trình của kỹ thuật giả định mà chúng tôi đã mô tả ở đầu phần này, và việc phân tách các xu hướng và thời vụ một cách chính xác hơn sẽ đòi hỏi nhiều nỗ lực và chi phí hơn

Tuy nhiên, các phương pháp phân loại đã chứng tỏ bản thân trong thực tế. Chúng tôi có thể giải thích tốt nhất lý do thành công của họ bằng cách phác thảo sơ bộ cách chúng tôi xây dựng dự báo doanh số bán hàng trên cơ sở xu hướng, mùa vụ và dữ liệu thu được từ chúng. Đây là phương pháp

  • Vẽ đồ thị tốc độ thay đổi của xu hướng. Đối với hình minh họa được đưa ra trong Phụ lục VII, biểu đồ này được hiển thị trong Phần E. Đồ thị này mô tả những thăng trầm liên tiếp của chu kỳ xu hướng được trình bày trong Phần D
  • Dự đoán tốc độ tăng trưởng này trong khoảng thời gian được dự báo. Giả sử chúng ta đã dự báo vào giữa năm 1970, chúng ta nên dự đoán vào những tháng mùa hè và có thể vào đầu mùa thu
  • Thêm tốc độ tăng trưởng này (dù là tích cực hay tiêu cực) vào tốc độ bán hàng hiện tại. Đây có thể gọi là tỷ lệ bán hàng trái mùa
  • Dự đoán các mùa của Phần B trong khoảng thời gian được đề cập và nhân tỷ lệ dự báo không theo mùa với các mùa này. Sản phẩm sẽ là tỷ lệ bán hàng dự kiến, đó là những gì chúng tôi mong muốn

Tất nhiên, trong những trường hợp đặc biệt không tính đến thời vụ, quy trình này được đơn giản hóa nhiều, ít dữ liệu hơn và các kỹ thuật đơn giản hơn có thể là đủ

Chúng tôi nhận thấy rằng việc phân tích các mô hình thay đổi trong tốc độ tăng trưởng mang lại cho chúng tôi độ chính xác cao hơn trong việc dự đoán các bước ngoặt (và do đó thay đổi từ tăng trưởng dương sang âm và ngược lại) so với khi chúng ta chỉ sử dụng chu kỳ xu hướng

Trên thực tế, ưu điểm chính của việc xem xét thay đổi tăng trưởng là thường có thể dự đoán sớm hơn khi nào tình trạng không tăng trưởng sẽ xảy ra. Do đó, biểu đồ về sự thay đổi trong tăng trưởng cung cấp một cơ sở trực quan tuyệt vời để dự báo và xác định cả bước ngoặt

kỹ thuật X-11

Người đọc sẽ tò mò muốn biết làm cách nào để tách dữ liệu bán hàng thô ra khỏi dữ liệu bán hàng theo mùa và chính xác làm cách nào để rút ra đường cong thay đổi trong tăng trưởng từ đường xu hướng

Một trong những kỹ thuật tốt nhất mà chúng tôi biết để phân tích sâu dữ liệu lịch sử nhằm xác định thời vụ, tỷ lệ bán hàng hiện tại và mức tăng trưởng là Kỹ thuật của Cục điều tra dân số X-11, kỹ thuật này đồng thời loại bỏ các thời vụ khỏi thông tin thô và điều chỉnh đường chu kỳ xu hướng cho dữ liệu. Nó rất toàn diện. với chi phí khoảng 10 đô la, nó cung cấp thông tin chi tiết về các mùa, xu hướng, độ chính xác của các mùa và sự phù hợp với chu kỳ xu hướng và một số biện pháp khác. Đầu ra bao gồm các biểu đồ của chu kỳ xu hướng và tốc độ tăng trưởng, có thể nhận được đồng thời trên màn hình đồ họa trên thiết bị đầu cuối chia sẻ thời gian

Mặc dù X-11 ban đầu không được phát triển như một phương pháp dự báo, nhưng nó đã thiết lập một cơ sở để từ đó có thể đưa ra các dự báo tốt. Tuy nhiên, cần lưu ý rằng có một số bất ổn trong đường xu hướng đối với các điểm dữ liệu gần đây nhất, vì X-11, giống như hầu hết các kỹ thuật thống kê, sử dụng một số dạng trung bình động. Do đó, nó đã được chứng minh là có giá trị khi nghiên cứu những thay đổi trong mô hình tăng trưởng khi đạt được mỗi điểm tăng trưởng mới.

Đặc biệt, khi dữ liệu gần đây dường như phản ánh sự tăng trưởng mạnh hoặc giảm doanh số bán hàng hoặc bất kỳ sự bất thường nào khác của thị trường, người dự báo nên xác định xem có bất kỳ sự kiện đặc biệt nào xảy ra trong khoảng thời gian đang xem xét hay không - thăng chức, đình công, thay đổi trong nền kinh tế, v.v. X-11 cung cấp thiết bị cơ bản cần thiết để đánh giá tác động của các sự kiện đó

Nói chung, ngay cả khi các mô hình tăng trưởng có thể được liên kết với các sự kiện cụ thể, kỹ thuật X-11 và các phương pháp thống kê khác không cho kết quả tốt khi dự báo sau sáu tháng, do tính chất không chắc chắn hoặc không thể đoán trước của các sự kiện. Đối với các dự báo ngắn hạn từ một đến ba tháng, kỹ thuật X-11 đã được chứng minh là khá chính xác

Chúng tôi đã sử dụng nó để cung cấp ước tính doanh thu cho từng bộ phận trong ba giai đoạn trong tương lai, cũng như để xác định những thay đổi về tỷ lệ bán hàng. Chúng tôi đã so sánh các dự báo X-11 của chúng tôi với các dự báo do từng bộ phận xây dựng, trong đó các bộ phận đã sử dụng nhiều phương pháp khác nhau, một số phương pháp có tính đến ước tính của nhân viên bán hàng và các kiến ​​thức đặc biệt khác. Các dự báo sử dụng kỹ thuật X-11 chỉ dựa trên các phương pháp thống kê và không xem xét bất kỳ thông tin đặc biệt nào

Các dự báo của bộ phận có ít lỗi hơn một chút so với các dự báo được cung cấp bởi phương pháp X-11; . Điều này gợi ý cho chúng tôi rằng có thể thực hiện công việc dự báo tốt hơn bằng cách kết hợp kiến ​​thức đặc biệt, kỹ thuật phân chia và phương pháp X-11. Điều này thực sự đang được thực hiện bởi một số bộ phận, và kết quả là độ chính xác dự đoán của họ đã được cải thiện.

Phương pháp X-11 cũng đã được sử dụng để đưa ra các dự đoán về doanh số bán hàng trong tương lai gần nhằm làm tiêu chuẩn để đánh giá các chiến lược tiếp thị khác nhau. Điều này đã được chứng minh là đặc biệt hiệu quả để ước tính tác động của thay đổi giá và khuyến mãi

Như chúng tôi đã chỉ ra trước đó, phân tích xu hướng thường được sử dụng để dự đoán dữ liệu hàng năm trong vài năm nhằm xác định doanh số bán hàng sẽ là bao nhiêu nếu xu hướng hiện tại tiếp tục. Phân tích hồi quy và dự báo thống kê đôi khi được sử dụng theo cách này—nghĩa là để ước tính điều gì sẽ xảy ra nếu không có thay đổi đáng kể nào được thực hiện. Sau đó, nếu kết quả không được chấp nhận đối với các mục tiêu của công ty, công ty có thể thay đổi chiến lược của mình

mô hình kinh tế lượng

Trong một thời gian dài, những thay đổi trong điều kiện kinh tế chung sẽ chiếm một phần đáng kể trong sự thay đổi tốc độ tăng trưởng của sản phẩm. Bởi vì các dự báo kinh tế đang trở nên chính xác hơn và cũng bởi vì có một số lực lượng kinh tế “dẫn dắt” chung thay đổi trước khi có những thay đổi tiếp theo trong các ngành cụ thể, nên có thể cải thiện dự báo của các doanh nghiệp bằng cách đưa các yếu tố kinh tế vào mô hình dự báo.

Tuy nhiên, sự phát triển của một mô hình như vậy, thường được gọi là mô hình kinh tế lượng, đòi hỏi phải có đủ dữ liệu để có thể thiết lập các mối quan hệ chính xác.

Trong thời kỳ phát triển nhanh chóng của TV màu, chúng tôi nhận ra rằng các điều kiện kinh tế có thể sẽ ảnh hưởng đáng kể đến tỷ lệ bán hàng. Tuy nhiên, các phân tích vĩ mô về dữ liệu TV đen trắng mà chúng tôi thực hiện vào năm 1965 đối với các cuộc suy thoái vào cuối những năm 1940 và đầu những năm 1950 hoàn toàn không cho thấy bất kỳ tác động kinh tế đáng kể nào; . (Một cuộc điều tra sau đó đã xác định những tổn thất nhất định trong doanh số bán TV màu vào năm 1967 do điều kiện kinh tế. )

Năm 1969, Corning quyết định rằng chắc chắn cần phải có một phương pháp tốt hơn X-11 để dự đoán các bước ngoặt trong doanh số bán lẻ TV màu từ sáu tháng đến hai năm tới trong tương lai. Các phương pháp thống kê và ước tính của nhân viên bán hàng không thể phát hiện ra những bước ngoặt này đủ xa để hỗ trợ việc ra quyết định;

Dữ liệu đầy đủ dường như có sẵn để xây dựng một mô hình kinh tế lượng và do đó các phân tích đã bắt đầu phát triển một mô hình như vậy cho cả doanh số bán TV đen trắng và màu. Kiến thức của chúng tôi về các mùa, xu hướng và sự tăng trưởng của các sản phẩm này đã hình thành cơ sở tự nhiên để xây dựng phương trình của các mô hình

Các đầu vào kinh tế cho mô hình chủ yếu được lấy từ thông tin do Mô hình kinh tế lượng Wharton tạo ra, nhưng các nguồn khác cũng được sử dụng

Sử dụng dữ liệu kéo dài đến năm 1968, mô hình đã dự đoán khá tốt về sự suy thoái trong quý 4 năm 1969 và khi dữ liệu năm 1969 cũng được đưa vào mô hình, ước tính chính xác mức độ suy giảm trong hai quý đầu năm 1970. Do các mối quan hệ dẫn đầu và tụt hậu và có sẵn các dự báo kinh tế cho các yếu tố trong mô hình, tác động của nền kinh tế đối với doanh số bán hàng có thể được ước tính trong hai năm tới trong tương lai

Trong giai đoạn ổn định, kiểm soát sản xuất và hàng tồn kho, dự báo nhóm mặt hàng và ước tính nhu cầu dài hạn là đặc biệt quan trọng. Người đọc quan tâm sẽ tìm thấy một cuộc thảo luận về các chủ đề này ở mặt sau của cửa sổ

Cuối cùng, thông qua giai đoạn ổn định, sẽ rất hữu ích nếu thiết lập các đánh giá hàng quý trong đó các biểu đồ cảnh báo và theo dõi thống kê cũng như thông tin mới được đưa ra. Tại các cuộc họp này, quyết định sửa đổi hoặc cập nhật mô hình hoặc dự báo được cân nhắc dựa trên các chi phí khác nhau và số lượng lỗi dự báo. Trong một khu vực có nhiều biến động, việc xem xét nên diễn ra thường xuyên hàng tháng hoặc hàng kỳ

Dự báo trong tương lai

Để kết thúc một bài viết về dự báo, chúng ta nên đưa ra dự đoán về các kỹ thuật sẽ được sử dụng trong tương lai ngắn hạn và dài hạn.

Như chúng tôi đã nói, không quá khó để dự đoán tương lai trước mắt, vì các xu hướng dài hạn không thay đổi trong một sớm một chiều. Nhiều kỹ thuật được mô tả chỉ ở giai đoạn đầu của ứng dụng, nhưng chúng tôi vẫn mong đợi hầu hết các kỹ thuật sẽ được sử dụng trong 5 năm tới là những kỹ thuật được thảo luận ở đây, có lẽ ở dạng mở rộng

Chi phí sử dụng các kỹ thuật này sẽ giảm đáng kể; . Chúng tôi hy vọng rằng các công ty chia sẻ thời gian trên máy tính sẽ cung cấp quyền truy cập, với chi phí danh nghĩa, vào các ngân hàng dữ liệu đầu vào-đầu ra, được chia thành nhiều phân khúc kinh doanh hơn so với hiện nay. Xu hướng tiếp tục giảm chi phí máy tính cho mỗi lần tính toán, cùng với việc đơn giản hóa tính toán, sẽ làm cho các kỹ thuật như phương pháp Box-Jenkins trở nên khả thi về mặt kinh tế, ngay cả đối với một số ứng dụng kiểm soát hàng tồn kho. Các gói phần mềm máy tính cho các kỹ thuật thống kê và một số mô hình chung cũng sẽ có sẵn với chi phí danh nghĩa

Ở thời điểm hiện tại, hầu hết các dự báo ngắn hạn chỉ sử dụng các phương pháp thống kê, ít thông tin định tính. Khi thông tin định tính được sử dụng, nó chỉ được sử dụng theo cách bên ngoài và không được tích hợp trực tiếp vào quy trình tính toán. Chúng tôi dự đoán một sự thay đổi đối với toàn bộ hệ thống dự báo, trong đó một số kỹ thuật được liên kết với nhau, cùng với việc xử lý thông tin định tính một cách có hệ thống

Các mô hình kinh tế lượng sẽ được sử dụng rộng rãi hơn trong 5 năm tới, với hầu hết các công ty lớn đang phát triển và hoàn thiện các mô hình kinh tế lượng cho các hoạt động kinh doanh chính của họ. Các mô hình mô phỏng tiếp thị cho các sản phẩm mới cũng sẽ được phát triển cho các sản phẩm có khối lượng lớn hơn, với các hệ thống theo dõi để cập nhật các mô hình và thông số của chúng. Lập trình heuristic sẽ cung cấp một phương tiện tinh chỉnh các mô hình dự báo

Mặc dù một số công ty đã phát triển các mô hình đầu vào-đầu ra của riêng họ song song với dữ liệu đầu vào-đầu ra và các dự báo thống kê của chính phủ, nhưng sẽ phải mất từ ​​5 đến 10 năm nữa trước khi các mô hình đầu vào-đầu ra được hầu hết các tập đoàn lớn sử dụng một cách hiệu quả.

Tuy nhiên, trong vòng 5 năm tới, chúng ta sẽ chứng kiến ​​việc sử dụng rộng rãi các hệ thống người-máy, trong đó các mô hình thống kê, nhân quả và kinh tế lượng được lập trình trên máy tính và mọi người thường xuyên tương tác với nhau. Khi chúng tôi tin tưởng vào các hệ thống như vậy, do đó có ít báo cáo ngoại lệ hơn, sự can thiệp của con người sẽ giảm đi. Về cơ bản, các mô hình vi tính hóa sẽ thực hiện các phép tính phức tạp và mọi người sẽ đóng vai trò nhiều hơn với tư cách là người tạo ra ý tưởng và nhà phát triển hệ thống. Ví dụ: chúng tôi sẽ nghiên cứu động lực thị trường và thiết lập các mối quan hệ phức tạp hơn giữa yếu tố được dự báo và hệ thống dự báo

Xa hơn nữa, các mô hình mô phỏng người tiêu dùng sẽ trở nên phổ biến. Các mô hình sẽ dự đoán hành vi của người tiêu dùng và dự báo phản ứng của họ đối với các chiến lược tiếp thị khác nhau như giá cả, khuyến mãi, giới thiệu sản phẩm mới và hành động cạnh tranh. Các mô hình xác suất sẽ được sử dụng thường xuyên trong quá trình dự báo

Cuối cùng, hầu hết các dự báo được vi tính hóa sẽ liên quan đến các kỹ thuật phân tích được mô tả trong bài viết này. Các ứng dụng máy tính sẽ chủ yếu dành cho các doanh nghiệp có sản phẩm lâu đời và ổn định. Mặc dù các kỹ thuật dự báo cho đến nay chủ yếu được sử dụng để dự báo doanh số bán hàng, nhưng chúng sẽ được áp dụng ngày càng nhiều để dự báo tỷ suất lợi nhuận, chi phí vốn và các yếu tố quan trọng khác. Điều này sẽ giải phóng người dự báo để dành phần lớn thời gian dự báo doanh thu và lợi nhuận của sản phẩm mới. Chắc chắn là các kỹ thuật phân tích mới sẽ được phát triển để dự báo sản phẩm mới, nhưng sẽ có một vấn đề tiếp diễn, trong ít nhất 10 đến 20 năm và có thể lâu hơn nữa, trong việc dự báo chính xác các yếu tố khác nhau của sản phẩm mới, chẳng hạn như doanh thu, lợi nhuận và

Từ cuối cùng

Với sự hiểu biết về các tính năng cơ bản và hạn chế của các kỹ thuật, người ra quyết định có thể giúp người dự báo hình thành vấn đề dự báo một cách chính xác và do đó có thể tin tưởng hơn vào các dự báo được cung cấp và sử dụng chúng hiệu quả hơn. Ngược lại, người dự báo phải kết hợp các kỹ thuật với kiến ​​thức và kinh nghiệm của các nhà quản lý.

Chúng tôi tin rằng nhu cầu ngày nay không phải là các phương pháp dự báo tốt hơn mà là ứng dụng tốt hơn các kỹ thuật hiện có

1. Xem Harper Q. Bắc và Donald L. Pyke, “'Probes' của tương lai công nghệ,” HBR tháng 5–tháng 6 năm 1969, tr. 68

2. Xem John C. Phòng, Satinder K. Mullick và David A. Goodman, “Tác nhân xúc tác cho việc lập kế hoạch hiệu quả,” HBR tháng 1–tháng 2 năm 1971, tr. 110

3. Xem Graham F. Pyatt, Các mô hình ưu tiên và nhu cầu đối với hàng lâu bền gia dụng (London, Nhà xuất bản Đại học Cambridge, 1964); . Bass, “Mô hình tăng trưởng sản phẩm mới cho hàng tiêu dùng lâu bền,” Management Science, tháng 1 năm 1969; . Chow, “Thay đổi công nghệ và nhu cầu về máy tính,” The American Economic Review, tháng 12 năm 1966; . R. N. Đá và R. A. Rowe, “Độ bền của hàng hóa lâu bền của người tiêu dùng,” Econometrica, Tập. 28, Không. 2, 1960

Điều nào sau đây không đúng về dự báo?

(D) Dự báo phạm vi ngắn ít chính xác hơn dự báo dài hạn ​ không đúng với dự báo. Giải trình. Dự báo là một chiến lược sử dụng dữ liệu trước đó làm đầu vào để tạo dự đoán sáng suốt về hướng của các xu hướng trong tương lai.

Dự báo đúng là gì?

Dự báo là gì? . Các doanh nghiệp sử dụng dự báo để xác định cách phân bổ ngân sách hoặc lập kế hoạch cho các chi phí dự kiến ​​trong một khoảng thời gian sắp tới. a technique that uses historical data as inputs to make informed estimates that are predictive in determining the direction of future trends. Businesses utilize forecasting to determine how to allocate their budgets or plan for anticipated expenses for an upcoming period of time.

3 loại dự báo là gì?

Có ba loại cơ bản— kỹ thuật định tính, phân tích và dự đoán chuỗi thời gian và mô hình nhân quả .

Yếu tố nào sau đây là yếu tố của một dự báo tốt?

Như chúng ta đã biết để dự báo tốt, chủ yếu có năm yếu tố chính được đề cập bên dưới. .
kịp thời
Sự chính xác
Đáng tin cậy
phép đo chính xác
Sự đơn giản