เทคนิคการพยากรณ์ความต้องการ (การสำรวจและวิธีการทางสถิติ)

ความท้าทายหลักในการพยากรณ์ความต้องการคือการเลือกเทคนิคที่มีประสิทธิภาพ

ไม่มีวิธีการเฉพาะที่ช่วยให้องค์กรสามารถคาดการณ์ความเสี่ยงและความไม่แน่นอนในอนาคตได้ โดยทั่วไปมีสองวิธีในการพยากรณ์ความต้องการ

วิธีแรกเกี่ยวข้องกับการพยากรณ์อุปสงค์โดยรวบรวมข้อมูลเกี่ยวกับพฤติกรรมการซื้อของผู้บริโภคจากผู้เชี่ยวชาญหรือผ่านการสำรวจ ในอีกทางหนึ่งวิธีที่สองคือการพยากรณ์ความต้องการโดยใช้ข้อมูลที่ผ่านมาผ่านเทคนิคทางสถิติ

ดังนั้นเราสามารถพูดได้ว่าเทคนิคการพยากรณ์ความต้องการแบ่งออกเป็นวิธีการสำรวจและวิธีการทางสถิติ โดยทั่วไปวิธีการสำรวจสำหรับการพยากรณ์ระยะสั้นในขณะที่วิธีการทางสถิติใช้ในการพยากรณ์ความต้องการในระยะยาว

วิธีการทั้งสองนี้แสดงในรูปที่ 10:

ให้เราคุยเกี่ยวกับเทคนิคเหล่านี้ (ดังแสดงในรูปที่ 10)

วิธีการสำรวจ :

วิธีการสำรวจเป็นหนึ่งในวิธีที่พบได้บ่อยที่สุดและตรงที่สุดของการพยากรณ์อุปสงค์ในระยะสั้น วิธีนี้ครอบคลุมแผนการซื้อในอนาคตของผู้บริโภคและความตั้งใจของพวกเขา ในวิธีนี้องค์กรดำเนินการสำรวจกับผู้บริโภคเพื่อกำหนดความต้องการผลิตภัณฑ์และบริการที่มีอยู่และคาดการณ์ความต้องการในอนาคต

วิธีการสำรวจมี 3 แบบฝึกหัดซึ่งแสดงในรูปที่ 11:

แบบฝึกหัดที่ดำเนินการในวิธีการสำรวจ (ดังแสดงในรูปที่ 11) มีการกล่าวถึงดังต่อไปนี้:

ผม. แบบสำรวจความคิดเห็นของผู้เชี่ยวชาญ:

หมายถึงวิธีการที่ผู้เชี่ยวชาญถูกขอให้แสดงความคิดเห็นเกี่ยวกับผลิตภัณฑ์ โดยทั่วไปในองค์กรพนักงานขายทำหน้าที่เป็นผู้เชี่ยวชาญที่สามารถประเมินความต้องการผลิตภัณฑ์ในพื้นที่ภูมิภาคหรือเมืองต่างๆ

ตัวแทนขายใกล้ชิดกับผู้บริโภค ดังนั้นพวกเขาตระหนักดีถึงแผนการซื้อในอนาคตของผู้บริโภคปฏิกิริยาของพวกเขาต่อการเปลี่ยนแปลงของตลาดและการรับรู้ของพวกเขาสำหรับผลิตภัณฑ์คู่แข่งอื่น ๆ พวกเขาให้การประมาณความต้องการผลิตภัณฑ์ขององค์กรโดยประมาณ วิธีนี้ค่อนข้างง่ายและราคาไม่แพง

อย่างไรก็ตามมีข้อ จำกัด ของตัวเองซึ่งจะกล่าวถึงดังนี้

จัดทำประมาณการที่ขึ้นอยู่กับทักษะการตลาดของผู้เชี่ยวชาญและประสบการณ์ของพวกเขา ทักษะเหล่านี้แตกต่างกันไปในแต่ละบุคคล ด้วยวิธีนี้การพยากรณ์ความต้องการที่แน่นอนกลายเป็นเรื่องยาก

ข เกี่ยวข้องกับการตัดสินส่วนตัวของผู้ประเมินซึ่งอาจนำไปสู่การประเมินสูงหรือต่ำกว่าเกณฑ์

ค ขึ้นอยู่กับข้อมูลจากตัวแทนขายซึ่งอาจมีข้อมูลไม่เพียงพอเกี่ยวกับตลาด

d ละเว้นปัจจัยต่างๆเช่นการเปลี่ยนแปลงในผลิตภัณฑ์มวลรวมประชาชาติความพร้อมในการให้สินเชื่อและแนวโน้มในอนาคตของอุตสาหกรรมซึ่งอาจเป็นประโยชน์ในการพยากรณ์ความต้องการ

ii วิธีการ Delphi:

อ้างถึงเทคนิคการตัดสินใจกลุ่มของการพยากรณ์อุปสงค์ ในวิธีนี้คำถามจะถูกถามเป็นรายบุคคลจากกลุ่มผู้เชี่ยวชาญเพื่อรับความคิดเห็นเกี่ยวกับความต้องการสินค้าในอนาคต คำถามเหล่านี้จะถูกถามซ้ำ ๆ จนกระทั่งได้รับฉันทามติ

นอกจากนี้ในวิธีนี้ผู้เชี่ยวชาญแต่ละคนจะได้รับข้อมูลเกี่ยวกับการประมาณการโดยผู้เชี่ยวชาญคนอื่น ๆ ในกลุ่มเพื่อให้เขา / เธอสามารถแก้ไขการประมาณการของเขา / เธอเกี่ยวกับการประมาณการของผู้อื่น ด้วยวิธีนี้การคาดการณ์จะถูกตรวจสอบระหว่างผู้เชี่ยวชาญเพื่อให้ได้การตัดสินใจที่แม่นยำยิ่งขึ้น

ผู้เชี่ยวชาญเคยได้รับอนุญาตให้ตอบสนองหรือให้คำแนะนำเกี่ยวกับการประเมินของผู้อื่น อย่างไรก็ตามชื่อของผู้เชี่ยวชาญจะไม่ระบุชื่อในขณะที่การแลกเปลี่ยนประมาณการระหว่างผู้เชี่ยวชาญเพื่ออำนวยความสะดวกในการตัดสินที่ยุติธรรมและลดผลกระทบรัศมี

ข้อได้เปรียบหลักของวิธีนี้คือมันเป็นเวลาและค่าใช้จ่ายที่มีประสิทธิภาพเนื่องจากมีผู้เชี่ยวชาญเข้ามาจำนวนมากในเวลาอันสั้นโดยไม่ต้องใช้ทรัพยากรอื่น อย่างไรก็ตามวิธีนี้อาจนำไปสู่การตัดสินใจส่วนตัว

สาม. วิธีการทดสอบตลาด:

เกี่ยวข้องกับการรวบรวมข้อมูลที่จำเป็นเกี่ยวกับความต้องการในปัจจุบันและอนาคตสำหรับผลิตภัณฑ์ วิธีการนี้ดำเนินการศึกษาและทดลองพฤติกรรมผู้บริโภคภายใต้สภาวะตลาดจริง ในวิธีนี้ตลาดบางแห่งได้รับการคัดเลือกด้วยคุณสมบัติที่คล้ายกันเช่นประชากรระดับรายได้ภูมิหลังทางวัฒนธรรมและรสนิยมของผู้บริโภค

การทดสอบตลาดดำเนินการด้วยความช่วยเหลือของการเปลี่ยนแปลงราคาและค่าใช้จ่ายเพื่อให้มีการบันทึกการเปลี่ยนแปลงผลลัพธ์ในความต้องการ ผลลัพธ์เหล่านี้ช่วยในการพยากรณ์ความต้องการในอนาคต

มีข้อ จำกัด ต่าง ๆ ของวิธีนี้ซึ่งมีดังนี้:

หมายถึงวิธีการที่มีราคาแพง ดังนั้นจึงอาจไม่เหมาะสมสำหรับองค์กรขนาดเล็ก

ข ส่งผลต่อผลลัพธ์ของการทดลองเนื่องจากสภาพทางเศรษฐกิจสังคมต่างๆเช่นการนัดหยุดงานความไม่มั่นคงทางการเมืองและภัยพิบัติทางธรรมชาติ

วิธีการทางสถิติ :

วิธีการทางสถิติเป็นชุดที่ซับซ้อนของวิธีการพยากรณ์ความต้องการ วิธีการเหล่านี้ใช้ในการพยากรณ์ความต้องการในระยะยาว ในวิธีนี้ความต้องการถูกคาดการณ์บนพื้นฐานของข้อมูลในอดีตและข้อมูลหน้าตัด

ข้อมูลประวัติหมายถึงข้อมูลในอดีตที่ได้รับจากแหล่งต่าง ๆ เช่นงบดุลของปีก่อนหน้าและรายงานการสำรวจตลาด ในทางกลับกันข้อมูลข้ามส่วนจะถูกรวบรวมโดยการสัมภาษณ์บุคคลและดำเนินการสำรวจตลาด แตกต่างจากวิธีการสำรวจวิธีการทางสถิตินั้นคุ้มค่าและน่าเชื่อถือเนื่องจากองค์ประกอบของความคิดตัวตนต่ำที่สุดในวิธีการเหล่านี้

วิธีการทางสถิติที่แตกต่างกันเหล่านี้แสดงในรูปที่ 12:

วิธีการทางสถิติที่แตกต่างกัน (ดังแสดงในรูปที่ 12)

วิธีการฉายแนวโน้ม :

การคาดการณ์แนวโน้มหรือวิธีกำลังสองน้อยที่สุดเป็นวิธีดั้งเดิมในการพยากรณ์ธุรกิจ ในวิธีนี้จำเป็นต้องใช้ข้อมูลที่เชื่อถือได้จำนวนมากสำหรับการพยากรณ์ความต้องการ นอกจากนี้วิธีนี้จะถือว่าปัจจัยเช่นยอดขายและอุปสงค์ที่รับผิดชอบต่อแนวโน้มในอดีตจะยังคงเหมือนเดิมในอนาคต

ในวิธีนี้การคาดการณ์ยอดขายจะทำผ่านการวิเคราะห์ข้อมูลที่ผ่านมาที่นำมาจากหนังสือบัญชีของปีก่อน ในกรณีขององค์กรใหม่ข้อมูลการขายจะถูกนำมาจากองค์กรที่มีอยู่แล้วในอุตสาหกรรมเดียวกัน วิธีนี้ใช้ข้อมูลอนุกรมเวลาจากการขายสำหรับการพยากรณ์ความต้องการสินค้า

ตารางที่ 1 แสดงข้อมูลอนุกรมเวลาขององค์การ XYZ:

วิธีการประมาณการแนวโน้มใช้สามวิธีเพิ่มเติมในบัญชีซึ่งมีดังนี้:

ผม. วิธีการแบบกราฟิก:

ช่วยในการพยากรณ์ยอดขายในอนาคตขององค์กรด้วยความช่วยเหลือของกราฟ ข้อมูลการขายถูกพล็อตบนกราฟและวาดเส้นบนจุดที่พล็อต

ให้เราเรียนรู้ผ่านกราฟที่แสดงในรูปที่ 13:

รูปที่ 13 แสดงเส้นโค้งที่ถูกพล็อตโดยคำนึงถึงข้อมูลการขายขององค์กร XYZ (ตารางที่ 1) เส้น P ถูกวาดผ่านจุดกึ่งกลางของเส้นโค้งและ S คือเส้นตรง สายเหล่านี้จะขยายเพื่อรับยอดขายในอนาคตสำหรับปี 2010 ซึ่งประมาณ 47 ตัน วิธีนี้ง่ายมากและราคาไม่แพง อย่างไรก็ตามการคาดการณ์ที่ทำโดยวิธีนี้อาจขึ้นอยู่กับอคติส่วนตัวของผู้ทำนาย

ii วิธีเทรนด์ที่เหมาะสม:

ใช้วิธีกำลังสองน้อยที่สุดซึ่งเส้นแนวโน้ม (เส้นโค้ง) ถูกติดตั้งกับข้อมูลอนุกรมเวลาของการขายด้วยความช่วยเหลือของเทคนิคทางสถิติ

ในวิธีนี้มีแนวโน้มที่นำมาพิจารณาสองประเภทซึ่งจะอธิบายดังนี้

แนวโน้มเชิงเส้น:

แสดงถึงแนวโน้มที่ยอดขายแสดงแนวโน้มที่เพิ่มขึ้น

ในแนวโน้มแบบเส้นตรงสมการของแนวโน้มเส้นตรงจะถูกติดตั้ง:

S = A + BT

ที่ไหน

S = ยอดขายต่อปี

T = เวลา (เป็นปี)

A และ B คงที่

B เป็นตัวชี้วัดการเพิ่มยอดขายประจำปี

แนวโน้มเอ็กซ์โปเนนเชียล:

แสดงถึงแนวโน้มที่ยอดขายเพิ่มขึ้นในช่วงหลายปีที่ผ่านมาในอัตราที่เพิ่มขึ้นหรืออัตราคงที่

สมการแนวโน้มที่เหมาะสมใช้ดังนี้:

Y = aTb

ที่ไหน

Y = ยอดขายต่อปี

T = เวลาเป็นปี

a และ b คงที่

การแปลงเป็นลอการิทึมสมการจะเป็น:

Log Y = บันทึก a + b Log T

ข้อได้เปรียบหลักของวิธีนี้คือมันใช้งานง่าย นอกจากนี้ความต้องการข้อมูลของวิธีการนี้มี จำกัด มาก (เนื่องจากต้องการข้อมูลการขายเท่านั้น) จึงเป็นวิธีที่ไม่แพง

อย่างไรก็ตามวิธีนี้ยังได้รับผลกระทบจากข้อ จำกัด บางประการซึ่งมีดังต่อไปนี้:

1. สมมติว่าอัตราการเปลี่ยนแปลงที่ผ่านมาของตัวแปรจะยังคงเหมือนเดิมในอนาคตเช่นกันซึ่งไม่สามารถใช้ได้ในสถานการณ์จริง

2. ไม่สามารถนำมาใช้สำหรับการประเมินระยะสั้นและที่ใดที่เทรนด์เป็นวัฏจักรที่มีความผันผวนค่อนข้างมาก

3. ไม่สามารถวัดความสัมพันธ์ระหว่างตัวแปรตามและอิสระ

สาม. วิธี Box-Jenkins:

อ้างถึงวิธีการที่ใช้สำหรับการคาดการณ์ระยะสั้นเท่านั้น วิธีนี้คาดการณ์ความต้องการเฉพาะกับข้อมูลอนุกรมเวลาแบบคงที่ซึ่งไม่เปิดเผยแนวโน้มระยะยาว มันถูกใช้ในสถานการณ์เหล่านั้นที่ข้อมูลอนุกรมเวลาแสดงรูปแบบรายเดือนหรือตามฤดูกาลที่มีความสม่ำเสมอ ตัวอย่างเช่นวิธีนี้สามารถใช้ในการประเมินยอดขายของเสื้อผ้าขนสัตว์ในช่วงฤดูหนาว

วิธีการความกดอากาศ :

ในวิธีการทางบรรยากาศความต้องการจะถูกคาดการณ์บนพื้นฐานของเหตุการณ์ที่ผ่านมาหรือตัวแปรสำคัญที่เกิดขึ้นในปัจจุบัน วิธีนี้ยังใช้ในการทำนายตัวชี้วัดทางเศรษฐกิจต่าง ๆ เช่นการออมการลงทุนและรายได้ วิธีการนี้ได้รับการแนะนำโดย Harvard Economic Service ในปี 1920 และได้รับการแก้ไขเพิ่มเติมโดย National Research of Economic (NBER) ในทศวรรษที่ 1930

เทคนิคนี้ช่วยในการกำหนดแนวโน้มทั่วไปของกิจกรรมทางธุรกิจ ตัวอย่างเช่นสมมติว่ารัฐบาลจัดสรรที่ดินให้กับสังคม XYZ เพื่อสร้างอาคาร สิ่งนี้บ่งชี้ว่ามีความต้องการปูนซีเมนต์อิฐและเหล็กสูง

ข้อได้เปรียบหลักของวิธีนี้คือมันใช้ได้แม้ในกรณีที่ไม่มีข้อมูลในอดีต อย่างไรก็ตามวิธีนี้ใช้ไม่ได้ในกรณีของผลิตภัณฑ์ใหม่ นอกจากนี้จะสูญเสียการบังคับใช้เมื่อไม่มีเวลาล่าช้าระหว่างตัวชี้วัดทางเศรษฐกิจและความต้องการ

วิธีเศรษฐมิติ :

วิธีเศรษฐมิติรวมเครื่องมือทางสถิติเข้ากับทฤษฎีเศรษฐศาสตร์เพื่อการพยากรณ์ การคาดการณ์ที่ทำโดยวิธีนี้มีความน่าเชื่อถือมากกว่าวิธีอื่น ๆ แบบจำลองเศรษฐมิติประกอบด้วยวิธีการสองประเภทคือแบบจำลองการถดถอยและตัวแบบสมการพร้อมกัน

วิธีการทั้งสองประเภทนี้มีการอธิบายดังนี้:

ผม. วิธีการถดถอย:

อ้างอิงถึงวิธีการพยากรณ์อุปสงค์ที่เป็นที่นิยมที่สุด ในวิธีการถดถอยฟังก์ชั่นอุปสงค์สำหรับผลิตภัณฑ์จะถูกประเมินโดยที่ความต้องการขึ้นอยู่กับตัวแปรและตัวแปรที่กำหนดความต้องการนั้นเป็นตัวแปรอิสระ

หากมีเพียงตัวแปรเดียวที่ส่งผลกระทบต่ออุปสงค์ก็จะเรียกว่าฟังก์ชันความต้องการตัวแปรเดียว ดังนั้นจึงใช้เทคนิคการถดถอยอย่างง่าย หากความต้องการได้รับผลกระทบจากตัวแปรจำนวนมากก็จะเรียกว่าฟังก์ชั่นความต้องการหลายตัวแปร ดังนั้นในกรณีดังกล่าวจึงใช้การถดถอยหลายครั้ง

เทคนิคการถดถอยแบบง่ายและแบบหลาย ๆ

การถดถอยอย่างง่าย:

อ้างถึงการศึกษาความสัมพันธ์ระหว่างสองตัวแปรโดยที่หนึ่งคือตัวแปรอิสระและอีกตัวแปรหนึ่งเป็นตัวแปรตาม

สมการในการคำนวณการถดถอยอย่างง่ายมีดังนี้:

Y = a + bx

โดยที่ Y = มูลค่าโดยประมาณของ Y สำหรับค่าที่กำหนดเป็น X

b = จำนวนการเปลี่ยนแปลงใน Y ที่เกิดจากการเปลี่ยนแปลงหน่วยใน X

a และ b = ค่าคงที่

สมการในการคำนวณ a และ b มีดังนี้

ให้เราเรียนรู้การคำนวณการถดถอยอย่างง่ายด้วยความช่วยเหลือของตัวอย่าง สมมติว่านักวิจัยต้องการศึกษาความสัมพันธ์ระหว่างความพึงพอใจของพนักงาน (กลุ่มการขาย) กับการขายขององค์กร

เขา / เธอได้รับคำติชมจากพนักงานในรูปแบบของแบบสอบถามและขอให้พวกเขาให้คะแนนระดับความพึงพอใจในระดับตัวชี้ 10 โดยที่ 10 คือสูงสุดและ 1 ต่ำสุด นักวิจัยได้นำข้อมูลการขายสำหรับสมาชิกทุกคนในกลุ่มการขาย เขา / เธอทำยอดขายเฉลี่ยต่อเดือนเป็นเวลาหนึ่งปีสำหรับทุกคน

ข้อมูลที่รวบรวมถูกจัดเรียงในตารางที่ 2:

การคำนวณค่าเฉลี่ยเพื่อความพึงพอใจของพนักงาน (X) และยอดขายมีดังนี้

นี่คือสมการถดถอยที่ผู้วิจัยสามารถนำค่าใด ๆ ของ X เพื่อค้นหาค่าประมาณของ Y

ตัวอย่างเช่นหากค่าของ X คือ 9 ดังนั้นค่าของ Y จะถูกคำนวณดังนี้:

Y = -1.39 + 1.61X

Y = -1.39 + 1.61 (9)

Y = 13

ด้วยความช่วยเหลือของตัวอย่างก่อนหน้านี้ก็สามารถสรุปได้ว่าถ้าพนักงานมีความพึงพอใจแล้ว / เอาท์พุทของเขาและเธอจะเพิ่มขึ้น

การถดถอยหลายครั้ง:

หมายถึงการศึกษาความสัมพันธ์ระหว่างตัวแปรอิสระและตัวแปรตาม

ในกรณีที่มีตัวแปรอิสระสองตัวและตัวแปรตาม 1 ตัวสมการต่อไปนี้ใช้ในการคำนวณการถดถอยหลายครั้ง:

Y = a + b1X1 + b2X2

โดยที่ Y (ตัวแปรตาม) = ค่าโดยประมาณของ Y สำหรับค่าที่กำหนดไว้ที่ X1 และ X

X1 และ X2 = ตัวแปรอิสระ

b1 = จำนวนการเปลี่ยนแปลงใน Y ที่เกิดจากการเปลี่ยนแปลงหน่วยใน X

b2 = จำนวนการเปลี่ยนแปลงใน Y ที่เกิดจากการเปลี่ยนแปลงหน่วยใน X2

a, b1 และ b2 = ค่าคงที่

สมการที่ใช้ในการคำนวณค่า a และ b มีดังนี้:

จำนวนสมการขึ้นอยู่กับจำนวนของตัวแปรอิสระ หากมีตัวแปรอิสระสองตัวก็จะมีสามสมการและอื่น ๆ

ให้เราเรียนรู้การคำนวณการถดถอยหลายครั้งด้วยความช่วยเหลือของตัวอย่าง สมมติว่าผู้วิจัยต้องการศึกษาความสัมพันธ์ระหว่างร้อยละกลางเปอร์เซ็นต์สำเร็จการศึกษาและร้อยละ MAT ของกลุ่มนักเรียน 25 คน

มันเป็นสิ่งสำคัญที่จะต้องทราบว่าร้อยละกลางและร้อยละจบการศึกษาเป็นตัวแปรอิสระและร้อยละ MAT เป็นตัวแปรขึ้นอยู่กับ ผู้วิจัยต้องการทราบว่าเปอร์เซ็นไทล์ใน MAT ขึ้นอยู่กับเปอร์เซ็นต์ของระดับกลางและระดับบัณฑิตหรือไม่

ข้อมูลที่รวบรวมได้แสดงไว้ในตารางที่ 3:

สมการที่จำเป็นในการคำนวณการถดถอยหลายครั้งมีดังนี้:

สมการเหล่านี้ใช้เพื่อแก้สมการการถดถอยแบบหลายค่าด้วยตนเอง อย่างไรก็ตามคุณยังสามารถใช้ SPSS เพื่อค้นหาการถดถอยหลาย ๆ

ถ้าเราใช้ SPSS ในตัวอย่างก่อนหน้านี้เราจะได้ผลลัพธ์ที่แสดงใน Table-4:

Table-5 แสดงข้อมูลสรุปของโมเดลการถดถอย ในตารางนี้ R คือสัมประสิทธิ์สหสัมพันธ์ระหว่างตัวแปรอิสระและตัวแปรตามซึ่งสูงมากในกรณีนี้ R Square แสดงให้เห็นว่าส่วนใหญ่ของการเปลี่ยนแปลงในรูปแบบที่แสดงโดยโอกาสการจ้างงานในรัฐ ข้อผิดพลาดมาตรฐานของการประมาณการค่อนข้างต่ำที่ 1.97 นอกจากนี้ยังระบุว่าการเปลี่ยนแปลงในข้อมูลปัจจุบันมีน้อย

Table-6 แสดงค่าสัมประสิทธิ์ของตัวแบบการถดถอย:

ตารางที่ 6 แสดงให้เห็นว่าค่า t ที่คำนวณได้มีค่ามากกว่าค่านัยสำคัญ t ดังนั้นค่าสัมประสิทธิ์แสดงความสัมพันธ์ของสาเหตุและผลกระทบระหว่างตัวแปรอิสระและตัวแปรตาม

Table-7 แสดงตาราง AN OVA สำหรับตัวแปรสองตัวที่อยู่ระหว่างการศึกษา:

Table-7 แสดงการวิเคราะห์ความแปรปรวนในตัวแบบ แถวการถดถอยแสดงรูปแบบที่เกิดขึ้นเนื่องจากรูปแบบการถดถอย อย่างไรก็ตามแถวที่เหลือแสดงการเปลี่ยนแปลงที่เกิดขึ้นโดยบังเอิญ ในตารางที่ 7 ค่าของผลรวมของกำลังสองสำหรับแถวถดถอยจะมากกว่าค่าของผลรวมของกำลังสองสำหรับแถวที่เหลือ ดังนั้นรูปแบบส่วนใหญ่จะมีการผลิตเนื่องจากรุ่นเท่านั้น

ค่า F ที่คำนวณได้นั้นมีขนาดใหญ่มากเมื่อเทียบกับค่านัยสำคัญ ดังนั้นเราสามารถพูดได้ว่าเปอร์เซ็นต์กลางและเปอร์เซ็นต์การสำเร็จการศึกษามีผลอย่างมากต่อเปอร์เซ็นต์ MAT ของนักเรียน

สมการพร้อมกัน:

เกี่ยวข้องกับสมการหลาย ๆ อย่างพร้อมกัน

มีตัวแปรสองชนิดที่รวมอยู่ในโมเดลนี้ซึ่งมีดังต่อไปนี้:

ผม. ตัวแปรภายนอก:

อ้างถึงอินพุตที่พิจารณาภายในโมเดล เหล่านี้เป็นตัวแปรควบคุม

ii ตัวแปรภายนอก:

อ้างถึงอินพุตของรุ่น ตัวอย่างคือเวลาการใช้จ่ายภาครัฐและสภาพอากาศ ตัวแปรเหล่านี้ถูกกำหนดนอกโมเดล

สำหรับการพัฒนาแบบจำลองที่สมบูรณ์จะพิจารณาตัวแปรภายนอกและภายนอก หลังจากนั้นจะมีการรวบรวมข้อมูลที่จำเป็นเกี่ยวกับตัวแปรภายนอกและตัวแปรภายนอก บางครั้งข้อมูลไม่พร้อมใช้งานในรูปแบบที่ต้องการดังนั้นจึงจำเป็นต้องปรับเปลี่ยนเป็นแบบจำลอง

หลังจากการพัฒนาข้อมูลที่จำเป็นแบบจำลองจะถูกประเมินด้วยวิธีการที่เหมาะสม ในที่สุดแบบจำลองจะถูกแก้ไขสำหรับตัวแปรภายนอกแต่ละตัวในรูปของตัวแปรภายนอก ในที่สุดก็ทำการทำนายผล

มาตรการทางสถิติอื่น ๆ :

นอกเหนือจากวิธีการทางสถิติยังมีวิธีอื่นสำหรับการพยากรณ์ความต้องการ มาตรการเหล่านี้มีความเฉพาะเจาะจงมากและใช้สำหรับชุดข้อมูลเฉพาะเท่านั้น ดังนั้นจึงไม่มีการใช้งานทั่วไปสำหรับการวิจัยทุกประเภท

มาตรการเหล่านี้แสดงในรูปที่ 14:

มาตรการทางสถิติประเภทต่างๆ (ดังแสดงในรูปที่ 14) มีการกล่าวถึงดังนี้:

สาม. หมายเลขดัชนี:

อ้างถึงมาตรการที่ใช้ในการศึกษาความผันผวนในตัวแปรหรือกลุ่มของตัวแปรที่เกี่ยวข้องกับช่วงเวลา / ช่วงฐาน ส่วนใหญ่จะใช้ในด้านเศรษฐศาสตร์และการวิจัยทางการเงินเพื่อศึกษาปัจจัยต่าง ๆ เช่นราคาและปริมาณของผลิตภัณฑ์ ปัจจัยที่รับผิดชอบต่อปัญหาจะถูกระบุและคำนวณ

หมายเลขดัชนีมีสี่ประเภทหลัก ๆ ดังต่อไปนี้:

หมายเลขดัชนีอย่างง่าย:

อ้างถึงจำนวนที่วัดการเปลี่ยนแปลงสัมพัทธ์ในตัวแปรเดียวที่เกี่ยวข้องกับปีฐาน

หมายเลขดัชนีคอมโพสิต:

อ้างถึงจำนวนที่วัดการเปลี่ยนแปลงสัมพัทธ์ในกลุ่มของตัวแปรที่เกี่ยวข้องตามปีฐาน

หมายเลขดัชนีราคา:

อ้างถึงจำนวนที่วัดการเปลี่ยนแปลงสัมพัทธ์ในราคาของสินค้าในช่วงเวลาที่แตกต่างกัน

d หมายเลขดัชนีปริมาณ:

อ้างถึงจำนวนที่วัดการเปลี่ยนแปลงสัมพัทธ์ในปริมาณทางกายภาพของสินค้าที่ผลิตบริโภคหรือขายสำหรับสินค้าในช่วงเวลาที่แตกต่างกัน

การวิเคราะห์อนุกรมเวลา: อ้างอิงจากการวิเคราะห์อนุกรมของการสังเกตในช่วงเวลาที่เว้นระยะเท่ากัน ตัวอย่างเช่นการวิเคราะห์การเติบโตของ บริษัท จากการรวมตัวกับสถานการณ์ปัจจุบัน การวิเคราะห์อนุกรมเวลาสามารถนำไปใช้ในด้านต่างๆเช่นภาครัฐเศรษฐศาสตร์และการวิจัย

มีส่วนประกอบต่าง ๆ ของการวิเคราะห์อนุกรมเวลาซึ่งมีดังนี้:

แนวโน้มทางโลก:

อ้างถึงแนวโน้มที่แสดงโดย T และแพร่หลายในช่วงระยะเวลาหนึ่ง แนวโน้มทางโลกสำหรับชุดข้อมูลสามารถขึ้นหรือลง แนวโน้มขาขึ้นแสดงให้เห็นถึงการเพิ่มขึ้นของตัวแปรเช่นการเพิ่มขึ้นของราคาสินค้าโภคภัณฑ์ ในขณะที่แนวโน้มลดลงแสดงให้เห็นถึงขั้นตอนที่ลดลงเช่นอัตราการลดลงของโรคและยอดขายสำหรับผลิตภัณฑ์เฉพาะ

การแกว่งเวลาสั้น ๆ :

หมายถึงแนวโน้มที่ยังคงอยู่ในระยะเวลาอันสั้น

สามารถแบ่งออกเป็นสามแนวโน้มต่อไปนี้:

1. แนวโน้มฤดูกาล:

อ้างถึงแนวโน้มที่ระบุโดย S และเกิดขึ้นทุกปีในช่วงเวลาหนึ่ง เหตุผลของแนวโน้มดังกล่าวคือสภาพอากาศเทศกาลและประเพณีอื่น ๆ ตัวอย่างของแนวโน้มตามฤดูกาลคือความต้องการผ้าขนสัตว์ในฤดูหนาวเพิ่มขึ้นและยอดขายขนมหวานใกล้ Diwali เพิ่มขึ้น

2. แนวโน้มวัฏจักร:

อ้างถึงแนวโน้มที่แสดงโดย C และอยู่ได้นานกว่าหนึ่งปี แนวโน้มของวัฏจักรนั้นไม่เป็นไปตามธรรมชาติหรือตามฤดูกาล ตัวอย่างของแนวโน้มวัฏจักรคือวัฏจักรธุรกิจ

3. แนวโน้มที่ผิดปกติ:

อ้างถึงแนวโน้มที่เขียนโดยฉันและสั้นและไม่แน่นอนในธรรมชาติ ตัวอย่างของแนวโน้มที่ผิดปกติคือแผ่นดินไหวภูเขาไฟระเบิดและน้ำท่วม

การวิเคราะห์ต้นไม้ตัดสินใจ:

อ้างถึงรูปแบบที่ใช้ในการตัดสินใจในองค์กร ในการวิเคราะห์แผนผังการตัดสินใจโครงสร้างแบบต้นไม้จะถูกวาดขึ้นเพื่อตัดสินใจทางออกที่ดีที่สุดสำหรับปัญหา ในการวิเคราะห์นี้เราจะพบตัวเลือกต่าง ๆ ที่เราสามารถนำไปใช้เพื่อแก้ไขปัญหาเฉพาะ

หลังจากนั้นเราสามารถค้นหาผลลัพธ์ของแต่ละตัวเลือกได้ ตัวเลือก / การตัดสินใจเหล่านี้เชื่อมต่อกับโหนดแบบสี่เหลี่ยมในขณะที่ผลลัพธ์จะแสดงด้วยโหนดแบบวงกลม การไหลของต้นไม้ตัดสินใจควรจากซ้ายไปขวา

รูปร่างของแผนผังการตัดสินใจแสดงในรูปที่ 15:

ให้เราเข้าใจการทำงานของต้นไม้ตัดสินใจด้วยความช่วยเหลือของตัวอย่าง สมมติว่าองค์กรต้องการตัดสินใจประเภทของการแบ่งส่วนเพื่อเพิ่มฐานลูกค้า

ปัญหานี้สามารถแก้ไขได้โดยใช้แผนผังการตัดสินใจที่แสดงในรูปที่ 16:

ในรูปที่ 16 แผนภูมิการตัดสินใจแสดงการแบ่งกลุ่มสองประเภท ได้แก่ การแบ่งส่วนตามกลุ่มประชากรและการแบ่งส่วนตามภูมิศาสตร์ ตอนนี้เราจะวิเคราะห์ผลลัพธ์ของการแบ่งกลุ่มสองส่วนนี้ ในการวิเคราะห์การแบ่งส่วนข้อมูลประชากร บริษัท จะต้องเสีย S 40, 000 (ค่าใช้จ่ายโดยประมาณ) ผลลัพธ์ของการแบ่งกลุ่มตามข้อมูลประชากรอาจดีปานกลางและไม่ดี

รายได้โดยประมาณที่คาดการณ์ไว้เป็นเวลาสามปีสำหรับสามตัวเลือก (ดีปานกลางและไม่ดี) มีดังนี้:

ดี = $ 21500000

ปานกลาง = $ 950000

แย่ = S300000

ความน่าจะเป็นที่กำหนดให้กับผลลัพธ์คือ 0.4 สำหรับดี, 0.5 สำหรับปานกลางและ 0.1 สำหรับคนจน

ตอนนี้เราคำนวณผลลัพธ์ของการแบ่งกลุ่มตามกลุ่มประชากรด้วยวิธีต่อไปนี้:

ดี = 0.4 * 2100000 = 840000

ปานกลาง = 0.5 * 950000 = 475000

แย่ = 0.1 * 300000 = 30000

ในกรณีของการแบ่งส่วนทางภูมิศาสตร์ค่าใช้จ่ายที่เกิดขึ้นคือ $ 70000 (ค่าใช้จ่ายโดยประมาณ) ผลลัพธ์ของการแบ่งส่วนทางภูมิศาสตร์อาจดีและไม่ดี

รายได้โดยประมาณที่คาดการณ์ไว้สำหรับสามปีสำหรับสองตัวเลือก (ดีและไม่ดี) มีดังนี้:

ดี = $ 1350000

แย่ = $ 260000

ความน่าจะเป็นที่กำหนดให้กับผลลัพธ์คือ 0.6 สำหรับความดีและ 0.4 สำหรับความยากจน

ตอนนี้เราคำนวณผลลัพธ์ของการแบ่งส่วนทางภูมิศาสตร์ด้วยวิธีต่อไปนี้:

ดี = 0.6 * 1350000 = $ 810000

แย่ = 0.4 * 260000 = $ 104000

ตอนนี้เราจะวิเคราะห์สองผลลัพธ์สำหรับการตัดสินใจเลือกการแบ่งเซ็กเมนต์หนึ่งเซ็กเมนต์ออกจากสองเซกเมนต์ในลักษณะดังต่อไปนี้:

สำหรับการแบ่งส่วนตามกลุ่มประชากร:

ดี = 840000-40000 = $ 800000

ปานกลาง = 475000-40000 = $ 435000

แย่ = 30000-40000 = $ (10, 000)

ในทำนองเดียวกันสำหรับการแบ่งส่วนทางภูมิศาสตร์:

ดี = 810000-70000 = $ 740000

แย่ = 104000-70000 = $ 340000

ดังที่เราเห็นจากการคำนวณว่าถ้าเราเลือกการแบ่งส่วนประชากรแล้วผลกำไรสูงสุดโดยประมาณคือ $ 800000 ในการแบ่งกลุ่มตามกลุ่มประชากรมีโอกาสที่จะเกิดการสูญเสียที่เกิดขึ้น (10, 000) หากผลิตภัณฑ์ไม่ประสบความสำเร็จในตลาด

หากเราเลือกการแบ่งส่วนทางภูมิศาสตร์ผลกำไรสูงสุดโดยประมาณจะอยู่ที่ $ 740000 ในการแบ่งส่วนทางภูมิศาสตร์เราจะได้รับกำไรน้อยลง (S 340000) หากผลิตภัณฑ์ไม่ประสบความสำเร็จในตลาด ดังนั้นจึงเป็นการดีกว่าที่จะใช้การแบ่งส่วนทางภูมิศาสตร์สำหรับการตลาดผลิตภัณฑ์เนื่องจากไม่มีการสูญเสียที่เกี่ยวข้อง

 

แสดงความคิดเห็นของคุณ