Tecniche di previsione della domanda (sondaggio e metodi statistici)

La sfida principale per prevedere la domanda è selezionare una tecnica efficace.

Non esiste un metodo particolare che consenta alle organizzazioni di prevedere rischi e incertezze in futuro. In generale, ci sono due approcci alla previsione della domanda.

Il primo approccio prevede la previsione della domanda raccogliendo informazioni sul comportamento di acquisto dei consumatori dagli esperti o conducendo sondaggi. D'altra parte, il secondo metodo è prevedere la domanda usando i dati passati attraverso tecniche statistiche.

Pertanto, possiamo dire che le tecniche di previsione della domanda sono divise in metodi di rilevamento e metodi statistici. Il metodo di indagine è generalmente per le previsioni a breve termine, mentre i metodi statistici sono utilizzati per prevedere la domanda a lungo termine.

Questi due approcci sono mostrati nella Figura 10:

Discutiamo di queste tecniche (come mostrato nella Figura 10).

Metodo di indagine :

Il metodo di indagine è uno dei metodi più comuni e diretti di previsione della domanda a breve termine. Questo metodo comprende i futuri piani di acquisto dei consumatori e le loro intenzioni. Con questo metodo, un'organizzazione conduce sondaggi con i consumatori per determinare la domanda per i loro prodotti e servizi esistenti e anticipare di conseguenza la domanda futura.

Il metodo di indagine prevede tre esercizi, mostrati nella Figura 11:

Gli esercizi intrapresi con il metodo di indagine (come mostrato nella Figura 11) sono discussi come segue:

io. Sondaggio di opinione degli esperti:

Si riferisce a un metodo in cui gli esperti sono tenuti a fornire il loro parere sul prodotto. Generalmente, in un'organizzazione, i rappresentanti di vendita agiscono come esperti in grado di valutare la domanda del prodotto in diverse aree, regioni o città.

I rappresentanti di vendita sono in stretto contatto con i consumatori; pertanto, sono ben consapevoli dei futuri piani di acquisto dei consumatori, delle loro reazioni ai cambiamenti del mercato e delle loro percezioni per altri prodotti concorrenti. Forniscono una stima approssimativa della domanda per i prodotti dell'organizzazione. Questo metodo è abbastanza semplice e meno costoso.

Tuttavia, ha i suoi limiti, che sono discussi come segue:

un. Fornisce stime che dipendono dalle capacità di mercato degli esperti e dalla loro esperienza. Queste abilità differiscono da individuo a individuo. In questo modo, rendere difficili le previsioni della domanda diventa difficile.

b. Coinvolge il giudizio soggettivo del valutatore, che può portare a una valutazione eccessiva o sottostima.

c. Dipende dai dati forniti dai rappresentanti di vendita che potrebbero avere informazioni inadeguate sul mercato.

d. Ignora fattori, quali la variazione del prodotto nazionale lordo, la disponibilità di credito e le prospettive future del settore, che potrebbero rivelarsi utili nelle previsioni della domanda.

ii. Metodo Delphi:

Si riferisce a una tecnica decisionale di gruppo per la previsione della domanda. Con questo metodo, le domande vengono poste individualmente da un gruppo di esperti per ottenere le loro opinioni sulla domanda di prodotti in futuro. Queste domande vengono poste ripetutamente fino a quando non si ottiene un consenso.

Inoltre, in questo metodo, a ciascun esperto vengono fornite informazioni relative alle stime fatte da altri esperti del gruppo, in modo che possa rivedere le proprie stime rispetto alle stime degli altri. In questo modo, le previsioni vengono incrociate tra gli esperti per raggiungere un processo decisionale più preciso.

A qualsiasi esperto è consentito reagire o fornire suggerimenti sulle stime degli altri. Tuttavia, i nomi degli esperti vengono mantenuti anonimi durante lo scambio di stime tra esperti per facilitare il giudizio equo e ridurre l'effetto alone.

Il vantaggio principale di questo metodo è che è conveniente in termini di tempo e costi poiché un certo numero di esperti viene contattato in breve tempo senza spendere in altre risorse. Tuttavia, questo metodo può portare a un processo decisionale soggettivo.

iii. Metodo di esperimento di mercato:

Implica la raccolta delle informazioni necessarie sulla domanda attuale e futura di un prodotto. Questo metodo effettua studi ed esperimenti sul comportamento del consumatore in condizioni di mercato reali. Con questo metodo, alcune aree dei mercati vengono selezionate con caratteristiche simili, come popolazione, livelli di reddito, background culturale e gusti dei consumatori.

Gli esperimenti di mercato vengono condotti con l'ausilio di variazioni dei prezzi e delle spese, in modo da registrare le conseguenti variazioni della domanda. Questi risultati aiutano a prevedere la domanda futura.

Esistono varie limitazioni di questo metodo, che sono le seguenti:

un. Si riferisce a un metodo costoso; pertanto, potrebbe non essere conveniente per le organizzazioni su piccola scala

b. Colpisce i risultati degli esperimenti dovuti a varie condizioni socio-economiche, come scioperi, instabilità politica, calamità naturali

Metodi statistici :

I metodi statistici sono un insieme complesso di metodi di previsione della domanda. Questi metodi vengono utilizzati per prevedere la domanda a lungo termine. Con questo metodo, la domanda è prevista sulla base di dati storici e dati trasversali.

I dati storici si riferiscono ai dati passati ottenuti da varie fonti, come i bilanci degli anni precedenti e i rapporti sulle indagini di mercato. D'altra parte, i dati trasversali vengono raccolti conducendo interviste con persone fisiche ed effettuando sondaggi di mercato. A differenza dei metodi di indagine, i metodi statistici sono convenienti e affidabili poiché l'elemento di soggettività è minimo in questi metodi.

Questi diversi metodi statistici sono mostrati nella Figura 12:

I diversi metodi statistici (come mostrato nella Figura 12).

Metodo di proiezione di tendenza :

La proiezione di tendenza o il metodo del minimo quadrato è il metodo classico di previsione aziendale. In questo metodo, è necessaria una grande quantità di dati affidabili per la previsione della domanda. Inoltre, questo metodo presuppone che i fattori, come le vendite e la domanda, responsabili delle tendenze passate rimarranno gli stessi in futuro.

Con questo metodo, le previsioni di vendita vengono elaborate attraverso l'analisi dei dati passati tratti dai libri contabili dell'anno precedente. Nel caso di nuove organizzazioni, i dati sulle vendite sono presi da organizzazioni già esistenti nello stesso settore. Questo metodo utilizza i dati delle serie temporali sulle vendite per prevedere la domanda di un prodotto.

La tabella 1 mostra i dati delle serie temporali dell'organizzazione XYZ:

Il metodo di proiezione di tendenza prevede altri tre metodi, che sono i seguenti:

io. Metodo grafico:

Aiuta a prevedere le vendite future di un'organizzazione con l'aiuto di un grafico. I dati di vendita vengono tracciati su un grafico e una linea viene disegnata su punti tracciati.

Impariamo questo attraverso un grafico mostrato in Figura 13:

La Figura 13 mostra una curva che viene tracciata prendendo in considerazione i dati di vendita dell'organizzazione XYZ (Tabella-1). La linea P viene disegnata attraverso i punti centrali della curva e S è una linea retta. Queste linee sono estese per ottenere le vendite future per l'anno 2010 che è di circa 47 tonnellate. Questo metodo è molto semplice e meno costoso; tuttavia, le proiezioni fatte con questo metodo possono basarsi sul pregiudizio personale del previsore.

ii. Metodo di tendenza adatto:

Implica un metodo meno quadrato in cui una linea di tendenza (curva) è adattata ai dati delle serie temporali delle vendite con l'aiuto di tecniche statistiche.

In questo metodo, ci sono due tipi di tendenze prese in considerazione, che sono spiegate come segue:

un. Tendenza lineare:

Implica una tendenza in cui le vendite mostrano una tendenza in aumento.

Nella tendenza lineare, viene montata la seguente equazione di tendenza in linea retta:

S = A + BT

Dove

S = vendite annuali

T = tempo (in anni)

A e B sono costanti

B indica la misura dell'aumento annuale delle vendite

b. Trend esponenziale:

Implica una tendenza in cui le vendite aumentano negli ultimi anni a un ritmo crescente o costante.

L'equazione di tendenza appropriata utilizzata è la seguente:

Y = aTb

Dove

Y = vendite annuali

T = tempo in anni

aeb sono costanti

Convertendo questo in logaritmo, l'equazione sarebbe:

Registro Y = Registro a + b Registro T

Il vantaggio principale di questo metodo è che è semplice da usare. Inoltre, il requisito di dati di questo metodo è molto limitato (poiché sono richiesti solo i dati di vendita), quindi è un metodo economico.

Tuttavia, questo metodo soffre anche di alcune limitazioni, che sono le seguenti:

1. Presume che il tasso passato di variazioni delle variabili rimarrà lo stesso anche in futuro, il che non è applicabile nelle situazioni pratiche.

2. Non si applica per le stime a breve termine e dove la tendenza è ciclica con molte fluttuazioni

3. Non riesce a misurare la relazione tra variabili dipendenti e indipendenti.

iii. Metodo Box-Jenkins:

Si riferisce a un metodo utilizzato solo per previsioni a breve termine. Questo metodo prevede la domanda solo con dati di serie temporali stazionari che non rivelano la tendenza a lungo termine. Viene utilizzato in quelle situazioni in cui i dati delle serie temporali descrivono variazioni mensili o stagionali con alcuni gradi di regolarità. Ad esempio, questo metodo può essere utilizzato per stimare le previsioni di vendita di abiti di lana durante la stagione invernale.

Metodo barometrico :

Nel metodo barometrico, la domanda è prevista sulla base di eventi passati o variabili chiave che si verificano nel presente. Questo metodo viene anche utilizzato per prevedere vari indicatori economici, come risparmio, investimenti e reddito. Questo metodo fu introdotto da Harvard Economic Service nel 1920 e ulteriormente rivisto dal National Bureau of Economic Research (NBER) negli anni '30.

Questa tecnica aiuta a determinare l'andamento generale delle attività commerciali. Ad esempio, supponiamo che il governo assegni alla società XYZ la costruzione di edifici. Ciò indica che vi sarebbe una forte domanda di cemento, mattoni e acciaio.

Il vantaggio principale di questo metodo è che è applicabile anche in assenza di dati passati. Tuttavia, questo metodo non è applicabile in caso di nuovi prodotti. Inoltre, perde la sua applicabilità quando non vi è alcun ritardo tra l'indicatore economico e la domanda.

Metodi econometrici :

I metodi econometrici combinano strumenti statistici con teorie economiche per la previsione. Le previsioni fatte con questo metodo sono molto affidabili rispetto a qualsiasi altro metodo. Un modello econometrico è costituito da due tipi di metodi, ovvero il modello di regressione e il modello di equazioni simultanee.

Questi due tipi di metodi sono spiegati come segue:

io. Metodi di regressione:

Fare riferimento al metodo più popolare di previsione della domanda. Nel metodo di regressione, viene stimata la funzione di domanda per un prodotto in cui la domanda è variabile dipendente e le variabili che determinano la domanda sono variabili indipendenti.

Se solo una variabile influisce sulla domanda, viene chiamata funzione di domanda singola variabile. Pertanto, vengono utilizzate semplici tecniche di regressione. Se la domanda è influenzata da molte variabili, allora si chiama funzione di domanda multi-variabile. Pertanto, in tal caso, viene utilizzata la regressione multipla.

Le tecniche di regressione semplice e multipla sono discusse come segue:

un. Regressione semplice:

Si riferisce allo studio della relazione tra due variabili in cui una è variabile indipendente e l'altra è variabile dipendente.

L'equazione per calcolare la regressione semplice è la seguente:

Y = a + bx

Dove, Y = valore stimato di Y per un dato valore di X

b = Quantità di variazione in Y prodotta da una variazione unitaria in X

a e b = costanti

Le equazioni per calcolare aeb sono le seguenti:

Impariamo a calcolare la semplice regressione con l'aiuto di un esempio. Supponiamo che un ricercatore voglia studiare la relazione tra la soddisfazione del dipendente (gruppo di vendita) e le vendite di un'organizzazione.

Ha ricevuto il feedback degli impiegati sotto forma di questionario e ha chiesto loro di valutare il loro livello di soddisfazione su una scala di 10 puntatori in cui 10 è il più alto e 1 è il più basso. Il ricercatore ha preso i dati di vendita per ogni singolo membro del gruppo di vendita. Ha preso la media delle vendite mensili per un anno per ogni individuo.

I dati raccolti sono disposti nella Tabella 2:

Il calcolo della media per la soddisfazione dei dipendenti (X) e le vendite è il seguente:

Questa è l'equazione di regressione in cui il ricercatore può assumere qualsiasi valore di X per trovare il valore stimato di Y.

Ad esempio, se il valore di X è 9, il valore di Y verrebbe calcolato come segue:

Y = -1, 39 + 1, 61X

Y = -1, 39 + 1, 61 (9)

Y = 13.

Con l'aiuto dell'esempio precedente, si può concludere che se un dipendente è soddisfatto, la sua produzione aumenterebbe.

b. Regressione multipla:

Si riferisce allo studio della relazione tra più di una variabile indipendente e dipendente.

Nel caso di due variabili indipendenti e una variabile dipendente, per calcolare la regressione multipla viene utilizzata la seguente equazione:

Y = a + b1X1 + b2X2

Dove, Y (variabile dipendente) = valore stimato di Y per un dato valore di X1 e X

X1 e X2 = variabili indipendenti

b1 = Quantità di variazione in Y prodotta da una variazione unitaria in X

b2 = Quantità di variazione in Y prodotta da una variazione unitaria in X2

a, b1 e b2 = Costanti

Le equazioni utilizzate per calcolare i valori aeb sono le seguenti:

Il numero di equazioni dipende dal numero di variabili indipendenti. Se ci sono due variabili indipendenti, allora ci sarebbero tre equazioni e così via.

Impariamo a calcolare la regressione multipla con l'aiuto di un esempio. Supponiamo che il ricercatore voglia studiare la relazione tra percentuale intermedia, percentuale di laurea e percentuale MAT di un gruppo di 25 studenti.

È importante notare che la percentuale intermedia e la percentuale di laurea sono variabili indipendenti e il percentuale MAT è variabile dipendente. Il ricercatore vuole scoprire se il percentile in MAT dipende dalla percentuale di intermedio e di laurea o meno.

I dati raccolti sono mostrati nella Tabella 3:

Le equazioni richieste per calcolare la regressione multipla sono le seguenti:

Queste equazioni vengono utilizzate per risolvere manualmente l'equazione di regressione multipla. Tuttavia, è anche possibile utilizzare SPSS per scoprire la regressione multipla.

Se utilizziamo SPSS nell'esempio precedente, otterremmo l'output mostrato nella Tabella 4:

La Tabella 5 mostra il riepilogo del modello di regressione. In questa tabella, R è il coefficiente di correlazione tra le variabili indipendenti e dipendenti, che in questo caso è molto elevato. R Square mostra che gran parte della variazione del modello è dimostrata dalle opportunità di lavoro in uno stato. L'errore standard della stima è piuttosto basso, ovvero 1, 97. Indica anche che la variazione nei dati attuali è inferiore.

La tabella 6 mostra i coefficienti del modello di regressione:

La Tabella 6 mostra che il valore t calcolato è maggiore del valore t di significatività. Pertanto, i coefficienti mostrano la relazione di causa ed effetto tra le variabili indipendenti e dipendenti.

La Tabella 7 mostra la tabella AN OVA per le due variabili allo studio:

La Tabella 7 mostra l'analisi delle variazioni nel modello. La riga di regressione mostra la variazione avvenuta a causa del modello di regressione. Tuttavia, la riga residua mostra la variazione che si è verificata per caso. Nella Tabella 7, il valore della somma dei quadrati per la riga di regressione è maggiore del valore della somma dei quadrati per la riga residua; pertanto, la maggior parte delle variazioni sono prodotte solo a causa del modello.

Il valore F calcolato è molto grande rispetto al valore di significatività. Pertanto, possiamo dire che la percentuale intermedia e la percentuale di laurea hanno un forte effetto sul percentile MAT di uno studente.

Equazioni simultanee:

Coinvolgere diverse equazioni simultanee.

Esistono due tipi di variabili incluse in questo modello, che sono le seguenti:

io. Variabili endogene:

Fare riferimento agli input determinati all'interno del modello. Queste sono variabili controllate.

ii. Variabili esogene:

Fare riferimento agli input del modello. Esempi sono il tempo, la spesa pubblica e le condizioni meteorologiche. Queste variabili sono determinate al di fuori del modello.

Per lo sviluppo di un modello completo, vengono determinate per prime le variabili endogene ed esogene. Successivamente, vengono raccolti i dati necessari sulle variabili sia esogene che endogene. A volte, i dati non sono disponibili nella forma richiesta, quindi devono essere adattati al modello.

Dopo lo sviluppo dei dati necessari, il modello viene stimato mediante un metodo appropriato. Infine, il modello è risolto per ogni variabile endogena in termini di variabile esogena. La previsione è finalmente fatta.

Altre misure statistiche :

Oltre ai metodi statistici, esistono altri metodi per la previsione della domanda. Queste misure sono molto specifiche e utilizzate solo per set di dati particolari. Pertanto, non è possibile generalizzare l'utilizzo per tutti i tipi di ricerca.

Queste misure sono mostrate nella Figura 14:

I diversi tipi di misure statistiche (come mostrato nella Figura 14) sono discussi come segue:

iii. Indice numero:

Si riferisce alle misure utilizzate per studiare le fluttuazioni in una variabile o in un gruppo di variabili correlate rispetto al periodo di tempo / periodo di base. Sono più comunemente utilizzati nella ricerca economica e finanziaria per studiare vari fattori, come il prezzo e la quantità di un prodotto. I fattori responsabili del problema vengono identificati e calcolati.

Esistono principalmente quattro tipi di numeri di indice, che sono i seguenti:

un. Numero indice semplice:

Si riferisce al numero che misura una variazione relativa in una singola variabile rispetto all'anno base.

b. Numero indice composito:

Si riferisce al numero che misura una variazione relativa in un gruppo di variabili correlate rispetto all'anno base.

c. Numero indice dei prezzi:

Si riferisce al numero che misura una variazione relativa del prezzo di una merce in diversi periodi di tempo.

d. Numero indice quantità:

Si riferisce al numero che misura una variazione relativa della quantità fisica di beni prodotti, consumati o venduti per una merce in diversi periodi di tempo.

Analisi delle serie temporali: si riferisce all'analisi di una serie di osservazioni su un periodo di intervalli di tempo equidistanti. Ad esempio, analizzando la crescita di un'azienda dalla sua incorporazione alla situazione attuale. L'analisi delle serie storiche è applicabile in vari settori, come il settore pubblico, l'economia e la ricerca.

Esistono vari componenti dell'analisi delle serie temporali, che sono i seguenti:

un. Tendenza secolare:

Si riferisce alla tendenza che è indicata da T e prevalente per un periodo di tempo. La tendenza secolare per una serie di dati può essere verso l'alto o verso il basso. La tendenza al rialzo mostra l'aumento di una variabile, come l'aumento dei prezzi delle materie prime; mentre la tendenza al ribasso mostra le fasi in calo, come il calo del tasso di malattie e delle vendite di un determinato prodotto.

b. Oscillazione a breve termine:

Si riferisce a una tendenza che rimane per un periodo di tempo più breve.

Può essere classificato nelle seguenti tre tendenze:

1. Tendenza stagionale:

Si riferisce alla tendenza che è indicata da S e si verifica anno dopo anno per un determinato periodo. La ragione di tali tendenze sono le condizioni meteorologiche, i festival e alcune altre usanze. Esempi di tendenza stagionale sono l'aumento della domanda di lana negli inverni e l'aumento delle vendite di dolci vicino a Diwali.

2. Tendenza ciclica:

Si riferisce alla tendenza che è indicata da C e dura più di un anno. Le tendenze cicliche non sono né continue né stagionali. Un esempio di tendenza ciclica è il ciclo economico.

3. Tendenza irregolare:

Si riferisce alla tendenza che è indicata da I ed è breve e imprevedibile in natura. Esempi di tendenze irregolari sono terremoti, eruzioni vulcaniche e inondazioni.

Analisi dell'albero decisionale:

Si riferisce al modello utilizzato per prendere una decisione in un'organizzazione. Nell'analisi dell'albero decisionale, viene disegnata una struttura ad albero per decidere la soluzione migliore per un problema. In questa analisi, scopriamo innanzitutto diverse opzioni che possiamo applicare per risolvere un problema specifico.

Successivamente, possiamo scoprire il risultato di ciascuna opzione. Queste opzioni / decisioni sono collegate con un nodo quadrato mentre i risultati sono dimostrati con un nodo circolare. Il flusso di un albero decisionale dovrebbe essere da sinistra a destra.

La forma dell'albero decisionale è mostrata nella Figura 15:

Cerchiamo di capire il funzionamento di un albero decisionale con l'aiuto di un esempio. Supponiamo che un'organizzazione voglia decidere il tipo di segmentazione per aumentare la base di clienti.

Questo problema può essere risolto utilizzando l'albero delle decisioni mostrato nella Figura 16:

Nella Figura 16, l'albero decisionale mostra due tipi di segmentazione, vale a dire la segmentazione demografica e la segmentazione geografica. Ora, analizzeremmo i risultati di queste due segmentazioni. Per analizzare la segmentazione demografica, la società deve sostenere S 40.000 (costo stimato). Il risultato della segmentazione demografica può essere buono, moderato e scarso.

Le entrate stimate previste per tre anni per le tre opzioni (buono, moderato e scarso) sono le seguenti:

Buono = $ 21500000

Moderato = $ 950000

Scarso = S300000

Le probabilità assegnate ai risultati sono 0, 4 per bene, 0, 5 per moderato e 0, 1 per scarso.

Ora, calcoliamo i risultati della segmentazione demografica nel modo seguente:

Buono = 0, 4 * 2100000 = 840000

Moderato = 0, 5 * 950000 = 475000

Scarso = 0, 1 * 300000 = 30000

Allo stesso modo, in caso di segmentazione geografica, il costo sostenuto è di $ 70000 (costo stimato). Il risultato della segmentazione geografica può essere buono e scarso.

Le entrate stimate previste per tre anni per le due opzioni (buono e scarso) sono le seguenti:

Buono = $ 1350000

Scarso = $ 260000

Le probabilità assegnate ai risultati sono 0, 6 per il bene e 0, 4 per il cattivo.

Ora, calcoliamo i risultati della segmentazione geografica nel modo seguente:

Buono = 0, 6 * 1350000 = $ 810000

Scarso = 0.4 * 260000 = $ 104000

Ora, analizzeremmo i due risultati per aver deciso di selezionare una segmentazione tra le due segmentazioni nel modo seguente:

Per la segmentazione demografica:

Buono = 840000-40000 = $ 800000

Moderato = 475000-40000 = $ 435000

Scarso = 30000-40000 = $ (10000)

Allo stesso modo, per la segmentazione geografica:

Buono = 810000-70000 = $ 740000

Scarso = 104000-70000 = $ 340000

Come possiamo vedere dal calcolo che se selezioniamo la segmentazione demografica, il profitto massimo stimato sarebbe di $ 800000. Nella segmentazione demografica, ci sono possibilità di incorrere in perdite (10.000), se il prodotto non ha successo sul mercato.

Se selezioniamo la segmentazione geografica, il profitto massimo stimato sarebbe di $ 740000. Nella segmentazione geografica, guadagneremmo meno profitto (S 340000), se il prodotto non avesse successo sul mercato. Pertanto, è meglio utilizzare la segmentazione geografica per commercializzare il prodotto, poiché non vi sono perdite.

 

Lascia Il Tuo Commento