چند اصطلاح آماری در پیش بینی فروش و محاسبات مهندسی فروش

 Baseline مبنا – Time series سری زمانی 

اصطلاح سری زمانی به یک توالی از داده‌هایی که به ترتیب زمانی مرتب شده‌اند اشاره دارد. در پیش بینی فروش چند مثال از مبنا می‌تواند درآمد کل از مهر ۱۳۹۰ تا اسفند ۱۳۹۶ ، باشد، تعداد محصول فروخته شده از یکم فروردین ۱۳۹۵ تا ۲۰ اسفند ۱۳۹۶ و یا درآمد کل فصل اول تا سوم ۱۳۹۶٫ داده‌های مبنای پیش بینی که به این شیوه مرتب شده باشند را گاهی سری‌ زمانی می‌نامند.

Seasonality نوسانات فصلی

در یک بازه زمانی سالانه، سری‌های زمانی ممکن است براساس فصل‌های سال تغییر کرده و افت و خیزی را تجربه کنند. شاید محصول شما در فصول گرم و سرد سال با استقبال متفاوتی روبه‌رو شود. اگر این الگو هرسال تکرار گردد با نوسانات فصلی روبه‌رو هستید. می‌توانید از نوسانات فصلی جهت بهبود کیفیت پیش بینی خود استفاده کنید.

Trend روند

اصطلاح روند به تمایل سری‌های زمانی به افزایش یا کاهش در طول زمان اطلاق می‌گردد. روند افزایشی برای مدیر فروش و تیمش خبر خوبی است. روند کاهشی هم خبری برای مدیریت بازاریابی و تولید است و به معنی زمان تصمیم‌گیری برای عوامل آن است. روندها ممکن است در پیش بینی فروش اخلال ایجاد کنند؛ از این رو فنون و تکنیک‌های خاصی برای کنترل تأثیر آنها در پیش بینی وجود دارد.

Cycle چرخه

چرخه به فصل شباهت دارد؛ اما آن را فصلی در نظر نمی‌گیرند. بالارفتن چرخه ممکن است چند سال درنظر گرفته شود؛ همچنین پایین رفتن آنها. یک مثال خوب از چرخه رکود و رونق است که ممکن است چندسال طول بکشد.

Forecast period بازه پیش بینی  

بازه پیش بینی طول زمانی است که از مشاهدات شما (داده‌ها) در سری زمانی استفاده می‌شود. معمولا پیش بینی برای زمان مشابهی (سالانه، فصلی و …) آماده می‌گردد. اگر سری زمانی مشتمل بر چندین ماه باشد پیش بینی هم برای ماه آینده صورت می‌گیرد. اگر سری زمانی مشتمل بر داده‌های سالانه باشد، پیش بینی هم برای سال آینده به انجام می‌رسد و به همین ترتیب. در شیوه پیش بینی از طریق رگرسیون می‌توانید بیش از یک بازه زمانی به سمت آینده حرکت کنید؛ اما آخرین مشاهدات واقعی بسیار شکننده و کم عمق خواهند بود.

 Smoothing constant ضریب هموارسازی – Damping factor عامل محرک

عددی اعشاری میان ۰٫۰ و ۱٫۰ است. در هموارسازی نمایی به وسیله آن مشخص می‌کنیم چه میزان از خطای اندازه‌گیری پیش بینی قبلی را جهت تصحیح پیش بینی بعدی استفاده خواهیم کرد. در اکثر منابع آمار آن را ضریب هموارسازی می‌نامند؛ اما در اکسل با نام Damping factor یافت می‌شود

یادآوری هموارسازی نمایی و رگرسیون

Correlation همبستگی

با استفاده از اصطلاح ضریب همبستگی، ارتباط دو متغیر مشخص می‌شود. مقدار آن بین منفی یک و مثبت یک است؛ اما در پیش بینی واقعی فروش مقدار آن چندان افراطی و نزدیک کرانه نخواهد بود. هرچه میزان ضریب همبستگی به ۱٫۰+/- نزدیک‌تر باشد ارتباط میان دو متغیر قوی‌تر است. همبستگی برابر صفر به معنی عدم وجود ارتباط میات متغیرهاست. ضریب همبستگی ۰٫۷+ میان تعداد فروشنده‌ها و درآمد فروش حاصل از فروش آن‌ها به معنای ارتباط نسبتا قوی است. در نتیجه هرچه تعداد فروشنده‌ها بیشتر باشد به معنای درآمد بیشتر است. ضریب همبستگی ۰٫۱- بسیار ضعیف است و احتمالا ارتباط فروش هر نماینده با نمره عینک آن‌هاست!

در اکسل از تابع CORREL برای یافتن ارتباط یک مشاهده (داده) در سری زمانی و مشاهده قدیمی‌تر استفاده می‌گردد. معمولا از این تابع برای یافتن ارتباط میان دو داده متوالی از آن استفاده می‌شود. CORREL ارتباط میان داده آخر و داده پیشین را مشخص می‌کند.

Predictor variable متغیر پیش بینی کننده

این اصطلاح در زمانی که از طریق رگرسیون به پیش بینی می‌پردازیم به کار می‌رود. متغیر پیش بینی کننده، متغیری است که برای تخمین میزان متغیر دیگری که می‌خواهید اینده آن را پیش بینی کنید مورد استفاده قرار می‌گیرد. برای مثال ممکن است شما ارتباطی میان قیمت و تعداد فروش یافته باشید. اکنون اگر قیمت محصول در بازه زمانی مورد پیش بینی (مثلا فصل بعد) را بدانید، می‌توانید از آن برای پیش بینی تعداد فروش استفاده کنید. در این مثال قیمت واحد محصول، متغیر پیش بینی کننده است.


دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

5 × 4 =