Prognose Bedarf Mit Gleitender Durchschnitt

Gleitender Durchschnitt Vorhersage Einleitung. Wie Sie vermutlich schauen, betrachten wir einige der primitivsten Ansätze zur Prognose. Aber hoffentlich sind diese zumindest eine lohnende Einführung in einige der Rechenprobleme im Zusammenhang mit der Umsetzung von Prognosen in Tabellenkalkulationen. In diesem Sinne werden wir von Anfang an beginnen und beginnen mit Moving Average Prognosen zu arbeiten. Gleitende durchschnittliche Prognosen. Jeder ist vertraut mit gleitenden durchschnittlichen Prognosen, unabhängig davon, ob sie glauben, sie sind. Alle Studenten tun sie die ganze Zeit. Denken Sie an Ihre Testergebnisse in einem Kurs, in dem Sie vier Tests während des Semesters haben werden. Angenommen, Sie haben eine 85 auf Ihrem ersten Test. Was würden Sie vorhersagen, für Ihre zweite Test-Score Was glauben Sie, Ihr Lehrer würde für Ihre nächste Test-Punkt vorhersagen Was denken Sie, Ihre Freunde könnten für Ihre nächste Test-Punkt vorherzusagen Was denken Sie, Ihre Eltern könnten für Ihre nächste Test-Score Unabhängig davon vorhersagen Alle die blabbing Sie tun könnten, um Ihre Freunde und Eltern, sie und Ihr Lehrer sind sehr wahrscheinlich zu erwarten, dass Sie etwas im Bereich der 85 erhalten Sie gerade bekommen. Nun, jetzt gehen wir davon aus, dass trotz Ihrer Selbst-Förderung an Ihre Freunde, Sie über-schätzen Sie sich und Figur, die Sie weniger für den zweiten Test lernen können und so erhalten Sie eine 73. Nun, was sind alle betroffenen und unbekümmerten gehen Erwarten Sie erhalten auf Ihrem dritten Test Es gibt zwei sehr wahrscheinlich Ansätze, damit sie eine Schätzung unabhängig davon entwickeln, ob sie sie mit Ihnen teilen. Sie können zu sich selbst sagen, dieser Kerl ist immer bläst Rauch über seine smarts. Hes gehend, ein anderes 73 zu erhalten, wenn hes glücklich. Vielleicht werden die Eltern versuchen, mehr unterstützend und sagen, quotWell, so weit youve bekommen eine 85 und eine 73, so vielleicht sollten Sie auf eine über (85 73) 2 79. Ich weiß nicht, vielleicht, wenn Sie weniger feiern Und werent wedelte das Wiesel ganz über dem Platz und wenn Sie anfingen, viel mehr zu studieren, konnten Sie einen höheren score. quot erhalten. Beide dieser Schätzungen sind wirklich gleitende durchschnittliche Prognosen. Der erste verwendet nur Ihre jüngste Punktzahl, um Ihre zukünftige Leistung zu prognostizieren. Dies wird als gleitende Durchschnittsprognose mit einer Datenperiode bezeichnet. Die zweite ist auch eine gleitende durchschnittliche Prognose, aber mit zwei Perioden von Daten. Nehmen wir an, dass alle diese Leute, die auf deinem großen Verstand zerschmettern, Art von dich angepisst haben und du entscheidest, auf dem dritten Test aus deinen eigenen Gründen gut zu tun und eine höhere Kerbe vor deinen quotalliesquot zu setzen. Sie nehmen den Test und Ihre Gäste ist eigentlich ein 89 Jeder, einschließlich selbst, ist beeindruckt. So jetzt haben Sie die abschließende Prüfung des Semesters herauf und wie üblich spüren Sie die Notwendigkeit, alle in die Vorhersagen zu machen, wie youll auf dem letzten Test tun. Nun, hoffentlich sehen Sie das Muster. Nun, hoffentlich können Sie das Muster sehen. Was glauben Sie, ist die genaueste Pfeife, während wir arbeiten. Jetzt kehren wir zu unserer neuen Reinigungsfirma zurück, die von Ihrer entfremdeten Halbschwester namens Whistle While We Work begonnen wurde. Sie haben einige vergangene Verkaufsdaten, die durch den folgenden Abschnitt aus einer Kalkulationstabelle dargestellt werden. Zuerst präsentieren wir die Daten für eine dreidimensionale gleitende Durchschnittsprognose. Der Eintrag für Zelle C6 sollte jetzt sein Sie können diese Zellformel auf die anderen Zellen C7 bis C11 kopieren. Beachten Sie, wie der Durchschnitt bewegt sich über die jüngsten historischen Daten, sondern verwendet genau die drei letzten Perioden zur Verfügung für jede Vorhersage. Sie sollten auch bemerken, dass wir nicht wirklich brauchen, um die Vorhersagen für die vergangenen Perioden zu machen, um unsere jüngste Vorhersage zu entwickeln. Dies ist definitiv anders als das exponentielle Glättungsmodell. Ive eingeschlossen das quotpast predictionsquot, weil wir sie auf der folgenden Webseite verwenden, um Vorhersagegültigkeit zu messen. Nun möchte ich die analogen Ergebnisse für eine zwei-Periode gleitenden Durchschnitt Prognose zu präsentieren. Der Eintrag für Zelle C5 sollte jetzt sein Sie können diese Zellformel auf die anderen Zellen C6 bis C11 kopieren. Beachten Sie, wie jetzt nur die beiden letzten Stücke der historischen Daten für jede Vorhersage verwendet werden. Wieder habe ich die quotpast Vorhersagequot für illustrative Zwecke und für die spätere Verwendung in der Prognose Validierung enthalten. Einige andere Dinge, die wichtig zu beachten sind. Für eine m-Periode gleitende Durchschnittsprognose werden nur die m neuesten Datenwerte verwendet, um die Vorhersage durchzuführen. Nichts anderes ist notwendig. Für eine m-Periode gleitende durchschnittliche Prognose, wenn Quotpast Vorhersagequot, beachten Sie, dass die erste Vorhersage tritt im Zeitraum m 1 auf. Diese beiden Fragen werden sehr wichtig, wenn wir unseren Code entwickeln. Entwicklung der Moving Average Funktion. Nun müssen wir den Code für die gleitende Durchschnittsprognose entwickeln, die flexibler genutzt werden kann. Der Code folgt. Beachten Sie, dass die Eingaben für die Anzahl der Perioden sind, die Sie in der Prognose und dem Array der historischen Werte verwenden möchten. Sie können es in beliebiger Arbeitsmappe speichern. Funktion MovingAverage (Historical, NumberOfPeriods) als einzelne Deklarations - und Initialisierungsvariablen Dim Item als Variant Dim Zähler als Integer Dim Summe als Single Dim HistoricalSize als Integer Initialisierung von Variablen Zähler 1 Akkumulation 0 Festlegung der Größe des Historical Arrays HistoricalSize Historical. Count For Counter 1 bis NumberOfPeriods Summieren der entsprechenden Anzahl der zuletzt beobachteten Werte Accumulation Accumulation Historical (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation NumberOfPeriods Der Code wird in der Klasse erklärt. Sie möchten die Funktion auf dem Arbeitsblatt platzieren, so dass das Ergebnis der Berechnung dort erscheint, wo es das Folgende haben soll: In der Praxis liefert der gleitende Durchschnitt eine gute Schätzung des Mittelwerts der Zeitreihe, wenn der Mittelwert konstant ist oder sich langsam ändert. Im Fall eines konstanten Mittelwertes wird der grßte Wert von m die besten Schätzungen des zugrunde liegenden Mittels liefern. Ein längerer Beobachtungszeitraum wird die Effekte der Variabilität ausmachen. Der Zweck der Bereitstellung eines kleineren m ist es, die Prognose auf eine Änderung in dem zugrunde liegenden Prozess zu ermöglichen. Um zu veranschaulichen, schlagen wir einen Datensatz vor, der Änderungen im zugrundeliegenden Mittel der Zeitreihen enthält. Die Abbildung zeigt die Zeitreihen für die Darstellung zusammen mit der mittleren Nachfrage, aus der die Serie erzeugt wurde. Der Mittelwert beginnt als eine Konstante bei 10. Ab dem Zeitpunkt 21 erhöht er sich um eine Einheit in jeder Periode, bis er zum Zeitpunkt 30 den Wert von 20 erreicht. Dann wird er wieder konstant. Die Daten werden simuliert, indem dem Mittelwert ein zufälliges Rauschen aus einer Normalverteilung mit Nullmittelwert und Standardabweichung 3 hinzugefügt wird. Die Ergebnisse der Simulation werden auf die nächste ganze Zahl gerundet. Die Tabelle zeigt die simulierten Beobachtungen für das Beispiel. Wenn wir die Tabelle verwenden, müssen wir bedenken, dass zu einem gegebenen Zeitpunkt nur die letzten Daten bekannt sind. Die Schätzwerte des Modellparameters, für drei verschiedene Werte von m, werden zusammen mit dem Mittelwert der Zeitreihen in der folgenden Abbildung gezeigt. Die Abbildung zeigt die gleitende durchschnittliche Schätzung des Mittelwerts zu jedem Zeitpunkt und nicht die Prognose. Die Prognosen würden die gleitenden Durchschnittskurven nach Perioden nach rechts verschieben. Eine Schlussfolgerung ergibt sich unmittelbar aus der Figur. Für alle drei Schätzungen liegt der gleitende Durchschnitt hinter dem linearen Trend, wobei die Verzögerung mit m zunimmt. Die Verzögerung ist der Abstand zwischen dem Modell und der Schätzung in der Zeitdimension. Wegen der Verzögerung unterschätzt der gleitende Durchschnitt die Beobachtungen, während der Mittelwert zunimmt. Die Vorspannung des Schätzers ist die Differenz zu einer bestimmten Zeit im Mittelwert des Modells und dem Mittelwert, der durch den gleitenden Durchschnitt vorhergesagt wird. Die Vorspannung, wenn der Mittelwert zunimmt, ist negativ. Bei einem abnehmenden Mittelwert ist die Vorspannung positiv. Die Verzögerung in der Zeit und die Bias in der Schätzung eingeführt sind Funktionen von m. Je größer der Wert von m. Desto größer ist die Größe der Verzögerung und der Vorspannung. Für eine stetig wachsende Serie mit Trend a. Die Werte der Verzögerung und der Vorspannung des Schätzers des Mittelwerts sind in den folgenden Gleichungen gegeben. Die Beispielkurven stimmen nicht mit diesen Gleichungen überein, da das Beispielmodell nicht kontinuierlich zunimmt, sondern als Konstante beginnt, sich in einen Trend ändert und dann wieder konstant wird. Auch die Beispielkurven sind vom Rauschen betroffen. Die gleitende Durchschnittsprognose der Perioden in die Zukunft wird durch die Verschiebung der Kurven nach rechts dargestellt. Die Verzögerung und die Vorspannung nehmen proportional zu. Die nachstehenden Gleichungen zeigen die Verzögerung und die Vorspannung von Prognoseperioden in die Zukunft im Vergleich zu den Modellparametern. Diese Formeln sind wiederum für eine Zeitreihe mit einem konstanten linearen Trend. Wir sollten dieses Ergebnis nicht überraschen. Der gleitende Durchschnittsschätzer basiert auf der Annahme eines konstanten Mittelwerts, und das Beispiel hat einen linearen Trend im Mittel während eines Teils des Studienzeitraums. Da Realzeitreihen den Annahmen eines Modells nur selten gehorchen, sollten wir auf solche Ergebnisse vorbereitet sein. Wir können auch aus der Figur schließen, dass die Variabilität des Rauschens den größten Effekt für kleinere m hat. Die Schätzung ist viel volatiler für den gleitenden Durchschnitt von 5 als der gleitende Durchschnitt von 20. Wir haben die widerstrebenden Wünsche, m zu erhöhen, um den Effekt der Variabilität aufgrund des Rauschens zu verringern und um m zu verringern, um die Prognose besser auf Veränderungen anzupassen Im Mittel. Der Fehler ist die Differenz zwischen den tatsächlichen Daten und dem prognostizierten Wert. Wenn die Zeitreihe wirklich ein konstanter Wert ist, ist der erwartete Wert des Fehlers Null und die Varianz des Fehlers besteht aus einem Term, der eine Funktion von und ein zweiter Term ist, der die Varianz des Rauschens ist. Der erste Term ist die Varianz des Mittelwertes mit einer Stichprobe von m Beobachtungen, vorausgesetzt, die Daten stammen aus einer Population mit einem konstanten Mittelwert. Dieser Begriff wird minimiert, indem man m so groß wie möglich macht. Ein großes m macht die Prognose auf eine Änderung der zugrunde liegenden Zeitreihen unempfänglich. Um die Prognose auf Veränderungen anzupassen, wollen wir m so klein wie möglich (1), aber dies erhöht die Fehlerabweichung. Praktische Voraussage erfordert einen Zwischenwert. Prognose mit Excel Das Prognose-Add-In implementiert die gleitenden Durchschnittsformeln. Das folgende Beispiel zeigt die Analyse des Add-In für die Beispieldaten in Spalte B. Die ersten 10 Beobachtungen sind mit -9 bis 0 indexiert. Im Vergleich zur obigen Tabelle werden die Periodenindizes um -10 verschoben. Die ersten zehn Beobachtungen liefern die Startwerte für die Schätzung und werden verwendet, um den gleitenden Durchschnitt für die Periode 0 zu berechnen. Die Spalte MA (10) zeigt die berechneten Bewegungsdurchschnitte. Der gleitende Mittelwert m ist in Zelle C3. Die Fore (1) Spalte (D) zeigt eine Prognose für einen Zeitraum in die Zukunft. Das Prognoseintervall ist in Zelle D3. Wenn das Prognoseintervall auf eine größere Zahl geändert wird, werden die Zahlen in der Spalte Vorwärts verschoben. Die Err (1) - Spalte (E) zeigt die Differenz zwischen der Beobachtung und der Prognose. Zum Beispiel ist die Beobachtung zum Zeitpunkt 1 6. Der prognostizierte Wert, der aus dem gleitenden Durchschnitt zum Zeitpunkt 0 gemacht wird, beträgt 11,1. Der Fehler ist dann -5.1. Die Standardabweichung und mittlere mittlere Abweichung (MAD) werden in den Zellen E6 und E7 beziehungsweise berechnet. How zur Prognose-Nachfrage Das Schaffen einer erfolgreichen Prognose-Nachfrage stellt sicher, dass Sie genug Inventar für die bevorstehende Verkaufszeit haben. Eine Bedarfsprognose betrachtet Verkaufsdaten aus der Vergangenheit, um die Verbrauchernachfrage in Zukunft zu bestimmen. Mit einer genauen Nachfrage Prognose, haben Sie Operationen, die effizienter sind, bessere Kundenservice und eine reduzierte Vorlaufzeit auf die Herstellung von Produkten. Eine genaue Nachfrageprognose hilft Ihnen, hohe Kosten Operationen, schlechten Kundenservice und Produktmängel zu vermeiden. 1 Schritte Bearbeiten Teil eins von Seven: Sammeln von Informationen Bearbeiten Zielspezifische Produkte. Statt sich auf eine komplette Produktlinie zu konzentrieren, identifizieren Sie die Produkte, die Sie verfolgen möchten. Dies macht es einfacher, vergangene Daten zu organisieren und die Nachfrage zu prognostizieren. Zum Beispiel, wenn Sie eine bestehende Linie von Winterbekleidung haben, konzentrieren Sie sich speziell auf Handschuhe anstelle der gesamten Linie. 2 Konzentrieren Sie sich auf Ihre Produkte, die Ihnen das größte Einkommen zu verdienen. Zum Beispiel, viele Unternehmer sich an die 8020-Regel, die besagt, dass 20 Produkte oder Dienstleistungen von einem Unternehmen in der Regel machen 80 seiner Einnahmen. 3 Identifizieren Sie diese Produkte und verfolgen die Nachfrage nach ihnen. Möglicherweise müssen Sie prognostizieren Nachfrage für jedes Produkt in Ihrem Inventar, aber es wird einfacher und genauer, wenn Sie ein paar ähnliche Produkte zu einem Zeitpunkt wie Handschuhe, Stiefel und Winterhüte zu tun. Erwägen Sie, eine Vertriebs - und Betriebsplanungsgruppe zu erstellen, die Vertreter aus jeder Abteilung einbezieht und diese mit der Vorbereitung einer Bedarfsprognose beauftragt. Überprüfen Sie Ihre Marketing-Pläne. Jegliche Marketingkampagnen oder Verkaufsförderungen können die Nachfrage Ihres Produkts erhöhen. Schauen Sie sich die Vergangenheit an und sehen Sie, was erfolgreich war. Sehen Sie, wenn es spezielle Rabatte oder Urlaub Verkäufe, die erhöhte Nachfrage für Ihr Produkt. Sie wollen das alles bei der Bedarfsvorhersage berücksichtigen, vor allem, wenn Sie planen, ähnliche Absatzstrategien zu wiederholen. 4 Prüfen Sie die Kennzahlen. Finden Sie heraus, was ist hinter der Fluktuation der Nachfrage Ihrer Kunden. Schlüsselindikatoren umfassen Demographie und Umweltfaktoren. Zu den Bevölkerungsgruppen gehören Alter, Geschlecht, Standort und jede andere Gruppe identifizierender Merkmale. Die Identifizierung der Nachfrage der wichtigsten Bevölkerungsgruppen hilft, den Datenpool für die Prognose zu verengen. Umweltfaktoren beeinflussen auch die Nachfrage. Zum Beispiel kann ein strenger Winter zu einem Rückgang der Verkäufe führen. 5 Sehen Sie sich Ihren Markt. Analysieren Sie, was Konkurrenten, Kunden, Banker und andere Leute in Ihrem Markt sagen und tun. Sehen Sie, wenn Ihre Wettbewerber sind mit großen Verkäufen oder Aktionen. 6 Schauen Sie sich die letzten Monate an. Schauen Sie sich die beiden letzten Monate und Jahresumsatz Varianzen wie Urlaubszeit. So können Sie Jahres - und Saisonschwankungen feststellen. Untersuchen Sie die vergangenen Monate, analysieren Sie die treibenden Muster hinter der Nachfrage. Schauen Sie sich alle Preisanpassungen oder Marketing-Kampagnen, die zu einem Anstieg der neuen Kunden geführt. Geschäft steigt immer aus einem Grund, und ein intelligenter Geschäftsmann oder Geschäftsfrau wird herausfinden, warum. Zum Beispiel können Sie einen Kauf ausgeführt haben, erhalten einen kostenlosen Verkauf im August für zurück zu Schule Einkaufen. Wenn Sie diese Faktoren zu replizieren, denken Sie daran, dass in Ihrer Prognose. 7 Bestimmen Sie Ihre Vorlaufzeit. Vorlaufzeit ist die Zeit zwischen dem Beginn einer Bestellung und der Lieferung eines Produkts. Zu wissen, dies wird Ihnen helfen, die Nachfrage zu prognostizieren. Dies wird Ihnen helfen, festzustellen, wie schnell Sie Ihr Produkt machen und die Nachfrage erfüllen können. 8 Wenn Sie Ihre Produkte von einem anderen Unternehmen kaufen, ist die Vorlaufzeit die Zeit zwischen der Bestellung und wenn es an der Haustür ankommt. Sie können auch die Durchlaufzeit bestimmen, indem Sie die Rohstoffe und Komponenten untersuchen. Die Kenntnis Ihrer erforderlichen Produktionszeit wird Ihnen helfen, eine genauere Prognose Nachfrage. Fokussierung auf ein bestimmtes Element hilft bei der Vorhersage, wie viel Material Sie benötigen und die Produktionszeit, um Ihr Produkt zu machen. Wenn Sie Ihre Produktionsmengen geschätzt haben, schauen Sie sich die Komponente Nachfrage von jedem Element. Zum Beispiel, wenn Sie Bleistifte Herstellung sind, müssen Sie wissen, wie viel Holz, Gummi, und führen, um auf der Grundlage Ihrer Prognose. 9 Finden Sie heraus, welche Art der Nutzung. Es gibt vier allgemeine Ansätze für die Bedarfsprognose. Dazu gehören Beurteilungs-, experimentelle, relationalcausale und Zeitreihen. Wählen Sie den besten Ansatz basierend auf der Geschichte Ihres Produkts. Der experimentelle Ansatz wird zum Beispiel hauptsächlich für neue Produkte verwendet, die keine historischen Daten im Markt haben. Diese Ansätze sind, wie Sie die meisten Ihrer Daten sammeln werden. 10 Sie können die Ansätze kombinieren, um eine genauere Bedarfsprognose zu erstellen. Betrachten Sie urteilsbezogene Ansätze. Diese Methode stützt sich auf die kollektiven Marktkenntnisse, die von Ihrem Verkaufsteam und den Managern beobachtet werden, um die Nachfrage zu bestimmen. Diese Menschen können etwas oder in einigen Fällen sehr genaue Nachfrage Prognosen auf ihre eigenen persönlichen Wissen und Erfahrungen basieren bieten. Allerdings können die Daten, die Sie von ihnen zu sammeln, unzuverlässig sein, da sie auf Ihre Experten persönliche Ansichten verlässt. Aus diesem Grund werden Daten, die aus urteilsbezogenen Ansätzen abgeleitet werden, am besten für kurzfristige Nachfrageprognosen verwendet. 11 Es gibt verschiedene Möglichkeiten, dies zu tun, was hauptsächlich davon abhängt, wer Sie für Ihr Panel verwenden. Jedoch brauchen Sie nicht, sie alle für einen korrekten judgmental Ansatz zu verwenden. Sie können wählen, oder eine Kombination von ihnen, um Ihre Ziele zu erreichen, je nachdem, welche Gruppen Sie denken, würde die meisten genaue Beurteilung. Bestimmen Sie, ob Sie einen experimentellen Ansatz verwenden müssen. Dieser Ansatz funktioniert am besten für neue Produkte, und es ist nicht sinnvoll für bestehende Produkte, die eine historische Nachfrage haben. Dieser Ansatz nimmt die Ergebnisse von einer kleinen Anzahl von Kunden und extrapoliert die Ergebnisse auf eine große Anzahl von Kunden. Zum Beispiel, wenn Sie 500 Menschen zufällig in einer bestimmten Stadt zu kontaktieren und 25 sagen, sie werden Ihr Produkt innerhalb von 6 Monaten zu kaufen, können Sie davon ausgehen, dieser Prozentsatz gilt für 5.000 Menschen. 12 Wenn eine kleine Gruppe von gezielten Kunden eine neue Technologie liebt und auf das Testmarketing gut reagiert, können Sie diese Zahl extrapolieren, um auch die nationale Nachfrage prognostizieren zu können. Das Problem mit diesem Ansatz ist, dass es oft sammelt mehr Informationen über die Kunden bevorzugt auf Ihr Produkt anstatt Nachfrage Daten. Betrachten Sie einen relationalen Ansatz. Dieser Ansatz versucht, herauszufinden, warum Menschen Ihr Produkt kaufen. Die Idee ist, dass, wenn Sie verstehen können, warum Menschen Ihr Produkt kaufen, dann können Sie eine Nachfrage-Prognose aus diesem Grund zu erstellen. Zum Beispiel, wenn Sie verkaufen Schneestiefel, dann wissen Sie, die Nachfrage für Ihr Produkt ist das Wetter. Wenn die Wettervorhersage einen schweren Winter prognostiziert, wissen Sie, dass es eine höhere Nachfrage für Ihre Schnee-Stiefel werden. 13 Diese Ansätze umfassen Lebenszyklus - und Simulationsmodelle. Berechnen Sie die Nachfrage nach Zeitreihenansätzen. Zeitreihen-Ansätze versuchen, mathematisch zu berechnen Nachfrage mit vergangenen Zahlen und Trends als Leitfaden. Insbesondere können Sie gleitende Mittelwerte, gewichtete gleitende Mittelwerte und eine exponentielle Glättung verwenden, um zu versuchen, Ihre Nachfrage genau vorherzusagen. Diese Ansätze geben Ihnen härtere Zahlen als andere Ansätze, müssen aber mit anderen, subjektiven Näherungen kombiniert werden, um die Auswirkungen der künftigen Veränderungen auf dem Markt oder Businessplan Rechnung zu tragen. Teil Fünf von sieben: Verwenden von RelationalCausal Approaches Bearbeiten Untersuchen Sie die vorherigen Verkäufe für monatliche oder saisonale Trends. Überprüfen Sie die Verkaufszahlen der vergangenen Jahre, um zu bestimmen, welche Zeiten im Jahr für den höheren Prozentsatz Ihres Umsatzes verantwortlich sind. Sind sie konstant erfahren Sie höhere Umsätze im Winter oder Sommer Messen Sie den Anstieg oder Rückgang der Verkäufe in diesen Zeiten. War die Veränderung in einigen Jahren höher oder niedriger, dann überlegen Sie, warum dies der Fall sein könnte. Verwenden Sie, was Sie gelernt haben und wenden Sie es auf die aktuelle Jahre Prognose. Zum Beispiel, wenn Sie Schneestiefel verkaufen, könnten Sie einen besonders großen Anstieg der Verkäufe in einem kalten Winter erlebt haben. Wenn dieses Jahr ein ähnlich kalter Winter vorhergesagt wird, sollten Sie die Nachfrageprognose entsprechend steigern. Suchen Sie nach Kundenreaktionen. Dies bezieht sich auf Situationen, in denen eine Veränderung in Ihrem Produkt oder seinen Markt führte zu höheren oder niedrigeren Umsätze. Erstellen Sie Charts Ihrer historischen Verkäufe für das Produkt und markieren Sie wichtige Termine, zum Beispiel eine Preiserhöhung oder die Einführung eines konkurrierenden Produkts. Dies kann auch breiter sein, wie eine Reaktion auf die veränderte Wirtschaft oder Veränderungen der Konsumausgaben. Lesen Sie relevante Fachzeitschriften und Zeitungsartikel, um diese Informationen zu sammeln. Mit all diesen Daten zur Hand können Sie eine bessere Vorstellung davon, was Ihre zukünftige Nachfrage beeinflussen könnte. Erstellen Sie ein Lebenszyklus-Modell. Ein Lebenszyklus bezieht sich auf das Leben Ihrer Produkte, zwischen dem Zeitpunkt der Einführung und dem heutigen Tag. Schauen Sie sich die Verkäufe Ihres Produktes auf verschiedenen Stufen. Untersuchen Sie die Art der Kunden, die das Produkt während dieser Phasen kaufen. Zum Beispiel, haben Sie Early Adopters (diejenigen, die die neueste Technologie lieben), Mainstream-Käufer (Menschen, die Produktbewertungen und Empfehlungen warten), laggards (sie nur kaufen, wenn das Produkt für eine lange Zeit gewesen), und andere Arten Der Verbraucher. Dies wird Ihnen helfen, bestimmen Sie Ihre Produkte Lebenszyklus Trends und die Nachfrage Muster für Ihr Produkt. 22 Die Branchen, die dieses Modell am meisten nutzen, sind Hochtechnologie, Mode und Produkte mit kurzen Lebenszyklen. Was diesen Ansatz einzigartig macht, ist, dass die Ursache der Nachfrage direkt mit dem Produktlebenszyklus verbunden ist. Verwenden Sie ein Simulationsmodell. Erstellen Sie ein Modell, das den Fluss von Komponenten in Produktionsanlagen simuliert, basierend auf Ihren Materialbedarfsplanungsplänen und dem Verteilungsfluss Ihrer fertigen Produkte. ZB berechnen Sie die Durchlaufzeit, um jede Komponente einschließlich Verschiffenzeit zu empfangen, egal wo es in der Welt bezogen wird. Dieses gibt Ihnen Einblick auf, wie schnell Sie Ihr Produkt bilden können, um die Nachfrage zu befriedigen. 23 Diese Modelle sind bekannt als schwierig und umständlich zu erstellen und zu pflegen. Leser Testimonials Ich bin seit einiger Zeit aus dem Geschäft, aber wie neue Technologien zu entwickeln, gehen die Werkzeuge des Wissens und der Erfahrung Hand in Hand. Ein Profi immer gerne auf dem Laufenden halten. Es war interessant zu gehen, was ich in der Vergangenheit mit einigen nützlichen Hinzufügungen angewendet habe. Ich werde das noch einmal durchmachen. Vielen Dank. . Mehr - Jawaid Manzoor Diese Seite half mir, meinen Bericht über die Grundsätze des Marketings zu verstehen. - Jeyz Napial Die Informationen waren sehr detailliert und hilfreich. - Sylvie Pereira Sehr gut geschrieben und leicht verständlich. - Sohail Akram Guter Artikel. Es ist leicht zu verstehen. - Tania Mathews