Moving Average Forecasting Pendahuluan. Seperti yang Anda duga, kita melihat beberapa pendekatan paling primitif terhadap peramalan. Tapi mudah-mudahan ini setidaknya merupakan pengantar yang berharga untuk beberapa masalah komputasi yang terkait dengan penerapan prakiraan di spreadsheet. Dalam vena ini kita akan melanjutkan dengan memulai dari awal dan mulai bekerja dengan Moving Average prakiraan. Moving Average Forecasts. Semua orang terbiasa dengan perkiraan rata-rata bergerak terlepas dari apakah mereka yakin itu. Semua mahasiswa melakukannya setiap saat. Pikirkan nilai tes Anda di kursus di mana Anda akan menjalani empat tes selama semester ini. Mari kita asumsikan Anda mendapatkan 85 pada tes pertama Anda. Apa yang akan Anda perkirakan untuk skor tes kedua Anda Menurut Anda apa yang akan diprediksikan oleh guru untuk mendapatkan skor tes berikutnya? Menurut Anda, apa perkiraan teman Anda untuk memprediksi skor tes berikutnya? Menurut Anda, apa yang diprediksi orang tua Anda untuk skor tes berikutnya? Semua blabbing yang mungkin Anda lakukan terhadap teman dan orang tua Anda, mereka dan gurumu sangat mengharapkan Anda untuk mendapatkan sesuatu dari area yang Anda dapatkan. Nah, sekarang mari kita asumsikan bahwa meskipun promosi diri Anda ke teman Anda, Anda terlalu memperkirakan perkiraan Anda dan membayangkan bahwa Anda dapat belajar lebih sedikit untuk tes kedua dan Anda mendapatkan nilai 73. Sekarang, apa yang menarik dan tidak peduli? Mengantisipasi Anda akan mendapatkan pada tes ketiga Ada dua pendekatan yang sangat mungkin bagi mereka untuk mengembangkan perkiraan terlepas dari apakah mereka akan berbagi dengan Anda. Mereka mungkin berkata pada diri mereka sendiri, quotThis guy selalu meniup asap tentang kecerdasannya. Dia akan mendapatkan yang lain lagi jika dia beruntung. Mungkin orang tua akan berusaha lebih mendukung dan berkata, quotWell, sejauh ini Anda sudah mendapatkan nilai 85 dan angka 73, jadi mungkin Anda harus memikirkan tentang (85 73) 2 79. Saya tidak tahu, mungkin jika Anda kurang berpesta Dan werent mengibaskan musang seluruh tempat dan jika Anda mulai melakukan lebih banyak belajar Anda bisa mendapatkan skor yang lebih tinggi. quot Kedua perkiraan ini sebenarnya bergerak perkiraan rata-rata. Yang pertama hanya menggunakan skor terbaru untuk meramalkan kinerja masa depan Anda. Ini disebut perkiraan rata-rata bergerak menggunakan satu periode data. Yang kedua juga merupakan perkiraan rata-rata bergerak namun menggunakan dua periode data. Mari kita asumsikan bahwa semua orang yang menghina pikiran besar ini membuat Anda kesal dan Anda memutuskan untuk melakukannya dengan baik pada tes ketiga karena alasan Anda sendiri dan untuk memberi nilai lebih tinggi di depan kuotasi Anda. Anda mengikuti tes dan nilai Anda sebenarnya adalah 89 Setiap orang, termasuk Anda sendiri, terkesan. Jadi sekarang Anda memiliki ujian akhir semester yang akan datang dan seperti biasa Anda merasa perlu mendorong setiap orang untuk membuat prediksi tentang bagaimana Anda melakukannya pada tes terakhir. Nah, semoga anda melihat polanya. Nah, semoga anda bisa melihat polanya. Yang Anda percaya adalah Whistle paling akurat Sementara Kami Bekerja. Sekarang kita kembali ke perusahaan pembersih baru kita yang dimulai oleh saudara tirimu yang terasing bernama Whistle While We Work. Anda memiliki beberapa data penjualan terakhir yang ditunjukkan oleh bagian berikut dari spreadsheet. Kami pertama kali mempresentasikan data untuk perkiraan rata-rata pergerakan tiga periode. Entri untuk sel C6 harus Sekarang Anda dapat menyalin formula sel ini ke sel lain C7 sampai C11. Perhatikan bagaimana rata-rata pergerakan data historis terbaru namun menggunakan tiga periode paling terakhir yang tersedia untuk setiap prediksi. Anda juga harus memperhatikan bahwa kita benar-benar tidak perlu membuat ramalan untuk periode sebelumnya untuk mengembangkan prediksi terbaru kita. Ini jelas berbeda dengan model smoothing eksponensial. Ive menyertakan prediksi quotpast karena kami akan menggunakannya di halaman web berikutnya untuk mengukur validitas prediksi. Sekarang saya ingin menyajikan hasil yang analog untuk ramalan rata-rata pergerakan dua periode. Entri untuk sel C5 harus Sekarang Anda dapat menyalin formula sel ini ke sel lain melalui C6 C6. Perhatikan bagaimana sekarang hanya dua buah data historis terakhir yang digunakan untuk setiap prediksi. Sekali lagi saya telah menyertakan prediksi quotpast untuk tujuan ilustrasi dan untuk nanti digunakan dalam validasi perkiraan. Beberapa hal lain yang perlu diperhatikan. Untuk perkiraan rata-rata pergerakan m-m, hanya m data terakhir yang digunakan untuk membuat prediksi. Tidak ada hal lain yang diperlukan. Untuk perkiraan rata-rata pergerakan m-period, saat membuat prediksi quotpast predictququot, perhatikan bahwa prediksi pertama terjadi pada periode m 1. Kedua masalah ini akan sangat signifikan saat kita mengembangkan kode kita. Mengembangkan Fungsi Bergerak Rata-rata. Sekarang kita perlu mengembangkan kode ramalan rata-rata bergerak yang bisa digunakan lebih fleksibel. Kode berikut. Perhatikan bahwa masukan adalah untuk jumlah periode yang ingin Anda gunakan dalam perkiraan dan rangkaian nilai historis. Anda bisa menyimpannya dalam buku kerja apa pun yang Anda inginkan. Fungsi MovingAverage (Historis, NumberOfPeriods) Sebagai Single Declaring dan variabel inisialisasi Dim Item Sebagai Variant Dim Counter Sebagai Akumulasi Dim Integer Sebagai Single Dim HistoricalSize As Integer Inisialisasi variabel Counter 1 Akumulasi 0 Menentukan ukuran array historis HistoricalSize Historical. Count Untuk Counter 1 To NumberOfPeriods Mengumpulkan jumlah yang sesuai dari nilai yang teramati terakhir yang terakhir Akumulasi Akumulasi Historis (HistoricalSize - NumberOfPeriods Counter) MovingAverage Accumulation NumberOfPeriods Kode akan dijelaskan di kelas. Anda ingin memposisikan fungsi pada spreadsheet sehingga hasil perhitungan muncul di tempat yang seharusnya seperti berikut. Rata-rata rata-rata data deret waktu (pengamatan sama spasi dalam waktu) dari beberapa periode berturut-turut. Disebut bergerak karena terus dihitung ulang saat data baru tersedia, ia berkembang dengan menjatuhkan nilai paling awal dan menambahkan nilai terbaru. Misalnya, rata-rata bergerak dari penjualan enam bulan dapat dihitung dengan mengambil rata-rata penjualan dari bulan Januari sampai Juni, lalu rata-rata penjualan dari bulan Februari sampai Juli, kemudian dari bulan Maret sampai Agustus, dan seterusnya. Moving averages (1) mengurangi efek variasi data sementara, (2) memperbaiki kecocokan data ke garis (proses yang disebut smoothing) untuk menunjukkan tren data dengan lebih jelas, dan (3) menyoroti nilai di atas atau di bawah kecenderungan. Jika Anda menghitung sesuatu dengan varians yang sangat tinggi, yang terbaik yang dapat Anda lakukan adalah mengetahui rata-rata bergerak. Saya ingin tahu data rata-rata yang bergerak, jadi saya akan memiliki pemahaman yang lebih baik tentang bagaimana keadaan kami. Ketika Anda mencoba untuk mencari tahu beberapa nomor yang sering berubah, yang terbaik yang dapat Anda lakukan adalah menghitung rata-rata bergerak. Peramalan Forecast: Top 9 Metode Peramalan Penjualan 8. Penjualan di Masa Lalu (Metode Bersejarah). 9. Metode Statistik. 1. Juri Opini Eksekutif: Metode peramalan penjualan ini adalah yang tertua. Satu atau lebih eksekutif, yang berpengalaman dan memiliki pengetahuan yang baik tentang faktor pasar membuat penjualan yang diharapkan. Para eksekutif bertanggung jawab saat meramalkan angka penjualan melalui perkiraan dan pengalaman. Semua faktor-internal dan eksternal diperhitungkan. Ini adalah jenis pendekatan panitia. Metode ini sederhana karena pengalaman dan penilaian dikumpulkan bersama dalam mengambil perkiraan penjualan. Jika ada banyak eksekutif, perkiraan mereka dirata-ratakan dalam menggambarkan perkiraan penjualan. (A) Metode ini sederhana dan cepat. (B) Data terperinci tidak diperlukan. (C) Ada ekonomi. (A) Hal ini tidak didasarkan pada data faktual. (B) Sulit untuk menarik keputusan akhir. (C) Sedikit banyak, metode ini bertumpu pada dugaan kerja, dan dapat menyebabkan prakiraan yang salah. (D) Sulit untuk meruntuhkan prakiraan menjadi produk, pasar, dan lain-lain. 2. Opini Angkatan Penjualan: Dengan metode ini, salesman, atau perantara diminta untuk memperkirakan penjualan di wilayah masing-masing untuk suatu periode tertentu. Salesman sangat dekat dengan konsumen dan memiliki pengetahuan yang baik tentang tren permintaan masa depan. Dengan demikian semua perkiraan tenaga penjualan diolah, diintegrasikan, dimodifikasi, dan taksiran volume penjualan terbentuk untuk keseluruhan pasar, untuk periode yang ditentukan. (A) Pengetahuan khusus digunakan. (B) Salesman yakin dan bertanggung jawab untuk memenuhi kuota yang ditetapkan. (C) Metode ini memudahkan untuk memecah dalam hal produk, wilayah, pelanggan, salesman, dll. (A) Kesuksesan tergantung pada kompetensi salesman. (B) Pandangan luas tidak ada. (C) Estimasi mungkin tidak dapat dicapai atau mungkin terlalu rendah untuk perkiraan karena salesman mungkin optimis atau pesimis. 3. Uji Hasil Pemasaran: Berdasarkan metode uji pasar, produk diperkenalkan di wilayah geografis yang terbatas dan hasilnya dipelajari. Dengan mengambil hasil ini sebagai dasar, perkiraan penjualan dibuat. Tes ini dilakukan sebagai sampel berdasarkan pre-test untuk memahami respon pasar. (A) Sistem ini dapat diandalkan karena perkiraan didasarkan pada hasil aktual. (B) Manajemen dapat memahami kekurangan dan mengambil langkah-langkah untuk memperbaiki. (C) Baik untuk mengenalkan produk baru, di wilayah baru, dll. (A) Semua pasar tidak homogen. Tapi studi dilakukan atas dasar sebagian pasar. (B) Ini adalah proses yang memakan waktu. 4. Consumers8217 Rencana Pembelian: Konsumen, sebagai sumber informasi, didekati untuk mengetahui kemungkinan pembelian mereka selama periode di bawah seperangkat kondisi tertentu. Metode ini cocok bila hanya ada sedikit pelanggan. Jenis peramalan ini umumnya diadopsi untuk barang industri. Sangat cocok untuk industri, yang menghasilkan barang mahal hingga sejumlah pembeli - pedagang grosir, pengecer, konsumen potensial, dll. Survei dilakukan secara tatap muka atau metode survei. Itu karena perubahan konstan sementara perilaku pembeli dan keputusan pembelian sering berubah. (A) Informasi tangan pertama adalah mungkin. (B) niat User8217s diketahui. (A) Harapan pelanggan tidak dapat diukur dengan tepat. (B) Sulit untuk mengidentifikasi pembeli sebenarnya. (C) Ada baiknya bila pengguna sedikit, tapi tidak praktis bila konsumen banyak. (D) Peramalan jangka panjang tidak mungkin dilakukan. (E) Sistemnya mahal. (F) Pembeli dapat mengubah keputusan pembelian mereka. 5. Analisis Faktor Pasar: Penjualan perusahaan mungkin bergantung pada perilaku faktor pasar tertentu. Faktor utama yang mempengaruhi penjualan dapat ditentukan. Dengan mempelajari perilaku faktor, peramalan harus dilakukan. Korelasi adalah analisis statistik yang menganalisis sejauh mana dua variabel berfluktuasi dengan referensi satu sama lain. Kata 8216relationship8217 sangat penting dan menunjukkan bahwa ada beberapa hubungan antara variabel yang diamati. Dengan cara yang sama, analisis regresi adalah perangkat statistik, yang membantu kita untuk memperkirakan atau memprediksi nilai tak diketahui dari satu variabel dari nilai variabel lain yang diketahui. Misalnya, Anda menerbitkan buku teks di 8220Banking8221, berafiliasi dengan universitas yang berbeda. Kapasitas asupan yang diijinkan masing-masing dan medium yang diajarkan oleh siswa diajarkan. Apakah itu wajib atau subjek opsional Dengan mendapatkan semua rincian ini dan juga dengan mempertimbangkan kegiatan penjualan karya promosi, Anda mungkin bisa mengumumkan salinan yang mungkin dicetak. Kunci keberhasilan penggunaan metode ini terletak pada pemilihan faktor pasar yang tepat. Meminimalkan jumlah faktor pasar juga penting. Dengan demikian pengambil keputusan permintaan harus mempertimbangkan harga, kompetisi, periklanan, pendapatan pembuangan, kebiasaan membeli, kebiasaan konsumsi, indeks harga konsumen, perubahan populasi, dll. (A) Ini adalah metode yang bagus. (B) Faktor pasar dianalisis secara rinci. (B) Ini memakan waktu. (C) Ini adalah proses jangka pendek. 6. Pendapat Ahli: Banyak jenis lembaga konsultasi telah memasuki bidang penjualan. Badan konsultasi memiliki pakar khusus di bidangnya masing-masing. Ini termasuk dealer, asosiasi perdagangan, dan lain-lain. Mereka mungkin melakukan riset pasar dan memiliki data statistik siap pakai. Perusahaan dapat memanfaatkan pendapat para ahli tersebut. Pendapat ini dapat dianalisis dengan cermat oleh perusahaan dan peramalan yang bagus dibuat. (A) Peramalan cepat dan murah. (B) Akan lebih akurat. (C) Pengetahuan khusus digunakan. (A) Mungkin tidak bisa diandalkan. (B) Keberhasilan peramalan tergantung pada kompetensi ahli. (C) Pandangan yang luas mungkin kurang. 7. Model Model Econometric: Ini adalah pendekatan matematis studi dan merupakan cara ideal untuk meramalkan penjualan. Metode ini lebih berguna untuk memasarkan barang tahan lama. Ini berbentuk persamaan, yang mewakili serangkaian hubungan antara berbagai permintaan yang menentukan faktor pasar. Dengan menganalisa faktor pasar (variabel independen) dan penjualan (variabel dependen), penjualan diperkirakan. Sistem ini tidak sepenuhnya bergantung pada analisis korelasi. Ini memiliki cakupan yang luas, namun penerapan metode ini bergantung pada ketersediaan informasi yang lengkap. Faktor pasar yang lebih akurat, cepat dan murah bisa dipilih untuk peramalan yang bagus. 8. Penjualan di Masa Lalu (Metode Historis): Penilaian pribadi mengenai peramalan penjualan dapat digunakan secara menguntungkan dengan menggunakan metode statistik dan kuantitatif. Penjualan masa lalu adalah dasar yang baik dan pada basis ini penjualan masa depan dapat dirumuskan dan diperkirakan. Menurut Kirkpatrick, aktivitas penjualan saat ini mulai mengalir ke aktivitas penjualan besok8217 yang merupakan penjualan tahun lalu yang meningkat menjadi penjualan tahun ini. Pendekatan ini menambahkan atau mengurangi satu set persentase terhadap penjualan tahun sebelumnya. Untuk industri baru dan untuk produk baru, metode ini tidak sesuai. (A) Persentase Penjualan Sederhana: Dengan metode ini, perkiraan penjualan dilakukan dengan menambahkan hanya persentase penjualan yang datar sehingga dapat meramalkan penjualan seperti yang diberikan di bawah ini: Penjualan tahun depan Penjualan tahun ini Penjualan tahun ini atau tahun penjualan terakhir 10 atau 5 Dari penjualan sekarang (b) Analisis Time Series: Analisis deret waktu adalah metode statistik untuk mempelajari data historis. Ini melibatkan isolasi tren waktu lama, perubahan siklus, variasi musiman dan fluktuasi yang tidak teratur. Angka penjualan terakhir diambil sebagai basis, dianalisis dan disesuaikan dengan tren masa depan. Catatan dan laporan masa lalu memungkinkan kita untuk menafsirkan informasi dan memperkirakan tren masa depan dan siklus perdagangan juga. (A) Tidak ada tebakan yang merayap masuk (b) Metodenya sederhana dan murah. (C) Ini adalah metode yang obyektif. (A) 8216Pasar yang dinamis8217 tidak dipertimbangkan. (B) Tidak ada ketentuan untuk kenaikan dan penurunan dalam kegiatan penjualan. 9. Metode Statistik: Metode statistik dianggap sebagai teknik unggulan dari peramalan penjualan, karena keandalannya lebih tinggi daripada teknik lainnya. (Ii) Metode Grafis (iii) Metode Time-series: (a) Metode Freehand (b) Metode Semi-Rata-rata (c) Metode rata-rata pergerakan (d) Metode metode kuadrat terkecil (iv) Metode korelasi (v) Metode regresi. Metode statistik di atas dapat dengan mudah dipelajari dengan bantuan buku statistik manapun. Terlepas dari hal di atas, faktor-faktor berikut juga dapat dipertimbangkan: 1. Ketersediaan bahan baku 2. Kapasitas pabrik 3. Kebijakan pemerintah 4. Kebiasaan membeli konsumen 5. Perubahan mode 6. Sistem distribusi 7. Kapasitas keuangan 8. Persaingan pasar 9 Gerakan pendapatan nasional 10. Promosi penjualan.
No comments:
Post a Comment