व्यापार पूर्वानुमान: मूल बातें समझना
व्यापार पूर्वानुमान क्या है?
किसी कंपनी के प्रबंधन को पूर्वानुमानों के बारे में बोलते हुए सुनना असामान्य नहीं है : “हमारी बिक्री पूर्वानुमानित संख्याओं को पूरा नहीं करती,” या “हम अपने पूर्वानुमानित आर्थिक विकास में आत्मविश्वास महसूस करते हैं और अपने लक्ष्यों को पार करने की अपेक्षा करते हैं।” अंत में, सभी वित्तीय पूर्वानुमानों का अनुमान लगाया जाता है, चाहे वे किसी व्यवसाय की बारीकियों को दर्शाते हों, जैसे कि बिक्री में वृद्धि, या समग्र रूप से अर्थव्यवस्था के लिए पूर्वानुमान। इस लेख में, हम वित्तीय पूर्वानुमानों के पीछे कुछ तरीकों और प्रक्रियाओं के साथ-साथ भविष्य की भविष्यवाणी करने की कोशिशों में जोखिमों को देखते हैं।
चाबी छीन लेना:
- पूर्वानुमान व्यवसायों के लिए मूल्यवान है ताकि वे सूचित व्यावसायिक निर्णय ले सकें।
- वित्तीय पूर्वानुमान मौलिक रूप से सूचित अनुमान हैं, और पिछले डेटा और तरीकों पर निर्भर होने में शामिल जोखिम हैं जो कुछ चर शामिल नहीं कर सकते हैं।
- पूर्वानुमान दृष्टिकोण में गुणात्मक मॉडल और मात्रात्मक मॉडल शामिल हैं।
बिजनेस फोरकास्टिंग को समझना
कंपनियां व्यापारिक रणनीतियों को विकसित करने में मदद करने के लिए पूर्वानुमान का उपयोग करती हैं। वित्तीय और परिचालन निर्णय आर्थिक स्थितियों और भविष्य कैसे दिखता है, के आधार पर किए जाते हैं, भले ही अनिश्चित हो। पिछले डेटा को एकत्र और विश्लेषण किया जाता है ताकि पैटर्न मिल सके। आज, बड़े डेटा और आर्टिफिशियल इंटेलिजेंस ने व्यावसायिक फोरकास्टिंग विधियों को बदल दिया है।
कई अलग-अलग विधियां हैं जिनके द्वारा एक व्यावसायिक पूर्वानुमान बनाया जाता है। सभी विधियां दो अतिव्यापी दृष्टिकोणों में से एक में आती हैं: गुणात्मक और मात्रात्मक ।
गुणात्मक मॉडल
गुणात्मक मॉडल आमतौर पर अल्पकालिक भविष्यवाणियों के साथ सफल रहे हैं, जहां पूर्वानुमान का दायरा सीमित था। गुणात्मक पूर्वानुमानों को विशेषज्ञ द्वारा संचालित के रूप में सोचा जा सकता है, जिसमें वे एक सूचित आम सहमति के साथ वजन करने के लिए बाजार के मावेन या बाजार पर निर्भर करते हैं । गुणात्मक मॉडल कंपनियों, उत्पादों और सेवाओं की अल्पकालिक सफलता की भविष्यवाणी करने में उपयोगी हो सकते हैं, लेकिन औसत दर्जे के डेटा पर राय पर निर्भरता के कारण सीमाएं हैं। गुणात्मक मॉडल में शामिल हैं:
- मार्केट रिसर्च एक विशिष्ट उत्पाद या सेवा पर बड़ी संख्या में लोगों को यह अनुमान लगाने के लिए प्रेरित करता है कि एक बार लॉन्च होने के बाद कितने लोग इसे खरीदेंगे या उपयोग करेंगे।
- डेल्फी विधि : सामान्य राय के लिए क्षेत्र के विशेषज्ञों से पूछना और फिर उन्हें पूर्वानुमान में संकलित करना।
मात्रात्मक मॉडल
मात्रात्मक मॉडल विशेषज्ञ कारक को छूट देते हैं और विश्लेषण से मानव तत्व को हटाने की कोशिश करते हैं। ये दृष्टिकोण पूरी तरह से डेटा से संबंधित हैं और संख्याओं को अंतर्निहित लोगों की चंचलता से बचते हैं। ये दृष्टिकोण यह अनुमान लगाने की भी कोशिश करते हैं कि चर जैसे बिक्री, सकल घरेलू उत्पाद, आवास की कीमतें और इतने पर, महीनों या वर्षों में मापा जाने वाला लंबी अवधि में क्या होगा। मात्रात्मक मॉडल में शामिल हैं:
- सूचक, सकल घरेलू उत्पाद और सूचक दृष्टिकोण उदाहरण के लिए, कुछ संकेतक के बीच संबंधों पर निर्भर करता है: दृष्टिकोण बेरोजगारी की दर शेष अपेक्षाकृत अपरिवर्तित से अधिक समय। रिश्तों का पालन करके और फिर प्रमुख संकेतकों का पालन करके, आप अग्रणी संकेतक डेटा का उपयोग करके लैगिंग संकेतकों के प्रदर्शन का अनुमान लगा सकते हैं ।
- अर्थमितीय मॉडलिंग: यह संकेतक दृष्टिकोण का एक अधिक गणितीय रूप से कठोर संस्करण है। यह मानने के बजाय कि रिश्ते समान रहते हैं, अर्थमितीय मॉडलिंग समय के साथ डेटासेट की आंतरिक स्थिरता और डेटासेट के बीच संबंध की सार्थकता या शक्ति का परीक्षण करती है। अधिक लक्षित दृष्टिकोण के लिए कस्टम संकेतक बनाने के लिए अर्थमितीय मॉडलिंग लागू किया जाता है। हालांकि, आर्थिक नीतियों का मूल्यांकन करने के लिए शैक्षणिक क्षेत्रों में अर्थमितीय मॉडल का उपयोग अक्सर किया जाता है।
- समय श्रृंखला के तरीके: भविष्य की घटनाओं की भविष्यवाणी करने के लिए समय श्रृंखला पिछले डेटा का उपयोग करती है। समय श्रृंखला पद्धतियों के बीच का अंतर ठीक विवरणों में निहित है, उदाहरण के लिए, हाल के आंकड़ों को अधिक वजन देना या कुछ बाहरी बिंदुओं को छूट देना । अतीत में जो हुआ, उस पर नज़र रखने से, भविष्य के औसत दृश्य की तुलना में फोरकास्टर कम से कम एक बेहतर पाने की उम्मीद करता है। यह व्यापार पूर्वानुमान का सबसे आम प्रकार है क्योंकि यह सस्ती है और अन्य तरीकों से बेहतर या खराब नहीं है।
पूर्वानुमान के तत्व
व्यवसायिक पूर्वानुमान की बात करें तो व्यावहारिक स्तर पर पर्याप्त भिन्नता है। हालांकि, एक वैचारिक स्तर पर, सभी पूर्वानुमान समान प्रक्रिया का पालन करते हैं।
- एक समस्या या डेटा बिंदु चुना जाता है। यह कुछ ऐसा हो सकता है “लोग एक उच्च अंत कॉफी निर्माता को खरीदेंगे?” या “हमारी बिक्री अगले साल मार्च में क्या होगी?”
- सैद्धांतिक चर और एक आदर्श डेटा सेट चुना जाता है। यह वह जगह है जहां फोरकास्टर प्रासंगिक चर की पहचान करता है जिन पर विचार करने की आवश्यकता होती है और यह तय करता है कि डेटा कैसे एकत्र किया जाए।
- अनुमान का समय। पूर्वानुमान बनाने के लिए आवश्यक समय और डेटा में कटौती करने के लिए, प्रक्रिया को सरल बनाने के लिए फोरकास्टर कुछ स्पष्ट धारणाएं बनाता है।
- एक मॉडल चुना जाता है। फोरकास्ट उस मॉडल को चुनता है जो डेटासेट, चयनित चर और मान्यताओं को फिट करता है।
- विश्लेषण। मॉडल का उपयोग करते हुए, डेटा का विश्लेषण किया जाता है, और विश्लेषण से एक पूर्वानुमान बनाया जाता है।
- सत्यापन। पूर्वानुमान की तुलना वास्तव में समस्याओं की पहचान करने के लिए की जाती है, कुछ वैरिएबल, या एक सटीक पूर्वानुमान के दुर्लभ मामले में, पीठ पर खुद को थपथपाते हैं।
एक बार पूर्वानुमान लगाने के बाद, डेटा विज़ुअलाइज़ेशन तकनीक अन्य निर्णयकर्ताओं के लिए प्रस्तुति के लिए सहायक हो सकती है।
पूर्वानुमान के साथ समस्याएं
व्यापार पूर्वानुमान व्यवसायों के लिए महत्वपूर्ण है क्योंकि यह उन्हें उत्पादन, वित्तपोषण और अन्य रणनीतियों की योजना बनाने की अनुमति देता है। हालांकि, पूर्वानुमानों पर भरोसा करने के साथ तीन समस्याएं हैं:
- डेटा हमेशा पुराना होने वाला है। ऐतिहासिक डेटा हम सब पर जाना है, और कोई गारंटी नहीं है कि भविष्य में अतीत में स्थितियां जारी रहेंगी।
- यह अद्वितीय या अप्रत्याशित घटनाओं, या में कारक असंभव है बाहरी कारक । मान्यताएँ खतरनाक हैं, जैसे कि यह धारणा कि बैंक सबप्राइम मेल्टडाउन से पहले उधारकर्ताओं की उचित स्क्रीनिंग कर रहे थे । जैसे-जैसे पूर्वानुमानों पर हमारी निर्भरता बढ़ी है, वैसे-वैसे काले हंस की घटनाएं अधिक आम हो गई हैं।
- पूर्वानुमान अपने स्वयं के प्रभाव को एकीकृत नहीं कर सकते हैं। पूर्वानुमान, सटीक या गलत होने से, व्यवसायों की क्रियाएं एक ऐसे कारक से प्रभावित होती हैं जिसे एक चर के रूप में शामिल नहीं किया जा सकता है। यह एक वैचारिक गाँठ है। सबसे खराब स्थिति में, प्रबंधन इस बात की चिंता करने के बजाय ऐतिहासिक आंकड़ों और रुझानों का गुलाम बन जाता है कि अब व्यापार क्या कर रहा है।
विशेष ध्यान
पूर्वानुमान खतरनाक हो सकता है। पूर्वानुमान कंपनियों और सरकारों के लिए एक फ़ोकस बन जाते हैं जो लंबे समय के भविष्य के लिए पूर्व-निर्धारित के रूप में प्रस्तुत करके मानसिक रूप से अपने कार्यों को सीमित करते हैं। इसके अलावा, पूर्वानुमान आसानी से यादृच्छिक तत्वों के कारण टूट सकते हैं जिन्हें एक मॉडल में शामिल नहीं किया जा सकता है, या वे शुरू से ही सीधे सादे गलत हो सकते हैं।
एक तरफ नकारात्मक, व्यापार पूर्वानुमान यहाँ रहने के लिए है। उचित रूप से उपयोग किया जाता है, पूर्वानुमान व्यवसायों को अपनी आवश्यकताओं के लिए आगे की योजना बनाने की अनुमति देता है, जिससे बाजारों में प्रतिस्पर्धी रहने की संभावना बढ़ जाती है। यह व्यवसाय के पूर्वानुमान का एक कार्य है जिसे सभी निवेशक सराहना कर सकते हैं।