تقنيات التنبؤ بالطلب (طرق المسح والإحصاء)

التحدي الرئيسي لتوقع الطلب هو اختيار أسلوب فعال.

لا توجد طريقة معينة تمكن المنظمات من توقع المخاطر والشكوك في المستقبل. بشكل عام ، هناك طريقتان للتنبؤ بالطلب.

النهج الأول ينطوي على التنبؤ بالطلب من خلال جمع المعلومات المتعلقة بسلوك الشراء للمستهلكين من الخبراء أو من خلال إجراء المسوحات. من ناحية أخرى ، تتمثل الطريقة الثانية في التنبؤ بالطلب باستخدام البيانات السابقة من خلال التقنيات الإحصائية.

وبالتالي ، يمكننا القول أن تقنيات التنبؤ بالطلب تنقسم إلى طرق المسح والأساليب الإحصائية. طريقة المسح هي عادة للتنبؤ على المدى القصير ، في حين تستخدم الأساليب الإحصائية للتنبؤ بالطلب على المدى الطويل.

يظهر هذان الأسلوبان في الشكل 10:

دعونا نناقش هذه التقنيات (كما هو موضح في الشكل 10).

طريقة المسح :

طريقة المسح هي واحدة من أكثر الطرق شيوعا ومباشرة للتنبؤ بالطلب على المدى القصير. تشمل هذه الطريقة خطط الشراء المستقبلية للمستهلكين ونواياهم. في هذه الطريقة ، تجري مؤسسة مسوحات مع المستهلكين لتحديد الطلب على منتجاتها وخدماتها الحالية وتوقع الطلب في المستقبل وفقًا لذلك.

تقوم طريقة المسح بثلاثة تمارين ، وهي مبينة في الشكل 11:

تتم مناقشة التمارين التي تم إجراؤها في طريقة المسح (كما هو موضح في الشكل 11) على النحو التالي:

أنا. استطلاع رأي الخبراء:

يشير إلى الطريقة التي يطلب من الخبراء تقديم رأيهم حول المنتج. بشكل عام ، في مؤسسة ما ، يعمل ممثلو المبيعات كخبراء يمكنهم تقييم الطلب على المنتج في مناطق أو مناطق أو مدن مختلفة.

مندوبي المبيعات على اتصال وثيق مع المستهلكين ؛ وبالتالي ، فإنهم يدركون جيدًا خطط الشراء المستقبلية للمستهلكين وردود أفعالهم تجاه تغير السوق وتصوراتهم بشأن المنتجات المنافسة الأخرى. أنها توفر تقدير تقريبي للطلب على منتجات المنظمة. هذه الطريقة بسيطة للغاية وأقل تكلفة.

ومع ذلك ، فإن لها حدودها الخاصة ، والتي تناقش على النحو التالي:

أ. يقدم تقديرات تعتمد على مهارات خبراء السوق وخبرتهم. هذه المهارات تختلف من فرد لآخر. وبهذه الطريقة ، يصبح وضع توقعات دقيقة للطلب أمرًا صعبًا.

ب. يتضمن الحكم الذاتي للمقيِّم ، مما قد يؤدي إلى تقدير مفرط أو ناقص.

ج. يعتمد على البيانات المقدمة من مندوبي المبيعات الذين قد لا تتوفر لديهم معلومات كافية عن السوق.

د. يتجاهل العوامل ، مثل التغير في إجمالي الناتج القومي ، وتوافر الائتمان ، والتوقعات المستقبلية لهذه الصناعة ، والتي قد تكون مفيدة في التنبؤ بالطلب.

ثانيا. طريقة دلفي:

يشير إلى أسلوب صنع القرار الجماعي للتنبؤ بالطلب. في هذه الطريقة ، يتم طرح الأسئلة بشكل فردي من مجموعة من الخبراء للحصول على آرائهم حول الطلب على المنتجات في المستقبل. يتم طرح هذه الأسئلة بشكل متكرر حتى يتم التوصل إلى توافق في الآراء.

بالإضافة إلى ذلك ، في هذه الطريقة ، يتم تزويد كل خبير بالمعلومات المتعلقة بالتقديرات التي أعدها خبراء آخرون في المجموعة ، حتى يتمكن من مراجعة تقديراته فيما يتعلق بتقديرات الآخرين. وبهذه الطريقة ، يتم التحقق من التوقعات بين الخبراء للوصول إلى اتخاذ قرارات أكثر دقة.

يُسمح للخبراء في أي وقت بالرد أو تقديم اقتراحات بشأن تقديرات الآخرين. ومع ذلك ، يتم الاحتفاظ بأسماء الخبراء دون الكشف عن هويتهم أثناء تبادل التقديرات بين الخبراء لتيسير الحكم العادل وتقليل تأثير الهالة.

الميزة الرئيسية لهذه الطريقة هي أن الوقت وفعالية التكلفة حيث يتم الاتصال بعدد من الخبراء في وقت قصير دون إنفاق موارد أخرى. ومع ذلك ، قد تؤدي هذه الطريقة إلى اتخاذ قرار شخصي.

ثالثا. طريقة تجربة السوق:

يتضمن جمع المعلومات اللازمة بشأن الطلب الحالي والمستقبلي على المنتج. تقوم هذه الطريقة بإجراء الدراسات والتجارب حول سلوك المستهلك في ظل ظروف السوق الفعلية. في هذه الطريقة ، يتم اختيار بعض مناطق الأسواق بميزات متشابهة ، مثل السكان ومستويات الدخل والخلفية الثقافية وأذواق المستهلكين.

يتم إجراء تجارب السوق بمساعدة تغيير الأسعار والنفقات ، بحيث يتم تسجيل التغييرات الناتجة في الطلب. هذه النتائج تساعد في التنبؤ بالطلب في المستقبل.

هناك العديد من القيود على هذه الطريقة ، وهي كما يلي:

أ. يشير إلى طريقة باهظة الثمن ؛ لذلك ، قد لا يكون في متناول المنظمات الصغيرة

ب. يؤثر على نتائج التجارب بسبب الظروف الاجتماعية والاقتصادية المختلفة ، مثل الإضرابات وعدم الاستقرار السياسي والمصائب الطبيعية

الأساليب الإحصائية :

الأساليب الإحصائية هي مجموعة معقدة من أساليب التنبؤ بالطلب. تستخدم هذه الطرق للتنبؤ بالطلب على المدى الطويل. في هذه الطريقة ، يتم التنبؤ بالطلب على أساس البيانات التاريخية والبيانات المستعرضة.

تشير البيانات التاريخية إلى البيانات السابقة التي تم الحصول عليها من مصادر مختلفة ، مثل ميزانيات السنوات السابقة وتقارير مسح السوق. من ناحية أخرى ، يتم جمع البيانات المستعرضة من خلال إجراء مقابلات مع الأفراد وإجراء استطلاعات السوق. على عكس أساليب المسح ، تعتبر الأساليب الإحصائية فعالة وموثوقة من حيث التكلفة لأن عنصر الذاتية هو الحد الأدنى في هذه الأساليب.

هذه الطرق الإحصائية المختلفة مبينة في الشكل 12:

الأساليب الإحصائية المختلفة (كما هو مبين في الشكل 12).

طريقة عرض الاتجاه :

اتجاه الاتجاه أو أسلوب المربعة الأقل هو الطريقة الكلاسيكية للتنبؤ بالأعمال. في هذه الطريقة ، هناك حاجة إلى قدر كبير من البيانات الموثوقة للتنبؤ بالطلب. بالإضافة إلى ذلك ، تفترض هذه الطريقة أن العوامل ، مثل المبيعات والطلب ، المسؤولة عن الاتجاهات السابقة ، ستبقى كما هي في المستقبل.

في هذه الطريقة ، يتم إجراء توقعات المبيعات من خلال تحليل البيانات السابقة المأخوذة من دفاتر حسابات العام السابق. في حالة المؤسسات الجديدة ، يتم الحصول على بيانات المبيعات من المؤسسات الموجودة بالفعل في نفس الصناعة. تستخدم هذه الطريقة بيانات السلاسل الزمنية على المبيعات للتنبؤ بطلب المنتج.

يوضح الجدول 1 بيانات السلاسل الزمنية لمنظمة XYZ:

تتبنى طريقة إسقاط الاتجاه ثلاث طرق أخرى في الحساب ، وهي كالتالي:

أنا. طريقة رسومية:

يساعد في توقع المبيعات المستقبلية للمؤسسة بمساعدة رسم بياني. يتم رسم بيانات المبيعات على رسم بياني ويتم رسم خط على النقاط المرسومة.

دعنا نتعلم هذا من خلال الرسم البياني الموضح في الشكل 13:

يوضح الشكل 13 منحنى يتم رسمه من خلال مراعاة بيانات مبيعات XYZ Organization (الجدول 1). يتم رسم الخط P عبر نقاط منتصف المنحنى و S عبارة عن خط مستقيم. تم تمديد هذه الخطوط للحصول على المبيعات المستقبلية لعام 2010 والتي تبلغ حوالي 47 طن. هذه الطريقة بسيطة جدا وأقل تكلفة. ومع ذلك ، فإن التوقعات التي قدمتها هذه الطريقة قد تكون مبنية على التحيز الشخصي للمنبأ.

ثانيا. طريقة الاتجاه المناسب:

يتضمن طريقة مربعة على الأقل يتم فيها تركيب خط الاتجاه (المنحنى) على بيانات المبيعات الزمنية للسلسلة بمساعدة التقنيات الإحصائية.

في هذه الطريقة ، هناك نوعان من الاتجاهات التي تؤخذ في الاعتبار ، والتي يتم شرحها على النحو التالي:

أ. الاتجاه الخطي:

يتضمن اتجاهًا تظهر فيه المبيعات اتجاهًا صعوديًا.

في الاتجاه الخطي ، يتم تركيب معادلة خط الاتجاه التالية:

S = A + BT

أين

S = المبيعات السنوية

T = الوقت (بالسنوات)

A و B ثابتة

B يعطي مقياس الزيادة السنوية في المبيعات

ب. الاتجاه الأسي:

يتضمن الاتجاه الذي تزداد فيه المبيعات خلال السنوات الماضية بمعدل متزايد أو ثابت.

معادلة الاتجاه المناسبة المستخدمة هي كما يلي:

Y = aTb

أين

Y = المبيعات السنوية

T = الوقت بالسنوات

أ و ب ثابتة

تحويل هذا إلى لوغاريتم ، ستكون المعادلة:

سجل Y = سجل a + b سجل T

والميزة الرئيسية لهذه الطريقة هي أنها سهلة الاستخدام. علاوة على ذلك ، فإن متطلبات البيانات لهذه الطريقة محدودة للغاية (حيث لا يلزم سوى بيانات المبيعات) ، وبالتالي فهي وسيلة غير مكلفة.

ومع ذلك ، تعاني هذه الطريقة أيضًا من بعض القيود ، وهي كما يلي:

1. يفترض أن المعدل السابق للتغيرات في المتغيرات سيبقى كما هو في المستقبل أيضًا ، وهذا لا ينطبق في المواقف العملية.

2. فشل في تطبيق التقديرات قصيرة الأجل وحيث يكون الاتجاه دوريًا مع الكثير من التقلبات

3. فشل في قياس العلاقة بين المتغيرات المستقلة والمستقلة.

ثالثا. طريقة بوكس ​​جنكينز:

يشير إلى طريقة يتم استخدامها فقط للتنبؤات قصيرة الأجل. تتنبأ هذه الطريقة بالطلب فقط مع بيانات السلاسل الزمنية الثابتة التي لا تكشف عن الاتجاه طويل الأجل. يتم استخدامه في الحالات التي تصور فيها بيانات السلاسل الزمنية تباينات شهرية أو موسمية مع بعض درجات الانتظام. على سبيل المثال ، يمكن استخدام هذه الطريقة لتقدير توقعات مبيعات الملابس الصوفية خلال فصل الشتاء.

طريقة البارومتري :

في الطريقة البارومترية ، يتم التنبؤ بالطلب على أساس الأحداث الماضية أو المتغيرات الرئيسية التي تحدث في الوقت الحاضر. تُستخدم هذه الطريقة أيضًا للتنبؤ بالمؤشرات الاقتصادية المختلفة ، مثل الادخار والاستثمار والدخل. تم تقديم هذه الطريقة من قِبل الخدمة الاقتصادية بجامعة هارفارد في عام 1920 وقام المكتب الوطني للبحوث الاقتصادية (NBER) بمراجعتها في ثلاثينيات القرن العشرين.

تساعد هذه التقنية في تحديد الاتجاه العام للأنشطة التجارية. على سبيل المثال ، لنفترض أن الحكومة تخصص الأراضي لمجتمع XYZ لبناء المباني. هذا يشير إلى أنه سيكون هناك طلب كبير على الأسمنت والطوب والصلب.

الميزة الرئيسية لهذه الطريقة هي أنها قابلة للتطبيق حتى في حالة عدم وجود بيانات سابقة. ومع ذلك ، لا تنطبق هذه الطريقة في حالة المنتجات الجديدة. بالإضافة إلى ذلك ، يفقد قابليته للتطبيق عندما لا يكون هناك فارق زمني بين المؤشر الاقتصادي والطلب.

طرق الاقتصاد القياسي :

تجمع الأساليب الاقتصادية بين الأدوات الإحصائية والنظريات الاقتصادية للتنبؤ. تنبؤات هذه الطريقة موثوقة للغاية من أي طريقة أخرى. يتكون نموذج الاقتصاد القياسي من نوعين من الطرق هما نموذج الانحدار ونموذج المعادلات المتزامنة.

يتم شرح هذين النوعين من الطرق على النحو التالي:

أنا. طرق الانحدار:

الرجوع إلى الطريقة الأكثر شعبية للتنبؤ بالطلب. في طريقة الانحدار ، يتم تقدير وظيفة الطلب للمنتج عندما يكون الطلب متغيرًا ومتغيرات مستقلة تحدد الطلب.

إذا كان هناك متغير واحد فقط يؤثر على الطلب ، فيُطلق عليه وظيفة الطلب المتغير الفردي. وبالتالي ، يتم استخدام تقنيات الانحدار البسيطة. إذا تأثر الطلب بالعديد من المتغيرات ، فسوف يطلق عليه وظيفة الطلب متعدد المتغيرات. لذلك ، في مثل هذه الحالة ، يتم استخدام الانحدار المتعدد.

وتناقش تقنيات الانحدار البسيطة والمتعددة على النحو التالي:

أ. الانحدار البسيط:

يشير إلى دراسة العلاقة بين متغيرين حيث أحدهما متغير مستقل والآخر متغير تابع.

معادلة حساب الانحدار البسيط هي كما يلي:

Y = a + bx

حيث ، Y = القيمة المقدرة ل Y لقيمة معينة من X

b = مقدار التغيير في Y الناتج عن تغيير الوحدة في X

أ و ب = الثوابت

معادلات حساب a و b كالتالي:

دعنا نتعلم حساب الانحدار البسيط بمساعدة مثال. لنفترض أن الباحث يريد دراسة العلاقة بين رضا الموظف (مجموعة المبيعات) ومبيعات المؤسسة.

قام / قامت بتلقي الملاحظات من الموظفين في شكل استبيان وطلب منهم تقييم مستوى رضاهم على مقياس مكون من 10 نقاط حيث الرقم 10 هو الأعلى والرقم 1 هو الأدنى. أخذ الباحث بيانات المبيعات لكل فرد على حدة في مجموعة المبيعات. لقد أخذ هو / هي متوسط ​​المبيعات الشهرية لمدة عام لكل فرد.

البيانات المجمعة مرتبة في الجدول 2:

حساب متوسط ​​لرضا الموظفين (X) والمبيعات على النحو التالي:

هذه هي معادلة الانحدار التي يمكن للباحث خلالها أخذ أي قيمة X لإيجاد القيمة المقدرة لـ Y.

على سبيل المثال ، إذا كانت قيمة X هي 9 ، فسيتم حساب قيمة Y على النحو التالي:

Y = -1.39 + 1.61X

Y = -1.39 + 1.61 (9)

Y = 13.

بمساعدة المثال السابق ، يمكن أن نستنتج أنه إذا كان الموظف راضيًا ، فسيزيد إنتاجه.

ب. الانحدار المتعدد:

يشير إلى دراسة العلاقة بين أكثر من متغيرات مستقلة ومستقلة.

في حالة وجود متغيرين مستقلين ومتغير تابع واحد ، يتم استخدام المعادلة التالية لحساب الانحدار المتعدد:

Y = a + b1X1 + b2X2

حيث ، Y (متغير تابع) = القيمة التقديرية ل Y لقيمة معينة من X1 و X

X1 و X2 = متغيرات مستقلة

b1 = مقدار التغيير في Y الناتج عن تغيير الوحدة في X

b2 = مقدار التغير في Y الناتج عن تغيير الوحدة في X2

a ، b1 و b2 = الثوابت

المعادلات المستخدمة لحساب القيمتين a و b كالتالي:

يعتمد عدد المعادلات على عدد المتغيرات المستقلة. إذا كان هناك متغيرين مستقلين ، فستكون هناك ثلاث معادلات وما إلى ذلك.

دعنا نتعلم حساب الانحدار المتعدد بمساعدة مثال. لنفترض أن الباحث يريد دراسة العلاقة بين النسبة المئوية المتوسطة ، ونسبة التخرج ، والنسبة المئوية لامتحان MAT لمجموعة من 25 طالبًا.

من المهم أن نلاحظ أن النسبة المئوية المتوسطة ونسبة التخرج متغيرات مستقلة وأن النسبة المئوية لنسبة MAT متغيرة تابعة. يريد الباحث معرفة ما إذا كانت النسبة المئوية في MAT تعتمد على النسبة المئوية للمتوسط ​​والتخرج أم لا.

البيانات المجمعة مبينة في الجدول 3:

المعادلات المطلوبة لحساب الانحدار المتعدد هي كما يلي:

تستخدم هذه المعادلات لحل معادلة الانحدار المتعددة يدويًا. ومع ذلك ، يمكنك أيضًا استخدام SPSS لمعرفة الانحدار المتعدد.

إذا استخدمنا SPSS في المثال السابق ، فسنحصل على المخرجات الموضحة في الجدول 4:

يوضح الجدول 5 ملخص نموذج الانحدار. في هذا الجدول ، يكون R هو معامل الارتباط بين المتغيرات المستقلة والمتغيرة ، وهو عالي جدًا في هذه الحالة. يُظهر R Square أن جزءًا كبيرًا من التباين في النموذج يظهر من خلال فرص العمل في الولاية. الخطأ القياسي في التقدير منخفض للغاية وهو 1.97. يشير أيضًا إلى أن التباين في البيانات الحالية أقل.

يوضح الجدول 6 معاملات نموذج الانحدار:

يوضح الجدول 6 أن قيمة t المحسوبة أكبر من قيمة t الأهمية. وبالتالي ، فإن المعاملات تظهر العلاقة بين السبب والنتيجة بين المتغيرات المستقلة والتابعة.

يوضح الجدول 7 جدول AN OVA للمتغيرين قيد الدراسة:

يوضح الجدول 7 تحليل التباين في النموذج. يُظهر صف الانحدار التباين الذي حدث بسبب نموذج الانحدار. ومع ذلك ، فإن الصف المتبقي يُظهر التباين الذي حدث بالصدفة. في الجدول 7 ، قيمة مجموع المربعات لصف الانحدار أكبر من قيمة مجموع المربعات للصف المتبقي ؛ لذلك ، يتم إنتاج معظم الاختلافات فقط بسبب النموذج.

قيمة F المحسوبة كبيرة جدًا مقارنة بقيمة الأهمية. لذلك ، يمكننا القول أن النسبة المئوية المتوسطة ونسبة التخرج لها تأثير قوي على النسبة المئوية لامتحان MAT للطالب.

المعادلات في وقت واحد:

إشراك عدة معادلات متزامنة.

يوجد نوعان من المتغيرات المضمّنة في هذا النموذج ، وهما كالتالي:

أنا. المتغيرات الداخلية:

الرجوع إلى المدخلات التي يتم تحديدها داخل النموذج. هذه هي المتغيرات التي تسيطر عليها.

ثانيا. المتغيرات الخارجية:

الرجوع إلى مدخلات النموذج. ومن الأمثلة على ذلك الوقت والإنفاق الحكومي والظروف الجوية. يتم تحديد هذه المتغيرات خارج النموذج.

لتطوير نموذج كامل ، يتم تحديد المتغيرات الداخلية والخارجية أولاً. بعد ذلك ، يتم جمع البيانات اللازمة عن كل من المتغيرات الخارجية والداخلية. في بعض الأحيان ، لا تتوفر البيانات في النموذج المطلوب ، وبالتالي ، يجب تعديلها في النموذج.

بعد تطوير البيانات اللازمة ، يتم تقدير النموذج من خلال بعض الطرق المناسبة. أخيرًا ، يتم حل النموذج لكل متغير داخلي من حيث المتغير الخارجي. يتم التنبؤ في النهاية.

التدابير الإحصائية الأخرى :

بصرف النظر عن الأساليب الإحصائية ، هناك طرق أخرى للتنبؤ بالطلب. هذه التدابير محددة للغاية وتستخدم لمجموعات بيانات معينة فقط. لذلك ، لا يمكن تعميم الاستخدام لجميع أنواع البحوث.

هذه التدابير مبينة في الشكل 14:

وتناقش الأنواع المختلفة من التدابير الإحصائية (كما هو مبين في الشكل 14) على النحو التالي:

ثالثا. رقم الفهرس:

يشير إلى التدابير المستخدمة لدراسة التقلبات في متغير أو مجموعة من المتغيرات ذات الصلة فيما يتعلق الفترة الزمنية / فترة الأساس. يتم استخدامها بشكل شائع في الاقتصاد والبحوث المالية لدراسة العوامل المختلفة ، مثل سعر وكمية المنتج. يتم تحديد العوامل المسؤولة عن المشكلة وحسابها.

هناك أربعة أنواع رئيسية من أرقام الفهرس ، وهي كما يلي:

أ. رقم الفهرس البسيط:

يشير إلى الرقم الذي يقيس التغيير النسبي في متغير واحد فيما يتعلق بسنة الأساس.

ب. رقم الفهرس المركب:

يشير إلى الرقم الذي يقيس التغيير النسبي في مجموعة من المتغيرات ذات الصلة فيما يتعلق بسنة الأساس.

ج. رقم مؤشر السعر:

يشير إلى الرقم الذي يقيس التغير النسبي في سعر السلعة في فترات زمنية مختلفة.

د. رقم مؤشر الكمية:

يشير إلى الرقم الذي يقيس التغير النسبي في الكمية المادية للبضائع المنتجة أو المستهلكة أو المباعة لسلعة ما في فترات زمنية مختلفة.

تحليل السلاسل الزمنية: يشير إلى تحليل سلسلة من الملاحظات على مدى فترات زمنية متساوية متساوية. على سبيل المثال تحليل نمو الشركة من تأسيسها إلى الوضع الحالي. ينطبق تحليل السلاسل الزمنية على مجالات مختلفة ، مثل القطاع العام والاقتصاد والبحث.

هناك العديد من مكونات تحليل السلاسل الزمنية ، وهي كما يلي:

أ. الاتجاه العلماني:

يشير إلى الاتجاه الذي يتم الإشارة إليه بواسطة T وينتشر خلال فترة زمنية. الاتجاه العلماني لسلسلة البيانات يمكن أن يكون صعوديًا أو هبوطيًا. يوضح الاتجاه التصاعدي الزيادة في متغير ، مثل الزيادة في أسعار السلع. بينما يوضح الاتجاه النزولي المراحل المتراجعة ، مثل انخفاض معدل الأمراض والمبيعات لمنتج معين.

ب. وقت قصير التذبذب:

يشير إلى الاتجاه الذي يبقى لفترة زمنية أقصر.

يمكن تصنيفها في الاتجاهات الثلاثة التالية:

1. الاتجاه الموسمي:

يشير إلى الاتجاه الذي يتم الإشارة إليه بواسطة S ويحدث عاماً بعد عام لفترة معينة. سبب هذه الاتجاهات هو الظروف الجوية والمهرجانات وبعض العادات الأخرى. ومن الأمثلة على الاتجاه الموسمي زيادة الطلب على الصوف في الشتاء وزيادة مبيعات الحلويات بالقرب من ديوالي.

2. الاتجاه الدوري:

يشير إلى الاتجاه الذي يشار إليه بـ C ويستمر أكثر من عام. الاتجاهات الدورية ليست مستمرة ولا الموسمية في الطبيعة. مثال على الاتجاه الدوري هو دورة الأعمال.

3. الاتجاه غير النظامي:

يشير إلى الاتجاه الذي يتم الإشارة إليه بواسطة I وهو قصير ولا يمكن التنبؤ به بطبيعته. ومن الأمثلة على الاتجاهات غير النظامية الزلازل وثورات البراكين والفيضانات.

تحليل شجرة القرار:

يشير إلى النموذج المستخدم لاتخاذ القرار في المؤسسة. في تحليل شجرة القرار ، يتم رسم هيكل من نوع الشجرة لتحديد أفضل حل لمشكلة ما. في هذا التحليل ، نكتشف أولاً خيارات مختلفة يمكننا تطبيقها لحل مشكلة معينة.

بعد ذلك ، يمكننا معرفة نتيجة كل خيار. ترتبط هذه الخيارات / القرارات بعقدة مربعة بينما يتم عرض النتائج مع عقدة دائرة. يجب أن يكون تدفق شجرة القرار من اليسار إلى اليمين.

يظهر شكل شجرة القرار في الشكل 15:

دعنا نفهم عمل شجرة القرار بمساعدة مثال. لنفترض أن المنظمة ترغب في تحديد نوع التجزئة لزيادة قاعدة العملاء.

يمكن حل هذه المشكلة باستخدام شجرة القرار الموضحة في الشكل 16:

في الشكل 16 ، تُظهر شجرة القرارات نوعين من التجزئة ، هما التقسيم السكاني والتجزئة الجغرافية. الآن ، سوف نقوم بتحليل نتائج هاتين الشريحتين. لتحليل التقسيم الديموغرافي ، يتعين على الشركة تكبد 40،000 S (التكلفة المقدرة). قد تكون نتيجة التقسيم السكاني جيدة ومعتدلة وفقيرة.

الإيرادات المقدرة المتوقعة لمدة ثلاث سنوات للخيارات الثلاثة (جيدة ومعتدلة وفقيرة) هي كما يلي:

جيد = 21500000 دولار

متوسطة = 950000 دولار

ضعيف = S300000

الاحتمالات المخصصة للنتائج هي 0.4 للخير و 0.5 للاعتدال و 0.1 للفقراء.

الآن ، نحسب نتائج التقسيم السكاني بالطريقة التالية:

جيد = 0.4 * 2100000 = 840000

متوسطة = 0.5 * 950000 = 475000

ضعيف = 0.1 * 300000 = 30000

وبالمثل ، في حالة التجزئة الجغرافية ، تبلغ التكلفة المتكبدة 70000 دولار (التكلفة المقدرة). يمكن أن تكون نتائج التقسيم الجغرافي جيدة وفقيرة.

الإيرادات المقدرة المتوقعة لمدة ثلاث سنوات للخيارين (الخير والفقير) هي كما يلي:

جيد = 1350000 دولار

ضعيف = 260000 دولار

الاحتمالات المخصصة للنتائج هي 0.6 للخير و 0.4 للفقراء.

الآن ، نحسب نتائج التقسيم الجغرافي بالطريقة التالية:

جيد = 0.6 * 1350000 = 810000 دولار

ضعيف = 0.4 * 260000 = 104000 دولار

الآن ، سنقوم بتحليل النتيجتين لاتخاذ قرار لاختيار مقطع واحد من الجزأين بالطريقة التالية:

للتقسيم السكاني:

جيد = 840000-40000 = 800000 دولار

متوسطة = 475000-40000 = 435000 دولار

ضعيف = 30000-40000 = $ (10000)

وبالمثل ، بالنسبة للتجزئة الجغرافية:

جيد = 810000-70000 = 740000 دولار

ضعيف = 104000-70000 = 340000 دولار

كما نرى من الحساب أنه إذا اخترنا التقسيم السكاني ، فإن الحد الأقصى للربح المقدر سيكون 800000 دولار. في التقسيم السكاني ، هناك فرص لتكبد خسائر (10،000) ، إذا كان المنتج غير ناجح في السوق.

إذا اخترنا التقسيم الجغرافي ، فسيكون الحد الأقصى للربح المقدر هو 740000 دولار. في التقسيم الجغرافي ، سوف نربح ربحًا أقل (340000 S) ، إذا لم يكن المنتج ناجحًا في السوق. لذلك ، من الأفضل استخدام التجزئة الجغرافية لتسويق المنتج ، حيث لا توجد خسارة في ذلك.

 

ترك تعليقك