কোনও কোম্পানির পরিচালন পূর্বাভাস সম্পর্কে কথা শুনতে অস্বাভাবিক কিছু নয়: "আমাদের বিক্রয় পূর্বাভাসের সংখ্যাগুলি পূরণ করে না, " বা "আমরা পূর্বাভাসিত অর্থনৈতিক প্রবৃদ্ধির প্রতি আত্মবিশ্বাসী বোধ করি এবং আমাদের লক্ষ্যমাত্রা ছাড়িয়ে যাওয়ার আশা করি।" শেষ পর্যন্ত, সমস্ত আর্থিক পূর্বাভাস, ব্যবসায়ের সুনির্দিষ্ট বিবরণ, যেমন বিক্রয় বৃদ্ধি, বা সামগ্রিকভাবে অর্থনীতি সম্পর্কে পূর্বাভাস সম্পর্কে অবহিত অনুমানগুলি অবহিত।, আমরা আর্থিক পূর্বাভাসের পেছনের কয়েকটি পদ্ধতি, পাশাপাশি প্রক্রিয়া এবং ভবিষ্যতের ভবিষ্যদ্বাণী করার চেষ্টা করার সময় কিছুটা ঝুঁকির মধ্যে নজর রাখব।
আর্থিক পূর্বাভাস পদ্ধতি
বেশ কয়েকটি বিভিন্ন পদ্ধতি রয়েছে যার মাধ্যমে ব্যবসায়ের পূর্বাভাস দেওয়া যায়। সমস্ত পদ্ধতি দুটি উচ্চতর পদ্ধতির একটিতে পড়ে: গুণগত এবং পরিমাণগত।
গুণগত মডেল
গুণগত মডেলগুলি স্বল্পমেয়াদী পূর্বাভাসের সাথে সাধারণত সফল হয়েছে, যেখানে পূর্বাভাসের পরিধি সীমাবদ্ধ ছিল। গুণগত পূর্বাভাস বিশেষজ্ঞ-চালিত হিসাবে বিবেচনা করা যেতে পারে, এগুলিতে তারা বাজারের mavens বা সামগ্রিকভাবে বাজারের উপর নির্ভর করে conক্যমত্যের সাথে বিবেচনা করতে। গুণগত মডেলগুলি সংস্থাগুলি, পণ্যগুলি এবং পরিষেবাগুলির স্বল্পমেয়াদী সাফল্যের পূর্বাভাস দিতে কার্যকর হতে পারে তবে পরিমাপযোগ্য ডেটার উপর মতামতের উপর নির্ভরতার কারণে সীমাবদ্ধতা রয়েছে। গুণগত মডেলগুলির মধ্যে রয়েছে:
- বিপণন গবেষণা একটি নির্দিষ্ট পণ্য বা পরিষেবাতে বিপুল সংখ্যক লোককে পোলিং করছে যে কত লোক একবার এটি চালু করে বা ব্যবহার করবে তা পূর্বাভাস দেওয়ার জন্য D ডেলফি পদ্ধতি: সাধারণ মতামতের জন্য ক্ষেত্র বিশেষজ্ঞদের জিজ্ঞাসা করুন এবং তারপরে তাদের পূর্বাভাসে সংকলন করুন। (গুণগত মডেলিং সম্পর্কে আরও তথ্যের জন্য, "গুণগত বিশ্লেষণ: একটি সংস্থা কী করে তোলে?")
ব্যবসায়িক পূর্বাভাসের মূল বিষয়গুলি
পরিমাণগত মডেল
পরিমাণগত মডেলগুলি বিশেষজ্ঞের উপাদানটিকে ছাড় দেয় এবং মানব উপাদানকে বিশ্লেষণের বাইরে সরিয়ে দেওয়ার চেষ্টা করে। এই পদ্ধতিগুলি কেবলমাত্র ডেটার সাথে সম্পর্কিত এবং সংখ্যার অন্তর্নিহিত লোকের চঞ্চলতা এড়ায়। তারা ভবিষ্যদ্বাণী করার চেষ্টাও করে থাকে যে বিক্রয়, স্থূল গার্হস্থ্য পণ্য, আবাসন মূল্য ইত্যাদির মতো চলকগুলি দীর্ঘমেয়াদে, মাস বা বছরগুলিতে পরিমাপ করা হবে। পরিমাণগত মডেলগুলির মধ্যে রয়েছে:
- সূচক পদ্ধতির: সূচক পদ্ধতির নির্দিষ্ট সূচকগুলির মধ্যে সম্পর্কের উপর নির্ভর করে, উদাহরণস্বরূপ, জিডিপি এবং বেকারত্বের হার, সময়ের সাথে তুলনামূলকভাবে অপরিবর্তিত রয়েছে। সম্পর্কগুলি অনুসরণ করে এবং তারপরে নেতৃত্বাধীন সূচকগুলি অনুসরণ করে, আপনি নেতৃস্থানীয় সূচক ডেটা ব্যবহার করে পিছিয়ে থাকা সূচকগুলির কার্যকারিতা অনুমান করতে পারেন con অর্থনৈতিক মডেলিং: এটি সূচক পদ্ধতির আরও গাণিতিকভাবে কঠোর সংস্করণ। সম্পর্কগুলি একই থাকে বলে ধরে নেওয়ার পরিবর্তে, ইকোনোমেট্রিক মডেলিং সময়ের সাথে সাথে ডেটাসেটের অভ্যন্তরীণ ধারাবাহিকতা এবং ডেটা সেটগুলির মধ্যে সম্পর্কের তাত্পর্য বা তাত্পর্য পরীক্ষা করে। ইকোনোমেট্রিক মডেলিংটি কখনও কখনও কাস্টম সূচক তৈরি করতে ব্যবহৃত হয় যা আরও সঠিক সূচক পদ্ধতির জন্য ব্যবহার করা যেতে পারে। তবে অর্থনৈতিক নীতিগুলি মূল্যায়নের জন্য একনোমেট্রিক মডেলগুলি প্রায়শই একাডেমিক ক্ষেত্রে ব্যবহৃত হয়। (একনোমেট্রিক মডেল প্রয়োগের জন্য একটি মৌলিক ব্যাখ্যার জন্য, "ব্যবসায় বিশ্লেষণের জন্য রিগ্রেশন বেসিক্স পড়ুন।") সময় সিরিজ পদ্ধতি: এটি বিভিন্ন পদ্ধতির সংগ্রহকে বোঝায় যা ভবিষ্যতের ইভেন্টগুলি পূর্বাভাস দেওয়ার জন্য অতীত ডেটা ব্যবহার করে। সময় সিরিজের পদ্ধতিগুলির মধ্যে পার্থক্যটি সাধারণত সাম্প্রতিক বিবরণে হয় যেমন সাম্প্রতিক ডেটাকে আরও বেশি ওজন দেওয়া বা নির্দিষ্ট আউটলেট পয়েন্টগুলি ছাড় করার মতো। অতীতে কী ঘটেছিল তা ট্র্যাক করে ভবিষ্যদ্বাণীকারী ভবিষ্যত সম্পর্কে গড় পূর্বাভাসের চেয়ে আরও ভাল কিছু দিতে সক্ষম হবেন বলে আশাবাদী। এটি ব্যবসায়ের পূর্বাভাসের সর্বাধিক সাধারণ কারণ এটি সস্তা এবং এটি অন্যান্য পদ্ধতির চেয়ে ভাল বা খারাপ নয়।
পূর্বাভাস কিভাবে কাজ করে?
ব্যবসায়ের পূর্বাভাসের কথা বলতে গেলে ব্যবহারিক স্তরে প্রচুর প্রকরণ রয়েছে। যাইহোক, একটি ধারণাগত স্তরে, সমস্ত পূর্বাভাস একই প্রক্রিয়া অনুসরণ করে।
- একটি সমস্যা বা ডেটা পয়েন্ট বেছে নেওয়া হয়েছে। এটি এমন কিছু হতে পারে "লোকেরা কি একটি উচ্চ-শেষের কফি প্রস্তুতকারককে কিনে দেবে?" বা "আগামী বছরের মার্চে আমাদের বিক্রয় কী হবে?" তাত্ত্বিক ভেরিয়েবল এবং একটি আদর্শ ডেটা সেট চয়ন করা হয়। এখানেই পূর্বাভাসক প্রাসঙ্গিক ভেরিয়েবলগুলি চিহ্নিত করে যা বিবেচনা করা প্রয়োজন এবং কীভাবে ডেটা সংগ্রহ করবেন তা স্থির করে। অনুমানের সময়। পূর্বাভাস দেওয়ার জন্য প্রয়োজনীয় সময় এবং ডেটা কাটাতে, পূর্বাভাসকারী প্রক্রিয়াটি সহজ করার জন্য কিছু সুস্পষ্ট অনুমান করে। একটি মডেল চয়ন করা হয়। পূর্বাভাসককারী সেই মডেলটিকে বেছে নিয়ে যা ডেটাসেট, নির্বাচিত ভেরিয়েবল এবং অনুমানের সাথে মানিয়ে যায়। বিশ্লেষণ। মডেলটি ব্যবহার করে ডেটা বিশ্লেষণ করা হয় এবং বিশ্লেষণ থেকে তৈরি একটি পূর্বাভাস। প্রতিপাদন. পূর্বাভাসকটি পূর্বাভাসটির সাথে এই প্রক্রিয়াটি ঝাপটায়, সমস্যা চিহ্নিত করতে বা একটি নির্ভুল পূর্বাভাসের বিরল ক্ষেত্রে যা ঘটে তার সাথে তুলনা করে, নিজেকে পিছনে চাপান।
পূর্বাভাসে সমস্যা
ব্যবসায়ের পূর্বাভাস ব্যবসায়ের জন্য খুব দরকারী, কারণ এটি তাদের উত্পাদন, অর্থায়ন, ইত্যাদি পরিকল্পনা করার অনুমতি দেয়। তবে পূর্বাভাসের উপর নির্ভর করে তিনটি সমস্যা রয়েছে:
- ডেটা সবসময় পুরানো হতে চলেছে। Dataতিহাসিক তথ্যগুলি আমাদের যা চালিয়ে যেতে হয় তা কেবল এবং ভবিষ্যতেও অতীতের পরিস্থিতি অব্যাহত থাকবে এমন কোনও গ্যারান্টি নেই unique এটি অনন্য বা অপ্রত্যাশিত ঘটনা বা বাহ্যিক বিষয়গুলির কারণ ঘটানো অসম্ভব। অনুমানগুলি বিপজ্জনক, যেমন অনুমানগুলি যে সাবক্রিম মেল্টাউনয়ের আগে ব্যাংকগুলি orrowণগ্রহীতাদের যথাযথভাবে স্ক্রিন করছে। পূর্বাভাসের উপর আমাদের নির্ভরতা বাড়ার সাথে সাথে কালো রাজহাঁসের ঘটনাগুলি আরও সাধারণ হয়ে উঠেছে ore পূর্বাভাস, নির্ভুল বা সঠিক না হয়ে ব্যবসায়ের ক্রিয়াগুলি এমন কোনও ফ্যাক্টর দ্বারা প্রভাবিত হয় যা পরিবর্তনশীল হিসাবে অন্তর্ভুক্ত করা যায় না। এটি একটি ধারণামূলক গিঁট। সবচেয়ে খারাপ পরিস্থিতিতে, ব্যবস্থাপনা এখন ব্যবসাটি কী করছে তা চিন্তা করার পরিবর্তে historicalতিহাসিক তথ্য এবং প্রবণতাগুলির দাস হয়ে যায়।
তলদেশের সরুরেখা
পূর্বাভাস একটি বিপজ্জনক শিল্প হতে পারে, কারণ ইতিমধ্যে সংক্ষিপ্ত থেকে দীর্ঘমেয়াদী ভবিষ্যত নির্ধারিত হিসাবে উপস্থাপন করে ভবিষ্যদ্বাণীগুলি সংস্থাগুলি এবং সরকারগুলির জন্য মনোযোগী হয়ে ওঠে, মানসিকভাবে তাদের ক্রিয়াগুলি সীমাবদ্ধ করে দেয়। তদুপরি, পূর্বাভাসগুলি এলোমেলো উপাদানগুলির কারণে সহজেই ভেঙে যেতে পারে যা একটি মডেল হিসাবে অন্তর্ভুক্ত করা যায় না, বা এগুলি শুরু থেকেই সাধারণ ভুল হতে পারে।
নেতিবাচক দিকগুলি বাদ দিয়ে, ব্যবসায়ের পূর্বাভাস কোথাও চলছে না। যথাযথভাবে ব্যবহার করা, পূর্বাভাস দেওয়া ব্যবসায়ের সমস্ত বাজারের মাধ্যমে সুস্থ থাকার সম্ভাবনা বাড়িয়ে তাদের প্রয়োজনের আগে পরিকল্পনা করার অনুমতি দেয়। এটি ব্যবসায়ের পূর্বাভাসের একটি ফাংশন যা সমস্ত বিনিয়োগকারীরা প্রশংসা করতে পারে।
