Indhold
- Kvantitative metoder - Introduktion
- Kvantitative metoder - Forklarende faktorer
- Kvalitative metoder - Oversigt
- Prognose Problemer - Skabelon
Prognose er et værktøj, der anvendes af virksomheder, der akkumulerer salgsdata. I denne proces bruger virksomheder fortidens salgsoplysninger og anvender forskellige metoder for at forudsige, hvor meget der kan forventes i fremtidige salg. Forudsigelser tager også hensyn til andre faktorer, såsom markedsførings taktikker, der har været brugt til at drive trafik til et salgssted. Der er to hovedformer for prognosemetoder - kvantitative og kvalitative.
Kvantitative metoder - Introduktion
Kvantitative metoder er opdelt i to grundlæggende kategorier - tidsserie metoder og forklarende metoder. Tidsserie metoder gør forudsigelser baseret kun på de historiske mønstre, der er forbundet med dataene, og forklarende metoder tilføjer andre faktorer. Der er ingen "ret eller forkert" måde at forudsige, men mange iværksættere foretrækker den forklarende metode, da den tager højde for mere end bare salgstal.
Kvantitative metoder - Forklarende faktorer
Forklarende metoder kan tage højde for en række faktorer, så en forretningsmand kan foretage en pålidelig prognose. F.eks. Vil frekvensen på en sjov park på en sommerdag variere i henhold til vejret. En solskinsdag giver dig mulighed for at bruge historiske oplysninger fra en tidligere solskinsdag til præcist at prognose. På den anden side kan en regnvejrsdag sammenlignes med historiske data fra en anden regnvejrsdag.
Kvalitative metoder - Oversigt
Kvalitative metoder har større fokus på fremtiden og bruger ikke historiske data til forudsigelser. For eksempel tager kvalitative metoder hensyn til faktorer som en løbende forfremmelse. En iværksætter vil forudsige flere salg, hvis han for eksempel distribuerer rabatkuponer, end hvis han ikke foretog nogen reklame. Dette kaldes også den sonderende metode, men den er klassificeret under den kvalitative kategori.
Prognose Problemer - Skabelon
Iværksættere klager ofte, når noget går galt med deres "prognose". For eksempel forudsagde du 500 salg pr. Dag, men du fik kun 200 salg. Modellen "prognose" er ikke perfekt, men generelt bør den være præcis. Måske den 4. juli 2010 solgte du 500 enheder af et produkt, men i 2011 solgte du kun 200. Hvad gik der galt? Måske var det fordi 4. juli 2010 er faldet på en weekend, mens det i 2011 faldt på en onsdag.