كيف تتعرف على إحتياجات و طلبات العملاء ؟

طلبات العملاء هو العملية الناجحة لأي عمل تجاري ناجح، فيساعد في تحديد كمية المنتجات أو الخدمات التي يجب توفيرها لتلبية إحتياجات العملاء وتجنب الفائض أو النقص في المخزون.

وعن طريق تحليل البيانات التاريخية والاتجاهات السوقية، يمكن للشركات توقع الطلب بدقة وتخطيط لإنتاج أو شراء المواد الخام بشكل مناسب.

ومن المهم أيضاً النظر في العوامل الخارجية مثل التغيرات الاقتصادية والسياسية والبيئية التي يمكن أن تؤثر على الطلب في المستقبل.

وبشكل عام، يمكن القول أن توقع الطلب يساعد الشركات على تحسين كفاءة عملياتها وتحقيق رضا العملاء بشكل أفضل.

تعتبر فهم إحتياجات طلبات العملاء أمراً مهماً لنجاح أي عمل تجاري، من خلال الاستماع إلى ما يرغب العملاء فيه والتفاعل معهم بشكل فعال، ويمكن للشركات تلبية تلك الإحتياجات وتحقيق رضا العملاء.

ويجب على الشركات الاستماع بعناية لملاحظات العملاء والعمل على تحسين خدماتها بناءاً على تلك الملاحظات.

عندما يتعلق الأمر بطلب العملاء، قال ستيف جوبز الشهير، «مهمتنا هي معرفة ما يريدون قبل القيام به». موقف جوبز هو أن شركة آبل بحاجة إلى «قراءة أشياء لم تظهر بعد على المشهد.

فيحاول المتنبئون بالطلب القيام بذلك بالضبط باستخدام تقنيات التحليل التنبؤية لتدوير البيانات حول المبيعات السابقة والحالية في تنبؤات لما يريده العملاء في المستقبل.

لكن توفير التوقعات ليست سوى البداية. حيث يتطلب نجاح التنبؤ بالطلب أن تسترشد هذه الأفكار بالقرارات المتعلقة باتجاه المنتج والتسعير وتوسيع الشركة والتوظيف والمزيد – وأن أولئك الذين يفسرون النتائج لا يقعون في فخ محاولة تقديم خيولأسرع، في وقت لا تسطيع فيه التنافس.

طلبات العملاء هو العملية الناجحة لأي عمل تجاري ناجح، فيساعد في تحديد كمية المنتجات أو الخدمات التي يجب توفيرها لتلبية احتياجات العملاء وتجنب الفائض أو النقص في المخزون.

وعن طريق تحليل البيانات التاريخية والاتجاهات السوقية، يمكن للشركات توقع الطلب بدقة وتخطيط لإنتاج أو شراء المواد الخام بشكل مناسب.

وبشكل عام، يمكن القول أن توقع الطلب يساعد الشركات على تحسين كفاءة عملياتها وتحقيق رضا العملاء بشكل أفضل.

ومن المهم أيضاً النظر في العوامل الخارجية مثل التغيرات الاقتصادية والسياسية والبيئية التي يمكن أن تؤثر على الطلب في المستقبل.

ما هو التنبؤ بالطلب ؟

التنبؤ بالطلب هو عملية التنبؤ بما ستكون عليه شهية العملاء للمنتجات أو الخدمات الحالية، وتحديد التعديل الذي يجب عليك إجراؤه والعروض الجديدة التي ستثير الاهتمام.

لكن توقع ما يريده الناس، على سبيل المثال، يمكن أن تكون الجداول الزمنية محددة للغاية، أو يمكن أن تمتد لفترة زمنية، مثل «من الآن وحتى شهر من الآن» أو «على مدار السنة التقويمية التالية».

وإذا كانت التوقعات لمنتج معين تبيعه شركة واحدة، كما هو الحال غالبا ، فإن توقعات طلبات العملاء تنتج نفس النتيجة العملية مثل توقعات مبيعات هذا المنتج.

وفي حالات أخرى، سيكون التنبؤ بالطلب أكثر تعميما، على مستوى فئة المنتجات. فكر، «كم عدد سيارات السيدان الفاخرة التي سيشتريها المصريون في عام 2024 ؟» أو على نطاق أوسع، «كم عدد السيارات بأنواعها؟»

ويستخدم المتنبئون بالطلب مجموعة متنوعة من التقنيات لإجراء توقعاتهم ؛ والذي يعتمد بشكل أفضل على الحالة أو الانتشار، كما سنناقش. وسوف نتطرق أيضا إلى المبادئ الأساسية التي تحقق النجاح.

شرح توقعات الطلب

التنبؤ بالطلب وهو موضوع متسع، وينظر إليه الممارسون من خلال مجموعة متنوعة من العدسات. فيعتقد البعض أن الأمر يستخدم بيانات المبيعات السابقة والحالية لتقدير طلب العملاء في المستقبل.

لكن هذا يعني أنه لا يمكنك توقع الطلب على منتج جديد، وهو أمر غير دقيق.

وفي الوقت نفسه، قد يعمل المتنبئون الاقتصاديون على أساس الافتراض غير المعلن بأن التنبؤ ب طلبات العملاء يتعلق بشكل صارم بإجمالي طلب المستهلكين، والذي يتجاهل القضايا ذات الأهمية للشركات التي تحاول التنبؤ بالطلب من عملائها.

لماذا التنبؤ بالطلب مهم للشركات ؟

يعد التنبؤ بالطلب أمرا مهما للشركات لأن تحديد مستويات الطلب المتوقعة لمنتجك أو خدمتك يعني أنه يمكنك الاستعداد لطلبات العملاء .

ولا تحتاج التوقعات إلى أن تكون مثالية لتكون مفيدة بشكل غير عادي، حتى في التوقعات الدقيقة يمكن أن تكون مساعدة بشكل كبير – وهو ببساطة معرفة ما إذا كان الطلب سينخفض كثيرا.

فإن الارتفاع كثيرا أو البقاء على حاله يمنح الشركات وقتا للاستعداد، سواء كان ذلك يعني شد أحزمتها أو توسيع خط الإنتاج أو البقاء في المسار.

تعتمد كفاءة إدارة المخزون جزئيا على توقعات الطلب الجيد. ولن يترك المخزون غير الكافي العملاء غير راضين ويكلفك الإيرادات فحسب.

بل إذا حدث ذلك بشكل كاف، أو في مناسبة مهمة بما يكفي للعميل، فقد يؤدي ذلك إلى فقدان الأعمال المستقبلية أيضا. لكن التخزين الزائد فهو مكلف من حيث التخزين والخدمات اللوجستية، ويمكن أن يترك بعض المخزون غير قابل للبيع لفترة طويلة – أو إلى الأبد، مما يؤدي إلى خسارة كاملة في الاستثمار.

لذا، فإن إيجاد التوازن الصحيح للمخزون هو جانب لا غنى عنه لتوقعات الطلب الجيد.

ويعد التنبؤ بالطلب مهما بشكل خاص للأعمال التجارية المتنامية، وخاصة الشركات الصغيرة والمتوسطة الحجم.

فلا تواجه الشركات ذات الحجم والمبيعات المستقرة نفس المخاطر والتباين في النتائج التي يجب على الشركة التي تحاول النمو بسرعة الاستعداد لها.

ويتم استيعاب الأخطاء في التنبؤ ب طلبات العملاء بسهولة أكبر من قبل الشركة الصغيرة. ويعد التوسع غير المدروس سبباً رئيسياً للفشل بين الشركات الناشئة، ويمكن أن تؤدي توقعات الطلب المعيبة إلى عدم إعداد الشركة لتلبية الطلب الذي لا يتحقق.

وفي كلتا الحالتين، تتسبب التوقعات السيئة في اخفاق للشركة – وقد يؤدى الى نفاد الأموال – كي تستمر فى البقاء على قيد الحياة.

ما هي العوامل التي تؤثر على التنبؤ بالطلب ؟

تؤثر مجموعتان من العوامل على توقعات الطلب: تلك العوامل التي تؤثر على الطلب نفسه، بما في ذلك الأحداث التي تحدث مرة واحدة والتي يمكن أن تؤثر على الطلب مؤقتا صعودا أو انخفاضا ، وتلك التي تؤثر على قدرة شركتك على التنبؤ بالطلب. دعونا نستكشف هاتان المجموعتان

عوامل التنبؤ التي تؤثر على الطلب:

تنقسم هذه الفئة بشكل أكبر إلى عوامل تقع ضمن سيطرة الشركة، وعوامل خاصة بعملائك وانتشارك ومنها:

1. عوامل ضمن سيطرة الشركة:

في هذه الفئة، فكر في التسويق والتسعير والوصول الى العملاء. على سبيل المثال، يمكن لحملة إعلانية جديدة أن تجلب عملاء جدد، خاصة إذا اقترنت بعرض منتج جديد.

فإذا أطلقت سلسلة مطاعم الوجبات السريعة سندوتش جديد بحملة إعلانية، فستبيع ايضا المزيد من المشروبات الغازية والبطاطس المقلية حيث يأتي العملاء لتجربة السندوتش.

يجب أن يؤدي فتح متجر جديد أيضا إلى رفع توقعات الطلب، حيث ستتمكن مجموعة جديدة من العملاء الآن من الوصول إلى منتجاتك، أو على الأقل الوصول إليها بسهولة.

حتى وجود الشركة التي لا «تبيع» يمكن أن يزداد الطلب: فكانت مثلا تبيع السيارات عبر الإنترنت لكنها وجدت أن افتتاح صالات العرض قد ازداد  الطلب على السيارات في المناطق المحيطة.

وأحد أكثر العوامل تأثيرا هو السعر، لأنه من المرجح أن يطلب العملاء كميات مختلفة من سلعة أو خدمة مع ارتفاع السعر أو انخفاضه.

فيجب أن يكون لدى المتنبئين أفضل وأفضل المعلومات حول هذه العوامل، لأنها قرارات تتخذها الشركة.

وإذا كانت شركتك تكافح لدمج هذا النوع من المعلومات، فشجع المتنبئين على التعاون بشكل أفضل مع فرق المبيعات والتسويق لتحقيق طلبات العملاء.

2.عوامل تعتمد على العملاء:

هناك أيضا عوامل خاصة بعملائك والعملاء المحتملين تؤثر على الطلب. فيميل العملاء المخلصون إلى البقاء مخلصين ما لم يحدث شيء سيء من طرفك.

فيمكن للعملاء السعداء جدا رفع شأن علامتك التجارية، وقد ينتهي الأمر بأي نوع من العملاء بترك تعليق معين، ويمكن أن يكون لمجموع هذه التعليقات تأثيراً كبيراً على الطلب.

ولكن ربما لا يتعلق العميل بمنتجك أو خدمتك، ولكن بالمشكلة التي يحلها منتجك أو خدمتك لهذا العميل وكيف يتعامل هؤلاء العملاء معه.

فإذا قدمت منافستك في السوق  طرق جديدة ومبتكرة، فيمكن أن ترتفع بيانات مبيعاتك السابقة.

3.الاتجاهات العامة للسوق:

فالاتجاهات والأحداث على المستوى الكبير التي ليست لها علاقة محددة بشركتك قد تؤثر أيضاً على الطلب.

فإذا بدأ عملاؤك في تناول الطعام الصحي مثلاً، فقد تحتاج أعمال الوجبات السريعة الخاصة بك إلى تقديم خيارات إضافية للحفاظ على استمرارية قدوم العائلات أو مواجهة لانخفاض في الطلب بغض النظر عما ماذا يحدث بالخارج.

هذا هو السبب في أن هذه المطاعم قدمت خيارات السلطة.

فإذا تسبب وباء عالمي في توقف السفر لرجال الأعمال، فلن يهم لماذا يفضل العملاء شركتك الجوية على الشركة المنافسة – فهم لن يسافرون اساساً على الإطلاق.

وقد تكون هذه العوامل الكبيرة مستندة إلى أحداث حدثت مرة واحدة، مثل الوباء ، مثل شيخوخة العملاء المستهدفين؛ أو قضايا موسمية مثل الطقس، الذي يؤثر بشكل كبير على سلوك السوق.

العوامل التي تؤثر على عملية توقع الطلب

التوقعات تتعلق بجمع البيانات، واجراء تخمينات مستنيرة حول القوى الحقيقية في العالم التي أنتجت تلك البيانات.

ثم اتخاذ بعض الافتراضات حول كيف ستتغير تلك القوى في المستقبل وكيف لن تتغير.

وبغض النظر عن مدى تطور بياناتك، فإن كل من هذه العناصر الثلاثة تحتوي على مجموعة من العوامل التي يمكن أن تؤثر على توقعات طلبات العملاء.

1.البيانات:

إذا كان لديك بيانات تاريخية مثالية لإدخالها في التوقعات، فستحصل على بيانات مبيعات سابقة عالية الجودة، ولكن حتى ذلك فلا تطمئن، لأن الأمور قد تتغير بين وقت جمع البيانات وعند إجراء توقعاتك.

وتخبرك بيانات المبيعات فقط عن العملاء الحاليين والسابقين، ولكن ليس العملاء المستهدفين.

فتبذل بعض الشركات قصارى جهدها للحصول على معلومات عن هؤلاء العملاء المحتملين، من خلال إجراء تجارب تسويقية إلى نشر مجموعات حول استطلاعات العملاء.

وفى الواقع لا تتمتع كل شركة بإمكانية وصول كبيرة إلى العملاء المستهدفين، وليس كل مجموعة من العملاء المستهدفين لديها الوقت أو نفس الميول للمساعدة.

فعلى سبيل المثال، من المعروف أن بيع الأفكار الجديدة للممارسات الطبية أمر صعب لأن الأطباء المشغولين لا يأخذون الوقت الكافي للمشاركة في أبحاث السوق.

2.القوى الدافعة الأساسية:

بمجرد الحصول على المعلومات، ستبدأ في توليفها، وتحديد الملاحظات وتحديد الأنماط التي أنشأتها القوى الحقيقية في العالم التي أنتجت بياناتك.

ولإنتاج توقعات طلبات العملاء، ستضطر إلى عمل توقعات باستخدام نماذج مبسطة أو إجراءات تتطلب افتراضات حول تلك القوى.

وتشير القوى الدافعة الأساسية إلى العوامل التي تؤثر على الطلب على المنتجات أو الخدمات في السوق.

وتعتمد هذه القوى على عدة عوامل مثل الحاجة الحقيقية للمستهلكين للمنتج أو الخدمة، والتغيرات في الأسعار والدخل والمزايا التنافسية للمنتج.

ويعتبر فهم القوى الدافعة الأساسية أمراً حاسماً للشركات التي تسعى لتحقيق النجاح في السوق.

وعن طريق تحليل هذه القوى، يمكن للشركات تحديد مدى جاذبية السوق وتوجيه استراتيجياتها بشكل أفضل.

3.الشكوك المستقبلية:

حتى لو كانت لديك بيانات كاملة ودقيقة ويحتوى نموذجك تماما على جميع القوى الأساسية ذات الصلة.

فلا يزال يتعين عليك افتراض أن الحقائق التي اكتشفتها غير كافية للمستقبل.

ومع تطور التكنولوجيا وتغيرات الاقتصاد العالمي، يواجه العديد من القطاعات تحديات كبيرة في تحديد الطلبات المستقبلية. فالتغيرات السريعة في السوق والتقنيات الجديدة تجعل من الصعب التنبؤ بما سيكون مطلوبا في المستقبل.

بالإضافة إلى ذلك، تأثير الأحداث العالمية مثل الحروب والكوارث الطبيعية يمكن أن يؤثر بشكل كبير على الطلبات المستقبلية. على سبيل المثال، يمكن أن تؤدي الحروب التجارية بين الدول إلى تقليل الطلب على بعض المنتجات، بينما يمكن أن تؤدي الكوارث الطبيعية إلى زيادة الطلب على بعض السلع.

من الواضح أن هناك الكثير من عوامل الغموض التي تؤثر على طلبات العملاء المستقبلية، ولذلك يجب على الشركات أن تكون مستعدة للتكيف مع هذه الغموض.

فيمكن للشركات استخدام التحليلات البيانية والأبحاث السوقية لفهم اتجاهات السوق وتوقع الطلبات المستقبلية بشكل أفضل. كما يمكن للشركات أيضاً تطوير استراتيجيات مرنة لتلبية الطلبات المتغيرة بسرعة.

سبعة أنواع للتنبؤ بالطلب

للتنبؤ بالطلب مظلة كبيرة تغطي العديد من الأساليب والنماذج والمعادلات المختلفة. ويتم اسخدام بعض أكثر الأنواع السبعة التالية من التنبؤ بالطلب:

1.التنبؤ السلبي بالطلب:

مع التنبؤ السلبى للطلب، تنشئ الشركات عملية تنبؤ تتضمن التوقعات من البيانات التاريخية وغيرها من البيانات التي تجمعها الشركة، وتستند التوقعات إلى الأنماط والاتجاهات التي صمدت بمرور الوقت ومن المتوقع أن تستمر في القيام بذلك.

وهذه ليست طريقة جيدة للشركات سريعة النمو أو تلك الموجودة في الأسواق التي تعاني من الكثير من النشاط والاضطراب.

فالتنبؤ السلبي البحت هو الأفضل للشركات ذات المبيعات المستقرة والنمو المستمر في الأسواق المستقرة.

2.التنبؤ الإيجابي للطلب:

التنبؤ الإيجابي بطلبات العملاء يتم تكييف التوقعات حسب الطلب، والاستفادة من مصادر المعلومات التي لا يمكن استيعابها بسهولة بواسطة الحواسيب، واستخدام التقنيات الإحصائية المناسبة للحالة في كل مرة دون التقصير تلقائيا فيما تم القيام به سابقا.

وتوجد اختلافات بين التنبؤ السلبي للطلب والتنبؤ النشط للطلب. فعندما نتحدث عن التنبؤ السلبي للطلب، نحن نقصد استخدام البيانات التاريخية والتحليلات الإحصائية لتوقع الطلب بناءاً على النمط السابق للعملاء.

ومن ناحية أخرى، يتضمن التنبؤ النشط للطلب استخدام البيانات الحالية والعوامل الخارجية مثل التسويق والاتجاهات السوقية لتوقع الطلب المستقبلي بشكل أكثر دقة.

وبينما يمكن أن يكون التنبؤ السلبي للطلب مفيداً في تحديد الاتجاهات العامة للطلب، إلا أن التنبؤ النشط يمكن أن يكون أكثر فعالية في توقع طلبات العملاء الفعلي وتحديد الاستراتيجيات اللازمة لتلبية هذا الطلب.

وبالتالي، يجب أن نأخذ في الاعتبار العوامل المختلفة ونواجه التحديات بشكل أكثر استدامة عندما نقوم بتنبؤ الطلب بغض النظر عن النهج الذي نتبعه.

3.التنبؤ بالذكاء الاصطناعي:

على الرغم من أنها تنبؤات نشطة تقنيا، إلا أن ظهور الذكاء الاصطناعي وطرق التعلم الآلي الجديدة له الُر الكبير في جعل التنبؤات النشطة التي لا تتطلب مشاركة بشرية أكثر قابلية للتكيف.

وفي حين أنه من الحكمة دائما أن يقوم الإنسان بإجراء فحص عقلي، والتدخل في حالة التنبؤ بالطلب السلبي لمرة واحدة، فقد يكون للتنبؤ بالطلب السلبي دور أوسع يلعبه في المستقبل.

حيث تعمل البرامج على آلية عمليات التنبؤ ب طلبات العملاء للشركات التي تستخدم أنظمة تخطيط موارد المؤسسة (ERP) مثل DEXEF ERP.

وقد تكون حالات الاستخدام هذه قد بدأت على أنها سلبية، ولكن من الأفضل الآن تصنيفها في مكان ما بين التنبؤ السلبي والتنبؤ النشط.

4. التنبؤ بالطلب على المدى القصير:

التنبؤ بالطلب على المدى القصير هو بالضبط ما يبدو عليه الأمر حالياً، على الرغم من أن الشركات المختلفة لديها تفسير آخر مختلف لما يعتبروه «قصيرا».

وعادة ما تعني كلمة «قصير الأجل» خلال الربع إلى العام المقبل، وعلى الرغم من أنه يمكن استخدامها بشكل أكثر دقة – على سبيل المثال، التنبؤ بمبيعات عطلة نهاية الأسبوع بناء على عام متأخر من البيانات التاريخية، أو التنبؤ بالمبيعات لعطلة نهاية الأسبوع القادمة بناء على آخر ثلاث سنوات من البيانات لعطلة نهاية الأسبوع.

 5.التنبؤ بالطلب على المدى الطويل:

يتم قياس التوقعات طويلة الأجل بالسنوات وليس من المحتمل أن تكون دقيقة مثل التوقعات قصيرة الأجل.

ولن تثبت بعض الافتراضات حول العالم أنها غير صحيحة ، بل سيتم اتخاذ قرارات أعمال داخلية لم يتوقعها أحد، وبغض النظر عن مدى تعاون صانعي القرار مع المتنبئين.

ومع ذلك، فإن مجرد عدم دقة التوقعات تماما لا يعني أنها غير مفيدة. ولكن يمكن استخدام توقعات الطلب طويلة الأجل لوضع خرائط طريق تفترض أين يمكن أن تسير الأمور في إطار مجموعات مختلفة من الافتراضات، وهي تساعد المخططين على التفكير في أنواع الأسئلة «ماذا لو» للتحضير لمجموعة من النتائج المحتملة.

وفي مثل هذه الحالات، لا تحتاج التوقعات طويلة الأجل إلا إلى أن تكون دقيقة بعض الشيء للمساعدة في التخطيط.

التنبؤ بالطلب الداخلي (جزئي):

في هذه الحالة، جزئي لا يعني صغيرة ؛ إنه الاقتصاد الجزئي ، مجال الاقتصاد الذي يركز على سلوك الشركات والمستهلكين. وتستخدم هذه التوقعات بيانات على مستوى الشركة حول عملاء الشركة للتنبؤ بالطلب على منتجات وخدمات معينة.

وغالبا ما تشمل البيانات المبيعات التاريخية والمقاييس المالية السابقة والحالية وتوقعات فريق المبيعات.

التنبؤ بالطلب الخارجي ( كلي):

إن التنبؤ بالطلب على المستوى الكلي مفيد لإدراج اتجاهات أكبر وعوامل أكثر انتشارا في تخطيط الشركة ونقاط ضعفها.

فهل الصناعة تنمو أم تحاول البقاء ؟ وهل يصبح العملاء الأساسيون أكثر ثراء أم يشعرون بضيق الأوقات الصعبة ؟

فوائد التنبؤ بالطلب:

التنبؤ ب طلبات العملاء له العديد من الفوائد الرئيسية. ولن تتحقق جميعها من قبل كل شركة، ولكن الشركات التي تستخدم التنبؤ بالطلب جيدا يجب أن تتمتع بالعديد من العوائد التالية على استثماراتها.

وتشمل فوائد التنبؤ بالطلب ما يلي:

1. القياس المستمر:

بالنسبة للشركات التي تركز على النمو، فإن التوسع بالطريقة الخاطئة يمثل مخاطرة هائلة.

فقد تنمو الشركات ببطء شديد وتخاطر بالفشل في تلبية الالتزامات أو احتياجات العملاء، وقد تكون هذه الأنواع من الإخفاقات قاتلة لشركة ناشئة.

لكن النمو السريع للغاية مكلف جدا، حيث يتم حرق النقود ويقل عمر الشركة في السوق. وكانت طريقة التوسع السريع عامل نجاح أو كسر للعديد من الشركات الناشئة.

ويمكن أن يساعد التنبؤ بالطلب الجيد في تقليل تلك المخاطر وتقديم التوجيه عند اتخاذ القرارات حول مدى سرعة تنمية القدرة التشغيلية.

2.الميزانية والتمويل:

يتسبب التنبؤ الدقيق بطلب العملاء في ميزانيات تساعد الشركات على التحضير بشكل أفضل لتلبية تلك الاحتياجات.

وكم ستستثمر في المخزون، في توسيع الإنتاج، في توظيف الموظفين الجدد والمعدات؟ فيجب اتخاذ قرارات الاستثمار هذه قبل نمو الطلب.

وبالنسبة للشركات النامية بسرعة، قد لا يكون هناك ما يكفي من الميزانية لاستيعاب نمو الطلب ما لم تأخذ تلك الميزانية في اعتبارها توقعات جيدة للطلب.

ويمكن لتوقعات الطلب أن تساعد الشركات في التمييز بين “هذا نمو مؤقت” مقابل “هذا هو وضعنا الطبيعي الجديد” .

ولتساعد الشركات في اتخاذ قرارات بشأن الاقتراض أو العثور على مستثمرين لتمويل النمو.

ويمكن أن تساعد التوقعات القوية للطلب أيضاً في إقناع الجهات المانحة والمستثمرين بأن توفير التمويل فكرة جيدة.

3. إدارة المخزون:

يمكن أن ينتج عن التنبؤ ب طلبات العملاء فوائد كبيرة للشركات التي تدير المخزون. وينطبق ذلك على الأنواع التقليدية من المخزون، مثل السلع الاستهلاكية المعبأة ؛ المخزون القابل للتلف، مثل الفاكهة الطازجة، وحتى مخزون الخدمات.

فعلى سبيل المثال، يمكن للشركات الاستشارية استخدام التنبؤ بالطلب لاتخاذ قرارات حول كيفية تخصيص الموارد البشرية وما إذا كانت ستوظف المزيد من الأشخاص.

وتشمل الفوائد المحددة لإدارة المخزون ما يلي:

تقليل تكاليف التخزين/تكلفة النقل:

تساعد توقعات الطلب الجيد الشركات على تجنب الطلب أو الإنتاج أكثر من اللازم، مما يكلف أموالا للوحدات الإضافية وتخزينها.

تقليل التأخير/التخزين:

على الطرف الآخر ، يمكن أن تقلل توقعات الطلب الجيد من فرص حدوث حدث خارج المخزون ينتج عنه عملاء غير سعداء، وتأخيرات، وفي بعض الحالات، فقدان المبيعات والعملاء.

إعادة ترتيب وإعادة تخزين فعالة:

يعد التنبؤ بالطلب قصير الأجل مفيدا شكل خاص في تحديد موعد وكمية المخزون الذي يجب الاحتفاظ به في المخزون.

الطلب المتوقع ل طلبات العملاء هو مدخل رئيسي في حساب نقطة إعادة الترتيب .

حتى الإشعار المسبق قبل بضعة أيام مثل عطلة نهاية أسبوع مزدحمة أو بطيئة بشكل غير عادي، يساعد الشركات على توفير المال.

تحسين وضع المخزون:

نظرا لأن التوقعات تصبح أكثر تفصيلا، فيمكنك استخدامها لاتخاذ قرارات أكثر دقة. وتعد التوقعات البسيطة التي توضح المبيعات على مستوى الشركة مفيدة للإدارة العليا، ولكن التوقعات التي بنيت على الاختلافات الجغرافية في الطلب يمكن أن تساعد في وضع المخزون بشكل أفضل في المستودعات والمتاجر.

مما يقلل من احتمالية أحداث التخزين المحلية مع خفض التكاليف اللوجستية مثل التخزين والشحن.

إدارة إيرادات أفضل:

ليست كل الصفقات التجارية في المخزون المادي فقط، فإذا كنت تبيع ليال في غرفة فندق فمن المحتمل أنك تستخدم تقنيات إدارة الإيرادات لتحديد الأسعار والعروض الترويجية استجابة للطلب.لذلك ننصح باستخدام برنامج DEXEF

قرارات رفيعة المستوى هي الأفضل:

يمكن أن تمنح توقعات الطلب الجيد رجال الأعمال نظرة ثاقبة على بعض أهم القرارات التي يتخذونها. مثل هل نتوقف عن تقديم منتج أو إطلاق إصدار جديد أو الاستمرار ؟ ما هي مساحة المنتج الجديدة التي ندخلها، إن وجدت ؟ أي سوق جغرافي جديد ندخله، إن وجد ؟

تحديات التنبؤ بالطلب

يواجه المتنبئون بالطلب العديد من التحديات، بدء من الأشياء التافهة، «غالبا ما تكون الدلالات في هذا المجال مشوشة» إلى هائلة، «التنبؤ بالمستقبل صعب». وفيما يلي أربعة تحديات شائعة يجب أن يدركها المتنبئون لأنها غالبا ما تكون كبيرة – ولا يمكن التغلب عليها، مع الإعداد المناسب.

تداول البيانات:

من الناحية المثالية، ستكون جميع البيانات التي يحتاجها المتنبئ عالية الجودة ويمكن الوصول إليها بسهولة.

ولكن حتى لو احتفظت الشركة بجميع البيانات المطلوبة داخليا، فليس من السهل دائما  الحصول عليها.

وقد تستغرق مهام إدارة البيانات التي يجب أن تستغرق ساعات وأسابيع، خاصة في الشركات ذات الأنظمة القديمة أو التي تم الحصول عليها أو دمجها مع شركات أخرى.

وغالبا ما يكون لدى هذه المؤسسات مجموعات مختلفة تدير أنظمة برمجيات لا تتواصل مع بعضها البعض ولا تبلغ عن البيانات بطرق قابلة للجمع.

تحيز الاختيار:

عندما يجمع المتنبئون المعلومات من الأشخاص، سواء كانوا عملاء أو خبراء أو فرق مبيعات، فإنهم يعتمدون على التعاون.

فإذا كان الأشخاص الذين يختارون المشاركة مختلفين بشكل منهجي عن أولئك الذين لا يفعلون ذلك، فقد يكون المتنبئ قد قدم تحيزا  كبيرا في مدخلات رئيسية.

وعلى سبيل المثال، من المرجح أن يتحدث العملاء إلى شركة ما إذا كانت لديهم تجربة جيدة جدا أو سيئة جدا ؛ فالتجارب التي كانت مقبولة أو لا ترحم لا تحفز نفس القدر من المشاركة.

وعلى نفس المنوال، قد يكون مندوبو المبيعات أكثر عرضة لمشاركة التنبؤات الجيدة ل طلبات العملاء أكثر من التنبؤات السيئة، مما يترك للمتنبئ صورة وردية بشكل مفرط للمبيعات القادمة المتوقعة.

سوء حفظ السجلات:

عند بدء العمل على التنبؤ بالطلب، تكون البيانات التاريخية مفيدة للغاية. ولكن ربما لم يتم جمع هذه البيانات مع وضع التنبؤ في الاعتبار. فقد تكون التنسيقات التي تم فيها تسجيل البيانات، إلى جانب الخيارات حول كيفية جمع البيانات وتخزينها، غير متوافقة مع تقنية التنبؤ بالطلب.

والأسوأ من ذلك، أن الاحتفاظ بالسجلات وضمان دقتها قد لا يكون له أولوية، خاصة إذا لم يكن أحد يعلم في ذلك الوقت أن البيانات ستكون ضرورية لأغراض التنبؤ.

وفي بعض الشركات، قد تكون الأخطاء قد تم إصلاحها لاحقا في عملية لاحقة، مثل التأكد من أن البيانات المالية دقيقة تماما ، لكن لم يعد يقوم  أحد بتحديث البيانات الأولية الأصلية.

التمركز:

لا يتطلب التنبؤ بطلب المستهلكين على شيء محدد ، وليس على فهم احتياجات العملاء فحسب، بل يتطلب أيضا الحصول على معلومات حول الشركة أو الشركات التي تخدم هذه الاحتياجات.

فإذا كانت شركتك تفتخر بكونها ذكية وتغير مسارها بسرعة، فقد يكون من الصعب التنبؤ باستجابات المستهلكين لمثل هذه الإجراءات.

كيفية التنبؤ بالطلب

لا توجد طريقة واحدة متفق عليها عالميا للقيام بالتنبؤ ب طلبات العملاء، والمواقف المختلفة تصلح لعمليات مختلفة.

فعلى سبيل المثال، يمكن أن يكون تصنيف البيانات والتحقق من صحتها خطوة حاسمة في بعض عمليات التنبؤ، بينما قد يحصل المتنبئون الآخرون على بيانات عالية الجودة من أماكن أخرى في الشركة جاهزة للاستخدام على الفور.

ويمكن أن يجعل الهيكل التنظيمي للشركة بعض أنواع التنسيق وسهولة جمع المعلومات، أو يمكن أن يجعل الهيكل الحصول على البيانات أو حتى مستحيلا. وعلى الرغم من أن اعتبارات السياسة وآداب السلوك، مثل الحصول على الموافقة، ليست ضرورية تقنيا لتوليد توقعات كمية، إلا أنها ضرورية للنجاح في بعض المؤسسات

 خطوات للتنبؤ بالطلب

ومع ذلك، هناك بعض الخصائص الناجحة لجهود التنبؤ الجارية. فيجب أن تنطبق الخطوات الست التالية على كل فريق توقعات الطلب تقريبا، سواء كان ذلك لبناء شيء بسيط لأول مرة أو تشغيل مجموعة معقدة من التوقعات المستمرة.

1.حدد هدف (أهداف) التنبؤ.

إن الوضوح بشأن الأهداف سيوفر إرشادات بشأن العديد من القرارات اللاحقة. وبدون توضيح الأهداف، فإن بقية تصميم عملية التنبؤ هو مجرد تخمين. ويجيب الجانب الأول لتحديد أهداف توقعات الطلب على السؤال، «ما نوع التوقعات التي تنشئها ؟»

وكيف سيتم استخدام التوقعات، وكيف يجب أن يبدو الناتج ؟ ما هو المدى الزمني، وما مدى دقة الفترات الزمنية ؟ وما مدى دقة ذلك فيما يتعلق بالخصائص مثل جغرافية المكان ؟ هل من الأفضل أن تكون الشركة محافظة أم طموحة ؟ فسوف تساعد هذه الأسئلة في تشكيل تصميم عملية التوقعات.

شيء آخر يجب مراعاته عند صياغة الأهداف هو الخصوصية. ما مدى الثقة التي تحتاجها في التوقعات ؟ ما هي أنواع الافتراضات التي يجب اختبارها قدر الإمكان، وأيهما تشعر بالراحة لعدم إنفاق الوقت والمال ؟

وقد يخبر بعض المديرين المتنبئين، «كن دقيقا قدر الإمكان مع كل شيء طوال الوقت»، ولكن بعد ذلك لا يتوفر الوقت والموارد للقيام بذلك.

يجب أن يكون المتنبئون واضحين مع أنفسهم وأصحاب النشاط بشأن المقايضات. فهل يستحق الدفع مقابل مجموعة بيانات باهظة الثمن لتحسين توقعات المستوى الكلي ؟ وهل يستحق استطلاع 1000 شخص بدلا من 100 للحصول على مزيد من التحديد بشأن التفضيلات ؟ هذه هي أنواع الأسئلة التي لا يمكن الإجابة عليها إلا في سياق أهداف التوقعات.

يمكن العثور على الإجابات النهائية لجميع ما سبق من خلال النظر في السؤال: ماذا تحتاج التوقعات إلى القيام به ؟ وإذا كانت الشركة تفكر في دخول سوق جديد، فقد تحتاج إلى معرفة ما إذا كان الطلب وتحقيق طلبات العملاء موجودا أم لا، لكن معرفة ما هو هذا الطلب بالضبط لن يساعد في اتخاذ القرار الثنائي بالدخول أو ليس أفضل من معرفة أن «الطلب كبير بما فيه الكفاية»..

2.حدد المعلومات التي لديك وما يمكنك الحصول عليه:

تتطلب توقعات الطلب معلومات. وفي بعض الأحيان يشبه ذلك جبالا من البيانات الكمية المستمدة من قواعد البيانات وجداول البيانات ونظم تخطيط موارد المؤسسة.

وفي بعض الأحيان يبدو وكأنه آراء نوعية من الخبراء. وهناك أنواع عديدة من المعلومات بينهما. وتعتمد بعض عمليات التنبؤ حصريا أو بشكل أساسي على مصدر واحد وتجري تعديلات باستخدام معلومات أخرى.

ولكن قبل أن تتمكن من تصميم عملية التنبؤ ب طلبات العملاء، تحتاج إلى معرفة نوع المعلومات المتاحة.

فمن المحتمل أن تقوم الشركات التي تقوم بعمل جيد في مهام أخرى بتتبع المعلومات المفيدة لتوقعات الطلب. وتعد بيانات المبيعات السابقة بداية رائعة، خاصة إذا كانت عالية الجودة وتحتوي على معلومات حول أوقات محددة و/أو مواقع و/أو عملاء.

وبالنسبة للتنبؤ على المستوى الكلي، يمكن أن تكون البيانات المتاحة للجمهور في السوق العربى بداية رائعة – حيث تقوم العديد من الوكالات الحكومية بصيانة وتحديث مجموعات البيانات المتاحة مجانا.

ومع ذلك، بالنسبة لعملية التنبؤ المستمرة، لا تحتاج إلى التوقف عند البيانات السريعة للعثور عليها.

فقد تتمكن من إضافة حقول البيانات إلى قائمة المعلومات التي تتبعها الشركة تلقائيا ، وبعد ذلك سيكون لديك بيانات معززة في المستقبل.

وقد يعني هذا إضافة إلى المعلومات التي يتم تتبعها بواسطة برنامج إدارة المخزون مثل DEXEF، أو ربما مجرد إضافة سؤال إلى استطلاعات رضا العملاء التي يتم إرسالها بالفعل بانتظام.

فتتطلب بعض المعلومات المزيد من الجهد لجمعها. على سبيل المثال، يعقد بعض المتنبئين اجتماعات دائمة مع قسم التسويق أو يرسلون استطلاعات منتظمة للحصول على توقعات من فريق المبيعات أو تنبؤات على المستوى الكلي من الخبراء.

وفي الوقت نفسه، هناك شركات بأكملها تعمل في مجال توفير مجموعات البيانات والتقارير عن الأسواق وقطاعات المستهلكين، وتجد بعض الشركات أنه من المفيد شراء مثل هذه المعلومات لزيادة جهودها الداخلية.

3.تحديد وتنفيذ خطة جمع البيانات:

إذا كان الأمر يتعلق فقط باتخاذ قرار بجمع البيانات، فلن تكون هذه خطوة منفصلة. وبالنسبة للشركات التي تجمع كل ما تحتاجه تلقائيا، فلا يوجد الكثير من العمل الذي يتعين القيام به هنا بمجرد اتخاذ القرارات الرئيسية.

ولكن جمع أنواع جديدة من البيانات يمكن أن يكون هدفاً كاملا في حد ذاته.

فإن إجراء الاستطلاعات ليس أمرا معقدا وصعباً بالنسبة للعديد من الشركات، ولكن ليس من السهل إنشاء عمليات لجمع البيانات تسفر عن نتائج مفيدة مع كل دورة.

وفي بعض الأحيان، تكون التجربة والخطأ هي الطريقة الوحيدة للتأكد مما إذا كان بإمكان سؤال الاستطلاع التنبؤ بسلوك المستهلك بطريقة مفيدة.

في حين أن المحادثات مع العملاء الحاليين والمحتملين قد تكون أفضل طريقة للتعرف على الأشياء التي لا تعرفها حتى يجب أن تسأل عنها في الاستطلاعات.

وغالبا ما يتم تنسيق هذه الجهود بشكل أفضل مع الإدارات الأخرى في الشركة، حيث أن التنبؤ ليس هو الاستخدام  الوحيد لمثل هذه الاستطلاعات والمحادثات.

4.تطبيق أساليب التنبؤ ب طلبات العملاء المناسبة على المعلومات:

يمكنك إنشاء توقع عن طريق تطبيق إحدى أو أكثر من تقنيات التنبؤ الكمية والنوعية التالية في القسم التالي.

ومع ذلك، ليس دائما وضوح أي الأساليب التي تناسب أعمالك وتناسب السوق.

فيمكنك استخدام “اختبار العودة” باستخدام البيانات الخاصة بالعام الحالي للتنبؤ بطلبات العام القادم، ومقارنة كل طريقة بما حدث بالفعل.

ويمكنك أيضا اختبار بيانات قديمة بمقدار عامين للتنبؤ بطلبات العام القادم، إذا كان لديك كمية كافية من البيانات التاريخية.

وبالنسبة للطرق النوعية، يتعلق الأمر أكثر بالتفكير في كيفية تغيير حجم الطلب على منتجك أو خدمتك، ومن لديهم أفضل المعلومات والتحقيقات عن السوق لمساعدتك.

فمن المهم أن نلاحظ أنه عندما تختار الأساليب التي يمكن أن توصلك إلى الأهداف التي حددتها في الخطوة 1، قد تجد الحاجة إلى إعادة النظر في الخطوتين 2 و 3.

فإذا لم يكن لديك المعلومات اللازمة لتحديد ما قررت أنه مطلوب في الخطوة 1، فيجب عليك الحصول على مزيد من المعلومات.

وقد يكون من الصعب جداً الحصول على المعلومات التي تحتاجها، أو أنها مكلفة للغاية أو ببساطة لا توجد، فإن أهدافك تحتاج إلى قدر من التغيير.

5.تفسير النتائج في السياق المحدد.

عندما تحصل على نتائج توقعاتك، فإن الأرقام وحدها لا تكفي لنقل النتائج إلى جميع أصحاب النشاط المعنيين،

خاصة إذا لم يكونوا على دراية بالأساليب ومصادر المعلومات المعنية.

فالتوقعات هي تخمينات – تخمينات معتمدة بناءاً على بيانات ومعادلات رياضية، لكنها تخمن كل شيء.

ساعد جمهورك على فهم توقعاتك بشكل أفضل، من خلال تضمين المعلومات والإجابات على الأسئلة التي قد لا يعرفونها بما يكفي، أو يشعرون بالراحة الكافية لطرحها.

ويجب أن يتضمن تقرير التوقعات الخاص بك إجابات على كل هذه الأسئلة:

ماذا تعتقد أنت، كمتنبئ، أنه سوف يحدث في المستقبل ما تقوله الأرقام ؟

ما هو ردة فعلك عن فترة الخطأ/الثقة التي وضعتها في تنبؤاتك ل طلبات العملاء ؟وما هى مدى دقة تقديراتك لمعرفة طلبات العملاء برأيك ؟

هل الافتراضات المؤكدة التي وضعتها في تقديراتك مؤكدة، وكيف ستتغير النتائج إذا كانت افتراضاتك خاطئة ؟

فيمكن القول بأن الافتراض القاطع أو المؤكد الذي يستحق المشاركة مهما للغاية لنتائج التوقعات أو افتراضا مهما إلى حد ما.

ولكن من المرجح أن يكون  هذا الافتراض خاطئا،

وما هي المعلومات التي لم تدرجها في توقعاتك والتي قد تكون مهمة ؟

وما هي الطرق الأكثر ترجيحا التي يمكن أن تكون بها مخطئا ؟ وإذا كنت تفعل ذلك منذ فترة، فما مدى دقة التوقعات التي حصلت عليها بالمثل في الماضي ؟

فهناك العديد من الطرق المختلفة التي يستخدمها المتنبئون للتنبؤ بالطلب.

وقد تجد بعض الشركات أن طريقة واحدة بسيطة، أكثر من كافية. فقد تستخدم الشركات الأخرى مناهج مختلطة معقدة تجمع بين جهود جمع البيانات الكبيرة وتقنيات التعلم الآلي في صميم التحليلات الكمية.

والأساليب العشرة التالية للتنبؤ بالطلب، المقسمة بالتساوي بين النهج النوعي والنهج الكمي، هي عينة تمثيلية جيدة لمجموعة متنوعة من التقنيات المتاحة:

أولاً: طرق التنبؤ بالطلب النوعي:

قد يبدو من غير المنطقي استخدام طرق نوعية للتوصل إلى توقعات عددية بطبيعتها، حتى لو انتهى الأمر ببعض الأساليب «النوعية» إلى إنتاج أرقام كمية في النهاية.

لكن التنبؤ من البيانات التاريخية الكمية وحدها لا يعمل إلا طالما أن المستقبل لا يتغير كثيرا عن الماضي – ومتى كانت آخر مرة حدث ذلك ؟

ويتمتع الموظفون والخبراء والعملاء بالمعرفة بالأحداث والخطط التي لم تنتج أرقاما بعد، لذلك على الرغم من التقدم الكبير في تقنيات جمع البيانات والتحليلات، تستمر الأساليب النوعية في لعب دور بارز في التنبؤ بالطلب.

وفيما يلي خمسة أمثلة:

1.طريقة دلفي:

تستخدم طريقة أو تقنية دلفي في الغالب للتنبؤ على المستوى الكلي.

وفي ذلك، يعمل فريق من الخبراء على سؤال واحد، أو أجزاء من سؤال أكبر، بشكل مستقل، ثم يشاركون عملهم مع بعضهم البعض كمدخل لإنشاء أو مراجعة الإجابات. فطريقة دلفي ليست حصرية للتنبؤ، ولكن تم استخدامها بنجاح للتنبؤ منذ الستينيات.

2.توقعات Salesforce المركبة:

النظرية الكامنة وراء هذه الطريقة بسيطة: لأن سبل عملهم تعتمد عليها، يعرف مندوبو المبيعات ما هي أهميتها.

لإنهم يتحدثون إلى العملاء والعملاء المحتملين طوال اليوم، ويعملون في كل منطقة يبيعون فيها ويعرفون تعقيدات العمل بشكل أفضل مما يمكن أن تشير اليه بياناتك.

ويشارك مندوبو المبيعات الخطط والتعليقات مع العملاء. لإنشاء توقعات مركبة لقوة المبيعات، والمعروفة أيضا باسم توقعات المبيعات.

فما عليك سوى أن تسأل فرق المبيعات الخاصة بك عن المبلغ الذي تتوقع تحصيله بشكل واقعي خلال الفترة الزمنية التي حددتها، ثم أضف الإجابات.

وينبغي إجراء تعديلات على المبيعات التي تتم من خلال قنوات أخرى، ومن خلال الانحياز الى تنبؤات المبيعات، ستتعرف بسرعة على مندوبي المبيعات الذين يتنبأون بوفرة من التفاؤل.

فهذه الطريقة شائعة ومفيدة بما يكفي بحيث يتم تضمين وظيفة إنشاء هذه الاستطلاعات في العديد من منصات إدارة المخزون.

وإذا لم يكن لدى شركتك مندوبي مبيعات، فلن يعمل هذا كما هو تم شرحه، فعلى الرغم من أنه قد يكون هناك قسم يتمتع موظفوه بمعرفة مماثلة ويمكن استطلاعهم بالمثل، مثل كيفية نجاح العملاء أو فريق الدعم مثلا.

3.معرفة الخبراء/المطلعين:

بعض العوامل التي تؤثر على الطلب معروفة لبعض الأشخاص ولكنها لا تظهر بعد في مجموعات البيانات.

وقد يعرف خبراء الموضة مثلاً اتجاهات الموضة مسبقا، وما إذا كان من المحتمل أن يكون الموسم المقبل جيدا أم سيئا لنوع الملابس التي تبيعها.

وقد يعرف المطلعون على الشركة أن الارتفاع الصيفي العام الماضي كان مرتفعا بشكل غير عادي بسبب الصحافة الجيدة و/أو حساب كبير واحد من غير المحتمل أن يتكرر مرة آخرى.

إن العالم مليء بالاستثناءات من الأساليب.

فالطريقة الوحيدة لدمج هذه المعلومات في توقعاتك هي التحدث إلى الأشخاص الذين لديهم المعلومات واستخدام الحكم البشري السليم في مراجعة التوقعات وفقا لذلك.

4. الدراسات الاستطلاعية ل طلبات العملاء:

هذه أدوات مفيدة للتعرف على العملاء، وتستخدمها العديد من الشركات. وأسهل طريقة لمعرفة ما إذا كان العملاء سيشترون المزيد من منتجك أو يرشحون خدماتك إلى صديق هي في كثير من الأحيان أن تطرح سؤالك عليهم ببساطة.

وقد لا يكون من الواضح وعلى الفور كيفية ترجمة الدرجات القائمة على الاستطلاع إلى توقعات، ولكن بمرور الوقت يمكنك أن ترى كيف ترتبط التغييرات في الدرجات بالتغيرات في سلوك العملاء.

يمكن أن توفر الاستطلاعات تحذيرا متقدما من الارتفاعات والانخفاضات في الطلب حيث أن العملاء يبلغون عن تجارب أفضل أو أسوأ عن استخدام منتجك أو خدماتك التي تقدمها.

5.التحدث إلى العملاء عبر المقابلات ومجموعات المناقشة:

في حين أن الاستطلاعات هي الطريقة الجيدة لجعل الكثير من العملاء يخبرونك قليلا عن أفكارهم وخبراتهم، فإن مجموعات المناقشة والمقابلات هي الطريقة الجيدة للحصول على عدد أقل من العملاء لإخبارك بالكثير عما يعرفونه.

فيمكنك معرفة التفاصيل حول تجاربهم مع منتجاتك من خلال نشر منتجك أو إعادة الشراء.

وتوفر رؤى قيمة حول كيفية استخدام المستهلكين المحتملين منتجك وما يمكن أن يستخدموهم أو يستخدموه أصدقاؤهم لحل المشكلة التي يتناولها منتجك.

كما يمكن أن تكشف عن أمور لا تفكر إطلاقاً في طرحها في أي استطلاع، ويمكن أن توفر تحذيراً مبكراً، ما إذا كان منتجك يقترب من نهاية دورته الحياتية، أو إذا كان المنتج المنافس يمثل تهديداً أكبر مما توقعت.

فيجب فقط اتباع أفضل الممارسات في أبحاث السوق عند إجراء مجموعات المناقشة والمقابلات.

ثانياً: طرق التنبؤ بالطلب الكمي:

إن الأساليب الكمية هي جوهر معظم جهود التنبؤ بالطلب. بما في ذلك التوقعات الأساسية من بيانات المبيعات السابقة مع بعض التوقعات البشرية من الأعلى لمراعاة العوامل المهمة التي لم يتم الحصول عليها بخلاف ذلك.

وتستخدم الأساليب الأكثر تطورا مثل التعلم الآلي وتقنيات الذكاء الاصطناعي في التنبؤ بالطلب الكمي.

وفيما يلي خمسة أمثلة على طرق التنبؤ الكمي التي تتراوح من البسيطة إلى المعقدة. وجميعهم يستفيدون من بيانات الطلب التاريخية لعرض الطلب المستقبلي:

6.متوسطات الأسعار:

المتوسط المرجح هو حساب يأخذ متوسط للأرقام على مدى فترة زمنية ماضية.

مثل: متوسط المبيعات المرجح لمدة سبعة أيام هو متوسط المبيعات اليومية خلال الأسبوع الماضي.

سيؤدي المتوسط المرجح لمدة سبعة أيام إلى تخفيف الارتفاعات والانخفاضات الشائعة على مدار أيام الأسبوع.

وسيؤدي المتوسط المرجح لمدة 28 أو 35 يوما إلى تهدئة الدورات البيعية الشهرية.

ومن المفيد استخدام مضاعفات سبعة للتأكد من أن لديك نفس العدد من كل يوم من أيام الأسبوع في المتوسط، وإلا فإن الأنماط الأسبوعية يمكن أن تحدث خلل غير متوقع.

وتبدو طريقة المتوسطات بطبيعتها متخلفة، لكنها تساعد في تحديد الأنماط وإنشاء تصورات وخطوط اتجاه يسهل معالجتها بالعين البشرية.

كما أنها لن تتحرك كثيرا بناء على يوم واحد غير الأيام الستة، لذلك من المرجح أن تكون التحولات في المتوسط المرجح ذات مغزى أكثر من التحولات في الأرقام اليومية.

7.المتوسطات الموسمية:

من الممكن أن يؤثر كل من شهر فى السنة أو الطقس أو يوم فى الأسبوع على الطلب. وبالمثل، يمكن أن تؤدي العطلات إلى تحولات في الطلب ولا يمكن توقعات اتجاه السوق والمتوسطات المرجحة التنبؤ بها.

ومن خلال التفكير في تأثيرات التقويم، يمكنك الحصول على توقعات أفضل بكثير ل طلبات العملاء. وقد يعني هذا معرفة أن مبيعات الجواكت الثقيلة يرتفع سعرها في الشتاء، خاصة في ديسمبر حيث يشتري الناس هدايا عيد الميلاد، ثم ينخفض بشكل خاص في 25 ديسمبر من كل عام مع انتهاء التسوق في العطلات إلى حد كبير.

ولن تظهر هذه المعلومات في أي مكان في الأشهر الـ 11 التالية، ولكن من خلال النظر إلى ديسمبر الماضي، يمكنك الحصول على أدلة حول ماذا سيحدث في ديسمبر المقبل.

ومن خلال الجمع بين هذه العوامل المعروفة وتحليلات الاتجاهات البسيطة الأخرى، يمكنك الحصول على بعض النتائج الجيدة بشكل مدهش.

فعلى سبيل المثال، قد تخبرك معرفة كيفية مقارنة سقوط هذا العام بخريف العام الماضي وكيف ستقارن شهر ديسمبر من هذا العام بشهر ديسمبر من العام الماضي.

8.النماذج الاقتصادية القياسية:

وتستخدم عادة للتنبؤ بالتقدمات الأكثر تقدماً. وتعتبر “النمذجة الاقتصادية” و “الأساليب الاقتصادية” و “التقنيات الاقتصادية” عبارات يستخدمها المتنبئون وكتاب الأعمال للإشارة إلى العديد من الأشياء المختلفة. وتستخدم الاقتصاديات الإحصائية لاختبار الفرضيات ونمذجة البيانات، والعديد من التقنيات، وهي أشكال من أشكال تحليل الانحدار.

ويتم تطبيق نماذج الانحدار الأكثر تقدما للتنبؤ تحت هذا العنوان، وكذلك التقنيات المستخدمة لاختبار الفرضيات حول العلاقات بين المتغيرات في البيانات.

وتستخدم أساليب الاقتصاد الكمي لفهم العلاقات بين المتغيرات وتنبؤ المستقبل، وعلى الرغم من الاسم، فإن النمذجة الاقتصادية ليست حول تطبيق نظرية اقتصادية فقط للمستهلكين لتوقع كيفية تغيير طلبات العملاء في المستقبل.

9.تحسين التدرج وأدوات التعلم الآلي الأخرى:

تحسين التدرج هو جزء من عائلة من تقنيات التعلم الآلي المصممة خصيصا لمهام التنبؤ.

فإنه يجمع العديد من النماذج البسيطة في توقعات واحدة أكبر. والفكرة هي أنه في حين أن النماذج البسيطة غالبا ما تكون خاطئة، إلا أنها قد تحتوى على معلومات مهمة.

لذلك، يمكن أن يؤدي استخدام مجموعة من النماذج الإحصائية الضعيفة، باستخدام الذكاء الاصطناعي إلى استخراج رؤى والحصول على نتائج مدمجة بشكل أفضل مما يمكن لأي من النماذج القياسية العادية القيام به بشكل مستقل.

وميزة هذه التقنية هي الدقة، ولكن العيب هو أنه من الصعب شرح سبب إنتاج النموذج للنتائج التي يقدمها.

ومع ذلك، فإن النقطة الأهم هي عدم التوصية بتحسين التدرج على وجه الخصوص، فعلى الرغم من أنه قد يكون مناسبا جدا لبعض المتنبئين. إلا إنه، يمثل تقديم مثال على كيفية تحسين تقنيات التعلم الآلي لصندوق أدوات التنبؤ بالطلب.

وتتقدم الأبحاث في التعلم الآلي والذكاء الاصطناعي بسرعة غير عادية، ويتم تطوير تقنيات جديدة طوال الوقت لاستخلاص الرؤى المستقبلية من خلال كميات كبيرة من البيانات التي كانت معقدة بشكل مستعصي قديماً.

المبيعات الشهرية = 20000 جنيه x عدد الشهور منذ بداية الفترة  + 2,000,000 جنيه

هذه المعادلة هي النموذج الذي يتنبأ بالمبيعات الشهرية المستقبلية للشركة، والتي أنتجتها باستخدام طريقة الانحدار الخطي .

ويتوقع النموذج أنه في نهاية السنة الأولى، ستكون المبيعات الشهرية  2,240,000 جنيه (20,000 جنيه * 12 = 240,000جنيه + 2,000,000 جنيه).

أمثلة على توقعات الطلب:

تستخدم توقعات الطلب في كل صناعة رئيسية. في بعض القطاعات، مثل السلع الاستهلاكية، فتكون تحديات التنبؤ مباشرة ولا يحتاج الأمر إلى فترة طويلة لكي يكون التنبؤ مفيدا للغاية.

فإذا كنت مزارعاً تتردد فيما بين زراعة الذرة وفول الصويا، فإنك تهتم حقًا بالسعر الذي يمكنك الحصول عليه لكل منهما، ولكن هذا يعتمد على ما سيكون عليه الطلب في وقت الحصاد.

تستثمر الفنادق وشركات الطيران بشكل كبير في تكنولوجيا توقعات الطلب، ولكن نظراً لعدم وجود الكثير من السيطرة اليومية على كمية الغرف والمقاعد المتاحة، فيتم الاستجابة من خلال تغيير الأسعار للارتفاع والانخفاض وفقاً لما يعتقدون أن الطلب سيكون عليه مستقبلاً.

يميل منتجو السلع المعمرة والمكلفة إلى العثور على توقعات طلب مفيدة بشكل خاص.

فيمكن أن تكون الاتجاهات الاقتصادية الرئيسية مفيدة للغاية في التنبؤ بعدد الأشخاص الذين قد يرغبون في شراء سيارة أو غسالة صحون العام القادم، لذا فإن كل من التوقعات على المستوى الدقيق مفيدة جداً.

والفترة الزمنية كافية مع الدورات السنوية، بحيث لا يمكن لهذه الشركات أن تنظر فقط إلى مبيعات الشهر الماضي، ولكن بما فيها الكفاية بحيث يكون هناك فرصة معقولة للدقة.

وغالباً ما تكون أكبر التحديات ليست في تنفيذ استراتيجية معينة أو طريقة توقعات الطلب ل طلبات العملاء، ولكن في اختيار الطريق الصحيح. وتوضح الأمثلة التالية تحديات توقعات الطلب الشائعة وكيف تم حلها:

مثال: التنبؤ بالطلب أثناء الوباء

تعمل الشركة على توسيع بصمتها للبيع بالتجزئة بشكل متسارع لسنوات، وقد قامت خطوط الاتجاه الخطية، مع تعديل المنحدرات لتعكس خططا محددة للتوسع، بعمل جيد في التنبؤ بالطلب.

ومع ذلك، في السنوات الأخيرة، شهدت الصناعة بأكملها ارتفاعا حادا في الشراء عبر الإنترنت، ولم تعد النتائج من البؤر الاستيطانية للشركة مؤشرا موثوقا للمبيعات.

تريد الشركة التنبؤ بما سيحدث مع تراجع الوباء لكنها لا تعرف ما إذا كانت بياناتها التاريخية ستتحدث إلى سلوكيات العملاء المتغيرة بسرعة.

فالشركة بالتالي تقرر  عدم الاعتماد فقط على التحليل الكمي للبيانات الداخلية فقط كما فعلت في الماضي.

وتضيف طريقة ديلفي هذا العام، وتستعين بلجنة من الخبراء للمساعدة في التفكير خارج الصندوق وتوجيه الاتجاهات المحتملة في المستقبل.

سهولة تقلبات الطلب العشوائية:

شركة تبيع معدات وملابس رياضية للطقس البارد تعاني من تقلبات كبيرة في المبيعات. فيمكن أن ترتفع المبيعات من يوم لآخر ومن شهر لآخر بنسبة 300٪ ثم تنخفض بنسبة 80٪.

وانت ترغب في استخدام التوقعات لتحسين التخطيط للسنوات القادمة، ولكن كيف يمكنك التخطيط للطلب الذي يتذبذب بهذه الطريقة؟

فعلى الرغم من أن أي مجموعة من البيانات التاريخية ستحتوي على اختلافات، فقد تكون هناك أنماط قابلة للتنبؤ يمكن أن تساعد المحلل في فهم المشاكل.

فتقرر الشركة استخدام مجموعة من الأساليب الكمية المصممة لتخفيف وتفسير وجه الاختلاف. وأول طريقة هي المتوسطات المرجحة.

وباستخدام المتوسط المرجح لمدة سبعة أيام في بيانات المبيعات يمكن أن يخفف من المشاكل التي تنشأ عن التأثيرات التي تعتمد على يوم واحد بالأسبوع.

وبعد ذلك، تقوم الشركة بضبط البيانات موسميا، مما يقلل من تأثير موسم العطلات الحافل بسبب تبادل الهدايا مقابل الصيف البطيء بسبب الطقس الذي يجعل منتجاتهم غير قابلة للاستخدام مؤقتا لمعظم زبائنهم.

فمن هنا، يمكن للشركة تطبيق طرق توقع أخرى ل طلبات العملاء بأكثر ثقة في التوقعات السنوية الناتجة.

اتجاهات التنبؤ بالطلب

الاتجاهات الرئيسية في توقعات الطلب، من الآن وفي المستقبل المتوقع، تنبع من تكنولوجيا المعلومات.

والهدف الرئيسي لهذه الاتجاهات واضح وهو: المزيد من البيانات والمزيد من التحليل الآلى لتلك البيانات.

فهناك شيئان يجب أن نضعهما في الاعتبار عند توقع الطلب جنبا إلى جنب مع هذه الاتجاهات:

1. إدارة البيانات الجيدة والبرمجيات أكثر أهمية من أي وقت مضى.
2. لا تهمل العوامل البشرية والمدخلات لأن الكمبيوترات لا يمكن أن تعرف أشياء يعرفها الناس وليست موجودة في البيانات بعد.

فقدرتنا على جمع البيانات زادت بسرعة في السنوات الأخيرة، حيث أصبحت الكمبيوترات منتشرة وتكاليف تخزين البيانات انخفضت بشكل كبير.

فالشركات الآن لديها أنظمة برمجية لتتبع المزيد من البيانات عما كان متاحا في السابق، ومع تخزين البيانات في السحابة ومستودعات البيانات ، فيمكنها الاحتفاظ بالسجلات إلى أجل غير مسمى.

فق أضافت أنظمة الأجهزة إلى خزائن البيانات، حيث يمكن للشركات تتبع المواقع بشكل أفضل من أي وقت مضى باستخدام تقنية نظام تحديد المواقع العالمي وتقنية تحديد الهوية باستخدام تردد الراديو وحتى استخدام الكاميرات الملحقة بالبرامج لفحص المخزون والعمليات تلقائيا.

وفي الوقت نفسه، يقدم البحث في تعلم الآلة والذكاء الاصطناعي الأدوات التي يحتاجها الناس لمعالجة هذا الكم الهائل من المعلومات.

فالان اصبح لدينا السهولة للوصول إلى تقنيات إحصائية كان من المستحيل القيام بها يدويا حتى ولومرة واحدة في العمر، ولكن يمكننا تشغيلها الآن يوميا على كميات ضخمة من البيانات.

كيفية اختيار برنامج التنبؤ بالطلب؟

يتعلق اختيار برنامج التنبؤ بالطلب بشكل أساسي بإيجاد تطابق جيد لعملك. فإذا كنت تعمل في صناعة ما وبها برنامج محدد مصمم خصيصا لاحتياجاتك، مثل إدارة الفنادق، فقد ترغب في اختيار شيء مخصص للأسئلة والبيانات التي من المرجح أن تكون لديك فعلاً.

ولكن سواء اخترت نظاما عاما أو منتجا مصمما لصناعة معينة، فأنت تريد برنامجا مناسبا لحجم عملك، ويمكنه التوسع مع طموحات الشركة ويمكنه الاندماج مع مصادر وأدوات لأي بيانات الأخرى.

كما أن نظم تخطيط الموارد في المؤسسة التي توفر خدمات إدارة المخزون لديها قدرات على التنبؤ بالطلب.

فقد ترغب المؤسسات التي تستخدم تخطيط موارد المؤسسة في التأكد من قدرتها على تصدير البيانات ذات الصلة بسهولة إلى أنظمة تحليلية أخرى لأنه لا يوجد في كل نظام كل ما قد تحتاجه دفعة واحدة.

وقد يكون النظام الذي يساعد في جمع البيانات، مثل استضافة استطلاع توقعات المبيعات، أحد الأصول الكبيرة أيضا، إذا كان هذا شيئا تنوي القيام به.

فمهما كان البرنامج المختار، فمن المهم معرفة ما هو محتواه. فلا تعامل برامج التنبؤ مثل الصندوق السحري الذى يلبى كل طلباتك.

بل تحتاج إلى معرفة الطرق التي يتم تطبيقها حتى تتمكن من فهم المدخلات والافتراضات المستخدمة ل طلبات العملاء.

وبهذه الطريقة يمكنك التفكير بذكاء فيما هو مفقود وما قد يحدث إذا ظهرت الافتراضات بشكل خاطئ.

وستكون أيضا متصلا وصانع قرار أكثر فاعلية من ذي قبل، أو مستشارا لصانعي القرار، إذا فهمت ما يجري في التوقعات.

اجعل توقعات الطلب أسهل وأكثر دقه

يمكن أن يجعل التنبؤ سهلا من خلال الاندماج مع وظائف تتبع المخزون وإدارته.

ويحتوى على  الكثير من البيانات المطلوبة لنهج التنبؤ الكمي للطلب فستكون موجودة بالفعل في النظام ، والذي يمكنه تنفيذ العديد من الطرق الموضحة في هذه المقالة تلقائيا.

ميزة رئيسية أخرى هي أن أي منصة يمكن تخصيصها للشركات الصغيرة ومن ثم توسيعها مع نمو العمل.

فيجعل نظام التنبؤ بالطلب السهولة في توقعات المبيعات عن طريق توفير واجهة للمبيعات لإدخال المعلومات التي تنتقل مباشرة إلى نظام التنبؤ.

ويساعد التنبؤ بالطلب الجيد الشركات على تلبية احتياجات العملاء مع تشغيلها بشكل أكثر ربحية.

وأخيراً

فالتنبؤ بالطلب ل طلبات العملاء هو وظيفة تجارية مهمة تساعد الشركات على النظر إلى مستقبلها. وهناك العديد من أنواع التنبؤ بالطلب ، والمزيد من الطرق التي يمكن أن يستخدمها المتنبئ – أو يجمعها – لإنشاء توقعات عالية الجودة.

ولكن كل نهج يتطلب جمع المعلومات وتطبيق طرق حسابية صحيحة لأخذ ما نعرفه اليوم ونتوقع ما سيحتاجه العملاء في المستقبل.