Transcript การพยากรณ์ยอดขาย

บทที่ 3
ผลิตภัณฑ์ และการพยากรณ์ ยอดขาย
1
การพัฒนาผลิตภัณฑ์ มี 7 ขั้นตอน
1. การก่ อกาเนิดความคิดใหม่ (Obtaining Ideas)
 ความคิดจากบุคคลใดบุคคลหนึ่ง
 ความคิดจากคนหลายๆ กลุ่ม ทาให้ได้ขอ้ มูลที่กว้างมากขึ้น
2. การกลัน่ กรองความคิด (Screening Ideas)
 เลื อกโดยหน่ ว ยงานวิจ ัยและพัฒนา (Research
and
Development ; R&D)
 ความคลาดเคลื่อนในการตัดสิ นใจ
 เลือกความคิดที่ไม่เหมาะสม (Go Error)
 ไม่เลือกความคิดที่เหมาะสม (Drop Error)
2
การพัฒนาผลิตภัณฑ์ (ต่ อ)
3.
4.
5.
6.
7.
การประเมินทางเทคนิค (Technical Evaluating)
การประเมินทางการตลาด (Market Evaluation)
การตัดสิ นใจ (Final Decision)
ทาการผลิต (Getting into Production)
นาผลิตภัณฑ์ ออกสู่ ตลาด (Introduction to the
Market)
3
3.1 วัฏจักรชีวติ ของผลิตภัณฑ์
(Product Life Cycle)
Demand
Maturity
Decline
Growth
Introduction
Time
4
Product Life Cycle
1. ช่ วงแนะนาผลิตภัณฑ์ (Product Introduction)
•
•
ยอดขายอยูใ่ นเกณฑ์ต่า อัตราการเพิ่มไม่มากนัก
ควรมีนโยบายในการแนะนาสิ นค้าในรู ปแบบต่างๆ
2. ช่ วงตลาดเจริญเติบโต (Market Growth)
•
•
ยอดขายเพิ่มขึ้นอย่างรวดเร็ ว แนวโน้มความต้องการเพิ่มขึ้น
มีการปรับปรุ งสิ นค้าและลดค่าใช้จ่ายในการผลิต
5
Product Life Cycle (ต่ อ)
3. ช่ วงตลาดอิม่ ตัว (Market Maturity)
•
•
•
ยอดขายเพิ่มในอัตราน้อยลงจนกระทัง่ คงที่
ต้องเปลี่ยนแปลงผลิตภัณฑ์ ทาให้ตน้ ทุนการผลิตเพิ่มขึ้น
เมื่อถึงจุดอิ่มตัวจริ งๆ ความต้องการจะลดลงเรื่ อยๆ
4. ช่ วงยอดขายลดลง (Sales Decline)
• ยอดขายลดลงอย่างรวดเร็ ว ลูกค้าหมดความนิยม
• องค์กรต้องพัฒนาผลิตภัณฑ์ใหม่มาแทน
6
การพยากรณ์ ยอดขาย
(Sale Forecasting)
• ทานายยอดขายผลิตภัณฑ์ที่คาดว่าจะเป็ นความต้องการของ
ลูกค้า
• ช่วยในการวางแผนจัดเตรี ยมทรัพยากรต่างๆที่ใช้ในการผลิต
• เพื่อเตรี ยมกาลังการผลิตให้เหมาะสม
• เป็ นการวางแผนร่ วมกันของกิจกรรมจากหน่วยงานต่างๆ
ได้แก่ ฝ่ ายบุคคล ฝ่ ายจัดซื้อ ฝ่ ายการเงิน เป็ นต้น
7
องค์ ประกอบของการพยากรณ์ ทดี่ ี
• ควรมีกาหนดช่วงเวลาที่เหมาะสม (Time Horizon)
• ควรเลื อกเทคนิ ค หรื อวิธีการที่ ให้ความเที่ ยงตรงมากที่ สุด
เพื่อให้เกิดความคลาดเคลื่อนน้อยที่สุด
• ควรมีการกาหนดหน่วยที่จะทาการพยากรณ์ เช่น เชิงปริ มาณ
เป็ นหน่วยเงิน จานวนชิ้น พื้นที่ เป็ นต้น
• ควรเลื อกเทคนิ คที่ใช้งานง่าย (Simple)
และเหมาะสม
(appropriate)
8
ขั้นตอนในการพยากรณ์
1.
2.
3.
4.
กาหนดจุดประสงค์ในการพยากรณ์ เพื่อเลือกเทคนิคที่เหมาะสม
สร้างช่วงเวลาที่จะทาการพยากรณ์ให้เหมาะสม
เลือกเทคนิคที่ใช้ในการพยากรณ์
รวบรวมและวิ เ คราะห์ ข ้อ มู ล ในอดี ต รวมทั้ง ข้อ สั น นิ ษ ฐานที่
เกี่ยวข้อง
5. ทาการพยากรณ์
6. แสดงผลการพยากรณ์ พิจารณาความคลาดเคลื่อน (Error) ที่
เกิดขึ้น อาจต้องเก็บข้อมูลเพิ่มหรื อเลือกเทคนิคใหม่
9
ประเภทของการพยากรณ์
1. การพยากรณ์ เชิงคุณภาพ (Qualitative Forecasting)
•
•
•
•
จากความคิดเห็นของบุคคลต่างๆ (Judgment)
ใช้กบั กรณี ที่ผพู ้ ยากรณ์ตอ้ งการพยากรณ์ในระยะเวลาจากัด
อาจเกิความเอนเอียงได้ (Bias)
ได้แ ก่ ความคิ ด เห็ น จากผูบ้ ริ ห าร การส ารวจลู ก ค้า ความ
คิดเห็นจากพนักงานขาย ความคิดเห็นจากผูเ้ ชี่ยวชาญ
10
ประเภทของการพยากรณ์
2. การพยากรณ์ เชิงปริมาณ (Quantitative Forecasting)
•
อาศัยข้อมูลหรื อตัวเลขในอดีตจนถึงปั จจุบนั เพื่อใช้ในการสร้าง
ตัวแบบ
• แบ่งได้เป็ น 3 กลุ่ม
1. ตัวแบบอนุกรมเวลา (Time Series Model)
2. ตัวแบบเหตุผล (Causal Model)
3. ตัวแบบจาลองปัญหา (Simulation Model)
11
การพยากรณ์ เชิงคุณภาพ
1. ความคิดเห็นจากผูบ้ ริ หาร (Executive Opinions)
•
การวางแผนระยะยาว
2. ความคิดเห็นจากพนักงานขาย (Opinions of Sales Staff)
•
เนื่องจากผูข้ ายติดต่อกับลูกค้าโดยตรง
3. การสารวจลูกค้า (Customer Survey)
• ใช้การสุ่ มตัวอย่าง เที่ยงตรง ค่าใช้จ่ายสูง ใช้เวลานาน
4. การสารวจผูเ้ ชี่ยวชาญ (Opinions of Experts)
•
•
วิธีที่ใช้กนั อย่างแพร่ หลาย “เดลฟาย” (Delphi Method)
เหมาะกับการพยากรณ์เทคโนโลยี (Technology Forecasting)
12
ตัวแบบอนุกรมเวลา
•
•
ใช้ขอ้ มูลที่รวบรวมมาจากอดีตในคาบเวลา (Time Period) ต่างๆ
ตามลาดับเวลา
การพยากรณ์ มีผลมาจากองค์ ประกอบย่ อย 4 ชนิด ได้ แก่
1. แนวโน้ ม (Trend) ::: การเปลี่ยนแปลงขึ้น หรื อลงในระยะยาว
2. ฤดูกาล (Seasonality) ::: การเปลี่ยนแปลงในระยะสั้นที่มีผลจากปัจจัย
ต่างๆ มีรูปแบบเดิมในทุกๆ ปี
3. วัฎจักร (Cycles) ::: การเปลี่ยนแปลงขึ้นหรื อลงที่มีรูปแบบเหมือนเดิม
ในช่วงเวลามากกว่า 1 ปี
4. เหตุเหนือความคาดหมาย (Irregular) ::: การเปลี่ยนแปลงขึ้นลงใน
ระยะเวลาสั้นๆ อย่างไม่แน่นอน
13
กราฟของค่ าพยากรณ์ ทมี่ ผี ลมาจากองค์ ประกอบย่ อย
(ก) แบบแนวระดับ
(ข) แบบแนวโน้ ม
(ค) แบบฤดูกาล
(ง) แบบวัฏจักร
14
การเลือกวิธีการหรือเทคนิคในการพยากรณ์
1.
2.
3.
4.
ช่วงเวลาที่จะพยากรณ์ (Forecast Time Horizon)
ข้อมูลที่สามารถหาได้ (Data Availability)
งบประมาณสาหรับการพยากรณ์ (Forecasting Budget)
บุคลากรที่มีอยู่ (Availability of Qualified Personnel)
เทคนิค :::: การหาค่ าเฉลีย่ (Averaging)
เพื่อลดความคลาดเคลื่อนที่จะเกิดขึ้นกับการพยากรณ์
15
1. การพยากรณ์ แบบนาอีฟ
( Naive Forecast )
•
•
•
•
ค่าพยากรณ์มีค่าเท่ากับค่ายอดขายจริ งคาบที่แล้ว
ข้อดี ::: เร็ ว ค่าใช้จ่ายต่า ใช้งานง่าย
ข้อเสี ย ::: ความเที่ยงตรงต่า
ใช้กบั องค์ประกอบย่อยของฤดูกาลและแนวโน้มได้
16
2. การพยากรณ์ วธิ ีค่าเฉลีย่ เคลือ่ นทีแ่ บบ
ธรรมดา (Simple Moving Average)
• ยอดขายไม่มีการเปลี่ยนแปลงขึ้นหรื อลงอย่างรวดเร็ ว
• ไม่มีผลของฤดูกาลมาเกี่ยวข้อง
• นาข้อมูลในอดีต n ค่ามาเฉลี่ยเพื่อเป็ นค่าพยากรณ์ในคาบต่อไป
Ft = (At-1 + A2-1 + A3-1 + … + An-1 ) / n
• เมื่อ
Ft = ค่าพยากรณ์ยอดขายที่คาบ t
n = จานวนคาบที่จะทาการเฉลี่ย
At-1 = ยอดขายจริ งในคาบที่ t-1
17
ตย.3.1
Demand
Wk
3 wks
9 wks
Wk
Demand
3 wks
9 wks
1
800
11
1,700
1,567
1,467
2
1,400
12
1,500
1,567
1,500
3
1,000
13
2,300
1,633
1,556
4
1,500
1,067
14
2,300
1,833
1,644
5
1,500
1,300
15
2,000
2,033
1,733
6
1,300
1,333
16
1,700
2,200
1,811
7
1,800
1,433
17
1,800
2,000
1,800
8
1,700
1,533
18
2,200
1,833
1,811
9
1,300
1,600
19
1,900
1,900
1,911
10
1,700
1,600
20
2,400
1,967
1,933
1,367
18
ตย.3.1 การหาค่าพยากรณ์โดยวิธีค่าเฉลี่ยเคลื่อนที่
2,800
2,400
demand
2,000
1,600
1,200
Actual
800
3 Week
400
9 Week
0
2
4
6
8
10
12 14
week
16
18
20
22
24
19
การเลือกจานวนคาบ ( n )
• จานวนคาบมาก ::: สนใจผลของข้อมูลในอดีตมาก
• กรณี ขอ้ มูลมีแนวโน้ม :::
ถ้าจานวนคาบน้อยจะได้ค่า
พยากรณ์ที่มีการแกว่งมากกว่าการใช้จานวนคาบมาก
• ถ้าใช้จานวนคาบมาก ส่ งผลให้ค่าพยากรณ์ไม่แสดงแนวโน้ม
20
การพยากรณ์ วธิ ีค่าเฉลีย่ เคลือ่ นที่แบบถ่ วงนา้ หนัก
( Weighted Moving Average )
• ข้อมูลที่เพิ่งจะเกิดขึ้นจะให้น้ าหนักมาก ส่ วนข้อมูลที่เกิดนานแล้วจะให้
น้ าหนักน้อย ตามลาดับเวลา
• Ft = ( W1At-1 + W2A2-1 + W3A3-1 + … + WnAn-1 ) / ∑Wi
• โดยที่ :::
= น้ าหนักของยอดขายจริ งในคาบที่ t-1
W2 = น้ าหนักของยอดขายจริ งในคาบที่ t-2
W3 = น้ าหนักของยอดขายจริ งในคาบที่ t-3
Wn = น้ าหนักของยอดขายจริ งในคาบที่ t-n
n = จานวนคาบในการพยากรณ์
• การเลือกน้ าหนัก ::: วิธีการลองผิดลองถูก (Trial and Error)
W1
21
ตย. 3.2 จงทาการพยากรณ์โดยวิธีค่าเฉลี่ยเคลื่อนที่แบบ
ถ่วงน้ าหนักของเดือนที่ 5 เมื่อข้อมูลในอดีตมีดงั นี้
เดือนที่ 1
100
เดือนที่ 2
90
กาหนดน้ าหนักเป็ น
:::
:::
:::
:::
เดือนที่ 3
105
เดือนที่ 4
95
40% ของยอดขายจริ ง คาบที่เกิดใกล้สุด
30% ของยอดขายจริ ง สาหรับ 2 คาบที่แล้ว
20% ของยอดขายจริ ง สาหรับ 3 คาบที่แล้ว
10% ของยอดขายจริ ง สาหรับ 4 คาบที่แล้ว
22
วิธีทา
• ค่าพยากรณ์ของเดือนที่ 5 จะมีค่าเท่ากับ
F5
=
0.4(95) + 0.3(105) + 0.2(90) + 0.1(100)
=
=
38 + 31.5 + 18 + 10
97.5
23
การพยากรณ์ แบบซิงเกิลเอกซ์ โพเนนเชียล
(Single Exponential Smoothing)
1.
2.
3.
4.
ตัวแบบเอกซ์โพเนนเชียลจะค่อนข้างมีความเที่ยงตรงสู ง
การสร้างตัวแบบเอกซ์โพเนนเชียลค่อนข้างง่าย
ผูใ้ ช้สามารถเข้าใจในการทางานของตัวแบบได้ง่าย
ใช้ขอ้ มูลจานวนจากัด จึ งทาให้สิ้นเปลื องหน่ วยความจา
ของเครื่ องคอมพิวเตอร์นอ้ ย
5. ใช้เวลาในการคานวณน้อย
24
(Single Exponential Smoothing)
• Ft =
(1-α)Ft-1 + αAt-1
• โดยที่
::: Ft = ค่าพยากรณ์ของคาบที่ t
::: Ft-1 = ค่าพยากรณ์ของคาบที่ t-1
::: At-1 = ยอดขายจริ งของคาบที่ t-1
::: α = สัมประสิ ทธิ์การปรับเรี ยบ ( 0 - 1 )
• Alpha : α ค่าสัมประสิ ทธิ์ การปรับเรี ยบ (Smoothing Constant)
• α กาหนดโดยวิธีลองผิดลองถูก ถ้าเข้าใกล้ 0 จะราบเรี ยบกว่า
• α ควรดูจากความคลาดเคลื่อนการพยากรณ์ (Forecast Errors)
25
ตย. 3.3 จงทาการพยากรณ์ ของคาบที่ 12
α = 0.1
t
A
1
α = 0.4
42
Ft
-
Error
-
Ft
-
Error
-
2
40
42.00
-2.00
42.00
-2.00
3
43
41.80
1.20
41.20
1.80
4
40
41.92
-1.92
41.92
-1.92
5
41
41.73
-0.73
41.15
-0.15
6
39
41.66
-2.66
41.09
-2.09
7
46
41.39
4.61
40.25
5.75
8
44
41.85
2.15
42.55
1.45
9
45
42.07
2.93
43.13
1.87
10
38
42.36
-4.36
43.88
-5.88
11
40
41.92
-1.92
41.53
-1.53
12
41.73
40.92
26
Demand
ผลของค่ าพยากรณ์ เมื่อ α ต่ างกัน
48
47
46
45
44
43
42
41
40
39
38
37
36
35
Actual
alpha = 0.1
alpha = 0.4
0
2
4
6
Period
8
10
12
27
ตัวแบบเหตุและผล (Casual Model)
• ตัวแบบอนุกรมเวลา ::: กาหนดให้เวลาเป็ นตัวแปรอิสระ
(แกน X) และยอดขายเป็ นตัวแปรตาม (แกน Y)
• หาความสัมพันธ์ระหว่างปั จจัยซึ่ งเป็ นตัวแปรอิสระ ที่มีผล
ต่อยอดขายซึ่ งเป็ นตัวแปรตาม มาทานายยอดขายในอนาคต
• การวิเคราะห์การถดถอยเชิ งเส้นอย่างง่าย (Simple Linear
Regression Analysis)
28
การวิเคราะห์ การถดถอยอย่ างง่ าย
• Y = a + bx
• เมื่อ
a  y  bx
b 
n  xy 
n x
2
 x y
  x 
2
• โดยที่
•y =
•x =
• a =
• b =
ตัวแปรตาม (Dependent Variables)
ค่าตัวแปรอิสระ (Independent Variables)
จุดตัดแกน Y ( Y intercept )
ความชันของเส้นตรง (Slope of Line )
29
1989
1990
1991
1992
1993
1994
1995
1996
1997
จานวนบ้ านทีไ่ ด้ รับอนุญาตก่อสร้ าง ยอดขาย (ตารางหลา)
18
13,000
15
12,000
11
11,000
10
10,000
20
14,000
28
16,000
35
19,000
30
17,000
20
13,000
30
สมการยอดขายเป็ น y = 6860.5 + 338.3x
20,000
Y
ยอดขาย (ตารางหลา)
18,000
16,000
14,000
12,000
10,000
8,000
6,000
4,000
2,000
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38
จานวนบ้านที่ได้รบั อนุญาตก่อสร้าง
X
31
ตย. 3.5 จงหาสมการยอดขายสิ นค้ า โดยวิธีถดถอยเชิง
เส้ นอย่ างง่ าย
คาบที่
1
2
3
4
5
6
ยอดขาย
600
1,550
1,500
1,500
2,400
3,100
คาบที่
7
8
9
10
11
12
ยอดขาย
2,600
2,900
3,800
4,500
4,000
4,900
32
สมการยอดขาย y = 441.6 + 359.6x
5,000
4,500
4,000
Sale (in Sq.Yds.)
3,500
3,000
2,500
2,000
1,500
1,000
500
0
1
2
3
4
5
6
7
period
8
9
10
11
12
13
33
ตัวแบบจาลองปัญหา (Simulation Models)
•
•
•
•
ใช้หลักการจาลองแบบปัญหามาช่วยในการพยากรณ์
โดยกาหนดสมมติฐาน ปัจจัยภายนอก ปัจจัยภายใน
มักใช้คอมพิวเตอร์มาช่วยในการคานวณ
ข้ อดี :::
สามารถทราบค่าพยากรณ์ เมื่ อปั จจัย ต่ างๆ
เปลี่ยนแปลงไปได้ง่ายและรวดเร็ ว
• ข้ อจากัด ::: ต้องใช้ผมู้ ีความรู้และความเชี่ยวชาญทางด้าน
การจ าลองแบบปั ญ หามาท าการคิ ด ตัว แบบ ซึ่ งใช้ เ วลา
วิเคราะห์นาน
34
ความคลาดเคลือ่ นของค่ าพยากรณ์
( Forecast Errors )
•
ความแตกต่ า งระหว่ า งค่ า ที่ เ กิ ด ขึ้ นจริ งกั บ ค่ า ที่ ไ ด้ จ ากการ
พยากรณ์
• มีผลต่อการเลือกเทคนิคที่จะใช้สาหรับการพยากรณ์
ค่ าความคลาดเคลือ่ น (et) = ค่ าทีเ่ กิดขึน้ จริง (At) – ค่ าพยากรณ์ (Ft)
1. ค่ากลางของความคลาดเคลื่ อนสมบูรณ์ (Mean
absolute
Deviation ; MAD หรื อ Mean Absolute Error ; MAE)
n
MAD 

t 1
et
n
35
ความคลาดเคลือ่ นของค่ าพยากรณ์ (ต่ อ)
( Forecast Errors )
2. ค่ ากลางของความคลาดเคลือ่ นกาลังสอง (Mean Square Error ;
MSE)
n
M SE 

t 1
•
et 
2
n
ใช้การยกกาลังสองมาลดผลจากเครื่ องหมายบวกลบ
3. ค่ า กลางของเปอร์ เซ็ น ต์ ค วามคลาดเคลื่ อ นสั ม บู ร ณ์
(Mean Absolute Percentage Error ; MAPE)
n
A t - Ft
100


M APE  

 n  t =1 A t
36
ตย. 3.6 จากข้ อมูลยอดขาย จงหาค่ าความคลาดเคลือ่ น
ช่ วงเวลา ค่ าจริง (A)
1
217
2
213
3
216
4
210
5
213
6
219
7
216
8
212
รวม
ค่ าพยากรณ์ (F)
215
216
215
214
211
214
217
216
E
2
-3
1
-4
2
5
-1
-4
-2
|E|
2
3
1
4
2
5
1
4
22
E2
4
9
1
16
4
25
1
16
76
37
การคานวณหาค่ าความคลาดเคลือ่ น ( E )
• จากตารางในตัวอย่างที่ 3.6 คานวณหาค่าคลาดเคลื่อน MAD และ
MSE ได้ดงั นี้
• MAD = 2.75
• MSE = 9.5
• วิธีที่นิยมใช้คือ MSE
38
แนวทางในการเลือกเทคนิคสาหรับการพยากรณ์
วิธีการ
พยากรณ์
ค่าเฉลี่ย
เคลื่อนที่แบบ
ธรรมดา
ค่าเฉลี่ย
เคลื่อนที่แบบ
ถ่วงน้ าหนัก
ซิ งเกิลเอกซ์
โพเนนเชียล
จานวน
ข้ อมูล
5 – 10
รู ปแบบ
ข้ อมูล
คงที่
ช่ วงการ
พยากรณ์
สั้น
เวลาทีใ่ ช้
สั้น
ทักษะผู้
พยากรณ์
ต่า
5 – 10
วัฎจักร
หรื อ
ฤดูกาล
ค่อนข้าง
คงที่
สั้น –
กลาง
สั้น
ปานกลาง
สั้น
สั้น
ต่า
5 – 10
39
แนวทางในการเลือกเทคนิคสาหรับการพยากรณ์
วิธีการ
จานวน
รู ปแบบ
ช่ วงการ
พยากรณ์
ข้ อมูล
ข้ อมูล
พยากรณ์
การวิเคราะห์ 10 – 20 แนวโน้ม , สั้น - กลาง
การถดถอย
ฤดูกาล
มีผลของ
เชิงเส้น
ฤดูกาล <=
(อนุกรมเวลา) 5 ข้อมูล/
ฤดูกาล
การวิเคราะห์
10 ค่า
ซับซ้อน สั้น,กลาง
การถดถอย
สังเกต
,ยาว
เชิงเส้น (เหตุ
และผล)
เวลาทีใ่ ช้
สั้น
ยาว ถ้า
ต้องการ
สร้างตัว
แบบสั้น
ทักษะผู้
พยากรณ์
ปานกลาง
สูง
40