What are the Methods of Demand Forecasting – In Hindi

METHODS-min-1

डिमांड फोरकास्टिंग (Demand Forecasting) वह गतिविधि है जिसमें भविष्य की अवधि के लिए किसी उत्पाद या सेवा की मांग का अनुमान लगाया जाता है। मांग के पूर्वानुमान के कई तरीके (Methods of Demand Forecasting) हैं: –

  • पूर्वानुमान का उद्देश्य
  • डेटा की आवश्यकता
  • डेटा उपलब्धता
  • पूर्वानुमान के लिए समय सीमा।

प्रत्येक विधि एक-दूसरे से भिन्न होती है और व्यापार में धन और अन्य कारकों का निवेश करने के लिए, हमें मांग का उचित सटीक पूर्वानुमान लगाने की आवश्यकता होती है। इसलिए, फोरकास्टर को उस विधि का चयन करना चाहिए जो आवश्यकता के अनुसार सबसे उपयुक्त हो। कोई विशेष विधि नहीं है जो संगठनों को भविष्य में जोखिम और अनिश्चितताओं का पूर्वानुमान लगाने में सक्षम बनाती है।

मांग पूर्वानुमान के तरीकों (Methods of Demand Forecasting) को इस प्रकार वर्गीकृत किया जा सकता है:

  • गुणवत्ता / सर्वेक्षण विधि  (QUALITATIVE/ SURVEY METHODS):
    1. उपभोक्ता सर्वेक्षण
    2. संचालन मॉडल
    3. डेल्फी मॉडल
    4. सामान्य ग्रुप तकनीक
  • उपयोगी / सांख्यिकी विधि  (QUANTITATIVE/ STATISTICAL METHODS):
    1. परियोजना का संचालन
    2. बर्थमेट विधि
    3. आर्थिक विधि
    4. अन्य सांख्यिकी तरीके

इन विधियों (Methods of Demand Forecasting) को निम्नानुसार समझाया जा सकता है:

डिमांड फोरकास्टिंग के गुणवत्तापूर्ण तरीके (QUALITATIVE METHODS OF DEMAND FORECASTING):

सर्वेक्षण विधि या गुणात्मक विधि अल्पावधि में मांग की भविष्यवाणी के लिए सबसे अधिक इस्तेमाल की जाने वाली विधियों में से एक है। इसमें उपभोक्ता से सीधे मांग निर्धारित करने के लिए संगठन सर्वेक्षण करते हैं। सर्वेक्षण विधि (Methods of Demand Forecasting) हैं:

उपभोक्ता सर्वेक्षण (Consumer survey):

इस पद्धति में उपभोक्ताओं के साथ सीधा संपर्क शामिल है जो वे पसंद करते हैं और खरीदने का इरादा रखते हैं। सर्वेक्षण विधि उत्पाद और खरीदारों के प्रकार पर निर्भर करती है जिसके लिए सर्वेक्षण आयोजित किया जाना है।

उदाहरण के लिए, यदि कोई उत्पाद उपभोक्ता टिकाऊ है, तो एक नमूना सर्वेक्षण किया जा सकता है कि वे क्या खरीदने की योजना बना रहे हैं और खरीदने का इरादा रखते हैं। यदि कोई उत्पाद बड़े औद्योगिक खरीदारों को बेचा जाता है, तो सर्वेक्षण में उनका साक्षात्कार शामिल होगा।

उपभोक्ता सर्वेक्षण मेल के माध्यम से सीधे संपर्क या प्रश्नावली के माध्यम से हो सकता है। ये सर्वेक्षण आपस में संबंध बनाते हैं

i) मूल्य और मांग

ii) उपभोक्ताओं की मांग और आय

iii) विज्ञापन पर मांग और व्यय।

यह विधि तब उपयोगी है जब —– औद्योगिक खरीदारों को थोक बिक्री की जाती है और उनमें से कुछ से ही संपर्क करना होता है। यह विधि घरों के लिए उपयोगी नहीं है क्योंकि उनका साक्षात्कार करना कठिन होने के साथ-साथ महंगा भी है।

ओपिनियन मॉडल (Opinion model):

इस पद्धति में, बिक्री प्रतिनिधि अपने संबंधित क्षेत्रों में व्यक्तिगत रूप से अनुमानित भविष्य की बिक्री की भविष्यवाणी करते हैं। व्यक्तिगत अनुमान तब कुल अनुमानित भविष्य की बिक्री को निर्धारित करने के लिए एकत्र किए जाते हैं। इस पद्धति का सिद्धांत यह है कि सेल्समैन उपभोक्ताओं के सबसे करीब होते हैं और उन्हें बाजार का अंतरंग अनुभव होता है। वे उपभोक्ताओं की जरूरतों और मांगों में बदलाव के पीछे के कारण को समझने की अधिक संभावना रखते हैं। इस प्रकार, वे कंपनी के उत्पादों के प्रति उपभोक्ता की प्रतिक्रिया का आकलन करने के लिए सबसे उपयुक्त हैं। इसलिए, अच्छी बिक्री कर्मियों वाली कंपनी मांगों का अनुमान लगाने के लिए अपने अनुभवों का उपयोग कर सकती है। इसलिए, इस विधि को Salesforce राय या ग्रासरूट दृष्टिकोण पद्धति भी कहा जाता है।

यद्यपि यह विधि सरल, प्रत्यक्ष, प्रथम हाथ, आसान और स्वीकार्य है, लेकिन इसमें निम्न कमियां शामिल हैं ——-

i) सालेस्पर्सन गंभीरता और देखभाल के साथ मांग अनुमान तैयार नहीं कर सकते हैं

ii) विक्रेता के पास आवश्यक ज्ञान और अनुभव नहीं हो सकता है

iii) प्रत्येक विक्रेता को बाजार के एक छोटे हिस्से के बारे में जानकारी होती है, इस प्रकार, इस पर कुल मांग की भविष्यवाणी करना जोखिम भरा हो सकता है।

डेल्फी विधि (Delphi method):

यह तकनीक 1950 के दशक में रैंड कॉर्पोरेशन में विकसित की गई थी। यह एक समूह प्रक्रिया है जहां विपणन अनुसंधान के क्षेत्र में विशेषज्ञ मांग का पूर्वानुमान लगाते हैं। विशेषज्ञों से प्रश्नावली के एक क्रम के माध्यम से पूछताछ की जाती है जिसमें दूसरे प्रश्नावली को तैयार करने के लिए पहले प्रश्नावली का उपयोग किया जाता है। कुछ विशेषज्ञों के लिए उपलब्ध जानकारी पूर्वानुमान के लिए सभी विशेषज्ञों के साथ साझा की जाती है। नए उत्पादों के लिए संभावित बिक्री का अनुमान लगाने के लिए इस पद्धति का उपयोग दीर्घकालिक पूर्वानुमान के लिए किया जाता है। यह विधि दो शर्तों को मानती है: –

1) पैनलिस्ट को विशेषज्ञता, ज्ञान और अनुभव से समृद्ध होना चाहिए।

2) कंडक्टर अपनी नौकरी में उद्देश्य रखते हैं। यह विधि समय और अन्य संसाधनों को बचाती है।

मांग के पूर्वानुमान का नाममात्र समूह तकनीक (Nominal Group Technique of Demand Forecasting):

यह मूल रूप से डेलबेक और वंदेवन द्वारा विकसित किया गया था। यह डेल्फी विधि का एक और संशोधन है। इस तकनीक में, 10 विशेषज्ञों तक के 3-4 समूहों का एक पैनल बनाया जाता है और सभी सुझावों पर बातचीत, चर्चा और रैंक करने की अनुमति दी जाती है।

इस तकनीक के पहले चरण में, विशेषज्ञों को एक साथ बैठे हुए एक दूसरे से बात करने के लिए कहा जाता है। विशेषज्ञों को पूर्वानुमान की आवश्यकता वाले प्रश्नों के बारे में विचारों की एक सूची लिखने के लिए कहा जाता है। विचारों को लिखने के बाद, व्यवस्थापक प्रत्येक विशेषज्ञ से सबसे अच्छा विचार साझा करने और फ्लिप चार्ट पर दिखाने के लिए कहता है। सभी विशेषज्ञों के विचारों को फ्लिप चार्ट पर दिखाया गया है और लगभग 15-20 विचार सामने आए हैं। इस चरण में, कोई चर्चा नहीं होती है जबकि केवल विचारों की जांच की जाती है।

अगले चरण में, विशेषज्ञ अपने संबंधित विचारों पर चर्चा करते हैं, और समान विचारों को विचारों की संख्या को कम करने के लिए संयोजित किया जाता है। चर्चा के बाद, विशेषज्ञों को प्राथमिकता के बारे में उनकी धारणा के अनुसार विचारों को रैंक करने के लिए कहा जाता है।

डिमांड फोर्किंग का क्वांटिटेटिव / स्टेटिक मैथोड (QUANTITATIVE/STATISTICAL METHODS OF DEMAND FORECASTING):

सांख्यिकीय विधियों का उपयोग तब किया जाता है जब पूर्वानुमान लंबी अवधि के लिए किया जाता है। इन तरीकों से मांग का अनुमान लगाने के लिए समय श्रृंखला और क्रॉस-अनुभागीय डेटा का उपयोग किया जाता है। इन विधियों को निम्न कारणों से अन्य विधियों की तुलना में अधिक श्रेष्ठ माना जाता है:

1) अनुमान वास्तविक हैं।

2) इन विधियों में एक न्यूनतम विषय है।

3) इसमें शामिल लागत न्यूनतम है।

विधियां वैज्ञानिक हैं और आश्रित और स्वतंत्र चर के बीच संबंधों पर आधारित हैं। मात्रात्मक तरीकों में से कुछ हैं:

1. प्रवृत्ति प्रोजेक्शन (Trend Projection):

प्रवृत्ति प्रक्षेपण व्यवसाय में पूर्वानुमान की शास्त्रीय विधि है। इस पद्धति में, पिछले वर्ष की किताबों की किताबों से लिए गए ऐतिहासिक आंकड़ों के विश्लेषण के जरिए बिक्री का पूर्वानुमान लगाया गया है। यह तकनीक मानती है कि पिछले साल की मांग का पैटर्न भविष्य में भी जारी रहेगा। ऐतिहासिक आंकड़ों को कालानुक्रमिक उपज की व्यवस्था की जाती है जिसे ‘समय-श्रृंखला’ कहा जाता है।

समय श्रृंखला डेटा से बना है:

A) सेकुलर ट्रेंड (T) (Secular Trend (T)):

यह एक सामान्य प्रवृत्ति के परिणामस्वरूप होने वाले लंबे समय के परिवर्तनों को संदर्भित करता है।

B) मौसमी बदलाव (S) (Seasonal Variation(S)):

यह अल्पकालिक मौसम के पैटर्न या सामाजिक आदतों में परिवर्तन को संदर्भित करता है।

C) चक्रीय तत्व (C) (Cyclical Element(C)):

यह बूम और अवसाद के दौरान उद्योग में होने वाले परिवर्तनों को संदर्भित करता है।

D) यादृच्छिक भिन्नता (I) (Random Variation (I)):

यह उन कारकों को संदर्भित करता है जो आम तौर पर सक्षम होते हैं जैसे कि युद्ध, हमले, बाढ़, और इसी तरह। यह सबसे लोकप्रिय विधि है क्योंकि यह सरल और सस्ती है।

प्रवृत्ति प्रक्षेपण में अधिक विधियाँ शामिल हैं:

चित्रमय विधि (Graphical Method):

इसमें रेखांकन की मदद से पूर्वानुमान लगाया जाता है। पिछले वर्षों से संबंधित बिक्री को एक ग्राफ पर प्लॉट किया जाता है और पिछले वर्षों में प्रवृत्ति को जानने के लिए प्लॉट किए गए बिंदुओं पर एक रेखा खींची जाती है। यह विधि बहुत सरल है और कम खर्चीली है, लेकिन डेटा फोरकास्टर द्वारा पक्षपाती हो सकता है।

कम से कम चौकोर विधि (Least Square Method):

इसमें एक ट्रेंड लाइन को कम से कम चौकोर प्रतिगमन की मदद से टाइम सीरीज़ के डेटा में फिट किया जा सकता है। इस पद्धति में दो प्रकार के रुझानों पर ध्यान दिया जाता है, जो हैं —

रैखिक प्रवृत्ति (Linear Trend):

It implies the trend in which sales show a rising trend. In this, a straight line trend equation is fitted: S = A+Bt

where S = annual sales,

t = time (in years)

A and B are constant where B gives the measure of the annual increase in sales.  

घातीय प्रवृत्ति (Exponential Trend):

It implies the trend in which sales increase over the past years at an increasing or constant rate. In this, the trend equation be used as Y =aTb

Where Y = Annual sales,   

T= time in years 

a and b are constant.

 This method is very easy and inexpensive to use.

बैरोमीटर की तकनीक (Barometric Technique):

बैरोमीटर एक उपकरण है जो परिवर्तनों को मापता है। यह विधि 1920 में हार्वर्ड इकोनॉमिक सर्विस द्वारा शुरू की गई थी और 1930 के दशक में नेशनल ब्यूरो ऑफ इकोनॉमिक रिसर्च (NBER) द्वारा संशोधित की गई थी। इस पद्धति में, बैरोमीटर तकनीक का उपयोग किया जाता है जो इस विचार पर आधारित हैं कि वर्तमान की कुछ घटनाओं का उपयोग भविष्य में परिवर्तनों के पैटर्न की भविष्यवाणी करने के लिए किया जा सकता है। इसे आर्थिक और सांख्यिकीय संकेतकों जैसे कि बचत, निवेश और आय द्वारा पूरा किया जा सकता है जो आर्थिक परिवर्तन के बैरोमीटर के रूप में काम करते हैं।

आमतौर पर, पूर्वानुमानकर्ता तीन श्रृंखलाओं के साथ एक फर्म की बिक्री को सहसंबंधित करते हैं:

i)अग्रणी श्रृंखला (The Leading Series):

प्रमुख श्रृंखला में उन कारकों को शामिल किया जाता है जो व्यापार चक्र की मंदी या वसूली चरण शुरू होने से पहले ऊपर या नीचे जाते हैं। उदाहरण के लिए, कामकाजी महिलाओं से संबंधित डेटा कामकाजी महिला छात्रावासों की मांग के लिए एक प्रमुख संकेतक के रूप में काम करेगा। प्रमुख संकेतकों के लिए सबसे आम उदाहरण हैं नेट बिजनेस इनवेस्टमेंट इंडेक्स, टिकाऊ सामानों के लिए एक नया ऑर्डर, इन्वेंटरी के मूल्य में बदलाव, टैक्स के बाद कॉर्पोरेट मुनाफा आदि, हालांकि ये संकेतक भविष्य की मांग को समझने का एक तरीका प्रदान करते हैं, उनकी बड़ी खामी यह है कि वे हमेशा सटीक नहीं हो सकते हैं।

ii)संयोग या समवर्ती श्रृंखला  (Coincident or Concurrent Series):

संयोग श्रृंखला में संकेतक शामिल होते हैं जो आर्थिक गतिविधियों के सामान्य स्तर के साथ एक साथ ऊपर या नीचे बढ़ते हैं। संयोग श्रृंखला के लिए सबसे आम उदाहरण हैं बेरोजगारी की दर, विनिर्माण, खुदरा और व्यापारिक क्षेत्रों द्वारा बिक्री, सभी मूल्यों पर सकल राष्ट्रीय उत्पाद।

  iii)लेगिंग सीरीज़  (Lagging Series):

लैगिंग श्रृंखला में संकेतक होते हैं जो होने के बाद होते हैं। इन संकेतकों को समझना बहुत महत्वपूर्ण है कि भविष्य में अर्थव्यवस्था कैसे आकार लेगी क्योंकि ये आर्थिक चक्र का अनुसरण करते हैं। बेरोजगारी के स्तर से संबंधित मुद्रास्फीति और डेटा शीर्ष संकेतक हैं जो अर्थव्यवस्था में प्रदर्शन का विश्लेषण करने में मदद करते हैं।

3.अर्थमितीय विधि  (Econometric method):

यह विधि एक उपकरण है जो भविष्य के विकास का पूर्वानुमान करने के लिए आर्थिक चर के बीच संबंधों को प्रकट करता है। यह पूर्वानुमान के लिए आर्थिक सिद्धांतों के साथ सांख्यिकीय उपकरणों को जोड़ता है। इस विधि को दूसरों की तुलना में अधिक विश्वसनीय माना जाता है। यह मॉडल या तो एकल समीकरण प्रतिगमन मॉडल हो सकता है या एक साथ समीकरणों की प्रणाली से युक्त हो सकता है। अधिकांश वस्तुओं में, एकल समीकरण प्रतिगमन मॉडल का उपयोग किया जाता है, लेकिन उस मामले में जहां आर्थिक चर एक दूसरे से इतने अधिक निर्भर या परस्पर संबंधित होते हैं कि जब तक एक को परिभाषित नहीं किया जाता है, तब तक दूसरे को निर्धारित नहीं किया जा सकता है, और फिर एक साथ समीकरणों की एक प्रणाली का उपयोग किया जाता है पूर्वानुमान। आर्थिक पद्धति में दो मूल विधियां शामिल हैं:

 a) प्रतिगमन विधि (Regression method):

किसी उत्पाद की मांग का पूर्वानुमान लगाने के लिए यह सबसे अधिक इस्तेमाल की जाने वाली विधि है। यह विधि अनुमान के सांख्यिकीय उपकरणों के साथ आर्थिक सिद्धांत को जोड़ती है। आर्थिक सिद्धांत का उपयोग मांग निर्धारकों और उत्पाद की मांग और इसके निर्धारकों के बीच संबंध को निर्दिष्ट करने के लिए किया जाता है। जबकि सांख्यिकीय तकनीकों का उपयोग अनुमानित समीकरण में मापदंडों के मूल्य का अनुमान लगाने के लिए किया जाता है। इस पद्धति के तहत, पहली बात यह है कि मांग फ़ंक्शन का निर्धारण किया जाए। डिमांड फ़ंक्शन को निर्दिष्ट करते समय, यह समझना बहुत महत्वपूर्ण है कि क्या डिमांड सिंगल इंडिपेंडेंट वैरिएबल या मल्टीपल वैरिएबल्स पर निर्भर करती है या नहीं। यदि मांग एकल स्वतंत्र चर पर निर्भर करती है, तो ऐसी मांग फ़ंक्शन को एकल चर मांग फ़ंक्शन कहा जाता है और पूर्वानुमान के लिए एक सरल प्रतिगमन समीकरण का उपयोग किया जाता है। और अगर मांग कई चर पर निर्भर करती है, तो ऐसे मांग फ़ंक्शन को कई चर कार्यों के रूप में जाना जाता है और उत्पाद की मांग का अनुमान लगाने के लिए एक बहुक्रियाशील समीकरण का उपयोग किया जाता है।

उदाहरण के लिए, यदि यह पाया जाता है कि किसी शहर में, जरूरत के सामान की मांग काफी हद तक एक शहर की आबादी पर निर्भर करती है, तो इसे एकल चर मांग फ़ंक्शन माना जाएगा। दूसरी ओर, यदि यह पाया जाता है कि फलों, सब्जियों आदि जैसे उत्पादों की मांग कई चर पर निर्भर करती है जैसे कि उत्पाद की कीमत, विकल्प की कीमतें, उपभोक्ताओं की आय, जनसंख्या इत्यादि। बहु-चर मांग समारोह माना जाएगा।

b) एक साथ समीकरण मॉडल (Simultaneous equation Model):

इस मॉडल में, मांग पूर्वानुमान में कई समकालिक समीकरणों का अनुमान शामिल है। ये समीकरण आम तौर पर व्यवहार समीकरण, बाजार-समाशोधन समीकरण और गणितीय पहचान हैं। यह तकनीक इस धारणा पर आधारित है कि स्वतंत्र चर भिन्नता का परिवर्तन करते हैं लेकिन इसके विपरीत नहीं। दूसरे शब्दों में, स्वतंत्र चर निर्भर चर से प्रभावित नहीं हैं। इसके विपरीत, यह मॉडल आश्रित को स्वतंत्र और स्वतंत्र चर के बीच एक साथ बातचीत का अध्ययन करने में सक्षम बनाता है। इस प्रकार, यह पूर्वानुमान के लिए एक व्यवस्थित और पूर्ण दृष्टिकोण के रूप में माना जाता है क्योंकि यह अनुमान के लिए कई गणितीय और सांख्यिकीय उपकरणों को नियुक्त करता है।

 4.अन्य सांख्यिकीय तरीके  (Other Statistical Methods):

सांख्यिकीय उपकरणों के अलावा, मांग पूर्वानुमान के लिए अन्य तरीके भी हैं। ये तरीके बहुत विशिष्ट हैं और विशेष डेटा सेट के लिए उपयोग किए जाते हैं। इन विधियों का उपयोग सभी प्रकार के अनुसंधानों के लिए नहीं किया जा सकता है। ये तरीके हैं:

a) क्रमांक संख्या (Index Number):

यह उन उपायों को संदर्भित करता है जो समय के संबंध में किसी चर या चर के सेट में उतार-चढ़ाव का अध्ययन करने के लिए उपयोग किए जाते हैं। ये उत्पादों की कीमत और मात्रा जैसे कारकों का अध्ययन करने के लिए अर्थशास्त्र और वित्तीय अनुसंधान में सबसे अधिक उपयोग किए जाने वाले उपाय हैं। सूचकांक संख्या को इस प्रकार वर्गीकृत किया जा सकता है:

i) सरल सूचकांक संख्या (Simple Index Number):

यह उस संख्या को संदर्भित करता है जो आधार वर्ष के संबंध में एकल चर में सापेक्ष परिवर्तन को मापता है।

ii) समग्र सूचकांक संख्या (Composite Index Number):

यह उस संख्या को संदर्भित करता है जो आधार वर्ष के संबंध में चर के सेट में एक सापेक्ष परिवर्तन को मापता है।

iii) मूल्य सूचकांक संख्या (Price Index Number):  

यह उस संख्या को संदर्भित करता है जो विभिन्न समय अवधि में किसी उत्पाद की कीमत में सापेक्ष परिवर्तन को मापता है।

iv) मात्रा सूचकांक संख्या (Quantity Index Number):

यह उस संख्या को संदर्भित करता है जो विभिन्न समय अवधि में उत्पादित, उपभोग या बेची गई वस्तुओं की भौतिक मात्रा में परिवर्तन को मापता है।

b) समय श्रृंखला विश्लेषण  (Time Series Analysis):

यह समान रूप से अंतराल समय अंतराल की अवधि में टिप्पणियों की एक श्रृंखला के विश्लेषण को संदर्भित करता है। यह सार्वजनिक क्षेत्र, अर्थशास्त्र और अनुसंधान जैसे विभिन्न क्षेत्रों में लागू है। इसमें निम्न शामिल हैं:

i) धर्मनिरपेक्ष प्रव्रत्ति (Secular Trend):

यह एक प्रवृत्ति को संदर्भित करता है जिसे टी द्वारा चिह्नित किया गया है और समय की अवधि में प्रचलित है। एक डेटा श्रृंखला के लिए धर्मनिरपेक्ष रुझान प्रवृत्ति के आधार पर ऊपर या नीचे हो सकता है। ऊपर की ओर की प्रवृत्ति चरों में वृद्धि को दर्शाती है जबकि नीचे की ओर की प्रवृत्ति में गिरावट दिखाई देती है।

ii) लघु समय दोलन (Short Time Oscillation):

यह उस प्रवृत्ति को संदर्भित करता है जो कम समय के लिए रहती है। इसे इस प्रकार वर्गीकृत किया जा सकता है:

मौसमी प्रवृत्ति  (Seasonal Trend):

It refers to the trend that occurs year after year for a particular period. The reasons for such trends can be weather conditions, festivals, or some other customs. For example, an increase in the demand for sweets near Diwali or other festivals.

चक्रीय प्रवृत्ति (Cyclical Trend):

यह उस प्रवृत्ति को संदर्भित करता है जो एक वर्ष से अधिक समय तक रहता है। ये प्रवृत्तियाँ न तो निरंतर हैं और न ही मौसमी हैं। उदाहरण के लिए, व्यापार चक्र।

अनियमित प्रवृत्ति (Irregular Trend):

यह उस प्रवृत्ति को संदर्भित करता है जो संक्षिप्त और अप्रत्याशित है। उदाहरण के लिए, ज्वालामुखी विस्फोट, बाढ़ और भूकंप।

c) निर्णय ट्री विश्लेषण (Decision Tree Analysis):

यह उस मॉडल को संदर्भित करता है जिसका उपयोग किसी संगठन में निर्णय लेने के लिए किया जाता है। इस विश्लेषण में, एक समस्या के लिए सबसे अच्छा समाधान खोजने के लिए एक पेड़ के आकार की संरचना तैयार की जाती है। इसमें, सबसे पहले, हमें विभिन्न विकल्पों का पता लगाना होगा जिन्हें हम किसी विशेष समस्या को हल करने के लिए लागू कर सकते हैं। फिर, हम प्रत्येक विकल्प के परिणाम का पता लगाएंगे। निर्णय वृक्ष का प्रवाह बाएं से दाएं होना चाहिए। फ्लो चार्ट में, विकल्प एक वर्ग नोड के साथ जुड़े हुए हैं, और परिणाम एक सर्कल नोड के साथ दिखाए जाते हैं।

संक्षेप में, भविष्य की मांग को निर्धारित करने के कई तरीके हैं लेकिन किस विधि या तकनीक का उपयोग किया जाता है; किसी व्यवसाय के लिए यह एक अत्यंत कठिन प्रक्रिया है। डेटा की संपत्ति और पूर्ण विशेषज्ञों के एक पैनल के साथ भी, भविष्य की भविष्यवाणी करने की कोशिश करना आसान काम नहीं है। इस प्रकार, पूर्वानुमान के तरीकों का चयन करते समय, सभी कारकों पर विचार करना आवश्यक हो जाता है कि क्या आंतरिक या बाहरी।

विषय पढ़ने के लिए धन्यवाद,

कृपया अपनी प्रतिक्रिया कमेंट बॉक्स में कमेंट करें जो आप चाहते हैं। अगर आपका कोई सवाल है तो हमें कमेंट करके पूछें|

Check out Business Economics Books ir?t=tutorstips 21&l=ur2&o=31 - What is Demand Forecasting - Meaning and Definition@ Amazon.in

Leave a Reply