ডিমান্ড ফোরকাস্টিং বা চাহিদার পূর্বাভাস হলো ভবিষ্যতে আপনি কতটুকু পণ্য বিক্রি করবেন তার একটি অনুমান, যাতে আপনি কতটুকু পণ্য কিনবেন এবং মজুদ রাখবেন সে বিষয়ে সিদ্ধান্ত নিতে পারেন।
প্রতিটি ব্যবসা এটি করে থাকে। অধিকাংশ ক্ষেত্রে এটি করা হয় পরোক্ষভাবে — কেউ একজন শেলফের দিকে তাকালেন, গত মাসের কথা ভাবলেন এবং একটি অর্ডার দিলেন। ফরমাল ফোরকাস্টিং বা আনুষ্ঠানিক পূর্বাভাস পদ্ধতি এই প্রক্রিয়ার পরিবর্তে এমন একটি পদ্ধতি নিয়ে আসে যা যাচাই, পরিমাপ এবং উন্নত করা সম্ভব।
এটি গুরুত্বপূর্ণ হওয়ার কারণ এই নয় যে নিখুঁত পূর্বাভাস পাওয়া সম্ভব। এটি সম্ভব নয় এবং যে কোনো প্রক্রিয়া যা অন্য কিছু ধরে নেয়, তা হতাশাই বয়ে আনবে। এটি গুরুত্বপূর্ণ কারণ ভুলের মাত্রা নির্ধারণ করে আপনার কতটুকু সেফটি স্টক প্রয়োজন, আর সেফটি স্টক রাখা ব্যয়বহুল। পণ্যের প্রাপ্যতা না কমিয়ে কম স্টক রাখার একমাত্র উপায় হলো উন্নত পূর্বাভাস।
ডিমান্ড ফোরকাস্টিং কী
একটি পূর্বাভাসের তিনটি অংশ থাকে এবং যে পূর্বাভাসগুলো ভুল হয়, সেগুলোতে সাধারণত এর দুটি অংশ বাদ পড়ে যায়।
একটি সংখ্যা। একটি নির্দিষ্ট সময়ে প্রত্যাশিত ইউনিটের পরিমাণ।
একটি সময়কাল। আগামী সপ্তাহ, আগামী মাস, আগামী কোয়ার্টার। সময়সীমা যত দীর্ঘ হয়, নির্ভুলতা তত কমে যায়। তাই সময়সীমাটি আপনার প্রয়োজনের সাথে সামঞ্জস্যপূর্ণ হওয়া উচিত — অর্ডারের উদ্দেশ্যে করা পূর্বাভাসের ক্ষেত্রে শুধুমাত্র আপনার লিড টাইম এবং রিভিউ পিরিয়ড পর্যন্ত সময়সীমা থাকলেই চলে।
একটি কনফিডেন্স রেঞ্জ বা আস্থার পরিসর। সংখ্যাটি কতটা ভুল হতে পারে। ৫০০ ইউনিটের একটি পূর্বাভাস, যা ৪০০ থেকে ৬০০-এর মধ্যে হতে পারে, তা ২০০ থেকে ৮০০-এর মধ্যে হতে পারে এমন পূর্বাভাসের চেয়ে সম্পূর্ণ আলাদা একটি পরিকল্পনা ইনপুট। যদিও দুটিরই কেন্দ্রীয় সংখ্যা একই। এই পরিসরটিই আপনার বাফার বা সুরক্ষার মাত্রা নির্ধারণ করে, আর এটি ছাড়া আপনার কতটুকু সুরক্ষা রাখা প্রয়োজন তা নির্ধারণ করার কোনো ভিত্তি থাকে না।
পূর্বাভাসগুলো স্তরের ভিত্তিতেও ভিন্ন হয়। একটি নির্দিষ্ট SKU-এর নির্দিষ্ট রঙের পূর্বাভাসের চেয়ে মোট ক্যাটাগরির চাহিদার পূর্বাভাস অনেক বেশি নির্ভরযোগ্য, কারণ একত্রিত করার সময় ভিন্নতাগুলো একে অপরকে বাতিল করে দেয়। এটি জানা জরুরি কারণ এটি ব্যাখ্যা করে যে কেন আপনার টপ-লেভেল সংখ্যাগুলো সঠিক মনে হলেও ব্যক্তিগত পণ্যের পূর্বাভাসগুলো ধারাবাহিকভাবে ভুল হতে পারে।
প্রধান ফোরকাস্টিং পদ্ধতিসমূহ
নেইভ ফোরকাস্টিং (Naïve forecasting)। পরবর্তী সময়কাল সমান গত সময়কাল। এটি বেসলাইন হিসেবে সত্যিই কার্যকর — যদি আপনার অত্যাধুনিক পদ্ধতি এটিকে ছাড়িয়ে যেতে না পারে, তবে সেই জটিলতার কোনো মূল্য নেই।
মুভিং এভারেজ (Moving average)। গত কয়েক মাসের গড়, যা র্যান্ডম বা দৈব পরিবর্তনগুলোকে মসৃণ করে। স্থিতিশীল পণ্যের জন্য এটি সহজ এবং কার্যকর, তবে প্রকৃত পরিবর্তনের ক্ষেত্রে এটি ধীরগতিতে সাড়া দেয় কারণ পুরনো সময়কালগুলো সাম্প্রতিক সময়ের মতোই গুরুত্ব পায়।
ওয়েটেড মুভিং এভারেজ (Weighted moving average)। উপরের মতোই, তবে সাম্প্রতিক সময়কালগুলোকে বেশি গুরুত্ব দেওয়া হয়। এটি কিছু মসৃণতা বজায় রেখে পরিবর্তনের সাথে দ্রুত সাড়া দেয়।
এক্সপোনেনশিয়াল স্মুদিং (Exponential smoothing)। এখানে ওজনগুলো জ্যামিতিক হারে অতীতের দিকে কমতে থাকে, যা একটি একক স্মুদিং ফ্যাক্টর দ্বারা নিয়ন্ত্রিত হয়। একটি উচ্চ ফ্যাক্টর পরিবর্তনের সাথে দ্রুত সাড়া দেয় এবং বেশি নয়েজ তৈরি করে; একটি নিম্ন ফ্যাক্টর স্থিতিশীল এবং ধীর। এটি ব্যবহারিক পূর্বাভাসের মূল ভিত্তি এবং এর বিভিন্ন সংস্করণ ট্রেন্ড ও সিজনালিটি বা ঋতুভিত্তিক চাহিদা সামলাতে পারে।
ট্রেন্ড এবং সিজনাল ডিকম্পোজিশন। ইতিহাসকে একটি অন্তর্নিহিত স্তর, একটি ট্রেন্ড এবং একটি পুনরাবৃত্তিমূলক সিজনাল প্যাটার্নে বিভক্ত করে প্রতিটি প্রজেক্ট করা এবং পুনরায় একত্রিত করা। যেকোনো প্রকৃত সিজনাল বা ঋতুভিত্তিক পণ্যের জন্য এটি প্রয়োজনীয়, যা বেশিরভাগ কনজিউমার গুডসের ক্ষেত্রে প্রযোজ্য।
রিগ্রেশন (Regression)। চাহিদাকে এর চালিকাশক্তিগুলোর সাথে সম্পর্কিত করা — যেমন দাম, মার্কেটিং খরচ, আবহাওয়া, বা কোনো অর্থনৈতিক সূচক। যেখানে প্রকৃত কার্যকারণ সম্পর্ক বিদ্যমান সেখানে এটি শক্তিশালী, কিন্তু যেখানে কাকতালীয় সম্পর্ককে কার্যকারণ মনে করা হয় সেখানে এটি বিভ্রান্তিকর।
কোয়ালিটেটিভ মেথড (Qualitative methods)। সেলস টিমের ইনপুট, গ্রাহকের অভিপ্রায়, বিশেষজ্ঞের মতামত। যেখানে কোনো ইতিহাস নেই সেখানে এটি অপরিহার্য — যেমন নতুন পণ্য, নতুন বাজার, বা নতুন কোনো চ্যানেল। এটি আশাবাদের প্রতি সবচেয়ে বেশি ঝুঁকিপূর্ণ, তাই পূর্বাভাসগুলো রেকর্ড করা এবং পরবর্তীতে সেগুলোর স্কোর যাচাই করা জরুরি।
মেশিন লার্নিং অ্যাপ্রোচ। প্ল্যানিং সফটওয়্যারে এটি ক্রমশ সহজলভ্য হচ্ছে এবং যেখানে আপনার অনেক পণ্য, দীর্ঘ ইতিহাস এবং একাধিক প্রভাবক চলক রয়েছে সেখানে এটি সত্যিই ভালো কাজ করে। তবে বেশিরভাগ অপারেশনের তুলনায় এদের অনেক বেশি ডেটা প্রয়োজন এবং এগুলো ভুল ইনপুট ঠিক করতে পারে না।
ডিমান্ড ফোরকাস্টিংয়ের প্রকারভেদ
পূর্বাভাসগুলোকে বিভিন্নভাবে শ্রেণীবদ্ধ করা হয় এবং এই লেবেলগুলো জানা জরুরি কারণ পরিকল্পনার আলোচনায় মানুষ এগুলোকে সংক্ষিপ্ত রূপ হিসেবে ব্যবহার করে।
সময়সীমার ভিত্তিতে।
- স্বল্পমেয়াদী — কয়েক দিন থেকে কয়েক মাস। এটি রিপ্লেনিশমেন্ট, রিঅর্ডার পয়েন্ট এবং স্টাফিং নিয়ন্ত্রণ করে। এখানে নির্ভুলতা অর্জনযোগ্য এবং এর ফলাফল তাৎক্ষণিক।
- মধ্যমেয়াদী — এক কোয়ার্টার থেকে এক বছর। এটি ক্রয়ের প্রতিশ্রুতি, সরবরাহকারী চুক্তি এবং সিজনাল কেনাকাটা নিয়ন্ত্রণ করে।
- দীর্ঘমেয়াদী — এক বছর বা তার বেশি। এটি সক্ষমতা সংক্রান্ত সিদ্ধান্ত নিয়ন্ত্রণ করে: ওয়্যারহাউস স্পেস, সরঞ্জাম, জনবল। এই পরিসরে নির্ভুলতা প্রত্যাশিতও নয় এবং কার্যকরও নয়; এখানে দিক এবং মাত্রাই মুখ্য।
পরিধির ভিত্তিতে।
- ম্যাক্রো-লেভেল ফোরকাস্টিং বাইরের অবস্থার দিকে নজর দেয় যার মধ্যে আপনার চাহিদা বিদ্যমান — অর্থনীতি, ক্যাটাগরি, বাজার। এটি প্রেক্ষাপট বোঝার জন্য দরকারী কিন্তু এককভাবে খুব কমই কার্যকর।
- মাইক্রো-লেভেল ফোরকাস্টিং একটি নির্দিষ্ট পণ্য, চ্যানেল বা গ্রাহকের দিকে নজর দেয়। এখানেই মূলত অপারেশনাল সিদ্ধান্তগুলো নেওয়া হয়।
দৃষ্টিভঙ্গির ভিত্তিতে।
- প্যাসিভ ফোরকাস্টিং ধারাবাহিকতা ধরে নেয়: যা ঘটেছে তা ঘটতে থাকবে, ট্রেন্ড এবং সিজন অনুযায়ী সমন্বয় করা হবে। এটি স্থিতিশীল ব্যবসার জন্য উপযুক্ত এবং বেশিরভাগ ইনভেন্টরি প্ল্যানিংয়ের জন্য এটিই সঠিক ডিফল্ট পদ্ধতি, কারণ এটি কোনো অতিরঞ্জিত অনুমান করে না।
- অ্যাক্টিভ ফোরকাস্টিং আপনার পরিবর্তনের পরিকল্পনাগুলোকে অন্তর্ভুক্ত করে — যেমন প্রমোশন, নতুন চ্যানেল, দাম বৃদ্ধি, নতুন পণ্য লঞ্চ। যখন অতীত কোনো ভালো নির্দেশক নয় তখন এটি প্রয়োজনীয়, তবে এখানেই আশাবাদ সবচেয়ে বেশি ক্ষতি করে, কারণ পরিকল্পনাকে অনেক সময় পূর্বাভাস হিসেবে ভুল করা হয়।
পদ্ধতির ভিত্তিতে।
- কোয়ালিটেটিভ — বিচারবুদ্ধি, বিক্রয় ইনপুট, বিশেষজ্ঞের মতামত। নতুন পণ্যের ক্ষেত্রে যেখানে কোনো ইতিহাস নেই সেখানে এটি প্রয়োজনীয়, তবে যেখানে ডেটা আছে সেখানে এটি সবচেয়ে কম নির্ভরযোগ্য।
- কোয়ান্টিটেটিভ — মুভিং এভারেজ, এক্সপোনেনশিয়াল স্মুদিং, রিগ্রেশন, সিজনাল ডিকম্পোজিশন। যেখানে ইতিহাস পাওয়া যায় এবং চাহিদা মোটামুটি স্থিতিশীল, সেখানে এটি নির্ভরযোগ্য।
- AI-ভিত্তিক এবং মেশিন-লার্নিং — এমন মডেল যা একসাথে অনেক চলক বিবেচনা করে এবং এমন প্যাটার্ন খুঁজে বের করে যা সাধারণ টাইম সিরিজে ধরা পড়ে না: আবহাওয়া, মূল্য নির্ধারণ, প্রতিযোগীদের আচরণ, ওয়েব ট্রাফিক, প্রমোশনাল ওভারল্যাপ। এগুলো বড় পরিসরে, প্রচুর ইতিহাসসহ অনেক SKU-এর ক্ষেত্রে কার্যকর। তবে এগুলো পরিষ্কার ডেটার বিকল্প নয়। বিক্রয় ইতিহাসে যদি স্টকআউটের সময়কাল চিহ্নিত না করা থাকে, তবে সেই ডেটা দিয়ে প্রশিক্ষিত মডেল স্প্রেডশিটের চেয়েও দ্রুত এবং আত্মবিশ্বাসের সাথে ভুল শিখবে।
ব্যবহারিক পয়েন্ট: বেশিরভাগ ব্যবসার জন্য তাদের পণ্যের বড় অংশের ক্ষেত্রে স্বল্পমেয়াদী, মাইক্রো-লেভেল, প্যাসিভ কোয়ান্টিটেটিভ ফোরকাস্টিং প্রয়োজন, আর হাতেগোনা কিছু পণ্যের ক্ষেত্রে যেখানে ইচ্ছাকৃতভাবে পরিবর্তন আনা হচ্ছে, সেখানে অ্যাক্টিভ ফোরকাস্টিং যোগ করা উচিত। মৌলিক পদ্ধতি কাজ করার আগেই অত্যাধুনিক পদ্ধতির দিকে ঝুঁকে পড়া এই ক্ষেত্রে সবচেয়ে সাধারণ এবং ব্যয়বহুল ভুল।
বাস্তবে ডিমান্ড ফোরকাস্টিং যেভাবে করবেন
১. প্রথমে ইতিহাস পরিষ্কার করুন। এই ধাপটিই নির্ধারণ করে যে এর পরের সবকিছু করার মতো কি না।
সবচেয়ে গুরুত্বপূর্ণ সংশোধন হলো স্টকআউট। বিক্রয় ইতিহাসে রেকর্ড থাকে আপনি কী বিক্রি করেছেন, গ্রাহক কী চেয়েছিলেন তা নয়। যে সময়ে আপনার স্টক ছিল না, সেখানে কম বিক্রয় দেখাবে এবং তা পূর্বাভাসে ইনপুট দিলে মডেল মনে করবে চাহিদা কম — ঠিক সেই পণ্যের ক্ষেত্রেই যা আপনার জন্য ব্যর্থ হয়েছে। স্টকআউটের সময়কালগুলো চিহ্নিত করুন এবং হয় সেগুলো বাদ দিন অথবা হারানো চাহিদার অনুমান করুন।
এছাড়া এককালীন ঘটনাগুলো বাদ দিন: একটি বড় অর্ডার যা আর পুনরাবৃত্তি হবে না, ক্লিয়ারেন্স সেল, ডেটা ত্রুটি। প্রমোশনের মতো প্রকৃত পুনরাবৃত্তিমূলক প্যাটার্নগুলো রাখুন, তবে সেগুলো চিহ্নিত করুন যাতে বোঝা যায় এগুলো প্রমোশন, বেসলাইন নয়।
২. স্তর নির্বাচন করুন। যে স্তরে আপনি সিদ্ধান্ত নেবেন সেই স্তরেই পূর্বাভাস দিন। যদি আপনি SKU অনুযায়ী অর্ডার করেন, তবে আপনার SKU-লেভেল পূর্বাভাস প্রয়োজন, তবে আপনি ক্যাটাগরির পূর্বাভাস দিয়ে এবং সাম্প্রতিক শেয়ার অনুযায়ী ভাগ করে সেগুলো তৈরি করতে পারেন, যা প্রতিটি SKU আলাদাভাবে পূর্বাভাস দেওয়ার চেয়ে বেশি স্থিতিশীল।
৩. পণ্য গ্রুপ অনুযায়ী পদ্ধতি বেছে নিন। স্থিতিশীল উচ্চ-ভলিউমের পণ্যগুলোর জন্য এক্সপোনেনশিয়াল স্মুদিং উপযুক্ত। সিজনাল পণ্যগুলোর জন্য সিজনাল ডিকম্পোজিশন প্রয়োজন। অনিয়মিত ধীরগতির পণ্যগুলোর জন্য সাধারণ গড় এবং একটি ভালো বাফার রাখা সবচেয়ে ভালো, কারণ অত্যাধুনিক পদ্ধতিগুলো নয়েজ বা অপ্রয়োজনীয় ডেটাকেও প্যাটার্ন হিসেবে ধরে নেয়।
৪. বিচারবুদ্ধি প্রয়োগ করুন এবং তা রেকর্ড করুন। ইতিহাস যা জানে না তার জন্য সমন্বয় করুন — যেমন নতুন কোনো ডিল, প্রতিযোগীর বাজার থেকে বেরিয়ে যাওয়া, দাম পরিবর্তন, প্রমোশন। পরিসংখ্যানগত পূর্বাভাস থেকে সমন্বয়টি আলাদাভাবে রেকর্ড করুন যাতে পরবর্তীতে আপনি যাচাই করতে পারেন যে আপনার হস্তক্ষেপগুলো কাজে দিয়েছে কি না। অনেকেই এটি করেন না।
৫. ভুলের পরিমাপ করুন। এটি ছাড়া এটি কোনো প্রক্রিয়া নয়, এটি একটি অভ্যাস মাত্র।
৬. নিয়মিত পর্যালোচনা এবং সমন্বয় করুন। বেশিরভাগ অপারেশনের জন্য মাসিক পর্যালোচনা প্রয়োজন। এর উদ্দেশ্য হলো যেসব পণ্যের প্যাটার্ন পরিবর্তিত হয়েছে সেগুলো ধরা, যেসব সংখ্যা ঠিক আছে সেগুলোকে বারবার পরিবর্তন করা নয়।
ফোরকাস্ট বা পূর্বাভাসের নির্ভুলতা পরিমাপ
তিনটি পরিমাপ পদ্ধতি বেশিরভাগ চাহিদা পূরণ করে।
MAPE — মিন অ্যাবসোলিউট পার্সেন্টেজ এরর (গড় পরম শতাংশ ত্রুটি)। প্রকৃত চাহিদার শতাংশ হিসেবে গড় ত্রুটি। এটি স্বজ্ঞাত এবং ব্যাপকভাবে ব্যবহৃত হয়। এর দুর্বলতা হলো, কম ভলিউমের ক্ষেত্রে এটি মারাত্মকভাবে বিকৃত হয়: তিন ইউনিটের ফোরকাস্টে দুই ইউনিট ভুল হওয়া মানে ৬৭% ত্রুটি, যার কোনো অর্থ নেই।
MAD — মিন অ্যাবসোলিউট ডেভিয়েশন (গড় পরম বিচ্যুতি)। দিক বিবেচনা না করে ইউনিটের হিসেবে গড় ত্রুটি। এটি কার্যকর কারণ এটি সরাসরি সেফটি স্টক গণনায় ব্যবহৃত হয়।
Bias (বায়াস বা পক্ষপাত)। দিক বজায় রেখে গড় ত্রুটি। এটি প্রায়শই এড়িয়ে যাওয়া হয়, অথচ এটিই সবচেয়ে তথ্যবহুল। যদি আপনার ত্রুটিগুলো গড়ে শূন্যের কাছাকাছি থাকে, তবে আপনি যতবার বেশি ফোরকাস্ট করছেন ততবারই কমও করছেন — এটি এক ধরনের নয়েজ, যা বাফার দিয়ে সামলানো যায়। যদি এগুলো ধারাবাহিকভাবে পজিটিভ বা নেগেটিভ হয়, তবে আপনার একটি পদ্ধতিগত সমস্যা আছে এবং কোনো পরিমাণ সেফটি স্টকই এমন ফোরকাস্ট ঠিক করতে পারবে না যা সবসময় কম থাকে।
সামগ্রিকভাবে না দেখে পণ্যের গ্রুপ অনুযায়ী পরিমাপ করুন, কারণ একটি ভালো সামগ্রিক সংখ্যা প্রায়শই এমন কিছু খারাপভাবে ফোরকাস্ট করা লাইনকে আড়াল করে রাখে যা প্রকৃত ক্ষতি করছে।
নাঈভ বেসলাইনের (naïve baseline) সাথে তুলনা করুন। যদি আপনার পদ্ধতি “গত মাসের মতোই” এই ধারণাকে হারাতে না পারে, তবে পদ্ধতি সহজ করুন।
কেন এটি কখনোই নিখুঁত হয় না (এবং তা ঠিক আছে)
ফোরকাস্ট বা পূর্বাভাস ভুল হয়। প্রয়োজনীয় প্রশ্নগুলো হলো ভুলটি কতটা, কোন দিকে এবং ত্রুটিটি পরিকল্পনা করার মতো যথেষ্ট স্থিতিশীল কি না।
এ কারণেই ফোরকাস্টিং এবং সেফটি স্টক একই আলোচনার বিষয়। ফোরকাস্ট আপনাকে প্রত্যাশিত চাহিদা দেয়; ফোরকাস্ট এরর বা ত্রুটি আপনাকে সেই পরিবর্তনশীলতা দেয় যা সামলানোর জন্য সেফটি স্টক থাকে। ফোরকাস্ট উন্নত করুন, একই সার্ভিস লেভেলের জন্য প্রয়োজনীয় বাফার কমে যাবে। ফোরকাস্টিংয়ে বিনিয়োগের পুরো বাণিজ্যিক যুক্তি এটাই এবং এটি পরিমাপযোগ্য।
এটিও মেনে নিন যে কিছু পণ্য সত্যিই ফোরকাস্ট করা অসম্ভব। খুব ধীরগতির পণ্য, এককালীন প্রজেক্ট আইটেম, বাইরের কোনো ঘটনার দ্বারা চালিত যেকোনো কিছু যা কেউ অনুমান করতে পারে না। এগুলোর জন্য সৎ উত্তর হলো একটি ভিন্ন কৌশল — মেক টু অর্ডার, সাপ্লায়ার স্টক রাখা, দীর্ঘ লিড টাইম মেনে নেওয়া — কোনো ভালো মডেলের চেয়ে এটিই বেশি কার্যকর।
মৌসুমি এবং প্রচারণামূলক চাহিদার ফোরকাস্টিং
দুটি প্যাটার্ন বেশিরভাগ সমস্যার সৃষ্টি করে এবং উভয়কেই আলাদাভাবে সামলানো প্রয়োজন, কেবল এই আশায় বসে থাকা উচিত নয় যে কোনো সাধারণ পদ্ধতি এগুলোকে শুষে নেবে।
সিজনালিটি বা মৌসুমি প্রবণতা হলো ক্যালেন্ডারের সাথে যুক্ত একটি পুনরাবৃত্তিমূলক প্যাটার্ন। ভুলটি হলো মৌসুমি পিক বা সর্বোচ্চ চাহিদাকে প্রবৃদ্ধি হিসেবে গণ্য করা। ডিসেম্বরে চার গুণ বেশি বিক্রি হওয়া পণ্যের ক্ষেত্রে মুভিং এভারেজ প্রয়োগ করলে তা জানুয়ারিতে পিকটিকে উপরের দিকে তাড়া করবে, অনেক বেশি অর্ডার করবে এবং তারপর বসন্তকালে আবার নিচে নামিয়ে আনবে।
এটি সঠিকভাবে সামলানোর অর্থ হলো মৌসুমি ফ্যাক্টরকে মূল লেভেল থেকে আলাদা করা। কয়েক বছর ধরে বার্ষিক গড়ের সাথে প্রতিটি সময়ের চাহিদার অনুপাত গণনা করুন, তাহলে আপনি এক সেট সিজনাল ইনডেক্স পাবেন — ডিসেম্বর ২.৪, জানুয়ারি ০.৬ ইত্যাদি। মূল লেভেলের ফোরকাস্ট করুন, তারপর আপনি যে সময়ের জন্য ফোরকাস্ট করছেন তার ইনডেক্স প্রয়োগ করুন।
দুটি সতর্কতা। সিজনাল ইনডেক্স অর্থবহ হওয়ার আগে আপনার অন্তত দুটি পূর্ণ চক্রের ইতিহাস প্রয়োজন, তিনটি হলে আরও ভালো। এবং সিজনালিটি পরিবর্তিত হয় — ইস্টার সরে যায়, কেনাকাটার অভ্যাসের পরিবর্তনের সাথে সাথে পিক ট্রেডিং সপ্তাহগুলো পরিবর্তিত হয় এবং পাঁচ বছরের পুরনো ডেটা থেকে গণনা করা ইনডেক্স এমন একটি প্যাটার্ন বর্ণনা করতে পারে যা আর নেই।
প্রমোশন বা প্রচারণা বেশিরভাগ ব্যবসায় বড় সমস্যা, কারণ এগুলো একই সাথে উল্লেখযোগ্য এবং নিজের তৈরি করা। একটি প্রমোশন এক সপ্তাহের জন্য চাহিদাকে কয়েক গুণ বাড়িয়ে দিতে পারে এবং সেই স্পাইকটি আপনার ইতিহাসে থেকে যায়, যা পরবর্তী প্রতিটি ফোরকাস্টকে বিকৃত করে।
যে নিয়মগুলো সাহায্য করে:
- ডেটাতে প্রমোশনাল পিরিয়ড চিহ্নিত করুন যাতে স্ট্যাটিস্টিক্যাল ফোরকাস্ট সেগুলোকে বাদ দিতে বা সমন্বয় করতে পারে।
- প্রমোশনাল আপলিফট বা চাহিদা বৃদ্ধিকে আলাদাভাবে ফোরকাস্ট করুন বেসলাইন চাহিদা থেকে, কারো মনে হওয়া কোনো শতাংশের পরিবর্তে তুলনামূলক অতীতের প্রমোশনের ফলাফল ব্যবহার করে।
- পরবর্তী সময়ের চাহিদা কমে যাওয়ার বিষয়টি হিসাব করুন। প্রমোশন প্রায়শই চাহিদাকে তৈরি করার চেয়ে বরং এগিয়ে নিয়ে আসে, তাই পরবর্তী সপ্তাহগুলোতে চাহিদা বেসলাইনের নিচে নেমে যায়। পিক বা সর্বোচ্চ চাহিদার ফোরকাস্ট করার সময় যদি এই ঘাটতি উপেক্ষা করেন, তবে আপনি দুবার ওভার-স্টকড হয়ে পড়বেন।
- প্রমোশনাল ক্যালেন্ডার আগেভাগে সংগ্রহ করুন। প্রমোশনাল স্টকআউটের সবচেয়ে সাধারণ কারণ হলো ওয়্যারহাউস গ্রাহকদের সাথে একই সময়ে প্রমোশন সম্পর্কে জানতে পারে।
ফোরকাস্টের মালিক কে
ফোরকাস্টিং প্রযুক্তিগতভাবে ব্যর্থ হওয়ার চেয়ে সাংগঠনিকভাবে বেশি ব্যর্থ হয় এবং এই প্যাটার্নটি সামঞ্জস্যপূর্ণ।
সেলস টিম আশাবাদী ফোরকাস্ট করে, কারণ লক্ষ্যমাত্রা এবং ফোরকাস্ট গুলিয়ে ফেলা হয় এবং কেউ লক্ষ্যমাত্রার নিচে ফোরকাস্ট করতে চায় না। অপারেশনস রক্ষণশীল ফোরকাস্ট করে, কারণ তারা অতিরিক্ত স্টকের খরচ বহন করে এবং স্টকআউটের জন্য দোষী হয়। ফাইন্যান্স এমন একটি সংখ্যা চায় যা পরিকল্পনার সাথে মেলে। প্রত্যেকে আলাদা সংখ্যা তৈরি করে এবং ব্যবসা শেষ পর্যন্ত সেই ব্যক্তির কথা অনুযায়ী চলে যে সবচেয়ে জোরালো যুক্তি দেয়।
যা আরও ভালো কাজ করে:
একটি সংখ্যা, একটি ফাংশনের মালিকানাধীন। সাধারণত প্ল্যানিং বা অপারেশনস, যেখানে সেলস থেকে কাঠামোগত ইনপুট থাকে, সমান্তরালভাবে আলাদা কোনো সেলস ফোরকাস্ট চলে না।
ফোরকাস্টকে লক্ষ্যমাত্রা থেকে আলাদা করুন। লক্ষ্যমাত্রা হলো আপনি যা অর্জন করতে চান। ফোরকাস্ট হলো আপনি যা ঘটার আশা করেন। এগুলো গুলিয়ে ফেললে ফোরকাস্ট যে উপরের দিকে পক্ষপাতদুষ্ট হবে তা নিশ্চিত এবং স্টকও সে অনুযায়ী হবে।
সমন্বয়গুলোর স্কোর করুন। যখন কেউ স্ট্যাটিস্টিক্যাল ফোরকাস্টকে ওভাররাইড করে, তখন তা রেকর্ড করুন এবং পরে পর্যালোচনা করুন যে সেই ওভাররাইড নির্ভুলতা উন্নত করেছে কি না। এটি অস্বস্তিকর এবং কার বিচার বিবেচনা প্রয়োগ করার মতো আর কার নয়, তা খুঁজে বের করার দ্রুততম উপায়।
খরচ দৃশ্যমান করুন। ফোরকাস্ট এররের একটি মূল্য আছে — অতিরিক্ত স্টক, রাইট-অফ, দ্রুত পণ্য পরিবহনের খরচ, হারিয়ে যাওয়া বিক্রি। এই সংখ্যাটিকে প্রক্রিয়ার সাথে যুক্ত করাই সাধারণত ফোরকাস্টিংকে একটি প্রশাসনিক কাজ থেকে এমন কিছুতে পরিণত করে যা মানুষ গুরুত্ব সহকারে নেয়।
ফোরকাস্টিং কীভাবে বাকি বিষয়ের সাথে যুক্ত
- রিঅর্ডার পয়েন্ট লিড টাইমের ওপর ফোরকাস্ট চাহিদা ব্যবহার করে।
- সেফটি স্টক ফোরকাস্ট এরর থেকে নির্ধারিত হয়।
- পারচেজিং ফোরকাস্টের বিপরীতে মূলধন বিনিয়োগ করে, যেখানে ত্রুটিগুলো ব্যয়বহুল হয়ে ওঠে।
- ওয়্যারহাউস ক্যাপাসিটি পরিকল্পনা প্রত্যাশিত ভলিউমের ওপর নির্ভর করে এবং এটি ভুল হলে নভেম্বরে জায়গা না পাওয়ার মতো সমস্যা দেখা দেয়।
- লেবার প্ল্যানিং ইউনিটের পরিবর্তে প্রত্যাশিত অর্ডারের ভলিউম অনুসরণ করে।
- সাপ্লায়ার সম্পর্ক উন্নত হয় যখন আপনি ফোরকাস্ট শেয়ার করেন, কারণ তারা উৎপাদন পরিকল্পনা করতে পারে এবং উপযুক্ত স্টক রাখতে পারে।
শেষের বিষয়টি কম ব্যবহৃত হয়। একজন সাপ্লায়ারকে আপনার প্রত্যাশিত চাহিদার দৃশ্যমানতা দিলে তারা সাধারণত তাদের লিড টাইম কমাতে এবং স্থিতিশীল করতে পারে, যা একটি ভালো মডেলের চেয়েও আপনার সেফটি স্টকের প্রয়োজনীয়তা বেশি কমায়।
একটি কার্যকর উদাহরণ
বারো মাসের ইতিহাস আছে এমন একটি পণ্য নিন এবং ফোরকাস্টে আসলে কী কী জড়িত তা দেখুন।
মাসিক বিক্রি মোটামুটি: ২১০, ১৯৫, ২৩০, ২৪০, ২১৫, ২২৫, ২৬০, ২৫০, ২৪৫, ২৮০, ৫২০, ৩১০।
তাৎক্ষণিক পর্যবেক্ষণ হলো ৫২০-এ নভেম্বর মাসটি মূল প্যাটার্নের অংশ নয় — এটি একটি সিজনাল পিক। সেপ্টেম্বর, অক্টোবর এবং নভেম্বরের তিন মাসের মুভিং এভারেজ থেকে ডিসেম্বরের ফোরকাস্ট করলে হয় (২৪৫ + ২৮০ + ৫২০) ÷ ৩ = ৩৪৮, যা উল্লেখযোগ্যভাবে বেশি অর্ডার করে কারণ এটি পিকটিকে নতুন স্বাভাবিক হিসেবে গণ্য করে।
এটি সঠিকভাবে সামলানোর উপায়:
সিজনাল মাসটিকে আলাদা করুন। নভেম্বর বাদ দিলে, বাকি এগারো মাসের গড় প্রায় ২৪১ ইউনিট, যার একটি মৃদু ঊর্ধ্বমুখী প্রবণতা রয়েছে। সেই ২৪১ হলো আপনার মূল লেভেল।
সিজনাল ইনডেক্স গণনা করুন। ২৪১-এর বেসলাইনের বিপরীতে নভেম্বরের ৫২০-এর ইনডেক্স প্রায় ২.২। যদি আগের বছরে একই ধরনের অনুপাত দেখা যায়, তবে আপনি এটি বিশ্বাস করতে পারেন; মাত্র এক বছরের ইতিহাস থাকলে, এটিকে সাময়িক হিসেবে গণ্য করুন।
লেভেলটি সামনের দিকে ফোরকাস্ট করুন। সারা বছর ধরে প্রবণতাটি মৃদু ঊর্ধ্বমুখী — শুরুতে প্রায় ২০০, পিক বাদ দিয়ে শরৎকালে ২৬০ — তাই আগামী মাসের জন্য একটি যুক্তিসঙ্গত লেভেল ফোরকাস্ট হলো প্রায় ২৬৫।
প্রাসঙ্গিক হলে ইনডেক্স প্রয়োগ করুন। ডিসেম্বর এখানে পিক মাস নয়, তাই ফোরকাস্ট ২৬৫-এর কাছাকাছি থাকে।
ত্রুটি অনুমান করুন। মূল প্রবণতা থেকে মাস-ভিত্তিক বিচ্যুতি প্রায় ২০ ইউনিটের মতো, তাই ২০-এর কাছাকাছি স্ট্যান্ডার্ড ডেভিয়েশন একটি যুক্তিসঙ্গত কাজের সংখ্যা। ৯৫% সার্ভিস লেভেলে, সেফটি স্টক হলো প্রায় ১.৬৫ × ২০ × মাসে লিড টাইমের বর্গমূল।
এটি বিস্তারিত আলোচনার মূল উদ্দেশ্য হলো, বেশিরভাগ কাজই হলো ইতিহাস কী বোঝায় সে সম্পর্কে বিচার-বিবেচনা করা, পাটিগণিত নয়। নভেম্বর মাসটি প্রবৃদ্ধি নয় বরং সিজনাল, এই সিদ্ধান্ত নেওয়াই ঠিক করে দেয় যে পরবর্তী অর্ডারটি সঠিক হবে কি না, এবং এক বছরের ডেটার ওপর কোনো পদ্ধতিই আপনার হয়ে সেই সিদ্ধান্ত নিতে পারবে না।
আরও বিস্তারিত জানতে
- সেফটি স্টক কী — যা সরাসরি ফোরকাস্ট এরর বা পূর্বাভাসের ত্রুটির ওপর ভিত্তি করে নির্ধারণ করা হয়।
- রিঅর্ডার পয়েন্ট কী — যেখানে পূর্বাভাস প্রয়োগ করা হয়।
- ইনভেন্টরি ম্যানেজমেন্ট টেকনিক — সামগ্রিক টুলকিট।
- স্টকআউট কী — যে ব্যর্থতা কমানোর জন্য পূর্বাভাস ব্যবহার করা হয়।
- ইনভেন্টরি টার্নওভার কী — যা উন্নত পূর্বাভাস ব্যবস্থার মাধ্যমে বৃদ্ধি পায়।
- কীভাবে ইনভেন্টরি ম্যানেজ করবেন — সেই প্রক্রিয়া যার অংশ হিসেবে এটি কাজ করে।
এক কথায় মূল কথা
ডিমান্ড ফোরকাস্টিং বা চাহিদার পূর্বাভাস ভবিষ্যতের বিক্রয় অনুমান করে, যাতে আপনি কী কিনবেন তা সিদ্ধান্ত নিতে পারেন — এবং যেহেতু পূর্বাভাস ভুল হতে পারে, তাই সবচেয়ে গুরুত্বপূর্ণ বিষয় হলো ত্রুটির পরিমাণ ও দিক, কারণ এটিই নির্ধারণ করে যে আপনাকে কতটা সেফটি স্টক রাখতে হবে।
সচরাচর জিজ্ঞাসিত প্রশ্নাবলী
ডিমান্ড ফোরকাস্টিং কী? একটি নির্দিষ্ট সময়ের জন্য পণ্যের ভবিষ্যৎ চাহিদা অনুমান করা, যাতে কতটুকু স্টক কেনা ও রাখা হবে তা সিদ্ধান্ত নেওয়া যায়।
ডিমান্ড ফোরকাস্টিংয়ের প্রধান পদ্ধতিগুলো কী কী? মুভিং এভারেজ, ওয়েটেড মুভিং এভারেজ, এক্সপোনেনশিয়াল স্মুদিং, ট্রেন্ড অ্যান্ড সিজনাল ডিকম্পোজিশন, রিগ্রেশন এগেইনস্ট কজাল ভেরিয়েবলস এবং গুণগত বিচারবুদ্ধি। বেশিরভাগ অপারেশন স্থিতিশীল পণ্যের জন্য এক্সপোনেনশিয়াল স্মুদিং এবং পুনরাবৃত্তিমূলক প্যাটার্নযুক্ত পণ্যের জন্য সিজনাল ডিকম্পোজিশন ব্যবহার করে।
ডিমান্ড ফোরকাস্টিং কতটা নির্ভুল হওয়া উচিত? এর কোনো সর্বজনীন মান নেই, কারণ নির্ভুলতা নির্ভর করে আপনার চাহিদার পরিবর্তনশীলতার ওপর। কার্যকর পরীক্ষাটি হলো, আপনার পদ্ধতিটি কি “গত সময়ের সমান” এই সাধারণ পূর্বাভাসকে ছাড়িয়ে যেতে পারছে কি না এবং আপনার ত্রুটি কি নিরপেক্ষ, নাকি ধারাবাহিকভাবে বেশি বা কম হচ্ছে।
MAPE এবং বায়াস-এর মধ্যে পার্থক্য কী? MAPE ত্রুটির দিক নির্বিশেষে এর গড় আকার পরিমাপ করে। বায়াস পরিমাপ করে ত্রুটিগুলো ধারাবাহিকভাবে কোনো একদিকে ঝুঁকে আছে কি না। একটি পূর্বাভাসের MAPE গ্রহণযোগ্য হতে পারে কিন্তু তাতে গুরুতর বায়াস থাকতে পারে, যা আরও ক্ষতিকর সমস্যা, কারণ সেফটি স্টক কোনো পদ্ধতিগত বিচ্যুতি সংশোধন করতে পারে না।
নতুন পণ্যের চাহিদা কীভাবে পূর্বাভাস করব? যেহেতু কোনো অতীত তথ্য নেই, তাই আপনাকে অ্যানালগ বা অনুরূপ পণ্যের লঞ্চের তথ্যের ওপর নির্ভর করতে হবে, সেই সাথে বিক্রয় দলের গুণগত ইনপুট এবং প্রি-অর্ডার বা অনুসন্ধানের ডেটা ব্যবহার করতে হবে। শুরুতে বড় ধরনের ত্রুটির আশা করুন এবং প্যাটার্ন তৈরি না হওয়া পর্যন্ত মাসিক পর্যালোচনার পরিবর্তে সাপ্তাহিক পর্যালোচনা করুন।
কেন আমার অতীত তথ্য থেকে স্টকআউট সময়কাল বাদ দেওয়া উচিত? কারণ স্টকআউটের সময় বিক্রয় মূলত পণ্যের প্রাপ্যতার রেকর্ড, চাহিদার নয়। এগুলো অন্তর্ভুক্ত করলে পূর্বাভাস ব্যবস্থাকে ভুল শেখানো হয় যে চাহিদা প্রকৃত চাহিদার চেয়ে কম, বিশেষ করে সেই পণ্যগুলোর ক্ষেত্রে যেগুলো আগেই শেষ হয়ে গিয়েছিল।
কতদূর পর্যন্ত পূর্বাভাস দেওয়া উচিত? আপনার লিড টাইম এবং রিভিউ পিরিয়ড কভার করার জন্য যতটুকু প্রয়োজন, তার চেয়ে বেশি নয়। সক্ষমতা, বাজেট এবং সরবরাহকারী পরিকল্পনার জন্য দীর্ঘমেয়াদী পূর্বাভাসের প্রয়োজন হয়, তবে সেগুলোকে আলাদা বিষয় হিসেবে দেখা উচিত এবং সেগুলোর ক্ষেত্রে সহনশীলতার মাত্রা বেশি রাখা উচিত, অর্ডারের সংখ্যা নির্ধারণের জন্য নয়।
উন্নত পূর্বাভাস কি ইনভেন্টরি কমায়? হ্যাঁ, পরোক্ষভাবে এবং পরিমাপযোগ্যভাবে। সেফটি স্টকের আকার নির্ধারিত হয় ফোরকাস্ট এরর বা পূর্বাভাসের ত্রুটির ওপর ভিত্তি করে, তাই ত্রুটি কমালে একই সার্ভিস লেভেল বজায় রাখার জন্য প্রয়োজনীয় বাফারের পরিমাণও কমে যায়। এটি পূর্বাভাস প্রক্রিয়ায় বিনিয়োগের সবচেয়ে স্পষ্ট আর্থিক যুক্তি।
Warehouse Wise হলো ইনভেন্টরি ম্যানেজমেন্ট, ওয়্যারহাউজিং এবং ফুলফিলমেন্ট বিষয়ক গাইডের একটি মুক্ত ও স্বতন্ত্র লাইব্রেরি। এটি বিশেষভাবে তাদের জন্য তৈরি যারা সরাসরি এই কাজের সাথে জড়িত—যেমন নতুন ওয়্যারহাউস ও ইনভেন্টরি কর্মী, ছোট ও ক্রমবর্ধমান খুচরা বিক্রেতা ও ই-কমার্স ব্যবসা, এবং যারা স্টক নিয়ে কাজ করেন ও তা সঠিকভাবে বুঝতে চান। আমাদের প্রতিটি গাইড সহজবোধ্য; যেখানে প্রয়োজন সেখানে বাস্তব উদাহরণসহ ব্যাখ্যা দেওয়া হয় এবং অপ্রয়োজনীয় দীর্ঘ আলোচনা এড়িয়ে চলা হয়। আমরা সম্পূর্ণ স্বাধীন: আমরা কোনো সফটওয়্যার বা সরঞ্জাম বিক্রি করি না, রেফারেল থেকে কোনো কমিশন নিই না এবং আমাদের গাইডের গুণমান অর্থের বিনিময়ে নির্ধারিত হয় না।