Apakah Ramalan Permintaan? Kaedah & Cara Melakukannya

Ramalan permintaan ialah anggaran tentang jumlah sesuatu yang akan anda jual dalam tempoh masa akan datang, supaya anda boleh menentukan jumlah yang perlu dibeli dan disimpan.

Setiap perniagaan melakukannya. Kebanyakannya melakukannya secara tersirat — seseorang melihat rak, memikirkan tentang bulan lalu, dan membuat pesanan. Ramalan rasmi menggantikannya dengan kaedah yang boleh diperiksa, diukur dan ditambah baik.

Sebab ia penting bukanlah kerana ramalan yang tepat boleh dicapai. Ia tidak boleh, dan sebarang proses yang mengandaikan sebaliknya akan mengecewakan. Ia penting kerana saiz ralat menentukan jumlah stok keselamatan yang anda perlukan, dan stok keselamatan adalah mahal. Ramalan yang lebih baik adalah satu-satunya cara untuk menyimpan stok yang lebih sedikit tanpa mengurangkan ketersediaan.

Apakah itu ramalan permintaan

Sesuatu ramalan mempunyai tiga bahagian, dan ramalan yang tidak tepat biasanya mengabaikan dua daripadanya.

Satu nombor. Unit jangkaan sepanjang tempoh yang ditetapkan.

Satu tempoh. Minggu depan, bulan depan, suku tahun depan. Ketepatan menurun apabila jangka masa semakin panjang, jadi jangka masa harus sepadan dengan tujuan anda — ramalan untuk tujuan pesanan hanya perlu menjangkau setakat masa pendahuluan (lead time) ditambah tempoh semakan anda.

Satu julat keyakinan. Sejauh mana nombor tersebut mungkin salah. Ramalan sebanyak 500 unit yang mungkin berada di mana-mana antara 400 hingga 600 adalah input perancangan yang sangat berbeza daripada ramalan yang boleh menjadi 200 hingga 800, walaupun kedua-duanya mempunyai angka tengah yang sama. Julat inilah yang menentukan saiz penampan anda, dan ramalan tanpa julat tidak memberi anda asas untuk memutuskan jumlah perlindungan yang perlu disimpan.

Ramalan juga berbeza mengikut tahap. Ramalan untuk jumlah permintaan kategori adalah jauh lebih dipercayai daripada ramalan untuk SKU individu dalam warna individu, kerana variasi akan saling meniadakan apabila anda menggabungkannya. Ini penting untuk diketahui kerana ia menjelaskan mengapa angka peringkat atasan anda kelihatan tepat manakala ramalan produk individu sentiasa salah.

Kaedah ramalan utama

Ramalan Naïve. Tempoh seterusnya sama dengan tempoh lepas. Benar-benar berguna sebagai garis dasar — jika kaedah canggih anda tidak dapat menandinginya, kecanggihan itu tidak berbaloi.

Purata bergerak. Min bagi beberapa tempoh lepas, yang melicinkan variasi rawak. Mudah dan berkesan untuk produk yang stabil, dan lambat bertindak balas terhadap perubahan sebenar kerana tempoh lama membawa berat yang sama seperti tempoh terkini.

Purata bergerak wajaran. Seperti di atas, tetapi tempoh terkini dikira lebih berat. Bertindak balas lebih pantas terhadap perubahan sambil mengekalkan sedikit kelicinan.

Pelicinan eksponen. Wajaran menurun secara geometri ke masa lalu, dikawal oleh satu faktor pelicinan. Faktor yang lebih tinggi bertindak balas lebih pantas terhadap perubahan dan lebih tidak menentu; faktor yang lebih rendah adalah stabil dan perlahan. Ini adalah tunjang utama ramalan praktikal, dan variannya mengendalikan trend dan bermusim secara eksplisit.

Pecahan trend dan bermusim. Bahagikan sejarah kepada tahap asas, trend, dan corak bermusim yang berulang, unjurkan setiap satu, dan gabungkan semula. Perlu untuk apa-apa yang benar-benar bermusim, iaitu kebanyakan barangan pengguna.

Regresi. Kaitkan permintaan dengan pemboleh ubah yang memacunya — harga, perbelanjaan pemasaran, cuaca, penunjuk ekonomi utama. Berkuasa di mana hubungan sebab-akibat yang tulen wujud, dan mengelirukan di mana korelasi kebetulan disalah anggap sebagai hubungan sebab-akibat.

Kaedah kualitatif. Input pasukan jualan, niat pelanggan, pertimbangan pakar. Sangat diperlukan di mana sejarah tidak wujud — produk baharu, pasaran baharu, saluran yang baru anda buka. Juga paling cenderung kepada optimisme, itulah sebabnya penting untuk merekodkan ramalan dan menilainya selepas itu.

Pendekatan pembelajaran mesin. Semakin tersedia dalam perisian perancangan, dan benar-benar lebih baik di mana anda mempunyai banyak produk, sejarah yang panjang dan pelbagai pemboleh ubah yang mempengaruhi. Ia memerlukan data yang jauh lebih banyak daripada yang dimiliki oleh kebanyakan operasi, dan ia tidak membaiki input yang buruk.

Jenis ramalan permintaan

Ramalan dikategorikan dalam beberapa cara, dan label tersebut perlu diketahui kerana orang menggunakannya sebagai singkatan dalam perbualan perancangan.

Mengikut jangka masa.

• Jangka pendek — hari hingga beberapa bulan. Memacu pengisian semula, titik pesanan semula dan kakitangan. Ketepatan di sini boleh dicapai dan hasilnya serta-merta.
• Jangka sederhana — satu suku tahun hingga setahun. Memacu komitmen pembelian, perjanjian pembekal dan pembelian bermusim.
• Jangka panjang — setahun atau lebih. Memacu keputusan kapasiti: ruang gudang, peralatan, jumlah pekerja. Ketepatan tidak dijangka mahupun berguna pada julat ini; arah dan magnitud adalah yang penting.

Mengikut skop.

• Ramalan peringkat makro melihat ke luar pada keadaan di mana permintaan anda berada — ekonomi, kategori, pasaran. Berguna untuk konteks dan jarang boleh diambil tindakan secara sendirian.
• Ramalan peringkat mikro melihat pada produk, saluran atau pelanggan tertentu. Di sinilah keputusan operasi sebenarnya dibuat.

Mengikut pendirian.

• Ramalan pasif mengandaikan kesinambungan: apa yang berlaku akan terus berlaku, diselaraskan untuk trend dan musim. Ia sesuai untuk perniagaan yang stabil dan merupakan lalai yang betul untuk kebanyakan perancangan inventori, kerana ia tidak membuat andaian yang melampau.
• Ramalan aktif membina apa yang anda ingin ubah — promosi, saluran baharu, kenaikan harga, pelancaran produk. Ia perlu apabila masa lalu bukan panduan yang baik, dan ia juga di mana optimisme paling banyak mendatangkan kerosakan, kerana rancangan disalah anggap sebagai ramalan.

Mengikut kaedah.

• Kualitatif — pertimbangan, input jualan, pendapat pakar. Perlu untuk produk baharu tanpa sejarah, dan paling kurang dipercayai di mana data wujud.
• Kuantitatif — purata bergerak, pelicinan eksponen, regresi, pecahan bermusim. Boleh dipercayai di mana sejarah tersedia dan permintaan agak stabil.
• Berasaskan AI dan pembelajaran mesin — model yang mempertimbangkan banyak pemboleh ubah sekaligus dan mencari corak yang mungkin terlepas oleh siri masa mudah: cuaca, harga, tingkah laku pesaing, trafik web, pertindihan promosi. Ia berbaloi pada skala besar, pada kiraan SKU yang banyak dengan sejarah yang mencukupi, dan ia bukan pengganti untuk data yang bersih. Model yang dilatih berdasarkan sejarah jualan yang merangkumi tempoh kehabisan stok yang tidak ditanda akan mempelajari perkara yang salah dengan lebih pantas dan lebih yakin daripada hamparan kerja (spreadsheet).

Perkara praktikalnya: kebanyakan perniagaan memerlukan ramalan kuantitatif pasif peringkat mikro jangka pendek untuk sebahagian besar rangkaian mereka, dengan ramalan aktif ditambah untuk segelintir barisan produk di mana sesuatu sedang berubah secara sengaja. Mencapai kaedah canggih sebelum kaedah asas berfungsi adalah ralat penjujukan yang paling biasa dan paling mahal dalam bidang ini.

Cara meramal permintaan dalam amalan

1. Bersihkan sejarah terlebih dahulu. Langkah ini menentukan sama ada segala-galanya selepas itu berbaloi untuk dilakukan.

Pembetulan kritikal ialah kehabisan stok. Sejarah jualan merekodkan apa yang anda jual, bukan apa yang pelanggan mahukan. Tempoh di mana anda kehabisan stok menunjukkan jualan yang rendah, dan memasukkan data itu ke dalam ramalan memberitahu model bahawa permintaan adalah lebih rendah daripada yang sebenarnya — untuk produk yang sama yang telah mengecewakan anda. Tandakan tempoh kehabisan stok dan sama ada kecualikan atau anggarkan permintaan yang hilang.

Juga asingkan peristiwa sekali sahaja: pesanan pukal tunggal yang tidak akan berulang, pelepasan stok, ralat data. Biarkan corak berulang yang tulen seperti promosi, tetapi tandakannya supaya ia difahami sebagai promosi dan bukannya sebagai garis dasar.

2. Pilih tahap. Ramalkan pada tahap yang anda akan ambil tindakan. Jika anda memesan mengikut SKU, anda memerlukan ramalan peringkat SKU, tetapi anda mungkin membina ramalan tersebut dengan meramal kategori dan membahagikannya mengikut bahagian terkini, yang selalunya lebih stabil daripada meramal setiap SKU secara bebas.

3. Pilih kaedah bagi setiap kumpulan produk. Barisan volum tinggi yang stabil sesuai dengan pelicinan eksponen. Barisan bermusim memerlukan pecahan bermusim. Produk yang bergerak perlahan dan tidak menentu selalunya paling baik dilayani dengan purata mudah dan penampan yang murah hati, kerana kaedah canggih hanya akan menyesuaikan diri dengan gangguan (noise).

4. Gunakan pertimbangan, dan rekodkannya. Laraskan untuk perkara yang sejarah tidak dapat ketahui — kemenangan penyenaraian, pesaing yang keluar, perubahan harga, promosi. Rekodkan pelarasan secara berasingan daripada ramalan statistik supaya anda boleh menyemak kemudian sama ada campur tangan anda membantu. Ramai yang tidak melakukannya.

5. Ukur ralat. Tanpa ini, ia bukanlah satu proses, ia hanyalah satu tabiat.

6. Semak dan laraskan secara berkala. Bulanan untuk kebanyakan operasi. Tujuannya adalah untuk menangkap produk yang coraknya telah berubah, bukan untuk memperhalusi nombor yang sudah pun tepat.

Mengukur ketepatan ramalan

Tiga ukuran merangkumi kebanyakan keperluan.

MAPE — ralat peratusan mutlak min. Ralat purata sebagai peratusan daripada permintaan sebenar. Intuitif dan digunakan secara meluas. Kelemahannya ialah ia terherot dengan teruk pada volum rendah: tersasar dua unit pada ramalan tiga unit adalah ralat 67% yang tidak membawa makna.

MAD — sisihan mutlak min. Ralat purata dalam unit, tanpa mengambil kira arah. Berguna kerana ia disalurkan terus ke dalam pengiraan stok keselamatan.

Bias. Ralat purata dengan arah dikekalkan. Ini adalah ukuran yang paling kerap diabaikan dan selalunya yang paling bermaklumat. Jika ralat anda berpurata hampir sifar, anda tersasar tinggi dan rendah dengan kekerapan yang sama — ini adalah gangguan (noise), yang boleh ditangani oleh penimbal. Jika ia secara konsisten positif atau negatif, anda mempunyai masalah sistematik, dan tiada jumlah stok keselamatan yang dapat membetulkan ramalan yang sentiasa rendah.

Ukur mengikut kumpulan produk dan bukannya secara agregat, kerana angka keseluruhan yang baik biasanya menyembunyikan beberapa baris produk yang diramal dengan teruk yang menyebabkan kerosakan sebenar.

Bandingkan dengan garis dasar naif. Jika kaedah anda tidak mengatasi “sama seperti bulan lepas”, permudahkan.

Mengapa ia tidak pernah sempurna (dan itu tidak mengapa)

Ramalan adalah salah. Soalan yang berguna ialah sejauh mana salahnya, ke arah mana, dan sama ada ralat itu cukup stabil untuk dijadikan asas perancangan.

Inilah sebabnya ramalan dan stok keselamatan adalah perbincangan yang sama. Ramalan memberi anda permintaan yang dijangkakan; ralat ramalan memberi anda kebolehubahan yang perlu diserap oleh stok keselamatan. Perbaiki ramalan dan penimbal yang diperlukan akan berkurangan untuk tahap perkhidmatan yang sama. Itulah hujah komersial sepenuhnya untuk melabur dalam ramalan, dan ia boleh diukur.

Terima juga bahawa sesetengah produk sememangnya tidak boleh diramal. Produk yang sangat perlahan pergerakannya, item projek sekali sahaja, apa-apa yang didorong oleh peristiwa luaran yang tidak dapat dijangka oleh sesiapa. Untuk ini, jawapan yang jujur ialah strategi yang berbeza — buat mengikut pesanan (make to order), pegang stok pembekal, terima masa memimpin (lead time) yang lebih lama — bukannya model yang lebih baik.

Meramal permintaan bermusim dan promosi

Dua corak menyebabkan kebanyakan kesukaran, dan kedua-duanya perlu dikendalikan secara eksplisit dan bukannya mengharapkan kaedah umum dapat menyerapnya.

Kemusiman ialah corak berulang yang terikat dengan kalendar. Kesilapannya ialah menganggap puncak bermusim sebagai pertumbuhan. Purata bergerak yang digunakan pada produk yang terjual empat kali ganda lebih banyak pada bulan Disember akan mengejar puncak itu ke atas pada bulan Januari, membuat pesanan terlalu banyak, dan kemudian mengejarnya kembali turun sepanjang musim bunga.

Mengendalikannya dengan betul bermakna memisahkan faktor bermusim daripada tahap asas. Kira nisbah permintaan setiap tempoh kepada purata tahunan merentas beberapa tahun, dan anda akan mendapat satu set indeks bermusim — Disember 2.4, Januari 0.6, dan seterusnya. Ramalkan tahap asas, kemudian gunakan indeks untuk tempoh yang anda ramalkan.

Dua peringatan. Anda memerlukan sekurang-kurangnya dua kitaran sejarah penuh sebelum indeks bermusim membawa sebarang makna, dan tiga adalah lebih baik. Dan kemusiman berubah — Easter bergerak, minggu dagangan puncak berhijrah apabila tabiat membeli berubah, dan indeks yang dikira daripada data lima tahun lalu mungkin menggambarkan corak yang tidak lagi wujud.

Promosi adalah masalah yang lebih besar dalam kebanyakan perniagaan, kerana ia bersifat substantif dan dilakukan sendiri. Promosi boleh melipatgandakan permintaan beberapa kali ganda untuk seminggu, dan lonjakan itu kemudiannya kekal dalam sejarah anda yang memesongkan setiap ramalan yang menyusul.

Disiplin yang membantu:

• Tandakan tempoh promosi dalam data supaya ramalan statistik boleh mengecualikan atau melaraskannya.
• Ramalkan peningkatan promosi secara berasingan daripada permintaan garis dasar, menggunakan hasil promosi masa lalu yang setanding bukannya peratusan yang dirasakan betul oleh seseorang.
• Ambil kira penurunan selepasnya. Promosi kerap menarik permintaan ke hadapan dan bukannya menciptanya, jadi minggu-minggu berikutnya berjalan di bawah garis dasar. Meramal puncak sambil mengabaikan palung menyebabkan anda terlebih stok dua kali.
• Dapatkan kalendar promosi lebih awal. Punca paling biasa kehabisan stok promosi ialah gudang mengetahui tentang promosi tersebut pada masa yang sama dengan pelanggan.

Siapa yang memiliki ramalan

Ramalan gagal dari segi organisasi lebih kerap daripada kegagalan teknikal, dan coraknya adalah konsisten.

Jualan meramal secara optimistik, kerana sasaran dan ramalan dicampuradukkan dan tiada siapa yang mahu meramal di bawah sasaran. Operasi meramal secara konservatif, kerana mereka menanggung kos stok berlebihan dan dipersalahkan atas kehabisan stok. Kewangan mahukan angka yang sepadan dengan pelan. Setiap pihak menghasilkan angka yang berbeza, dan perniagaan akhirnya berjalan berdasarkan angka milik orang yang paling kuat berhujah.

Apa yang berfungsi dengan lebih baik:

Satu angka, dimiliki oleh satu fungsi. Biasanya perancangan atau operasi, dengan input berstruktur daripada jualan dan bukannya ramalan jualan berasingan yang berjalan selari.

Asingkan ramalan daripada sasaran. Sasaran ialah apa yang anda ingin capai. Ramalan ialah apa yang anda jangkakan akan berlaku. Mencampuradukkan kedua-duanya menjamin ramalan itu berat sebelah ke atas, dan stok akan mengikutinya.

Skor pelarasan. Apabila seseorang mengatasi (override) ramalan statistik, rekodkannya dan semak selepas itu sama ada tindakan tersebut meningkatkan ketepatan. Ini tidak selesa dan ia adalah cara terpantas untuk mengetahui pertimbangan siapa yang berbaloi untuk digunakan dan siapa yang tidak.

Jadikan kos kelihatan. Ralat ramalan mempunyai harga — stok berlebihan, hapus kira, pengangkutan ekspedisi, jualan hilang. Mengaitkan angka tersebut dengan proses biasanya adalah perkara yang mengubah ramalan daripada tugas pentadbiran kepada sesuatu yang diambil serius oleh orang ramai.

Bagaimana ramalan berhubung dengan bahagian lain

• Titik pesanan semula (reorder points) menggunakan permintaan ramalan sepanjang masa memimpin (lead time).
• Stok keselamatan disaizkan daripada ralat ramalan.
• Pembelian melaburkan modal berdasarkan ramalan, yang mana ralat menjadi mahal.
• Perancangan kapasiti gudang bergantung pada volum yang dijangkakan, dan jika salah, ia akan kelihatan sebagai tiada ruang pada bulan November.
• Perancangan buruh mengikut volum pesanan yang dijangkakan dan bukannya unit.
• Hubungan pembekal bertambah baik apabila anda berkongsi ramalan, kerana mereka boleh merancang pengeluaran dan memegang stok yang sesuai.

Yang terakhir itu kurang digunakan. Pembekal yang diberi keterlihatan tentang keperluan jangkaan anda biasanya boleh memendekkan dan menstabilkan masa memimpin (lead time) mereka, yang mengurangkan keperluan stok keselamatan anda lebih daripada model yang lebih baik.

Contoh kerja

Ambil produk dengan sejarah dua belas bulan, dan teliti perkara yang sebenarnya melibatkan ramalan.

Jualan bulanan berjalan secara kasar: 210, 195, 230, 240, 215, 225, 260, 250, 245, 280, 520, 310.

Pemerhatian segera ialah bulan November pada 520 bukanlah sebahagian daripada corak asas — ia adalah puncak bermusim. Meramal Disember daripada purata bergerak tiga bulan bagi September, Oktober dan November memberikan (245 + 280 + 520) ÷ 3 = 348, yang menyebabkan pesanan berlebihan dengan ketara kerana ia menganggap puncak itu sebagai norma baharu.

Mengendalikannya dengan betul:

Asingkan bulan bermusim. Tidak termasuk November, baki sebelas bulan berpurata kira-kira 241 unit dengan aliran menaik yang sederhana. 241 itu adalah tahap asas anda.

Kira indeks bermusim. November pada 520 berbanding garis dasar 241 memberikan indeks kira-kira 2.2. Jika tahun sebelumnya menunjukkan nisbah yang sama, anda boleh mempercayainya; dengan hanya satu tahun sejarah, anggap ia sebagai sementara.

Ramalkan tahap ke hadapan. Aliran sepanjang tahun meningkat secara perlahan — kira-kira 200 pada permulaan, 260 menjelang musim luruh tidak termasuk puncak — jadi ramalan tahap yang munasabah untuk bulan depan adalah sekitar 265.

Gunakan indeks jika berkaitan. Disember bukan bulan puncak di sini, jadi ramalan kekal sekitar 265.

Anggarkan ralat. Sisihan bulan ke bulan daripada aliran asas berjalan sekitar 20 unit, jadi sisihan piawai hampir 20 adalah angka kerja yang munasabah. Pada tahap perkhidmatan 95%, stok keselamatan adalah kira-kira 1.65 × 20 × punca kuasa dua masa memimpin (lead time) dalam bulan.

Tujuan meneliti perkara ini ialah kebanyakan kerja adalah pertimbangan tentang maksud sejarah tersebut, bukan aritmetik. Memutuskan bahawa November adalah bermusim dan bukannya pertumbuhan adalah keputusan yang menentukan sama ada pesanan seterusnya adalah tepat, dan tiada kaedah yang membuat keputusan itu untuk anda berdasarkan data satu tahun.

Tempat untuk mendalami topik

• Apakah itu stok keselamatan — ditentukan secara langsung daripada ralat ramalan.
• Apakah itu titik pesanan semula — tempat ramalan digunakan.
• Teknik pengurusan inventori — kit alat yang lebih luas.
• Apakah itu kehabisan stok — kegagalan yang dikurangkan oleh ramalan.
• Apakah itu pusing ganti inventori — perkara yang ditambah baik oleh ramalan yang lebih tepat.
• Cara mengurus inventori — proses yang merangkumi perkara ini.

Rumusan ringkas

Ramalan permintaan menganggarkan jualan masa depan supaya anda boleh membuat keputusan tentang perkara yang perlu dibeli — dan memandangkan ramalan pasti akan tersasar, angka yang paling penting ialah saiz dan arah ralat tersebut, kerana ia menentukan jumlah stok keselamatan yang perlu anda simpan.

Soalan lazim

Apakah itu ramalan permintaan? Menganggarkan permintaan masa depan untuk sesuatu produk dalam tempoh yang ditetapkan, bagi menentukan jumlah stok yang perlu dibeli dan disimpan.

Apakah kaedah utama ramalan permintaan? Purata bergerak, purata bergerak berwajaran, pelicinan eksponen, penguraian trend dan bermusim, regresi terhadap pemboleh ubah penyebab, dan pertimbangan kualitatif. Kebanyakan operasi menggunakan pelicinan eksponen untuk barisan produk yang stabil dan penguraian bermusim untuk sebarang corak yang berulang.

Sejauh mana ketepatan ramalan permintaan yang diperlukan? Tiada angka universal, kerana ketepatan bergantung pada tahap kebolehubahan permintaan anda. Ujian yang berguna ialah sama ada kaedah anda mengatasi ramalan naif “sama seperti tempoh lepas”, dan sama ada ralat anda tidak berat sebelah berbanding sentiasa tinggi atau rendah.

Apakah perbezaan antara MAPE dan bias? MAPE mengukur saiz purata ralat tanpa mengira arah. Bias mengukur sama ada ralat cenderung ke satu arah secara konsisten. Ramalan boleh mempunyai MAPE yang boleh diterima tetapi mempunyai bias yang serius, yang merupakan masalah yang lebih merosakkan kerana stok keselamatan tidak membetulkan kecenderungan sistematik.

Bagaimanakah cara saya meramal permintaan untuk produk baharu? Sejarah tidak wujud, jadi anda bergantung pada analog — produk serupa semasa pelancaran — digabungkan dengan input kualitatif daripada jualan serta sebarang data prapesanan atau pertanyaan. Jangkakan ralat yang besar pada peringkat awal dan lakukan semakan setiap minggu dan bukannya setiap bulan sehingga corak mula muncul.

Mengapa saya perlu mengecualikan tempoh kehabisan stok daripada sejarah? Kerana jualan semasa kehabisan stok merekodkan ketersediaan dan bukannya permintaan. Memasukkannya akan mengajar ramalan bahawa permintaan adalah lebih rendah daripada yang sebenarnya, terutamanya pada produk yang sudah kehabisan stok.

Sejauh mana ke hadapan saya perlu meramal? Cukup jauh untuk menampung masa memimpin (lead time) anda ditambah tempoh semakan anda, dan tidak lebih daripada itu untuk tujuan pesanan. Horizon yang lebih panjang diperlukan untuk perancangan kapasiti, belanjawan, dan pembekal, tetapi ia harus difahami sebagai latihan berasingan dengan toleransi yang lebih luas dan bukannya sebagai angka yang digunakan untuk membuat pesanan.

Adakah ramalan yang lebih baik mengurangkan inventori? Ya, secara tidak langsung dan boleh diukur. Stok keselamatan ditentukan daripada ralat ramalan, jadi mengurangkan ralat akan mengurangkan penampan yang diperlukan untuk tahap perkhidmatan yang sama. Ini adalah kes kewangan yang paling jelas untuk melabur dalam proses ramalan.

Ditulis oleh

↑ Kembali ke atas

Warehouse Wise

Warehouse Wise ialah perpustakaan panduan percuma dan bebas mengenai pengurusan inventori, pergudangan serta pemenuhan pesanan, yang ditulis untuk mereka yang benar-benar melakukan kerja tersebut — kakitangan gudang dan inventori baharu, perniagaan runcit dan e-dagang kecil yang sedang berkembang, serta sesiapa sahaja yang memegang stok dan ingin memahaminya dengan betul. Setiap panduan menjelaskan istilah, menunjukkan contoh kerja dengan angka sebenar jika perlu, dan terus pada intinya. Kami adalah bebas: kami tidak menjual perisian atau peralatan, kami tidak mengambil komisen daripada rujukan, dan panduan kami tidak disusun berdasarkan siapa yang membayar kami.