ڈیمانڈ فورکاسٹنگ (Demand forecasting) اس بات کا تخمینہ ہے کہ آپ مستقبل کے کسی عرصے میں کتنی اشیاء فروخت کریں گے، تاکہ آپ یہ فیصلہ کر سکیں کہ کتنا خریدنا اور کتنا اسٹاک میں رکھنا ہے۔
ہر کاروبار ایسا کرتا ہے۔ زیادہ تر لوگ اسے غیر رسمی طور پر کرتے ہیں — کوئی شیلف کو دیکھتا ہے، پچھلے مہینے کے بارے میں سوچتا ہے، اور آرڈر دے دیتا ہے۔ باقاعدہ فورکاسٹنگ اس کی جگہ ایک ایسا طریقہ کار لاتی ہے جس کا جائزہ لیا جا سکے، جسے ماپا جا سکے اور بہتر بنایا جا سکے۔
اس کی اہمیت اس لیے نہیں ہے کہ درست فورکاسٹ حاصل کرنا ممکن ہے۔ ایسا ممکن نہیں ہے، اور کوئی بھی عمل جو اس کے برعکس فرض کرتا ہے وہ مایوس کرے گا۔ یہ اس لیے اہم ہے کیونکہ غلطی کا حجم یہ طے کرتا ہے کہ آپ کو کتنے سیفٹی اسٹاک کی ضرورت ہے، اور سیفٹی اسٹاک مہنگا ہوتا ہے۔ بہتر فورکاسٹنگ ہی واحد طریقہ ہے جس سے دستیابی کو کم کیے بغیر اسٹاک کو کم رکھا جا سکتا ہے۔
ڈیمانڈ فورکاسٹنگ کیا ہے
ایک فورکاسٹ کے تین حصے ہوتے ہیں، اور جو فورکاسٹ غلط ثابت ہوتی ہیں وہ عام طور پر ان میں سے دو کو نظر انداز کر دیتی ہیں۔
ایک عدد۔ ایک متعین مدت کے دوران متوقع یونٹس۔
ایک مدت۔ اگلا ہفتہ، اگلا مہینہ، اگلی سہ ماہی۔ جیسے جیسے وقت کا دورانیہ بڑھتا ہے، درستگی کم ہوتی جاتی ہے، لہذا دورانیہ آپ کی ضرورت کے مطابق ہونا چاہیے — آرڈر دینے کے مقصد کے لیے فورکاسٹ کو صرف آپ کے لیڈ ٹائم اور ریویو پیریڈ تک محدود ہونا چاہیے۔
اعتماد کی حد (Confidence range)۔ عدد کتنا غلط ہو سکتا ہے۔ 500 یونٹس کی ایک فورکاسٹ جو 400 سے 600 کے درمیان ہو سکتی ہے، 200 سے 800 والی فورکاسٹ سے بالکل مختلف منصوبہ بندی کا ان پٹ ہے، حالانکہ دونوں کا مرکزی عدد ایک ہی ہے۔ یہ حد ہی آپ کے بفر کا تعین کرتی ہے، اور بغیر حد والی فورکاسٹ آپ کو یہ فیصلہ کرنے کی کوئی بنیاد نہیں دیتی کہ کتنا تحفظ (بفر) رکھنا ہے۔
فورکاسٹ سطح کے لحاظ سے بھی مختلف ہوتی ہے۔ کل زمرے (Category) کی ڈیمانڈ کی فورکاسٹ، انفرادی SKU کے کسی مخصوص رنگ کی فورکاسٹ سے کہیں زیادہ قابل اعتماد ہوتی ہے، کیونکہ مجموعی سطح پر تغیرات ختم ہو جاتے ہیں۔ یہ جاننا ضروری ہے کیونکہ یہ بتاتا ہے کہ آپ کے اعلیٰ سطحی اعداد و شمار درست کیوں نظر آتے ہیں جبکہ انفرادی مصنوعات کی فورکاسٹ مسلسل غلط کیوں ہوتی ہے۔
فورکاسٹنگ کے اہم طریقے
Naïve فورکاسٹنگ۔ اگلی مدت پچھلی مدت کے برابر ہے۔ یہ ایک بنیادی معیار کے طور پر واقعی مفید ہے — اگر آپ کا جدید طریقہ اس سے بہتر نتائج نہیں دے سکتا، تو اس جدیدیت کا کوئی فائدہ نہیں۔
موونگ ایوریج (Moving average)۔ پچھلی کئی مدتوں کا اوسط، جو بے ترتیب تغیرات کو ہموار کرتا ہے۔ مستحکم مصنوعات کے لیے سادہ اور موثر، لیکن حقیقی تبدیلیوں پر ردعمل دینے میں سست کیونکہ پرانی مدتوں کو بھی حالیہ مدتوں جتنا ہی وزن دیا جاتا ہے۔
ویٹڈ موونگ ایوریج (Weighted moving average)۔ اوپر کی طرح، لیکن حالیہ مدتوں کو زیادہ اہمیت دی جاتی ہے۔ یہ تبدیلیوں پر تیزی سے ردعمل دیتا ہے جبکہ کچھ ہمواری برقرار رہتی ہے۔
ایکسپوننشیل اسمتھنگ (Exponential smoothing)۔ وزن ماضی میں جیومیٹرک طریقے سے کم ہوتا جاتا ہے، جسے ایک سنگل اسمتھنگ فیکٹر کنٹرول کرتا ہے۔ زیادہ فیکٹر تبدیلی پر تیزی سے ردعمل دیتا ہے اور زیادہ شور (noise) پیدا کرتا ہے؛ کم فیکٹر مستحکم اور سست ہوتا ہے۔ یہ عملی فورکاسٹنگ کا بنیادی ستون ہے، اور اس کی اقسام ٹرینڈ اور موسمی اثرات کو واضح طور پر سنبھالتی ہیں۔
ٹرینڈ اور سیزنل ڈکمپوزیشن۔ تاریخ کو بنیادی سطح، ٹرینڈ، اور بار بار آنے والے موسمی پیٹرن میں تقسیم کریں، ہر ایک کا تخمینہ لگائیں، اور دوبارہ یکجا کریں۔ ہر اس چیز کے لیے ضروری ہے جو واقعی موسمی ہو، جو کہ زیادہ تر صارفین کی اشیاء ہیں۔
ریگریشن (Regression)۔ ڈیمانڈ کا ان متغیرات سے تعلق جو اسے چلاتے ہیں — قیمت، مارکیٹنگ پر خرچ، موسم، معاشی اشارے۔ وہاں طاقتور جہاں حقیقی سبب موجود ہو، اور وہاں گمراہ کن جہاں اتفاقی تعلق کو سبب سمجھ لیا جائے۔
کوالٹیٹیو طریقے (Qualitative methods)۔ سیلز ٹیم کی رائے، صارفین کے ارادے، ماہرانہ فیصلہ۔ وہاں ناگزیر جہاں تاریخ موجود نہ ہو — نئی مصنوعات، نئی مارکیٹیں، ایک ایسا چینل جو آپ نے ابھی کھولا ہو۔ یہ پرامیدی کا شکار بھی سب سے زیادہ ہوتے ہیں، اسی لیے پیشین گوئیوں کو ریکارڈ کرنا اور بعد میں ان کی جانچ کرنا فائدہ مند ہے۔
مشین لرننگ کے طریقے (Machine learning approaches)۔ منصوبہ بندی کے سافٹ ویئر میں تیزی سے دستیاب ہو رہے ہیں، اور وہاں واقعی بہتر ہیں جہاں آپ کے پاس بہت سی مصنوعات، طویل تاریخ اور متعدد اثر انداز ہونے والے متغیرات ہوں۔ انہیں زیادہ تر آپریشنز کے مقابلے میں کافی زیادہ ڈیٹا کی ضرورت ہوتی ہے، اور یہ غلط ان پٹ کو درست نہیں کرتے۔
ڈیمانڈ فورکاسٹنگ کی اقسام
فورکاسٹ کو کئی طریقوں سے درجہ بندی کیا جاتا ہے، اور یہ لیبل جاننا ضروری ہے کیونکہ لوگ منصوبہ بندی کی گفتگو میں انہیں شارٹ ہینڈ کے طور پر استعمال کرتے ہیں۔
وقت کے دورانیے کے لحاظ سے۔
- مختصر مدت (Short-term) — دنوں سے چند مہینوں تک۔ یہ ریپلینشمنٹ، ری آرڈر پوائنٹس اور اسٹافنگ کو چلاتی ہے۔ یہاں درستگی حاصل کرنا ممکن ہے اور اس کا فائدہ فوری ہوتا ہے۔
- درمیانی مدت (Medium-term) — ایک سہ ماہی سے ایک سال تک۔ یہ خریداری کے وعدوں، سپلائر معاہدوں اور موسمی خریداریوں کو چلاتی ہے۔
- طویل مدت (Long-term) — ایک سال یا اس سے زیادہ۔ یہ صلاحیت کے فیصلوں کو چلاتی ہے: گودام کی جگہ، آلات، افرادی قوت۔ اس دورانیے میں درستگی کی نہ تو توقع کی جاتی ہے اور نہ ہی یہ مفید ہے؛ سمت اور وسعت اہم ہے۔
اسکوپ کے لحاظ سے۔
- میکرو لیول (Macro-level) فورکاسٹنگ ان حالات کو دیکھتی ہے جن میں آپ کی ڈیمانڈ موجود ہے — معیشت، زمرہ، مارکیٹ۔ سیاق و سباق کے لیے مفید ہے اور شاذ و نادر ہی خود سے قابل عمل ہوتی ہے۔
- مائیکرو لیول (Micro-level) فورکاسٹنگ کسی مخصوص پروڈکٹ، چینل یا کسٹمر کو دیکھتی ہے۔ یہیں پر اصل آپریشنل فیصلے کیے جاتے ہیں۔
طرز عمل کے لحاظ سے۔
- غیر فعال (Passive) فورکاسٹنگ تسلسل کو فرض کرتی ہے: جو ہوا وہ ہوتا رہے گا، ٹرینڈ اور موسم کے مطابق ایڈجسٹ ہو کر۔ یہ مستحکم کاروباروں کے لیے موزوں ہے اور زیادہ تر انوینٹری پلاننگ کے لیے صحیح ڈیفالٹ ہے، کیونکہ یہ کوئی غیر معمولی مفروضے قائم نہیں کرتی۔
- فعال (Active) فورکاسٹنگ اس چیز کو شامل کرتی ہے جسے آپ تبدیل کرنا چاہتے ہیں — ایک پروموشن، نیا چینل، قیمت میں اضافہ، پروڈکٹ لانچ۔ یہ تب ضروری ہے جب ماضی ایک ناقص رہنما ہو، اور یہ وہ جگہ بھی ہے جہاں پرامیدی سب سے زیادہ نقصان پہنچاتی ہے، کیونکہ منصوبہ کو پیشین گوئی سمجھ لیا جاتا ہے۔
طریقہ کار کے لحاظ سے۔
- کوالٹیٹیو — فیصلہ، سیلز ان پٹ، ماہرانہ رائے۔ ایسی نئی مصنوعات کے لیے ضروری جن کی کوئی تاریخ نہیں، اور جہاں ڈیٹا موجود ہو وہاں سب سے کم قابل اعتماد۔
- کوانٹیٹیو — موونگ ایوریج، ایکسپوننشیل اسمتھنگ، ریگریشن، سیزنل ڈکمپوزیشن۔ وہاں قابل اعتماد جہاں تاریخ دستیاب ہو اور ڈیمانڈ معقول حد تک مستحکم ہو۔
- AI پر مبنی اور مشین لرننگ — ایسے ماڈل جو ایک ساتھ کئی متغیرات پر غور کرتے ہیں اور ایسے پیٹرن تلاش کرتے ہیں جو ایک سادہ ٹائم سیریز سے چھوٹ جاتے ہیں: موسم، قیمتوں کا تعین، حریف کا رویہ، ویب ٹریفک، پروموشنل اوورلیپ۔ یہ بڑے پیمانے پر، بڑی تعداد میں SKU اور کافی تاریخ کے ساتھ کارآمد ہوتے ہیں، اور یہ صاف ڈیٹا کا متبادل نہیں ہیں۔ سیلز ہسٹری پر تربیت یافتہ ماڈل جس میں اسٹاک آؤٹ کے ادوار شامل ہوں، وہ اسپریڈشیٹ کے مقابلے میں غلط چیز کو زیادہ تیزی سے اور اعتماد کے ساتھ سیکھتا ہے۔
عملی نکتہ: زیادہ تر کاروباروں کو اپنی رینج کے بڑے حصے کے لیے مختصر مدت، مائیکرو لیول، غیر فعال کوانٹیٹیو فورکاسٹنگ کی ضرورت ہوتی ہے، جس کے ساتھ ان چند لائنوں کے لیے فعال فورکاسٹنگ شامل کی جاتی ہے جہاں کچھ جان بوجھ کر تبدیل ہو رہا ہو۔ بنیادی طریقہ کار کے کام کرنے سے پہلے جدید طریقوں کی طرف جانا اس شعبے میں سب سے عام اور مہنگی ترتیب کی غلطی ہے۔
عملی طور پر ڈیمانڈ فورکاسٹ کیسے کریں
1. پہلے تاریخ کو صاف کریں۔ یہ مرحلہ طے کرتا ہے کہ اس کے بعد کی ہر چیز کرنے کے قابل ہے یا نہیں۔
اہم اصلاح اسٹاک آؤٹ (Stockouts) ہے۔ سیلز ہسٹری ریکارڈ کرتی ہے کہ آپ نے کیا بیچا، نہ کہ یہ کہ گاہک کیا چاہتے تھے۔ ایک ایسی مدت جہاں آپ کا اسٹاک ختم تھا، کم فروخت دکھاتی ہے، اور اسے فورکاسٹ میں ڈالنے سے ماڈل کو یہ پتہ چلتا ہے کہ ڈیمانڈ کم ہے — بالکل اسی پروڈکٹ کے لیے جس نے آپ کو پہلے ہی ناکام کیا ہے۔ اسٹاک آؤٹ کے ادوار کو نشان زد کریں اور یا تو انہیں خارج کر دیں یا کھوئی ہوئی ڈیمانڈ کا تخمینہ لگائیں۔
ایک بار ہونے والے واقعات کو بھی ہٹا دیں: ایک بڑا آرڈر جو دوبارہ نہیں آئے گا، کلیئرنس، ڈیٹا کی غلطی۔ پروموشنز جیسے حقیقی بار بار آنے والے پیٹرن کو رہنے دیں، لیکن انہیں نشان زد کریں تاکہ انہیں بیس لائن کے بجائے پروموشنز کے طور پر سمجھا جائے۔
2. سطح کا انتخاب کریں۔ اس سطح پر فورکاسٹ کریں جس پر آپ عمل کریں گے۔ اگر آپ SKU کے لحاظ سے آرڈر دیتے ہیں، تو آپ کو SKU-لیول کی فورکاسٹ کی ضرورت ہے، لیکن آپ انہیں زمرے کی فورکاسٹ کر کے اور حالیہ شیئر کے لحاظ سے تقسیم کر کے بنا سکتے ہیں، جو اکثر ہر SKU کی الگ الگ فورکاسٹ کرنے سے زیادہ مستحکم ہوتا ہے۔
3. پروڈکٹ گروپ کے لحاظ سے طریقہ منتخب کریں۔ مستحکم ہائی والیوم لائنیں ایکسپوننشیل اسمتھنگ کے لیے موزوں ہیں۔ موسمی لائنوں کو سیزنل ڈکمپوزیشن کی ضرورت ہوتی ہے۔ غیر متوقع سست رفتار اشیاء کے لیے اکثر ایک سادہ اوسط اور ایک بڑا بفر بہترین ہوتا ہے، کیونکہ جدید طریقے شور (noise) کو فٹ کر دیتے ہیں۔
4. فیصلہ سازی کا اطلاق کریں، اور اسے ریکارڈ کریں۔ ان چیزوں کے لیے ایڈجسٹ کریں جو تاریخ نہیں جان سکتی — لسٹنگ میں کامیابی، حریف کا باہر نکلنا، قیمت میں تبدیلی، پروموشن۔ ایڈجسٹمنٹ کو شماریاتی فورکاسٹ سے الگ ریکارڈ کریں تاکہ آپ بعد میں جائزہ لے سکیں کہ آیا آپ کی مداخلت نے مدد کی۔ بہت سے لوگ ایسا نہیں کرتے۔
5. غلطی کو ماپیں۔ اس کے بغیر یہ کوئی عمل نہیں، یہ ایک عادت ہے۔
6. باقاعدگی سے جائزہ لیں اور ایڈجسٹ کریں۔ زیادہ تر آپریشنز کے لیے ماہانہ۔ مقصد ان مصنوعات کو پکڑنا ہے جن کا پیٹرن بدل گیا ہے، نہ کہ ان اعداد و شمار کو بہتر بنانا جو پہلے ہی ٹھیک تھے۔
فورکاسٹ کی درستگی کی پیمائش
تین پیمانے زیادہ تر ضروریات کو پورا کرتے ہیں۔
MAPE — مین ایبسولیوٹ پرسنٹیج ایرر۔ اصل ڈیمانڈ کے فیصد کے طور پر اوسط غلطی۔ یہ سمجھنے میں آسان اور وسیع پیمانے پر استعمال ہوتا ہے۔ اس کی کمزوری یہ ہے کہ کم حجم پر یہ بری طرح مسخ ہو جاتا ہے: تین کی فورکاسٹ پر دو یونٹ کا فرق 67 فیصد غلطی ہے جس کا کوئی مطلب نہیں بنتا۔
MAD — مین ایبسولیوٹ ڈیوی ایشن۔ یونٹس میں اوسط غلطی، سمت کو نظر انداز کرتے ہوئے۔ یہ مفید ہے کیونکہ یہ براہ راست سیفٹی اسٹاک کے حساب کتاب میں کام آتا ہے۔
Bias (تعصب)۔ سمت کو برقرار رکھتے ہوئے اوسط غلطی۔ یہ وہ پیمانہ ہے جسے اکثر نظر انداز کیا جاتا ہے اور اکثر یہی سب سے زیادہ معلوماتی ہوتا ہے۔ اگر آپ کی غلطیاں اوسطاً صفر کے قریب ہیں، تو آپ جتنی بار زیادہ فورکاسٹ کرتے ہیں اتنی ہی بار کم بھی کرتے ہیں — یہ شور (noise) ہے، جسے بفر سنبھال لیتے ہیں۔ اگر وہ مستقل طور پر مثبت یا منفی ہیں، تو آپ کو ایک منظم مسئلہ درپیش ہے، اور سیفٹی اسٹاک کی کوئی بھی مقدار ایسی فورکاسٹ کو ٹھیک نہیں کر سکتی جو ہمیشہ کم رہتی ہو۔
مجموعی طور پر پیمائش کرنے کے بجائے پروڈکٹ گروپ کے لحاظ سے پیمائش کریں، کیونکہ ایک اچھی مجموعی تعداد اکثر ان چند بری طرح فورکاسٹ کی گئی لائنوں کو چھپا لیتی ہے جو اصل نقصان پہنچا رہی ہوتی ہیں۔
نائیو (naïve) بیس لائن کے مقابلے میں موازنہ کریں۔ اگر آپ کا طریقہ “پچھلے مہینے جیسا” سے بہتر نہیں ہے، تو اسے سادہ بنائیں۔
یہ کبھی مکمل کیوں نہیں ہوتا (اور یہ ٹھیک ہے)
فورکاسٹس غلط ہوتی ہیں۔ مفید سوالات یہ ہیں کہ کتنی غلط، کس سمت میں، اور کیا غلطی اتنی مستحکم ہے کہ اس کے مطابق منصوبہ بندی کی جا سکے۔
یہی وجہ ہے کہ فورکاسٹنگ اور سیفٹی اسٹاک ایک ہی گفتگو کا حصہ ہیں۔ فورکاسٹ آپ کو متوقع ڈیمانڈ بتاتی ہے؛ فورکاسٹ کی غلطی آپ کو وہ تغیر (variability) بتاتی ہے جسے جذب کرنے کے لیے سیفٹی اسٹاک موجود ہوتا ہے۔ فورکاسٹ کو بہتر بنائیں تو اسی سروس لیول کے لیے درکار بفر کم ہو جاتا ہے۔ فورکاسٹنگ میں سرمایہ کاری کرنے کے لیے یہی واحد تجارتی دلیل ہے، اور یہ قابل پیمائش ہے۔
یہ بھی تسلیم کریں کہ کچھ مصنوعات واقعی فورکاسٹ کے قابل نہیں ہوتیں۔ بہت آہستہ فروخت ہونے والی اشیاء، ایک بار کے پروجیکٹ آئٹمز، یا کوئی بھی ایسی چیز جو بیرونی واقعات سے متاثر ہو جن کا کوئی اندازہ نہیں لگا سکتا۔ ان کے لیے، ایماندارانہ جواب ایک مختلف حکمت عملی ہے — میک ٹو آرڈر، سپلائر اسٹاک رکھنا، طویل لیڈ ٹائم کو قبول کرنا — بجائے اس کے کہ کوئی بہتر ماڈل تلاش کیا جائے۔
موسمی اور پروموشنل ڈیمانڈ کی فورکاسٹنگ
دو پیٹرن سب سے زیادہ مشکل کا باعث بنتے ہیں، اور دونوں کو واضح طور پر سنبھالنے کی ضرورت ہوتی ہے، نہ کہ یہ امید رکھنے کی کہ کوئی عمومی طریقہ انہیں جذب کر لے گا۔
سیزنلٹی (موسمیت) کیلنڈر سے منسلک ایک دہرایا جانے والا پیٹرن ہے۔ غلطی یہ ہے کہ موسمی عروج (peak) کو ترقی سمجھ لیا جائے۔ دسمبر میں چار گنا زیادہ فروخت ہونے والی پروڈکٹ پر موونگ ایوریج کا اطلاق جنوری میں عروج کا پیچھا کرے گا، بہت زیادہ آرڈر دے گا، اور پھر بہار کے دوران اسے واپس نیچے کی طرف لے جائے گا۔
اسے صحیح طریقے سے سنبھالنے کا مطلب ہے موسمی عنصر کو بنیادی سطح سے الگ کرنا۔ کئی سالوں کے دوران ہر مدت کی ڈیمانڈ کا سالانہ اوسط سے تناسب نکالیں، اور آپ کے پاس موسمی انڈیکس کا ایک سیٹ ہوگا — دسمبر 2.4، جنوری 0.6، وغیرہ۔ بنیادی سطح کی فورکاسٹ کریں، پھر اس مدت کے لیے انڈیکس کا اطلاق کریں جس کی آپ فورکاسٹ کر رہے ہیں۔
دو احتیاطیں۔ موسمی انڈیکس کے معنی خیز ہونے سے پہلے آپ کو کم از کم دو مکمل سائیکل کی ہسٹری درکار ہوتی ہے، اور تین بہتر ہے۔ اور سیزنلٹی تبدیل ہوتی رہتی ہے — ایسٹر کی تاریخ بدلتی ہے، خریداری کی عادات بدلنے سے ٹریڈنگ کے عروج کے ہفتے منتقل ہو جاتے ہیں، اور پانچ سال پرانے ڈیٹا سے نکالا گیا انڈیکس شاید ایسے پیٹرن کو بیان کر رہا ہو جو اب موجود ہی نہیں ہے۔
پروموشنز زیادہ تر کاروباروں میں بڑا مسئلہ ہیں، کیونکہ وہ کافی بڑی بھی ہوتی ہیں اور خود ساختہ بھی۔ ایک پروموشن ایک ہفتے کے لیے ڈیمانڈ کو کئی گنا بڑھا سکتی ہے، اور وہ اضافہ پھر آپ کی ہسٹری میں بیٹھ جاتا ہے اور اس کے بعد آنے والی ہر فورکاسٹ کو مسخ کرتا ہے۔
وہ اصول جو مدد کرتے ہیں:
- ڈیٹا میں پروموشنل ادوار کو نشان زد کریں تاکہ شماریاتی فورکاسٹ انہیں خارج کر سکے یا ان کے لیے ایڈجسٹ کر سکے۔
- پروموشنل اضافے کی فورکاسٹ کو بنیادی ڈیمانڈ سے الگ کریں، اور اس کے لیے کسی کے “صحیح محسوس ہونے والے” فیصد کے بجائے ماضی کی موازنہ کرنے والی پروموشنز کے نتائج کا استعمال کریں۔
- بعد میں آنے والی کمی کا حساب رکھیں۔ پروموشنز اکثر ڈیمانڈ پیدا کرنے کے بجائے اسے آگے کھینچ لاتی ہیں، اس لیے بعد کے ہفتے بیس لائن سے نیچے رہتے ہیں۔ عروج کی فورکاسٹ کرنا اور گراوٹ کو نظر انداز کرنا آپ کو دو بار اوور اسٹاک کر دیتا ہے۔
- پروموشنل کیلنڈر جلد حاصل کریں۔ پروموشنل اسٹاک آؤٹ کی سب سے عام وجہ یہ ہے کہ گودام کو پروموشن کا پتہ اسی وقت چلتا ہے جب صارفین کو چلتا ہے۔
فورکاسٹ کا مالک کون ہے
فورکاسٹنگ تکنیکی طور پر ناکام ہونے سے زیادہ تنظیمی طور پر ناکام ہوتی ہے، اور اس کا پیٹرن مستقل ہے۔
سیلز پر امید فورکاسٹ کرتی ہے، کیونکہ اہداف اور فورکاسٹس کو ملا دیا جاتا ہے اور کوئی بھی ہدف سے کم فورکاسٹ نہیں کرنا چاہتا۔ آپریشنز قدامت پسندانہ فورکاسٹ کرتے ہیں، کیونکہ وہ اضافی اسٹاک کی قیمت اور اسٹاک آؤٹ کا الزام برداشت کرتے ہیں۔ فنانس کو ایسی تعداد چاہیے جو پلان سے میل کھائے۔ ہر کوئی ایک مختلف اعداد و شمار پیش کرتا ہے، اور کاروبار آخر کار اس شخص کی فورکاسٹ پر چلتا ہے جس نے سب سے زیادہ بحث کی ہو۔
کیا بہتر کام کرتا ہے:
ایک نمبر، ایک فنکشن کی ملکیت۔ عام طور پر پلاننگ یا آپریشنز، جس میں سیلز کی طرف سے منظم ان پٹ شامل ہو، نہ کہ متوازی طور پر چلنے والی الگ سیلز فورکاسٹ۔
فورکاسٹ کو ہدف سے الگ کریں۔ ہدف وہ ہے جسے آپ حاصل کرنا چاہتے ہیں۔ فورکاسٹ وہ ہے جس کے ہونے کی آپ توقع کرتے ہیں۔ انہیں ملانا اس بات کی ضمانت ہے کہ فورکاسٹ اوپر کی طرف متعصب (biased) ہوگی، اور اسٹاک بھی اسی کے پیچھے چلے گا۔
ایڈجسٹمنٹس کا اسکور رکھیں۔ جب کوئی شماریاتی فورکاسٹ کو اوور رائیڈ (override) کرتا ہے، تو اسے ریکارڈ کریں اور بعد میں جائزہ لیں کہ آیا اس اوور رائیڈ نے درستگی کو بہتر کیا یا نہیں۔ یہ غیر آرام دہ ہے اور یہ جاننے کا تیز ترین طریقہ ہے کہ کس کا فیصلہ لاگو کرنے کے قابل ہے اور کس کا نہیں۔
لاگت کو ظاہر کریں۔ فورکاسٹ کی غلطی کی ایک قیمت ہوتی ہے — اضافی اسٹاک، رائٹ آف، تیز تر فریٹ، کھوئی ہوئی سیلز۔ اس اعداد و شمار کو عمل کے ساتھ جوڑنا ہی عام طور پر فورکاسٹنگ کو ایک انتظامی کام سے بدل کر ایسی چیز بنا دیتا ہے جسے لوگ سنجیدگی سے لیتے ہیں۔
فورکاسٹنگ باقی چیزوں سے کیسے جڑتی ہے
- ری آرڈر پوائنٹس لیڈ ٹائم کے دوران فورکاسٹ ڈیمانڈ کا استعمال کرتے ہیں۔
- سیفٹی اسٹاک کا تعین فورکاسٹ کی غلطی سے کیا جاتا ہے۔
- پرچیزنگ فورکاسٹ کے خلاف سرمایہ کاری کرتی ہے، جہاں غلطیاں مہنگی پڑتی ہیں۔
- گودام کی صلاحیت کی منصوبہ بندی متوقع حجم پر منحصر ہے، اور اسے غلط سمجھنے کا نتیجہ نومبر میں جگہ نہ ہونے کی صورت میں نکلتا ہے۔
- لیبر پلاننگ یونٹس کے بجائے متوقع آرڈر کے حجم کی پیروی کرتی ہے۔
- سپلائر کے تعلقات تب بہتر ہوتے ہیں جب آپ فورکاسٹس شیئر کرتے ہیں، کیونکہ وہ پیداوار کی منصوبہ بندی کر سکتے ہیں اور مناسب اسٹاک رکھ سکتے ہیں۔
آخری پوائنٹ کا استعمال کم ہوتا ہے۔ ایک سپلائر جسے آپ کی متوقع ضروریات کی بصیرت دی جائے، وہ عام طور پر اپنے لیڈ ٹائم کو مختصر اور مستحکم کر سکتا ہے، جو آپ کی سیفٹی اسٹاک کی ضرورت کو کسی بھی بہتر ماڈل سے زیادہ کم کر دیتا ہے۔
ایک عملی مثال
بارہ ماہ کی ہسٹری والی ایک پروڈکٹ لیں، اور دیکھیں کہ فورکاسٹ میں اصل میں کیا شامل ہوتا ہے۔
ماہانہ سیلز تقریباً یہ ہیں: 210، 195، 230، 240، 215، 225، 260، 250، 245، 280، 520، 310۔
فوری مشاہدہ یہ ہے کہ نومبر میں 520 بنیادی پیٹرن کا حصہ نہیں ہے — یہ ایک موسمی عروج ہے۔ ستمبر، اکتوبر اور نومبر کی تین ماہ کی موونگ ایوریج سے دسمبر کی فورکاسٹ (245 + 280 + 520) ÷ 3 = 348 دیتی ہے، جو کافی زیادہ آرڈر کر دیتی ہے کیونکہ یہ عروج کو نیا معمول سمجھتی ہے۔
اسے صحیح طریقے سے سنبھالنا:
موسمی مہینے کو الگ کریں۔ نومبر کو نکال کر، باقی گیارہ مہینوں کی اوسط تقریباً 241 یونٹس ہے جس میں معمولی اوپر کی طرف رجحان ہے۔ وہ 241 آپ کی بنیادی سطح ہے۔
موسمی انڈیکس کا حساب لگائیں۔ 241 کی بیس لائن کے مقابلے میں نومبر میں 520 کا انڈیکس تقریباً 2.2 ہے۔ اگر پچھلے سال نے اسی طرح کا تناسب دکھایا ہو، تو آپ اس پر بھروسہ کر سکتے ہیں؛ صرف ایک سال کی ہسٹری کے ساتھ، اسے عارضی سمجھیں۔
سطح کی آگے کی فورکاسٹ کریں۔ سال بھر کا رجحان ہلکا سا اوپر کی طرف ہے — شروع میں تقریباً 200، عروج کو نکال کر خزاں تک 260 — لہذا اگلے مہینے کے لیے ایک معقول سطح کی فورکاسٹ تقریباً 265 ہے۔
اگر متعلقہ ہو تو انڈیکس کا اطلاق کریں۔ دسمبر یہاں عروج کا مہینہ نہیں ہے، اس لیے فورکاسٹ 265 کے قریب رہتی ہے۔
غلطی کا تخمینہ لگائیں۔ بنیادی رجحان سے ماہ بہ ماہ انحراف تقریباً 20 یونٹس ہے، لہذا 20 کے قریب اسٹینڈرڈ ڈیوی ایشن ایک معقول کام کرنے والا اعداد و شمار ہے۔ 95 فیصد سروس لیول پر، سیفٹی اسٹاک تقریباً 1.65 × 20 × مہینوں میں لیڈ ٹائم کا مربع جڑ (square root) ہے۔
اس عمل سے گزرنے کا مقصد یہ ہے کہ زیادہ تر کام اس بارے میں فیصلہ کرنا ہے کہ ہسٹری کا کیا مطلب ہے، نہ کہ حساب کتاب۔ یہ فیصلہ کرنا کہ نومبر موسمی ہے نہ کہ ترقی، وہ فیصلہ ہے جو یہ طے کرتا ہے کہ اگلا آرڈر صحیح ہے یا نہیں، اور کوئی بھی طریقہ ایک سال کے ڈیٹا پر آپ کے لیے یہ فیصلہ نہیں کر سکتا۔
مزید گہرائی میں کہاں جائیں
- سیفٹی اسٹاک کیا ہے — جس کا تعین براہ راست فورکاسٹ ایرر سے کیا جاتا ہے۔
- ری آرڈر پوائنٹ کیا ہے — جہاں فورکاسٹ کا اطلاق ہوتا ہے۔
- انوینٹری مینجمنٹ کی تکنیکیں — وسیع تر ٹول کٹ۔
- اسٹاک آؤٹ کیا ہے — وہ ناکامی جسے فورکاسٹنگ کم کرتی ہے۔
- انوینٹری ٹرن اوور کیا ہے — جسے بہتر فورکاسٹنگ بہتر بناتی ہے۔
- انوینٹری کا انتظام کیسے کریں — وہ عمل جس کا یہ حصہ ہے۔
ایک جملے میں خلاصہ
ڈیمانڈ فورکاسٹنگ مستقبل کی فروخت کا تخمینہ لگاتی ہے تاکہ آپ فیصلہ کر سکیں کہ کیا خریدنا ہے — اور چونکہ فورکاسٹ غلط ہو سکتی ہے، اس لیے سب سے اہم عدد غلطی کا حجم اور سمت ہے، کیونکہ یہی طے کرتا ہے کہ آپ کو کتنا سیفٹی اسٹاک رکھنا ہے۔
اکثر پوچھے گئے سوالات
ڈیمانڈ فورکاسٹنگ کیا ہے؟ ایک مقررہ مدت کے دوران کسی پروڈکٹ کی مستقبل کی طلب کا تخمینہ لگانا، تاکہ یہ فیصلہ کیا جا سکے کہ کتنا اسٹاک خریدنا اور رکھنا ہے۔
ڈیمانڈ فورکاسٹنگ کے اہم طریقے کیا ہیں؟ موونگ ایوریجز، ویٹڈ موونگ ایوریجز، ایکسپونینشل اسوتھنگ، ٹرینڈ اور سیزنل ڈکمپوزیشن، کازل ویری ایبلز کے خلاف ریگریشن، اور کوالٹیٹیو ججمنٹ۔ زیادہ تر آپریشنز مستحکم لائنوں کے لیے ایکسپونینشل اسوتھنگ اور کسی بھی دہرائے جانے والے پیٹرن کے لیے سیزنل ڈکمپوزیشن کا استعمال کرتے ہیں۔
ڈیمانڈ فورکاسٹ کتنی درست ہونی چاہیے؟ اس کا کوئی عالمی معیار نہیں ہے، کیونکہ درستگی کا انحصار اس بات پر ہے کہ آپ کی طلب میں کتنی تبدیلی آتی ہے۔ مفید ٹیسٹ یہ ہے کہ کیا آپ کا طریقہ “پچھلی مدت کے برابر” والی سادہ فورکاسٹ سے بہتر ہے، اور کیا آپ کی غلطی غیر جانبدار ہے نہ کہ مستقل طور پر زیادہ یا کم۔
MAPE اور بائس (bias) میں کیا فرق ہے؟ MAPE سمت سے قطع نظر غلطی کے اوسط حجم کی پیمائش کرتا ہے۔ بائس یہ دیکھتا ہے کہ آیا غلطیاں مستقل طور پر ایک ہی سمت میں جھکاؤ رکھتی ہیں۔ ایک فورکاسٹ کا MAPE قابل قبول ہو سکتا ہے لیکن اس میں سنگین بائس ہو سکتا ہے، جو کہ زیادہ نقصان دہ مسئلہ ہے کیونکہ سیفٹی اسٹاک منظم جھکاؤ کو درست نہیں کرتا۔
میں نئی پروڈکٹ کے لیے ڈیمانڈ فورکاسٹ کیسے کروں؟ چونکہ ماضی کا ڈیٹا موجود نہیں ہوتا، اس لیے آپ اینالاگز (لانچ کے وقت ملتی جلتی پروڈکٹس) پر انحصار کرتے ہیں، جسے سیلز اور کسی بھی پری آرڈر یا انکوائری ڈیٹا سے حاصل کردہ کوالٹیٹیو ان پٹ کے ساتھ ملایا جاتا ہے۔ شروع میں بڑی غلطیوں کی توقع رکھیں اور جب تک کوئی پیٹرن سامنے نہ آئے، ماہانہ کے بجائے ہفتہ وار جائزہ لیں۔
مجھے ماضی کے ڈیٹا سے اسٹاک آؤٹ کے ادوار کو کیوں نکالنا چاہیے؟ کیونکہ اسٹاک آؤٹ کے دوران فروخت طلب کے بجائے دستیابی کو ظاہر کرتی ہے۔ انہیں شامل کرنے سے فورکاسٹ کو یہ سبق ملتا ہے کہ طلب حقیقت سے کم ہے، بالکل انہی پروڈکٹس پر جو پہلے ہی ختم ہو چکی تھیں۔
مجھے کتنی آگے تک کی فورکاسٹ کرنی چاہیے؟ اتنا آگے تک جو آپ کے لیڈ ٹائم اور ریویو پیریڈ کا احاطہ کر سکے، اور آرڈرنگ کے مقاصد کے لیے اس سے زیادہ نہیں۔ صلاحیت، بجٹ اور سپلائر کی منصوبہ بندی کے لیے طویل افق کی ضرورت ہوتی ہے، لیکن انہیں الگ مشقوں کے طور پر سمجھا جانا چاہیے جن میں رواداری (tolerances) زیادہ ہو، نہ کہ وہ اعداد و شمار جن پر آپ آرڈر دیتے ہیں۔
کیا بہتر فورکاسٹنگ انوینٹری کو کم کرتی ہے؟ جی ہاں، بالواسطہ اور قابل پیمائش حد تک۔ سیفٹی اسٹاک کا تعین فورکاسٹ کی غلطی سے کیا جاتا ہے، لہذا غلطی کو کم کرنے سے اسی سروس لیول کے لیے درکار بفر کم ہو جاتا ہے۔ فورکاسٹنگ کے عمل میں سرمایہ کاری کرنے کے لیے یہ سب سے واضح مالیاتی جواز ہے۔
Warehouse Wise انونٹری مینجمنٹ، ویئر ہاؤسنگ اور تکمیلِ آرڈرز پر مبنی رہنما کتابچوں کی ایک مفت اور آزاد لائبریری ہے۔ اسے خاص طور پر ان لوگوں کے لیے لکھا گیا ہے جو عملی طور پر یہ کام کرتے ہیں — جیسے کہ ویئر ہاؤس اور انونٹری کا نیا عملہ، چھوٹے اور بڑھتے ہوئے ریٹیل اور ای کامرس کاروبار، اور کوئی بھی شخص جو اسٹاک رکھتا ہو اور اسے درست طریقے سے سمجھنا چاہتا ہو۔ ہر رہنما کتابچہ اصطلاح کی وضاحت کرتا ہے، ضرورت پڑنے پر حقیقی اعداد و شمار کے ساتھ عملی مثال دیتا ہے، اور بات کو مختصر رکھتا ہے۔ ہم مکمل طور پر آزاد ہیں: ہم نہ تو کوئی سافٹ ویئر یا آلات فروخت کرتے ہیں، نہ ہی ریفرلز پر کوئی کمیشن لیتے ہیں، اور ہمارے مواد کی درجہ بندی کا تعین اس بنیاد پر نہیں ہوتا کہ ہمیں کون ادائیگی کرتا ہے۔