Pieprasījuma prognozēšana: metodes pārdošanas un krājumu plānošanā
Vidējs līmenis
Pieprasījums mainās, plānošana paliek
Lielākā daļa krājumu problēmu rodas nevis no sliktas pārdošanas, bet no neprecīzas plānošanas. Pārmērīgi krājumi iesaldē naudu, trūkumi rada klientu zaudēšanu. Šis kurss pēta, kā veidot pieprasījuma prognozes, kuras var izmantot operatīvajā plānošanā.
Modeļi un to ierobežojumi
Studenti iepazīstas ar deterministiskajiem un stohastiskajiem pieprasījuma modeļiem. Īpaša uzmanība tiek pievērsta sezonālo svārstību modelēšanai un to ietekmes novērtēšanai uz drošības krājumu aprēķiniem. Tiek aplūkotas arī situācijas, kad modeļi nesniedz ticamus rezultātus.
Datu avoti un to kvalitāte
Prognozes ir tik labas, cik labi ir dati. Kursa ietvaros analizējam, kā strādāt ar nepilnīgiem datiem, sezonāliem iztrūkumiem un datu anormalitātēm, kas bieži parādās mazumtirdzniecībā un e-komercijā.
Rīki un vide
Darbs notiek galvenokārt ar Excel un Google Sheets. Papildu moduļi Python rīkiem tiem, kas vēlas padziļināties. Nav nepieciešamas programmēšanas zināšanas, lai pabeigtu kursa pamata daļu.
Programmas saturs
Programmas struktūra
- Modulis 1
- Pieprasījuma prognozēšanas loma piegādes ķēdē. Pamatjēdzieni un terminoloģija.
- Modulis 2
- Datu vākšana un tīrīšana: tipiskie problēmgadījumi mazumtirdzniecībā.
- Modulis 3
- Laika rindu metodes: slīdošais vidējais, Holts-Vinters modelis.
- Modulis 4
- Sezonalitātes modelēšana un svētku periodu korekcijas.
- Modulis 5
- Drošības krājumu aprēķins, balstoties uz prognožu kļūdām.
- Modulis 6
- ABC-XYZ analīze krājumu prioritizēšanai.
- Modulis 7
- Prognozes integrācija ERP sistēmās un plānošanas procesos.
- Modulis 8
- Noslēguma gadījums: pieprasījuma plāns reālam produktu portfelim.