Différentes méthodes de prévision de la demande

Passé données

• Une des méthodes les plus courantes pour prévoir la demande est tout simplement d'extrapoler les niveaux de demande précédents. Cette méthode peut être rendu plus précis en utilisant des données aussi détaillées que possible et de prendre des mesures pour faire en sorte qu'elle lie avec la période de la prévision. Par exemple, les chiffres de ventes pour les jouets pour enfants en Décembre sont susceptibles d'être un indicateur très mauvaise pour les ventes en Janvier.

  
  
  
  
  

  La principale faiblesse de cette approche est qu'il ne tient pas compte des variables futures connu. Par exemple, la demande de programmes de télévision d'origine dans un exercice précédent devra être ajusté lors de la prévision de la demande l'année prochaine si il est connu une grève signifient qu'il n'y a pas de jeux de football pour être diffusées.

Les marchés de prédiction

• La théorie de la «sagesse des foules» suggère que réunissant les évaluations individuelles de nombreuses personnes différentes, chacune avec leurs propres idées et les préjugés, peut produire un résultat global précis. Une façon d'exploiter cette est pour une entreprise d'organiser un concours où tout le personnel, de chaque département, tenter de prévoir la demande, avec un prix aller au plus précis. Selon la théorie, la moyenne de toutes les entrées est susceptible d'être proche de la réalité.

Data Mining

• Cela implique l'analyse de la relation entre les différents facteurs en utilisant la technologie informatique pour permettre des prévisions plus détaillées et sophistiquées. Par exemple, le nombre de personnes à la recherche de conseils sur le nez qui coule et la toux peut être liée au nombre de gens qui vont sur d'avoir rhume ou la grippe. Cela pourrait conduire à une augmentation de la demande pour la médecine, mais une diminution de la demande pour les transports en commun (comme les gens restent à la maison plutôt que de la navette.) L'exploration de données peut aider à isoler ces relations, en particulier lorsque plusieurs facteurs interagissent de manière complexe.

Segmentation

• Cette approche consiste à briser le marché pour un produit ou un service (qui est, les consommateurs) en groupes aussi détaillé et précis que possible. Cela peut être fait par l'âge, l'emplacement, le sexe, le revenu, l'éducation ou d'autres groupes démographiques et comportementaux. Prévisions individuelles pour chaque groupe peuvent être faites sur la base des données disponibles, avec les différentes prévisions ensuite agrégées. L'idée est que les plusieurs segments peuvent être analysés, plus il est probable que surestime pour un segment sont équilibrés par une sous-estimation pour un autre segment.