Techniken der Nachfrageprognose (Umfrage und statistische Methoden)

Die größte Herausforderung bei der Vorhersage der Nachfrage besteht in der Auswahl einer wirksamen Technik.

Es gibt keine bestimmte Methode, mit der Unternehmen künftig Risiken und Unsicherheiten antizipieren können. Generell gibt es zwei Ansätze zur Bedarfsprognose.

Der erste Ansatz besteht darin, die Nachfrage vorherzusagen, indem Informationen über das Kaufverhalten der Verbraucher von Experten gesammelt werden oder indem Umfragen durchgeführt werden. Andererseits besteht die zweite Methode darin, die Nachfrage unter Verwendung der Vergangenheitsdaten durch statistische Techniken vorherzusagen.

Wir können also sagen, dass die Techniken der Bedarfsprognose in Erhebungsmethoden und statistische Methoden unterteilt sind. Die Erhebungsmethode dient im Allgemeinen der kurzfristigen Prognose, während statistische Methoden zur langfristigen Bedarfsprognose verwendet werden.

Diese beiden Ansätze sind in Abbildung 10 dargestellt:

Besprechen wir diese Techniken (wie in Abbildung 10 dargestellt).

Umfragemethode :

Die Erhebungsmethode ist eine der häufigsten und direktesten Methoden zur kurzfristigen Bedarfsprognose. Diese Methode umfasst die zukünftigen Kaufpläne der Verbraucher und ihre Absichten. Bei dieser Methode führt eine Organisation Umfragen bei Verbrauchern durch, um die Nachfrage nach ihren vorhandenen Produkten und Dienstleistungen zu ermitteln und die zukünftige Nachfrage entsprechend zu antizipieren.

Die Erhebungsmethode besteht aus drei Übungen, die in Abbildung 11 dargestellt sind:

Die in der Erhebungsmethode durchgeführten Übungen (wie in Abbildung 11 dargestellt) werden wie folgt erläutert:

ich. Expertenmeinungsumfrage:

Bezieht sich auf eine Methode, bei der Experten aufgefordert werden, ihre Meinung zum Produkt abzugeben. Im Allgemeinen fungieren Vertriebsmitarbeiter in einer Organisation als Experten, die die Nachfrage nach dem Produkt in verschiedenen Bereichen, Regionen oder Städten bewerten können.

Handelsvertreter stehen in engem Kontakt mit den Verbrauchern. Daher sind sie sich der zukünftigen Kaufpläne der Verbraucher, ihrer Reaktionen auf Marktveränderungen und ihrer Wahrnehmung für andere konkurrierende Produkte bewusst. Sie bieten eine ungefähre Schätzung der Nachfrage nach den Produkten des Unternehmens. Diese Methode ist recht einfach und kostengünstiger.

Es hat jedoch seine eigenen Einschränkungen, die wie folgt erläutert werden:

ein. Bietet Schätzungen, die von den Marktkenntnissen der Experten und ihrer Erfahrung abhängen. Diese Fähigkeiten unterscheiden sich von Individuum zu Individuum. Auf diese Weise wird es schwierig, genaue Nachfrageprognosen zu erstellen.

b. Beinhaltet eine subjektive Beurteilung des Prüfers, die zu einer Über- oder Unterschätzung führen kann.

c. Dies hängt von Daten ab, die von Vertriebsmitarbeitern zur Verfügung gestellt wurden, die möglicherweise keine ausreichenden Informationen über den Markt haben.

d. Ignoriert Faktoren wie die Veränderung des Bruttosozialprodukts, die Verfügbarkeit von Krediten und die Zukunftsaussichten der Branche, die sich bei der Nachfrageprognose als hilfreich erweisen können.

ii. Delphi-Methode:

Bezieht sich auf eine Gruppenentscheidungstechnik zur Bedarfsprognose. Bei dieser Methode werden Fragen einzeln von einer Expertengruppe gestellt, um ihre Meinung zur Nachfrage nach Produkten in Zukunft zu erhalten. Diese Fragen werden wiederholt gestellt, bis ein Konsens erreicht ist.

Bei dieser Methode erhält jeder Experte außerdem Informationen zu den Schätzungen, die von anderen Experten in der Gruppe vorgenommen wurden, sodass er seine Schätzungen in Bezug auf die Schätzungen anderer Experten überarbeiten kann. Auf diese Weise werden die Prognosen von Experten überprüft, um genauere Entscheidungen treffen zu können.

Jeder Experte darf auf die Schätzungen anderer reagieren oder Vorschläge machen. Die Namen der Experten werden jedoch anonym gehalten, während Schätzungen zwischen Experten ausgetauscht werden, um ein faires Urteilsvermögen zu ermöglichen und den Halo-Effekt zu verringern.

Der Hauptvorteil dieser Methode besteht darin, dass sie zeit- und kosteneffizient ist, da eine Reihe von Experten in kurzer Zeit angesprochen werden können, ohne andere Ressourcen aufzuwenden. Diese Methode kann jedoch zu subjektiven Entscheidungen führen.

iii. Marktexperimentmethode:

Umfasst das Sammeln der erforderlichen Informationen zur aktuellen und zukünftigen Nachfrage nach einem Produkt. Diese Methode führt die Studien und Experimente zum Verbraucherverhalten unter tatsächlichen Marktbedingungen durch. Bei dieser Methode werden einige Marktbereiche mit ähnlichen Merkmalen ausgewählt, z. B. Bevölkerung, Einkommensniveau, kultureller Hintergrund und Geschmack der Verbraucher.

Die Marktexperimente werden mit Hilfe von Preis- und Aufwandsänderungen durchgeführt, um die daraus resultierenden Nachfrageschwankungen zu erfassen. Diese Ergebnisse helfen bei der Vorhersage der zukünftigen Nachfrage.

Es gibt verschiedene Einschränkungen dieser Methode:

ein. Bezieht sich auf eine teure Methode; Daher ist es für kleine Unternehmen möglicherweise nicht erschwinglich

b. Beeinflusst die Ergebnisse von Experimenten aufgrund verschiedener sozioökonomischer Bedingungen wie Streiks, politischer Instabilität und Naturkatastrophen

Statistische Methoden :

Statistische Methoden sind komplexe Methoden der Bedarfsprognose. Mit diesen Methoden wird die Nachfrage langfristig prognostiziert. Bei dieser Methode wird der Bedarf auf der Grundlage historischer Daten und Querschnittsdaten prognostiziert.

Historische Daten beziehen sich auf frühere Daten, die aus verschiedenen Quellen stammen, wie z. B. Bilanzen der Vorjahre und Markterhebungsberichte. Zum anderen werden Querschnittsdaten durch Interviews mit Einzelpersonen und Markterhebungen erhoben. Im Gegensatz zu Erhebungsmethoden sind statistische Methoden kostengünstig und zuverlässig, da bei diesen Methoden nur ein minimales Maß an Subjektivität vorhanden ist.

Diese verschiedenen statistischen Methoden sind in Abbildung 12 dargestellt:

Die verschiedenen statistischen Methoden (wie in Abbildung 12 gezeigt).

Trendprojektionsmethode :

Trendprojektion oder Methode der kleinsten Quadrate ist die klassische Methode der Geschäftsprognose. Bei dieser Methode wird eine große Menge zuverlässiger Daten für die Bedarfsprognose benötigt. Außerdem wird bei dieser Methode davon ausgegangen, dass die Faktoren wie Umsatz und Nachfrage, die für vergangene Trends verantwortlich sind, auch in Zukunft gleich bleiben.

Bei dieser Methode werden Umsatzprognosen durch Analyse von Vergangenheitsdaten erstellt, die aus den Geschäftsbüchern des Vorjahres entnommen wurden. Bei neuen Organisationen werden Verkaufsdaten von Organisationen übernommen, die bereits in derselben Branche existieren. Diese Methode verwendet Zeitreihendaten zum Umsatz, um den Bedarf eines Produkts vorherzusagen.

Tabelle 1 zeigt die Zeitreihendaten der XYZ-Organisation:

Die Trendprojektionsmethode berücksichtigt drei weitere Methoden:

ich. Grafische Methode:

Hilft bei der Vorhersage der zukünftigen Umsätze einer Organisation mithilfe eines Diagramms. Die Verkaufsdaten werden in einer Grafik dargestellt und eine Linie wird auf den dargestellten Punkten gezeichnet.

Lassen Sie uns dies anhand eines in Abbildung 13 gezeigten Diagramms lernen:

Abbildung 13 zeigt eine Kurve, die unter Berücksichtigung der Verkaufsdaten der XYZ-Organisation (Tabelle 1) dargestellt wird. Die Linie P wird durch die Mittelpunkte der Kurve gezogen und S ist eine gerade Linie. Diese Linien werden erweitert, um den zukünftigen Umsatz für das Jahr 2010 von rund 47 Tonnen zu erzielen. Diese Methode ist sehr einfach und kostengünstiger. Die mit dieser Methode erstellten Projektionen können jedoch auf der persönlichen Neigung des Prognostikers beruhen.

ii. Anpassungsmethode:

Impliziert eine Methode der kleinsten Quadrate, bei der eine Trendlinie (Kurve) mithilfe statistischer Techniken an die Zeitreihendaten des Umsatzes angepasst wird.

Bei dieser Methode werden zwei Arten von Trends berücksichtigt, die wie folgt erklärt werden:

ein. Linearer Trend:

Dies impliziert einen Trend, bei dem der Umsatz einen steigenden Trend aufweist.

Im linearen Trend wird die folgende geradlinige Trendgleichung angepasst:

S = A + BT

Wo

S = Jahresumsatz

T = Zeit (in Jahren)

A und B sind konstant

B gibt das Maß für die jährliche Umsatzsteigerung an

b. Exponentieller Trend:

Dies impliziert einen Trend, bei dem der Umsatz in den letzten Jahren mit steigender oder konstanter Geschwindigkeit steigt.

Die entsprechende verwendete Trendgleichung lautet wie folgt:

Y = aTb

Wo

Y = Jahresumsatz

T = Zeit in Jahren

a und b sind konstant

Umgerechnet in Logarithmus lautet die Gleichung:

Log Y = Log a + b Log T

Der Hauptvorteil dieser Methode ist, dass es einfach zu bedienen ist. Darüber hinaus ist der Datenbedarf dieser Methode sehr begrenzt (da nur Verkaufsdaten erforderlich sind), so dass es sich um eine kostengünstige Methode handelt.

Dieses Verfahren unterliegt jedoch auch bestimmten Einschränkungen, die wie folgt lauten:

1. Es wird davon ausgegangen, dass die Änderungsrate der Variablen in der Vergangenheit auch in Zukunft gleich bleibt, was in der Praxis nicht anwendbar ist.

2. Kann nicht für kurzfristige Schätzungen angewendet werden und ist der Trend zyklisch mit vielen Schwankungen

3. Die Beziehung zwischen abhängigen und unabhängigen Variablen kann nicht gemessen werden.

iii. Box-Jenkins-Methode:

Bezieht sich auf eine Methode, die nur für kurzfristige Vorhersagen verwendet wird. Diese Methode prognostiziert den Bedarf nur mit stationären Zeitreihendaten, die den langfristigen Trend nicht aufzeigen. Es wird in Situationen verwendet, in denen Zeitreihendaten monatliche oder saisonale Schwankungen mit einem gewissen Grad an Regelmäßigkeit darstellen. Diese Methode kann beispielsweise zur Schätzung der Umsatzprognosen für Wollkleidung während der Wintersaison verwendet werden.

Barometrische Methode :

Bei der barometrischen Methode wird die Nachfrage auf der Grundlage vergangener Ereignisse oder Schlüsselvariablen vorhergesagt, die in der Gegenwart auftreten. Diese Methode wird auch verwendet, um verschiedene Wirtschaftsindikatoren wie Sparen, Investitionen und Einkommen vorherzusagen. Diese Methode wurde 1920 vom Harvard Economic Service eingeführt und 1930 vom National Bureau of Economic Research (NBER) weiter überarbeitet.

Diese Technik hilft bei der Bestimmung des allgemeinen Trends der Geschäftstätigkeit. Nehmen wir zum Beispiel an, dass die Regierung der XYZ-Gesellschaft Land für den Bau von Gebäuden zuweist. Dies deutet auf eine hohe Nachfrage nach Zement, Ziegeln und Stahl hin.

Der Hauptvorteil dieser Methode besteht darin, dass sie auch ohne vorherige Daten anwendbar ist. Diese Methode ist jedoch bei neuen Produkten nicht anwendbar. Darüber hinaus verliert es seine Anwendbarkeit, wenn keine Zeitverzögerung zwischen Wirtschaftsindikator und Nachfrage besteht.

Ökonometrische Methoden :

Ökonometrische Methoden kombinieren statistische Instrumente mit ökonomischen Theorien zur Vorhersage. Die mit dieser Methode erstellten Vorhersagen sind sehr zuverlässig wie keine andere Methode. Ein ökonometrisches Modell besteht aus zwei Arten von Methoden, nämlich dem Regressionsmodell und dem Simultangleichungsmodell.

Diese beiden Arten von Methoden werden wie folgt erläutert:

ich. Regressionsmethoden:

Beziehen Sie sich auf die gängigste Methode der Bedarfsprognose. Bei der Regressionsmethode wird die Nachfragefunktion für ein Produkt geschätzt, wenn die Nachfrage eine abhängige Variable ist und Variablen, die die Nachfrage bestimmen, eine unabhängige Variable sind.

Wenn sich nur eine Variable auf den Bedarf auswirkt, spricht man von einer einzelnen variablen Bedarfsfunktion. Daher werden einfache Regressionstechniken verwendet. Wenn die Nachfrage von vielen Variablen beeinflusst wird, spricht man von einer Multi-Variablen-Nachfragefunktion. In einem solchen Fall wird daher die multiple Regression verwendet.

Die einfachen und multiplen Regressionstechniken werden wie folgt erläutert:

ein. Einfache Regression:

Bezieht sich auf das Studium der Beziehung zwischen zwei Variablen, wobei eine unabhängige Variable und die andere abhängige Variable ist.

Die Gleichung zur Berechnung der einfachen Regression lautet wie folgt:

Y = a + bx

Wobei Y = Geschätzter Wert von Y für einen gegebenen Wert von X

b = Änderungsbetrag in Y, der durch eine Einheitsänderung in X erzeugt wird

a und b = Konstanten

Die Gleichungen zur Berechnung von a und b lauten wie folgt:

Lassen Sie uns lernen, anhand eines Beispiels die einfache Regression zu berechnen. Angenommen, ein Forscher möchte die Beziehung zwischen der Zufriedenheit des Mitarbeiters (der Verkaufsgruppe) und dem Umsatz einer Organisation untersuchen.

Er / sie hat das Feedback der Mitarbeiter in Form eines Fragebogens aufgenommen und sie gebeten, ihre Zufriedenheit auf einer 10-Zeiger-Skala zu bewerten, wobei 10 die höchste und 1 die niedrigste ist. Der Forscher hat die Verkaufsdaten für jedes einzelne Mitglied der Verkaufsgruppe genommen. Er / sie hat den Durchschnitt der monatlichen Verkäufe für ein Jahr für jede Person genommen.

Die gesammelten Daten sind in Tabelle 2 aufgeführt:

Die Berechnung des Mittelwerts für die Mitarbeiterzufriedenheit (X) und den Umsatz sieht wie folgt aus:

Dies ist die Regressionsgleichung, in der der Forscher einen beliebigen Wert von X verwenden kann, um den geschätzten Wert von Y zu ermitteln.

Wenn der Wert von X beispielsweise 9 ist, wird der Wert von Y wie folgt berechnet:

Y = -1, 39 + 1, 61X

Y = -1, 39 + 1, 61 (9)

Y = 13.

Anhand des vorhergehenden Beispiels kann gefolgert werden, dass bei Zufriedenheit eines Mitarbeiters seine Leistung steigen würde.

b. Multiple Regression:

Bezieht sich auf die Untersuchung der Beziehung zwischen mehr als einer unabhängigen und abhängigen Variablen.

Im Fall von zwei unabhängigen Variablen und einer abhängigen Variablen wird die folgende Gleichung zur Berechnung der multiplen Regression verwendet:

Y = a + b1X1 + b2X2

Wobei Y (abhängige Variable) = Geschätzter Wert von Y für einen gegebenen Wert von X1 und X

X1 und X2 = unabhängige Variablen

b1 = Änderungsbetrag in Y, der durch eine Einheitsänderung in X erzeugt wird

b2 = Änderungsbetrag in Y, der durch eine Einheitenänderung in X2 erzeugt wird

a, b1 und b2 = Konstanten

Die zur Berechnung der a- und b-Werte verwendeten Gleichungen lauten wie folgt:

Die Anzahl der Gleichungen hängt von der Anzahl der unabhängigen Variablen ab. Wenn es zwei unabhängige Variablen gibt, dann gibt es drei Gleichungen und so weiter.

Lassen Sie uns anhand eines Beispiels lernen, die multiple Regression zu berechnen. Angenommen, der Forscher möchte die Beziehung zwischen dem mittleren Prozentsatz, dem Abschlussprozentsatz und dem MAT-Perzentil einer Gruppe von 25 Studenten untersuchen.

Es ist wichtig zu beachten, dass der mittlere Prozentsatz und der Teilungsprozentsatz unabhängige Variablen sind und das MAT-Perzentil eine abhängige Variable ist. Der Forscher möchte herausfinden, ob das Perzentil in MAT vom Prozentsatz der Mittelstufe und des Abschlusses abhängt oder nicht.

Die gesammelten Daten sind in Tabelle 3 gezeigt:

Die zur Berechnung der multiplen Regression erforderlichen Gleichungen lauten wie folgt:

Diese Gleichungen werden verwendet, um die multiple Regressionsgleichung manuell zu lösen. Sie können SPSS jedoch auch verwenden, um mehrere Regressionen zu ermitteln.

Wenn wir im vorhergehenden Beispiel SPSS verwenden, erhalten wir die in Tabelle 4 gezeigte Ausgabe:

Tabelle 5 zeigt die Zusammenfassung des Regressionsmodells. In dieser Tabelle ist R der Korrelationskoeffizient zwischen der unabhängigen und der abhängigen Variablen, der in diesem Fall sehr hoch ist. R Square zeigt, dass ein großer Teil der Variation im Modell durch Beschäftigungsmöglichkeiten in einem Staat gezeigt wird. Der Standardfehler der Schätzung ist mit 1, 97 recht gering. Es zeigt auch an, dass die Variation in den vorliegenden Daten geringer ist.

Tabelle 6 zeigt die Koeffizienten des Regressionsmodells:

Tabelle 6 zeigt, dass der berechnete t-Wert größer als der Signifikanz-t-Wert ist. Somit zeigen die Koeffizienten eine Ursache-Wirkungs-Beziehung zwischen den unabhängigen und abhängigen Variablen.

Tabelle 7 zeigt die AN-OVA-Tabelle für die beiden untersuchten Variablen:

Tabelle 7 zeigt die Analyse der Variation im Modell. Die Regressionszeile zeigt die Abweichung, die aufgrund des Regressionsmodells aufgetreten ist. Die verbleibende Zeile zeigt jedoch die zufällige Abweichung. In Tabelle 7 ist der Wert der Quadratsumme für die Regressionszeile größer als der Wert der Quadratsumme für die Restzeile. Daher werden die meisten Variationen nur modellbedingt hergestellt.

Der berechnete F-Wert ist im Vergleich zum Signifikanzwert sehr groß. Daher können wir sagen, dass der mittlere Prozentsatz und der Abschlussprozentsatz einen starken Einfluss auf das MAT-Perzentil eines Schülers haben.

Simultangleichungen:

Beziehen Sie mehrere Gleichungen gleichzeitig ein.

Es gibt zwei Arten von Variablen, die in diesem Modell enthalten sind:

ich. Endogene Variablen:

Beziehen Sie sich auf Eingaben, die innerhalb des Modells ermittelt werden. Dies sind Regelgrößen.

ii. Exogene Variablen:

Siehe die Eingaben des Modells. Beispiele sind Zeit, Staatsausgaben und Wetterbedingungen. Diese Variablen werden außerhalb des Modells ermittelt.

Zur Entwicklung eines vollständigen Modells werden zunächst endogene und exogene Variablen bestimmt. Danach werden die notwendigen Daten sowohl zu exogenen als auch zu endogenen Variablen gesammelt. Manchmal sind Daten nicht in der erforderlichen Form verfügbar, daher müssen sie im Modell angepasst werden.

Nach der Entwicklung der erforderlichen Daten wird das Modell mit einer geeigneten Methode geschätzt. Schließlich wird das Modell für jede endogene Variable in Bezug auf die exogene Variable gelöst. Die Vorhersage ist endlich gemacht.

Andere statistische Messgrößen :

Neben statistischen Methoden gibt es noch andere Methoden zur Bedarfsprognose. Diese Maßnahmen sind sehr spezifisch und werden nur für bestimmte Datensätze verwendet. Daher kann die Verwendung nicht für alle Arten von Forschung verallgemeinert werden.

Diese Maßnahmen sind in Abbildung 14 dargestellt:

Die verschiedenen Arten statistischer Kennzahlen (wie in Abbildung 14 dargestellt) werden wie folgt erläutert:

iii. Indexnummer:

Bezieht sich auf die Maßnahmen, mit denen die Schwankungen einer Variablen oder einer Gruppe verwandter Variablen in Bezug auf den Zeitraum / die Basisperiode untersucht werden. Sie werden am häufigsten in der Wirtschafts- und Finanzforschung verwendet, um verschiedene Faktoren wie Preis und Menge eines Produkts zu untersuchen. Die für das Problem verantwortlichen Faktoren werden identifiziert und berechnet.

Es gibt hauptsächlich vier Arten von Indexnummern:

ein. Einfache Indexnummer:

Bezieht sich auf die Zahl, die eine relative Änderung einer einzelnen Variablen in Bezug auf das Basisjahr misst.

b. Zusammengesetzte Indexnummer:

Bezieht sich auf die Zahl, die eine relative Änderung in einer Gruppe verwandter Variablen in Bezug auf das Basisjahr misst.

c. Preisindexnummer:

Bezieht sich auf die Zahl, die eine relative Änderung des Preises einer Ware in verschiedenen Zeiträumen misst.

d. Mengenindexnummer:

Bezieht sich auf die Zahl, die eine relative Änderung der physischen Menge von Waren misst, die für eine Ware in verschiedenen Zeiträumen hergestellt, verbraucht oder verkauft wurden.

Zeitreihenanalyse: Bezieht sich auf die Analyse einer Reihe von Beobachtungen über einen Zeitraum von gleichmäßig verteilten Zeitintervallen. Zum Beispiel die Analyse des Wachstums eines Unternehmens von seiner Gründung bis zur gegenwärtigen Situation. Die Zeitreihenanalyse ist in verschiedenen Bereichen anwendbar, beispielsweise im öffentlichen Sektor, in der Wirtschaft und in der Forschung.

Es gibt verschiedene Komponenten der Zeitreihenanalyse:

ein. Säkularen Trend:

Bezieht sich auf den Trend, der mit T bezeichnet ist und über einen bestimmten Zeitraum vorherrscht. Der weltliche Trend für eine Datenreihe kann aufwärts oder abwärts gehen. Der Aufwärtstrend zeigt den Anstieg einer Variablen, wie z. B. den Anstieg der Rohstoffpreise; Der Abwärtstrend zeigt die abnehmenden Phasen, wie z. B. die Abnahme der Krankheitsrate und des Umsatzes für ein bestimmtes Produkt.

b. Kurzzeit-Oszillation:

Bezeichnet einen Trend, der für einen kürzeren Zeitraum bestehen bleibt.

Es kann in die folgenden drei Trends eingeteilt werden:

1. Saisonaler Trend:

Bezieht sich auf den mit S bezeichneten Trend, der für einen bestimmten Zeitraum Jahr für Jahr auftritt. Der Grund für solche Trends sind Wetterbedingungen, Feste und einige andere Bräuche. Beispiele für die saisonale Entwicklung sind der Anstieg der Nachfrage nach Wolle im Winter und der Anstieg des Umsatzes mit Süßwaren in der Nähe von Diwali.

2. Zyklischer Trend:

Bezieht sich auf den mit C bezeichneten Trend, der länger als ein Jahr anhält. Zyklische Trends sind weder kontinuierlicher noch saisonaler Natur. Ein Beispiel für einen zyklischen Trend ist der Konjunkturzyklus.

3. Unregelmäßiger Trend:

Bezieht sich auf den mit I bezeichneten Trend, der von Natur aus kurz und unvorhersehbar ist. Beispiele für irreguläre Trends sind Erdbeben, Vulkanausbrüche und Überschwemmungen.

Entscheidungsbaumanalyse:

Bezieht sich auf das Modell, das zum Treffen von Entscheidungen in einer Organisation verwendet wird. In der Entscheidungsbaumanalyse wird eine Baumstruktur gezeichnet, um die beste Lösung für ein Problem zu bestimmen. In dieser Analyse ermitteln wir zunächst verschiedene Optionen, die wir zur Lösung eines bestimmten Problems anwenden können.

Danach können wir das Ergebnis jeder Option herausfinden. Diese Optionen / Entscheidungen sind mit einem quadratischen Knoten verbunden, während die Ergebnisse mit einem kreisförmigen Knoten dargestellt werden. Der Ablauf eines Entscheidungsbaums sollte von links nach rechts erfolgen.

Die Form des Entscheidungsbaums ist in Abbildung 15 dargestellt:

Lassen Sie uns die Arbeitsweise eines Entscheidungsbaums anhand eines Beispiels verstehen. Angenommen, eine Organisation möchte die Art der Segmentierung festlegen, um die Kundenbasis zu vergrößern.

Dieses Problem kann mithilfe des in Abbildung 16 gezeigten Entscheidungsbaums gelöst werden:

In Abbildung 16 zeigt der Entscheidungsbaum zwei Arten der Segmentierung, nämlich die demografische Segmentierung und die geografische Segmentierung. Nun würden wir die Ergebnisse dieser beiden Segmentierungen analysieren. Für die Analyse der demografischen Segmentierung fallen dem Unternehmen 40.000 S (geschätzte Kosten) an. Das Ergebnis der demografischen Segmentierung kann gut, moderat und schlecht sein.

Die geschätzten Einnahmen für drei Jahre für die drei Optionen (gut, mäßig und schlecht) lauten wie folgt:

Gut = $ 21500000

Moderat = 950000 US-Dollar

Schlecht = S300000

Die den Ergebnissen zugewiesenen Wahrscheinlichkeiten sind 0, 4 für gut, 0, 5 für mäßig und 0, 1 für schlecht.

Nun berechnen wir die Ergebnisse der demografischen Segmentierung wie folgt:

Gut = 0, 4 * 2100000 = 840000

Moderat = 0, 5 * 950000 = 475000

Schlecht = 0, 1 * 300000 = 30000

In ähnlicher Weise belaufen sich die Kosten im Falle einer geografischen Segmentierung auf 70000 USD (geschätzte Kosten). Das Ergebnis der geografischen Segmentierung kann gut und schlecht sein.

Die geschätzten Einnahmen für drei Jahre für die beiden Optionen (gut und schlecht) lauten wie folgt:

Gut = $ 1350000

Schlecht = $ 260000

Die den Ergebnissen zugewiesenen Wahrscheinlichkeiten sind 0, 6 für gut und 0, 4 für schlecht.

Nun berechnen wir die Ergebnisse der geografischen Segmentierung wie folgt:

Gut = 0, 6 * 1350000 = 810000 USD

Schlecht = 0, 4 * 260000 = $ 104000

Nun würden wir die beiden Ergebnisse analysieren, um eine Entscheidung zu treffen, eine Segmentierung aus den beiden Segmentierungen auf folgende Weise auszuwählen:

Für die demografische Segmentierung:

Gut = 840000-40000 = 800000 US-Dollar

Mittel = 475000-40000 = 435000 US-Dollar

Schlecht = 30000-40000 = $ (10000)

Ebenso für die geografische Segmentierung:

Gut = 810000-70000 = 740000 USD

Schlecht = 104000-70000 = 340000 US-Dollar

Aus der Berechnung geht hervor, dass bei Auswahl der demografischen Segmentierung der maximale geschätzte Gewinn 800.000 USD beträgt. Bei der demografischen Segmentierung kann es zu Verlusten (10.000) kommen, wenn das Produkt auf dem Markt nicht erfolgreich ist.

Wenn wir die geografische Segmentierung auswählen, würde der maximale geschätzte Gewinn 740000 USD betragen. Bei der geografischen Segmentierung würden wir weniger Gewinn erzielen (S 340000), wenn das Produkt auf dem Markt nicht erfolgreich ist. Daher ist es besser, die geografische Segmentierung für die Vermarktung des Produkts zu verwenden, da keine Verluste damit verbunden sind.

 

Lassen Sie Ihren Kommentar