ما هو التنبؤ الكمي

التنبؤ الكمي هو عملية

حساب

ية قائمة على البيانات تستخدمها فرق المبيعات لفهم الأداء والتنبؤ بالإيرادات المستقبلية بناءً على البيانات والأنماط التاريخية ، تمنح نتائج التنبؤ الشركات القدرة على اتخاذ قرارات مستنيرة بشأن الاستراتيجيات والعمليات لضمان

النجاح

المستمر.

يختلف التنبؤ الكمي عن التنبؤ النوعي لأنه موضوعي ويستند إلى الإحصائيات والرياضيات ، بينما يركز الأخير على المعلومات الذاتية مثل رؤية الخبراء وآرائهم.

من المحتمل أن يتم إجراء هذا التنبؤ بواسطة فرق عمليات المبيعات ، حتى يتمكنوا من الحصول على نظرة عامة عالية المستوى للأداء وإيصال المعلومات الضرورية والاستراتيجية المستقبلية مع أصحاب المصلحة.

أساليب التنبؤ الكمي

سنناقش أدناه طرق التنبؤ الكمي الشائعة التي ستساعدك على فهم أداء الأعمال:

توقعات ساذجة

الطريقة الساذجة هي تقنية مباشرة تفترض أنك ستستمر في الأداء كما كنت تفعل في الماضي ، لا تأخذ هذه التقنية في الحسبان الاتجاهات أو الأنماط أو أي تأثيرات أخرى ، إنها ببساطة تقوم بعمل تقديرات بناءً على بيانات الأداء السابقة.

على سبيل المثال ، إذا ربحت 100،000 في الربع الأخير ، فستشير توقعاتك الساذجة إلى أنك ستربح 100،000 أيضًا في هذا الربع يتطلب الحد الأدنى من العمليات الحسابية ، وغالبًا ما تُستخدم هذه الطريقة كنقطة انطلاق لفهم كيف يحتاج عملك إلى النمو.

التنبؤ الموسمي

يستخدم التنبؤ الموسمي ، الذي يُطلق عليه أيضًا الفهرسة الموسمية ، البيانات الموسمية التاريخية للتنبؤ بالشكل الذي ستبدو عليه المواسم المستقبلية.

على سبيل المثال ، استخدام بيانات من الموسم “أ” خلال السنوات الثلاث الماضية لفهم ما قد يرغب فيه الموسم “أ” في العام القادم ، يمكن أن تكون المواسم فترات محددة ذات صلة بالعمل أو معايير قياسية مثل

الأشهر

والأرباع.

نظرًا لأن جميع الشركات تمر بالتغييرات ، يمكن أن يساعد هذا النموذج في إعداد إستراتيجية لموسم تعرف أنه صعب بالفعل ، لذلك لا يزال بإمكانك تحقيق الأهداف وتحقيق الأداء المطلوب.

لإجراء تنبؤ موسمي ، تحتاج إلى جمع كل البيانات المتاحة حول أداء العمل خلال المواسم المحددة التي تأمل في تحليلها ، ستمنحك نتيجة هذه التوقعات متوسطًا لما يبدو عليه الأداء لكل موسم فردي بمجرد الحصول على البيانات تكون هذه هي الصيغة التي يجب استخدامها:

(بيانات موسمية + بيانات موسمية) / عدد الفصول التي تتم مقارنتها

وفيما يلي مثال لما سيبدو عليه ذلك:

(الموسم أ + الموسم أ + الموسم أ) / 3 = متوسط الأداء في كل موسم أ

معدل تشغيل الإيرادات

تتنبأ تقنية معدل تشغيل الإيرادات بناءً على مقاييس الأداء من

الوقت

المنقضي.

لتنفيذ هذا التوقع ، تحتاج إلى جمع بيانات الأداء التي تأمل في توقعها ، مثل الإيرادات أو عدد الصفقات المغلقة خلال فترة محددة ، وضرب هذا الرقم في عدد الفترات التي ستكون هناك في العام الذي تتوقعه يمكن أن تكون هذه الفترة ربع سنوية أو شهرية أو وقتًا مناسبًا للعمل والصيغة هي:

الإيرادات في فترة محددة × العدد الإجمالي للفترات في سنة واحدة = معدل تشغيل الإيرادات

نظرًا لأن المبيعات يمكن أن تتغير بسرعة ، فمن المهم ملاحظة أن توقعات الإيرادات الخاصة بك من منتصف العام قد لا تكون دقيقة في نهاية العام إذا كنت في سوق متقلب ، فقد لا يكون معدل تشغيل الإيرادات هو الطريقة الأكثر فعالية للتنبؤ بأدائك.

معدل النمو التاريخي

يتم استخدام معدل النمو التاريخي لفهم معدل نمو العمل بمرور الوقت من خلال مقارنة مقياس معين ، مثل إجمالي الإيرادات أو الصفقات المغلقة تُستخدم هذه الطريقة بشكل شائع إذا كان هناك نمو كبير في أداء الأعمال وتريد فهم حجم التغيير والصيغة هي:

(القيمة الحالية – القيمة السابقة) / القيمة السابقة × 100

الانحدارالخطي

الانحدار الخطي هو التنبؤ الأكثر تفصيلاً في هذه القائمة ، لأنه يتطلب تحليلًا متعمقًا ، ويتم استخدامه لفهم كيف تؤثر بعض المتغيرات في عملية المبيعات الخاصة بك على أداء المبيعات والتنبؤ بالشكل الذي ستبدو عليه المبيعات بمرور الوقت بناءً على تلك العوامل نفسها والصيغة هي:

Y = bX + a

في هذه المعادلة ، X هي نشاط مبيعاتك (متغير مستقل) ، Y هي أداء مبيعاتك (متغير تابع) ، b هو ميل الخط ، ونقطة الاعتراض.

ونظرًا لأن الانحدار الخطي عملية متضمنة إلى حد ما ، فقد يكون من المفيد استخدام أداة مثل جداول بيانات Google لتشغيل الانحدار.

أمثلة على التنبؤ الكمي

سوف نستعرض بعض الأمثلة على بعض تقنيات التنبؤ المذكورة أعلاه:

مثال على التنبؤ الموسمي

مثلاً أريد أن أجري تنبؤًا موسميًا لفهم متوسط الأداء ربع السنوي حتى أفهم الأهداف التي يجب أن أجتهد لتحقيقها والارتقاء فوق هذا العام المقبل ، أرغب في استخدام بيانات الإيرادات السابقة لمدة ثلاث سنوات.

وللحصول على الفهرس الموسمي ، يتم جمع المبلغ الإجمالي للإيرادات لنفس الربع من كل عام وتقسم هذا الرقم على عدد السنوات الثلاثة

في العام القادم ، يكون الهدف تحقيق الناتج أو أعلى في الإيرادات للاستمرار على نفس المسار كما كان من قبل ستكرر نفس العملية للتنبؤ بكل ربع سنة.

مثال معدل تشغيل الإيرادات

يمكن الحصول على معدل التشغيل باستخدام بيانات الإيرادات من فترة زمنية حدثت بالفعل كما هو مذكور أعلاه ، يمكن أن تكون هذه الفترة ربع سنوية أو شهرية أو فترة محددة يستخدمها عملك كنموذج فيما يلي تحديث للمعادلة:

الإيرادات في فترة محددة × إجمالي عدد الفترات في سنة واحدة

لنفترض أنه مارس ، وإجمالي الأرباح لهذا الشهر هو 120 ألف دولار ، ويجب التنبؤ بالاجمالي باستخدام هذه البيانات ، وستكون هذه المعادلة والنتيجة:

120000 × 12

سيكون معدل تشغيل الإيرادات المتوقع للسنة المحددة هو 1،440،000.

مثال معدل النمو التاريخي

يساعد معدل النمو التاريخي على حساب

المعدل

الدقيق للنمو بعد فترة ناجحة ، لنفترض أن النشاط التجاري كان في السابق يساوي 150 دولارًا ، لكنه الآن يساوي 160 دولارًا ، والمعادلة التي تحقق معدل النمو:

(160-150) / 150 × 100

سيكون معدل النمو 6.6٪.

مثال على الانحدار الخطي

يساعد الانحدار الخطي على فهم كيفية تأثير عوامل معينة في عملية المبيعات (المتغيرات المستقلة) على أداء المبيعات (متغير تابع).

لنفترض أننا نريد أن أفهم ما إذا كان المزيد من زيارات

موقع

الويب يرتبط ارتباطًا مباشرًا بزيادة المبيعات ، وإذا كانت النتيجة نعم ، يمكن إبلاغ فرق التسويق بهذا الاكتشاف والعمل معه لتشغيل حملات لجلب المزيد من الزوار على موقع الويب ، وبالتالي زيادة المبيعات.[1]