Umsatzprognose mit Rabatt
Verkäufe erfolgen oft mit speziellen Mixen und Rabatten. Rabatte sind ein starkes Marketinginstrument und helfen, Lagerbestände zu bewegen. Schauen wir uns wieder das Unternehmen T-Z an.
T-Z hat eine neue Reihe von T-Shirts zu einem Celebrity-Meme für 40 USD pro T-Shirt auf den Markt gebracht. Sie haben einen Überschuss an Celebshirt1 auf Lager und haben, in Erwartung der Veröffentlichung von Celebshirt2 im Februar, einen Rabatt von 40 % auf Celebshirt1 im Februar angekündigt.
Für diese Übung gelten die Preise in USD, und die Stückzahlen sind die insgesamt in dem jeweiligen Monat verkauften Einheiten. Die folgenden Variablen wurden für dich definiert:
sales_price = 40
units_january = 500
units_february = 700
Die Verkäufe im Januar umfassen nur Verkäufe von Celebshirt1.
Die Verkäufe im Februar umfassen Verkäufe von Celebshirt1 und Celebshirt2 im Verhältnis 45:55.
Diese Übung ist Teil des Kurses
Finanzprognosen mit Python
Anleitung zur Übung
- Prognostiziere die Umsätze für Januar (ohne Rabatt).
- Prognostiziere die Umsätze für Februar (mit Rabatt:
dsales_price). - Gib die Ergebnisse für die Umsätze im Januar und Februar aus.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Forecast the sales of January
sales_january = ____ * ____
# Forecast the discounted price
dsales_price = ____ * 0.6
# Forecast the sales of February
sales_february = (____ * units_february * 0.55) + (dsales_price * ____ * ____)
# Print the forecast sales for January and February
print("The forecast sales for January and February are {} and {} USD respectively.".format(____, ____))