or
यह अभ्यास पाठ्यक्रम का हिस्सा है
फोरकास्टिंग की बात हो तो शुरुआत के लिए टाइम सीरीज़ मॉडलिंग बेहतरीन है! आपको भविष्य की सेल्स डिमांड के मानों का पूर्वानुमान लगाना है, और एक अच्छा बेसलाइन तरीका ARIMA मॉडल्स होंगे। इस अध्याय में आप सीखेंगे कि ARIMA मॉडल्स को जल्दी कैसे लागू करें और भविष्य की प्रोडक्ट डिमांड के लिए अच्छे शुरुआती फोरकास्ट कैसे पाएँ।
आर्थिक सिद्धांत डिमांड के मानों का अनुमान लगाने पर बहुत रोशनी डालता है। साफ है कि बाहरी कारक जैसे प्राइस, सीज़नैलिटी और प्रमोशन का समय प्रोडक्ट डिमांड के कुछ पहलुओं को प्रभावित करेंगे। इस अध्याय में आप प्राइस इलास्टिसिटी मॉडल्स की बुनियाद समझेंगे और जानेंगे कि सीज़नैलिटी और प्रमोशन टाइमिंग जैसे फैक्टर्स को हमारे प्रोडक्ट डिमांड फोरकास्ट में कैसे शामिल करें।
टाइम सीरीज़ मॉडल्स और प्राइसिंग रिग्रेशन, प्रोडक्ट डिमांड फोरकास्टिंग के अलग-अलग तरीके होकर भी अलग-थलग नहीं हैं। इन्हें जोड़ा जा सकता है! इस अध्याय में आप दोनों मॉडलिंग तरीकों से मिली जानकारी को "कम्बाइन" करने के दो तरीकों के बारे में सीखेंगे — ट्रांसफर फंक्शंस और फोरकास्ट एन्सेम्बलिंग।
अब तक की सारी चर्चा प्रोडक्ट डिमांड का अनुमान लगाने के लिए अलग-अलग मॉडल बनाने पर केंद्रित थी। लेकिन हमने इस तथ्य का लाभ नहीं उठाया कि ये सारे प्रोडक्ट्स मिलकर सेल्स की एक प्रोडक्ट हायरार्की बनाते हैं। प्रोडक्ट्स से रीजन बनते हैं और रीजन से स्टेट्स। हम कैसे सुनिश्चित करें कि हमारे फोरकास्ट हायरार्की में ऊपर और नीचे सही तरह से मिलें? इस अध्याय में आप हायरार्किकल फोरकास्टिंग के बारे में सीखेंगे और जानेंगे कि प्रोडक्ट डिमांड फोरकास्टिंग में इसे अपने पक्ष में कैसे उपयोग करें।
वर्तमान अभ्यास