GreedisGoods » Business » การพยากรณ์ยอดขาย คืออะไร? ทำอย่างไรได้บ้าง

การพยากรณ์ยอดขาย คืออะไร? ทำอย่างไรได้บ้าง

by Kris Piroj
การพยากรณ์ยอดขาย คือ Sales Forecast คือ

การพยากรณ์ยอดขาย คืออะไร?

การพยากรณ์ยอดขาย คือ วิธีที่ใช้ในการประมาณการยอดขายของช่วงถัดไป เพื่อที่จะประมาณกำลังการผลิตของสินค้าที่จะขายในช่วงเวลาถัดไป เช่น สัปดาห์หน้า เดือนหน้า หรือ ปีหน้า โดยประโยชน์ของการพยากรณ์ยอดขายคือทำให้สามารถผลิตสินค้าได้เพียงพอกับความต้องการที่จะเกิดขึ้นในอนาคต

เนื่องจากถ้าหากว่าลูกค้าเกิดต้องการสินค้าที่บริษัทเราขายขึ้นมาแต่เรามีสินค้าที่จะขายไม่พอ นั่นหมายถึง บริษัทจะเสียโอกาสในการขายสินค้าชิ้นนั้น ซึ่งเป็นสิ่งที่ทำให้กำไรของบริษัทลดลงทางอ้อม (กำไรที่ควรจะได้ จากการขายสินค้าอันนั้น) ถึงแม้ว่าจะไม่ได้ถูกเขียนลงในบัญชีว่าขาดทุนก็ตาม

นอกจาก เสียโอกาสขายแล้ว การที่ไม่มีสินค้าขายให้กับลูกค้าเมื่อลูกค้าต้องการยังหมายถึงการที่ลูกค้ามีโอกาสไปหาสินค้าทดแทนที่เหมือนหรือคล้ายกันจากผู้ขายรายอื่น และอาจทำให้เราเสียลูกค้าคนนั้นไป เนื่องจาก ติดใจสินค้าชนิดนั้นหรือรู้สึกว่าใช้สินค้านั้นแทนไปเลยก็ได้

ในการพยากรณ์ยอดขายสามารถทำได้หลายวิธี แต่ในบรรดาวิธีที่ได้รับความนิยมสำหรับการพยากรณ์ยอดขายจะมีอยู่ 3 วิธี ได้แก่

โดยทั้ง 3 วิธีที่ยกมาจะเป็นการใช้ข้อมูลสถิติจากในอดีตมาคาดเดาสิ่งที่เกิดขึ้นในอนาคต ซึ่งแน่นอนว่าไม่สามารถพยากรณ์ได้ตรง 100%

นอกจากนี้ ในบางธุรกิจที่สินค้าเป็นสินค้าที่มีฤดูกาล (เช่น วันปีใหม่ ช่วงเปิดเทอม ช่วงปิดเทอม และวันวาเลนไทน์) ดังนั้นแทนที่จะใช้มูลจากเดือนที่แล้ว ก็อาจจะใช้ข้อมูลจากครั้งที่แล้วแทน เช่น ใช้ยอดขายของช่วงวันวาเลนไทน์ย้อนไป 5 ปีมาใช้ดูแนวโน้มยอดขายในวันวาเลนไทน์ครั้งถัดไป

พยากรจากยอดขายในช่วงก่อนหน้า

เป็นวิธีพยากรณ์ยอดขายอย่างง่ายที่ความแม่นยำไม่สูงมาก เป็นการใช้ข้อมูลจากช่วงก่อนหน้า อย่างเช่น เดือนก่อนหน้า มาใช้วางแผนว่าช่วงต่อไปจะขายได้ประมาณเท่าไหร่

ตัวอย่างเช่น จากข้อมูลของบริษัทหนึ่งที่เก็บรวบรวมไว้พบว่า เดือนธันวาคมขายได้ 1,100 ชิ้น เดือนมกราคมขายได้ 1,000 ชิ้น กุมภาพันธ์ขายได้ 1,200 ชิ้น เดือนมีนาคมขายได้ 1,100 ชิ้น และเดือนเมษายนขายได้ 1,200 ชิ้น เดือนต่อไปจะขายได้ประมาณกี่ชิ้น

ดังนั้น ในเดือนพฤษภาคมที่จะถึงก็น่าจะขายได้ประมาณ  1,200 ชิ้น ตามยอดขายที่ขายได้จากเดือนที่แล้ว (เดือนเมษายน)

หรือประมาณ 1,000 – 1,200 ชิ้น เพราะที่ผ่านมาก็ขายได้จำนวนประมาณนี้มาโดยตลอด

ค่าเฉลี่ยเคลื่อนที่ (Moving Average)

ค่าเฉลี่ยนเคลื่อนที่ หรือ Moving Average คือ การหาค่าเฉลี่ยโดยใช้ข้อมูลจากช่วงระยะเวลาที่ย้อนไปไม่ไกล เช่น ข้อมูลจาก 3 เดือนล่าสุด

Moving Average = ผลรวมของข้อมูลที่เราเลือกมา ÷ จำนวนของข้อมูล

ตัวอย่างเช่น จากข้อมูลของบริษัทหนึ่งที่เก็บรวบรวมไว้พบว่า เดือนธันวาคมขายได้ 1,100 ชิ้น เดือนมกราคมขายได้ 1,000 ชิ้น กุมภาพันธ์ขายได้ 1,200 ชิ้น เดือนมีนาคมขายได้ 1,100 ชิ้น และเดือนเมษายนขายได้ 1,200 ชิ้น เดือนต่อไปจะขายได้ประมาณกี่ชิ้น

ถ้าหากว่า หาค่าเฉลี่ย (Average) แบบปกติ จะเป็นการนำข้อมูลทั้งหมดมารวมกันและหารด้วยจำนวนของข้อมูล ในที่นี้คือ (1100 + 1000 + 1200 + 1100 + 1200) ÷ 5 = 1,120 ชิ้น

แต่ในกรณีของ Moving Average เราจะใช้แค่ข้อมูลล่าสุด ในช่วงระยะเวลาสั้น ๆ เช่น ข้อมูล 3 เดือนล่าสุด

ดังนั้น การหาค่าเฉลี่ยเคลื่อนที่ หรือ Moving Average จะใช้ข้อมูลของเดือน กุมภาพันธ์ มีนาคม และ เมษายน เพื่อพยากรณ์ยอดขายเดือนพฤษภาคม

พยากรณ์ยอดขายเดือนพฤษภาคม (1200 + 1100 + 1200) ÷ 3 =  1,166.67 ชิ้น

ค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนัก (Weighted Moving Average)

ค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนัก หรือ Weighted Moving Average คือ การหาค่าเฉลี่ยที่คล้ายกับ Moving Average เพียงแต่ข้อมูลที่ใช้แต่ละตัวจะถูกคูณค่าน้ำหนักเข้าไป

Weighted Moving Average =  ผลรวมของข้อมูลแต่ละตัวที่คูณค่าน้ำหนักเข้าไป ÷ ผลรวมของน้ำหนัก

ค่าน้ำหนัก คือ ค่าที่ใช้สำหรับถ่วงให้ค่าที่สำคัญมีผลมากกว่า (เพราะมันใกล้ปัจจุบันที่สุด) ซึ่งก็คือค่าของปีที่ใกล้ปัจจุบันที่สุด โดยจะกำหนดตามความเหมาะสม

ในกรณีของ Weighted Moving Average เราจะคูณค่าน้ำหนักเข้าไปด้วยและตัวหารจะเป็นผลรวมของน้ำหนัก ไม่ใช่จำนวนของข้อมูลเหมือน Moving Average ตัวอย่างเช่น ใช้ข้อมูล 3 เดือนล่าสุด โดยกำหนดน้ำหนักไว้ที่ 2, 3, และ 4 ตามลำดับ

ดังนั้น การหาค่าเฉลี่ยเคลื่อนที่ หรือ Moving Average จะใช้ข้อมูลของเดือนกุมภาพันธ์ มีนาคม และ เมษายน เพื่อพยากรณ์ยอดขายเดือนพฤษภาคม โดยเดือนที่ใกล้เคียงปัจจุบันมากที่สุด ก็จะได้ค่าน้ำหนักที่มากที่สุดลดหลั่นกันไป

จากตัวอย่าง เดือนกุมภาพันธ์จะได้น้ำหนัก 2 เดือนมีนาคมได้น้ำหนัก 3 เดือนพฤษภาคมได้น้ำหนัก 4 พยากรณ์ยอดขายเดือนพฤษภาคม ((1200 x 2) + (1100 x 3) + (1200 x 4)) ÷ 9 =  1,166.67 ชิ้น

บทความที่เกี่ยวข้อง

เว็บไซต์ของเราใช้คุกกี้ (Cookies) เพื่อมอบประสบการณ์ใช้งานที่ดียิ่งขึ้น ปรับตั้งค่าปฏิเสธ Cookies ยินยอม ดูรายละเอียด