การพยากรณ์ยอดขาย คือ วิธีที่ใช้ในการประมาณการยอดขายของช่วงถัดไปในอนาคตด้วยข้อมูลในอดีต เพื่อประมาณการกำลังการผลิตที่เหมาะสมสำหรับสินค้าที่จะต้องขายในช่วงเวลาถัดไป เช่น สัปดาห์หน้า เดือนหน้า หรือปีหน้า ด้วยวิธีการพยากรณ์ยอดขายรูปแบบต่าง ๆ
Sales Forecasting หรือ การพยากรณ์ยอดขาย มีประโยชน์อย่างยิ่งในการวางแผนการผลิตที่ช่วยทำให้ธุรกิจสามารถผลิตสินค้าได้เพียงพอกับความต้องการที่จะเกิดขึ้นในอนาคต เพื่อป้องกันการเกิดค่าเสียโอกาสจากการมีสินค้า (หรือบริการ) ไม่เพียงพอต่อความต้องการซื้อที่เกิดขึ้น ซึ่งนำไปสู่กำไรของบริษัทที่ลดลงทางอ้อมแม้จะไม่ได้ถูกเขียนลงในบัญชีว่า
และนอกเหนือจากกำไรที่ลดลงแล้ว การเสียโอกาสในการขายยังส่งผลให้ธุรกิจเสียลูกค้าที่ต้องการซื้อสินค้าในขณะนั้น ในขณะที่ลูกค้าจะหันไปใช้สินค้าทดแทนที่เหมือนหรือคล้ายกันจากผู้ขายรายอื่น ซึ่งนำไปสู่โอกาสในการเสียลูกค้ารายดังกล่าวถาวรหากสินค้าทดแทนถูกใจลูกค้า
วิธีการพยากรณ์ยอดขาย
การพยาการณ์ยอดขาย (Sales Forecasting) เป็นสิ่งที่สามารถทำได้หลายวิธี แต่วิธีที่ได้รับความนิยมคือการประมาณยอดขายจากการใช้ข้อมูลสถิติจากในอดีตมาคาดเดาสิ่งที่เกิดขึ้นในอนาคต (และแน่นอนว่าไม่สามารถพยากรณ์ได้ตรง 100%) ซึ่งมี 3 วิธีนี่ได้รับความนิยม ได้แก่
- การพยากรณ์ยอดขายจากข้อมูลของช่วงก่อนหน้า
- ค่าเฉลี่ยเคลื่อนที่ (Moving Average)
- ค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนัก (Weighted Moving Average)
โดยชุดข้อมูลที่นำมาใช้อาจใช้ข้อมูลตามช่วงเวลาที่แตกต่างกันตามความเหมาะสมกับธุรกิจ อย่างในธุรกิจที่สินค้ามีลักษณะเป็นสินค้าที่มีฤดูกาล (เช่น วันปีใหม่ ช่วงเปิดเทอม ช่วงปิดเทอม และวันวาเลนไทน์) ก็อาจจะใช้ข้อมูลจากครั้งที่แล้วแทน เช่น ใช้ยอดขายของช่วงฤดูท่องเที่ยวเพื่อประมาณแนวโน้มยอดขายในฤดูท่องเที่ยวปีถัดไป แทนที่จะใช้มูลรายเดือน
การพยากรณ์ยอดขายจากช่วงก่อนหน้า
การพยากรณ์ยอดขายจากยอดขายในช่วงก่อนหน้า เป็นวิธีพยากรณ์ยอดขายที่ง่ายที่สุด แต่มีความแม่นยำไม่สูงมาก เป็นการใช้ข้อมูลอ้างอิงจากช่วงก่อนหน้า 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 เพราะที่ผ่านมาสามารถขายได้จำนวนประมาณนี้มาโดยตลอด
ค่าเฉลี่ยเคลื่อนที่ (Moving Average)
ค่าเฉลี่ยนเคลื่อนที่ หรือ Moving Average เป็นการหาค่าเฉลี่ยโดยใช้ข้อมูลจากช่วงระยะเวลาที่ย้อนไปไม่ไกล เช่น ข้อมูลจาก 3 เดือนล่าสุด เพื่อลดความผิดเพี้ยนของข้อมูล บนพื้นฐานที่ว่าในช่วงเวลาใกล้ ๆ กันข้อมูลไม่น่าจะแตกต่างกันหรือคลาดเคลื่อนมากนัก
Moving Average (MA) สามารถคำนวณได้จาก ผลรวมของข้อมูลที่เราเลือกมา ÷ จำนวนของข้อมูล
ตัวอย่างเช่น จากข้อมูลของบริษัทหนึ่งที่เก็บรวบรวมไว้พบว่า เดือนธันวาคมขายได้ 1,100 ชิ้น เดือนมกราคมขายได้ 1,000 ชิ้น กุมภาพันธ์ขายได้ 1,200 ชิ้น เดือนมีนาคมขายได้ 1,100 ชิ้น และเดือนเมษายนขายได้ 1,200 ชิ้น
หากต้องการพยากรณ์ยอดขายโดยใช้ข้อมูล 3 เดือนล่าสุดด้วยค่าเฉลี่ยเคลื่อนที่ (Moving Average) เราก็จะใช้แค่ข้อมูล 3 เดือนล่าสุด คือข้อมูลของเดือน 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 โดยค่าน้ำหนัก (Weight) จะทำหน้าที่ถ่วงให้ค่าที่สำคัญมีผลมากกว่าเพราะเป็นค่าที่ใกล้ปัจจุบันที่สุด ซึ่งน้ำหนักจะถูกกำหนดตามความเหมาะสม
Weighted Moving Average (WMA) สามารถคำนวณได้จาก ผลรวมของข้อมูลแต่ละตัวที่คูณค่าน้ำหนักเข้าไป ÷ ผลรวมของน้ำหนัก
ถ้าหากเราต้องการพยากรณ์ยอดขายด้วยวิธี Weighted Moving Average จากข้อมูลเดิม โดยใช้ข้อมูล 3 เดือนล่าสุด และกำหนดน้ำหนักไว้ที่ 2, 3, และ 4 ตามลำดับ ดังนั้นเราจะใช้ข้อมูลของเดือนกุมภาพันธ์ มีนาคม และ เมษายน เพื่อพยากรณ์ยอดขายเดือนพฤษภาคม
โดยเดือนที่ใกล้เคียงปัจจุบันมากที่สุดก็จะได้ค่าน้ำหนักที่มากที่สุดลดหลั่นกันไป ซึ่งจากตัวอย่างเดิมเดือนกุมภาพันธ์จะได้น้ำหนัก 2 เดือนมีนาคมได้น้ำหนัก 3 เดือนพฤษภาคมได้น้ำหนัก 4
พยากรณ์ยอดขายเดือนพฤษภาคม = ((1200 x 2) + (1100 x 3) + (1200 x 4)) ÷ 9 = 1,166.67 ชิ้น