Pilotiko feature : जल्द आ रहा है

मांग का पूर्वानुमान: अगले कुछ हफ्तों के काम का अंदाज़ा कैसे लगाएं?

मार्च में ही जान लेना कि मई में कितने पूल खोलने होंगे, यानी ग्राहकों को मना करने के बजाय समय पर लोगों को काम पर रख पाना।

मांग का पूर्वानुमान उस काम की मात्रा का संख्याओं में अनुमान है जो ग्राहक किसी आने वाली अवधि, जैसे एक हफ्ते या एक सीज़न, में मांगेंगे। यह पिछले आंकड़ों को आगे बढ़ाता है और कैलेंडर या मौसम जैसे ज्ञात कारकों को ध्यान में रखता है, ताकि मांग आने से पहले ही कर्मचारियों, सामान और खरीद की योजना बनाई जा सके।

Try 30 days free

30 days free, no credit card.

लेखक Pilotiko editorial team · अपडेट किया गया

संक्षेप में

  • OQLF के अनुसार, पूर्वानुमान (prévision) अतीत को वस्तुनिष्ठ ढंग से आगे बढ़ाता है; प्रत्याशा (prédiction) एक सहज अंदाज़ा है।
  • मांग तब ज़्यादा पूर्वानुमेय होती है जब उसके कारण समझ में हों, आंकड़े उपलब्ध हों और भविष्य अतीत जैसा हो।
  • नाइव सीज़नल विधि पिछले साल की उसी अवधि का मान दोहराती है: यह एक अच्छी शुरुआत है।
  • Pilotiko में सेवाओं की मांग का पूर्वानुमान योजना में है, अभी उपलब्ध नहीं है।

पूर्वानुमान और प्रत्याशा में क्या फर्क है?

Grand dictionnaire terminologique, उत्पादन की योजना और नियंत्रण के क्षेत्र में, प्रत्याशा (prédiction) को मांग का एक सहज मूल्यांकन बताता है, जो बाज़ार को प्रभावित कर सकने वाले रुझानों और बदलावों को ध्यान में रखता है। उसकी प्रविष्टि स्पष्ट करती है कि यह पूर्वानुमान (अंग्रेज़ी में forecast) से अलग है, जो अतीत के वस्तुनिष्ठ प्रक्षेपण पर आधारित होता है [1]।

व्यवसाय में यह फर्क काम आता है। «मुझे लगता है गर्मी में काम ज़्यादा रहेगा» एक प्रत्याशा है। «पिछले मई में हमने 64 पूल खोले; साइन हो चुके अनुबंधों के साथ हमें 68 की उम्मीद है» एक पूर्वानुमान है। दोनों की अपनी जगह है, लेकिन बाद में जांचा सिर्फ दूसरे को जा सकता है।

कौन-सी बातें मांग को कम या ज़्यादा पूर्वानुमेय बनाती हैं?

Rob J. Hyndman और George Athanasopoulos की मुफ्त उपलब्ध पुस्तक Forecasting: Principles and Practice याद दिलाती है कि पूर्वानुमान का उपयोग अगले पांच साल के लिए बिजलीघर तय करने में भी होता है और अगले हफ्ते कॉल सेंटर के स्टाफ का रोस्टर बनाने में भी। यह पूर्वानुमेयता के चार कारक गिनाती है: मात्रा को प्रभावित करने वाली चीज़ें हम कितनी समझते हैं, कितने आंकड़े उपलब्ध हैं, भविष्य अतीत से कितना मिलता है, और क्या पूर्वानुमान खुद उस चीज़ को बदल सकता है जिसका वह अनुमान लगा रहा है [2]।

किसी छोटे-मध्यम सेवा व्यवसाय के लिए इसका मतलब सीधा है। बर्फ हटाने वाली कंपनी अपना मुख्य कारण (बर्फ) अच्छी तरह समझती है, पर एक सर्दी से दूसरी सर्दी में भविष्य अतीत जैसा कम ही होता है। स्थिर ग्राहक वर्ग वाले फिज़ियोथेरेपी क्लिनिक के पास नियमित आंकड़े होते हैं और मांग हफ्ते-दर-हफ्ते कम बदलती है: उसका पूर्वानुमान लगाना आसान है।

एक छोटा-मध्यम व्यवसाय कौन-से आसान तरीके अपना सकता है?

यही पुस्तक कुछ बुनियादी तरीके बताती है जो तुलना के आधार का काम करते हैं और कभी-कभी हैरानी की हद तक कारगर होते हैं [3]। कोई सांख्यिकीय मॉडल सोचने से पहले एक व्यवसाय इन्हीं से शुरू कर सकता है।

बुनियादी पूर्वानुमान विधियां (Hyndman और Athanasopoulos के आधार पर)
विधिसिद्धांतकब उपयोग करें
औसतसारे पूर्वानुमान पिछले आंकड़ों के औसत के बराबर होते हैंस्थिर मांग, जिसमें न रुझान हो न मौसमी असर
नाइवपूर्वानुमान आखिरी देखे गए मान के बराबर होता हैधीरे बदलने वाली मांग, कम अवधि के लिए
नाइव सीज़नलपूर्वानुमान पिछले साल के उसी सीज़न के मान के बराबर होता है (जैसे: फरवरी के लिए पिछली फरवरी)बहुत मौसमी मांग: पूल, बर्फ हटाना, एयर कंडीशनिंग
निर्णय (प्रत्याशा)आने वाले बदलावों पर टीम की रायनई सेवा, नया इलाका, कम इतिहास

पहली तीन विधियां पुस्तक के खंड 5.2 में वर्णित हैं; आखिरी पंक्ति OQLF की प्रत्याशा की धारणा को लेती है।

पीक सीज़न का पूर्वानुमान संख्याओं में कैसा दिखता है?

कैसे पता चले कि पूर्वानुमान अच्छा था?

अवधि शुरू होने से पहले पूर्वानुमान लिख लें, फिर उसकी तुलना असल नतीजे से करें। अगर उदाहरण की कंपनी आखिर में 61 पूल खोलती है, तो गलती 7 पूल की है, यानी पूर्वानुमान का लगभग 10% (7 ÷ 68)। इस गलती को हर सीज़न अपने डैशबोर्ड में देखते रहें: अगर वह हमेशा एक ही तरफ झुकी रहती है, तो आपकी विधि में एक पक्षपात है जिसे सुधारना होगा।

काम का होने के लिए पूर्वानुमान का परफेक्ट होना ज़रूरी नहीं है। उसे बस इतना सटीक होना चाहिए कि सही फैसला लिया जा सके: किसी को रखना, गाड़ी किराये पर लेना, सामान मंगवाना या कोई अनुबंध मना करना।

मांग के पूर्वानुमान में कौन-सी गलतियों से बचें?

  • पिछली बिक्री को असल मांग समझ लेना: स्टाफ की कमी के कारण जिन अनुरोधों को मना कर दिया गया, वे बिक्री में दिखते ही नहीं।
  • हफ्तों या महीनों की जगह पूरे साल के लिए सिर्फ एक संख्या का अनुमान लगाना, जो उतार-चढ़ाव छिपा देता है।
  • ज्ञात घटनाओं को नज़रअंदाज़ करना: सार्वजनिक छुट्टियां, स्कूलों की छुट्टी का हफ्ता, बर्फ हटाने के सीज़न की शुरुआत।
  • पूर्वानुमान की तुलना कभी असल नतीजे से न करना, जिससे सीखना रुक जाता है।
  • भर्ती के फैसले के समय एक सहज प्रत्याशा को संख्याओं वाले पूर्वानुमान की तरह पेश करना।

क्या Pilotiko सेवाओं की मांग का पूर्वानुमान लगाता है?

जो उपलब्ध है: अपॉइंटमेंट, आय और प्रति व्यक्ति काम के बोझ पर आंतरिक रिपोर्टें। ये उस इतिहास की जानकारी देती हैं जो पूर्वानुमान को चाहिए, लेकिन भविष्य की मांग की गणना आपको खुद करनी होगी, उदाहरण के लिए ऊपर बताई गई नाइव सीज़नल विधि से।

अक्सर पूछे जाने वाले सवाल

सबसे आसान पूर्वानुमान विधि कौन-सी है?

नाइव विधि: यह मान लेना कि अगली अवधि आखिरी अवधि के बराबर होगी। मौसमी काम के लिए नाइव सीज़नल संस्करण पिछले साल की उसी अवधि को दोहराता है। ये विधियां अक्सर ज़्यादा जटिल विधियों को परखने के लिए तुलना के आधार का काम करती हैं।

मांग का पूर्वानुमान लगाने के लिए कितना इतिहास चाहिए?

मौसमी मांग के लिए कम से कम एक पूरा साल चाहिए, और आदर्श रूप से कई साल, ताकि एक ही महीने को दोहराते देखा जा सके। स्थिर काम में अगले हफ्ते के पूर्वानुमान के लिए कुछ महीनों के साप्ताहिक आंकड़े काफी हो सकते हैं। इतिहास जितना लंबा होगा, असामान्य सालों को पहचानना उतना आसान होगा।

क्या मौसम को पूर्वानुमान में शामिल किया जा सकता है?

हां, जब वह मांग को साफ तौर पर प्रभावित करता हो, जैसे बर्फ हटाने, एयर कंडीशनिंग या पूल रखरखाव में। Hyndman और Athanasopoulos की पुस्तक बिजली की मांग का उदाहरण देती है, जो तापमान से गहराई से जुड़ी है। चुनौती यह है कि तब मौसम का भी पूर्वानुमान लगाना पड़ता है, जो कुछ दिनों से आगे अनिश्चित रहता है।

सेवा क्षेत्र के छोटे-मध्यम व्यवसाय में मांग के पूर्वानुमान का क्या उपयोग है?

यह मुख्य रूप से पीक से पहले श्रमबल की योजना और सामान की खरीद को समायोजित करने के काम आता है। यह भी तय करने में मदद करता है कि नए अनुबंध कब स्वीकार करें और छुट्टी कब लें। इसके बिना स्टाफ की कमी तब पता चलती है जब ग्राहक पहले से इंतज़ार कर रहे होते हैं।

क्या आर्टिफिशियल इंटेलिजेंस मांग का बेहतर पूर्वानुमान लगाता है?

अपने आप नहीं। कोई जटिल मॉडल तभी काम का है जब वह आपके अपने आंकड़ों पर, बाद में मापने पर, सरल विधियों से बेहतर नतीजा दे। कम इतिहास वाले छोटे व्यवसाय के लिए अच्छी तरह ट्रैक की गई एक सरल विधि अक्सर बेहतर शुरुआत होती है।

स्रोत

  1. Office québécois de la langue française, Grand dictionnaire terminologique, prédiction (देखा गया 15 अक्टूबर 2026).
  2. Rob J. Hyndman et George Athanasopoulos, OTexts, Forecasting: Principles and Practice (3e éd.), chapitre 1 : What can be forecast? (देखा गया 15 अक्टूबर 2026).
  3. Rob J. Hyndman et George Athanasopoulos, OTexts, Forecasting: Principles and Practice (3e éd.), section 5.2 : Some simple forecasting methods (देखा गया 15 अक्टूबर 2026).

आगे पढ़ें

Your whole business, on one screen.

Each department is a room. Pilotiko prepares the work; you approve with one click.

Try 30 days free

The Pilotiko office of a sample company: each department is a room.
  • Call answered
  • Appointment confirmed
  • Email reply ready
  • Invoice prepared

अपनी टीम के साथ ऑफ़िस आज़माएँ

30 दिन मुफ़्त।

30 दिन मुफ़्त आज़माएँ