बिना डेटा साइंटिस्ट के माँग पूर्वानुमान: असल में क्या चाहिए

दो नाकामियाँ, जड़ एक: दूसरे ही हफ़्ते ख़त्म हो गया बेस्टसेलर, और मार्च तक गोदाम में पड़ा रह गया दूसरा माल। दोनों पूर्वानुमान की समस्या हैं, और दोनों इसलिए टलती रहती हैं क्योंकि पूर्वानुमान ऐसा लगता है जिसके लिए कोई ऐसा व्यक्ति चाहिए जो स्टोर में है ही नहीं।

अधिकांश फ़ायदा लेने के लिए वह व्यक्ति नहीं चाहिए। चाहिए इतना रिकॉर्ड कि कोई पैटर्न दिखे, एक ऐसा तरीक़ा जो आप सच में समझते हों, और दोबारा ऑर्डर करने का एक नियम। आगे इसी क्रम में: परिभाषा, हाथ से हिसाब, स्टॉक ख़त्म होने की चेतावनी, और वह बिंदु जहाँ कोई टूल अपनी क़ीमत वसूल करने लगता है।

माँग पूर्वानुमान क्या है — और क्या नहीं

माँग पूर्वानुमान यानी यह अनुमान लगाना कि आने वाली किसी अवधि में आप कितनी इकाइयाँ बेचेंगे, ताकि सही मात्रा सही समय पर ख़रीदी जा सके। परिभाषा बस इतनी है। यह भविष्य बताना नहीं है — यह एक अनुमान है जिसके साथ त्रुटि की सीमा जुड़ी होती है, और काम की चीज़ वही सीमा है।

• यह ख़रीद का सवाल हल करता है, विश्लेषण का नहीं: कितनी इकाइयाँ, कब तक, किस वैरिएंट की।
• यह हमेशा कुछ न कुछ ग़लत होता है। कॉन्फ़िडेंस रेंज के बिना पूर्वानुमान, सूट पहना हुआ अंदाज़ा है।
• यह किसी एक ग्राहक का व्यवहार नहीं बताता; अनुमान ऑर्डर की एक लाइन का है, व्यक्ति का नहीं।
• इसका मूल्य पूरी तरह उस फ़ैसले में है जो यह बदलता है। अगर आप वैसे भी उतना ही ऑर्डर करते, तो इसकी ज़रूरत नहीं थी।

स्प्रेडशीट से चलने वाले तीन तरीक़े

ज़्यादातर लेख एक दर्जन तरीक़े जटिलता के क्रम में गिना देते हैं, और नतीजा यह होता है कि दुकानदार एक भी लागू नहीं करता। तीन काफ़ी हैं, तीनों स्प्रेडशीट और आपके ऑर्डर रिकॉर्ड से चल जाते हैं। अंदाज़े से बेहतर वालों में सबसे सरल चुन लीजिए।

• मूविंग एवरेज: पिछले 4–8 हफ़्तों का औसत। स्थिर बिक्री वाले प्रोडक्ट के लिए ठीक। कमी यह कि बदलाव के पीछे हमेशा एक क़दम रह जाता है।
• वेटेड मूविंग एवरेज: वही, पर हाल के हफ़्तों का वज़न ज़्यादा। एक लाइन की अतिरिक्त मेहनत, और प्रतिक्रिया साफ़ तौर पर तेज़।
• सीज़नल नेव: पिछले साल इसी हफ़्ते जितना बिका था, अपनी बढ़त के हिसाब से समायोजित। मौसम या त्योहारों से चलने वाले सामान में यह बिना गणित के ऊपर के दोनों को हरा देता है।

एक प्रोडक्ट के लिए ठोस तरीक़ा: पिछले आठ हफ़्तों की साप्ताहिक इकाइयाँ लीजिए, आख़िरी दो हफ़्तों को दोगुना वज़न दीजिए — यही अगला हफ़्ता है। इसे सप्लायर के लीड टाइम (हफ़्तों में) से गुणा कीजिए, जो जल्दी दोबारा नहीं आ सकता उसके लिए एक-दो हफ़्ते का सेफ़्टी स्टॉक जोड़िए, और मौजूदा स्टॉक से तुलना कीजिए। कार्रवाई इसी संख्या पर होती है, पूर्वानुमान पर नहीं। अपने टॉप दस प्रोडक्ट पर यह कर लें तो अधिकांश पैसा कवर हो जाता है।

हाथ से शुरू करने की वजह यह है कि इससे आप अपनी ग़लती की सीमा जान जाते हैं। एक महीने बाद आपको पता होगा कि कौन-से प्रोडक्ट अनुमान में आते हैं और कौन-से नहीं — और यही समझ बाद में किसी टूल को उपयोगी बनाती है, केवल प्रभावशाली नहीं।

एकमात्र नतीजा जो मायने रखता है: स्टॉक ख़त्म होने से पहले पता चलना

पूर्वानुमान एक बार पढ़ा जाता है; अलर्ट पर काम होता है। व्यावहारिक लक्ष्य यह है कि स्टॉक ख़त्म होने का पता इतनी जल्दी चले कि दोबारा ऑर्डर समय पर पहुँच जाए — यानी अलर्ट तब बजे जब «मौजूदा स्टॉक ÷ अनुमानित साप्ताहिक बिक्री < लीड टाइम», न कि उस दिन जब शेल्फ़ ख़ाली हो।

इस अलर्ट पर भरोसा दो बातों से बनता है: हर सप्लायर का अपना लीड टाइम पता हो, कोई एक वैश्विक डिफ़ॉल्ट नहीं; और जिन प्रोडक्ट का ख़त्म होना आपको कुछ नहीं पड़ता, उन पर वह चुप रहे।

AI क्या जोड़ता है — और क्या नहीं

AI आधारित पूर्वानुमान को छलाँग की तरह बेचा जाता है, पर उसे मेहनत की बचत समझना ज़्यादा सही है। मॉडल पूरे कैटलॉग पर एक साथ सीज़नैलिटी, ट्रेंड और प्रमोशन तौल सकता है, बिना किसी के हर प्रोडक्ट की अलग शीट सँभाले। यह सचमुच क़ीमती है, और यह “ज़्यादा सटीक” कहने से अलग दावा है: दो साल के साफ़ रिकॉर्ड वाले स्थिर प्रोडक्ट पर वेटेड एवरेज को हराना आसान नहीं।

• जहाँ यह साफ़ जीतता है: एक साथ बहुत सारे प्रोडक्ट, आपस में उलझी सीज़नैलिटी, और इतने लंबे रिकॉर्ड जिनके पैटर्न आँख से नहीं दिखते।
• जहाँ नहीं जीतता: बिना रिकॉर्ड वाला नया प्रोडक्ट। कोई तरीक़ा डेटा नहीं गढ़ता; लॉन्च पर अनुमान किसी मिलते-जुलते प्रोडक्ट से लगता है, और यह आपको बताया जाना चाहिए।
• जहाँ यह गुमराह करता है: पूर्वानुमान को एक अकेली संख्या के रूप में पेश करना। रेंज माँगिए, और चौड़ी रेंज को जानकारी की तरह पढ़िए, ख़राबी की तरह नहीं।

सॉफ़्टवेयर कब वाजिब है

स्प्रेडशीट से टूल पर जाना सटीकता का मामला नहीं है, बल्कि इसका कि हफ़्ते में कितने फ़ैसले लेने हैं और क्या कोई सच में ले भी रहा है। चार संकेत:

• सच में चलने वाले 50 से ज़्यादा SKU हैं, और शीट सिर्फ़ टॉप दस के लिए अपडेट होती है।
• लीड टाइम इतना लंबा है कि देर से ऑर्डर करने का मतलब दिनों नहीं, हफ़्तों की बिक्री गँवाना है।
• एक ही प्रोडक्ट दो बार ख़त्म हो चुका है। पहली बार बदक़िस्मती है, दूसरी बार प्रक्रिया की कमी।
• ऑर्डर के फ़ैसले का कोई मालिक नहीं है, इसलिए वह तब होता है जब किसी का ध्यान जाता है — और वह हमेशा देर होती है।

अगर इनमें से कुछ भी लागू नहीं होता, तो स्प्रेडशीट ही रखिए। इसी रेखा पर खड़ा है AllHub का मांग पूर्वानुमान एजेंट: वह उसी बिक्री रिकॉर्ड से पूर्वानुमान लगाता है जो आपके स्टोर के पास पहले से है, आत्मविश्वास से भरी एक संख्या के बजाय कॉन्फ़िडेंस रेंज दिखाता है, और शेल्फ़ ख़ाली होने से पहले बताता है कि अब ऑर्डर करना है।

निष्कर्ष

पूर्वानुमान कोई ऐसा डेटा साइंस प्रोजेक्ट नहीं जिसके लिए आप योग्य नहीं हैं। यह तीन इनपुट वाली साप्ताहिक आदत है: क्या बिका, सप्लायर को कितना समय लगता है, और स्टॉक ख़त्म होने पर कितना नुक़सान होता है। टॉप दस प्रोडक्ट पर एक महीने हाथ से कीजिए, फिर आपको ठीक-ठीक पता होगा कि क्या ऑटोमेट करना है।

बेस्टसेलर ख़त्म न हो, इसके लिए डेटा साइंटिस्ट नहीं चाहिए। चाहिए बस यह कि आपको अपना रीऑर्डर पॉइंट पता हो और उसे पार करने से पहले ख़बर मिल जाए — मांग पूर्वानुमान एजेंट इतना ही करता है।