संक्षिप्त उत्तर: एक पूर्वानुमान जो SKU स्तर पर सटीक है लेकिन ब्रांड-स्तरीय लक्ष्य के साथ असंगत है — या एक ब्रांड योजना जो पोर्टफ़ोलियो कुल में नहीं जुड़ती — केवल एक गणितीय परेशानी नहीं है। यह योजना विश्वसनीयता को नष्ट करता है, विरोधी S&OP प्रक्रियाएँ बनाता है, और परस्पर विरोधी उत्पादन और वाणिज्यिक प्रतिबद्धताओं की ओर ले जाता है। पदानुक्रमित पूर्वानुमान इसे संरचनात्मक रूप से हल करता है, बातचीत से नहीं।
सामंजस्य समस्या जो S&OP को तोड़ती है
अधिकांश बेवरेज कंपनियाँ समानांतर में कम से कम दो पूर्वानुमान प्रक्रियाएँ चलाती हैं: बाज़ार हिस्सेदारी और श्रेणी वृद्धि मान्यताओं से निर्मित एक वाणिज्यिक या टॉप-लाइन पूर्वानुमान, और SKU-स्तरीय इतिहास से निर्मित एक परिचालन या आपूर्ति पूर्वानुमान। ये दोनों पूर्वानुमान डिफ़ॉल्ट रूप से लगभग कभी सहमत नहीं होते।
परिणामी “अंतर” मासिक विक्रय एवं संचालन योजना (S&OP) बैठकों का केंद्र बन जाता है — इसलिए नहीं कि अंतर्निहित माँग संकेत वास्तव में अनिश्चित है, बल्कि इसलिए कि किसी ने दोनों स्तरों के सामंजस्य के लिए एक सुसंगत विधि निर्दिष्ट नहीं की है। प्रबंधक निर्णय लेने के बजाय यह बहस करने में घंटों बिताते हैं कि कौन सी संख्या “सही” है।
पदानुक्रमित पूर्वानुमान इस संरचनात्मक असंगति को डिज़ाइन के अनुसार समाप्त करता है।
पदानुक्रम: स्तर और उनका उद्देश्य
एक विशिष्ट बेवरेज माँग पदानुक्रम में तीन से पाँच स्तर होते हैं:
- कुल पोर्टफ़ोलियो — वह संख्या जो वित्तीय योजना और कॉर्पोरेट प्रतिबद्धताओं को पोषित करती है
- ब्रांड परिवार — वह संख्या जो ब्रांड निवेश निर्णयों और वाणिज्यिक लक्ष्यों को प्रेरित करती है
- SKU × चैनल — वह संख्या जो उत्पादन शेड्यूलिंग और इन्वेंट्री स्थिति-निर्धारण को प्रेरित करती है
- SKU × चैनल × क्षेत्र — वह संख्या जो वितरण और फ़ील्ड विक्रय लक्ष्यों को प्रेरित करती है (राष्ट्रीय पदचिह्न वाली बड़ी ब्रुअरीज़ के लिए प्रासंगिक)
प्रत्येक स्तर विभिन्न योजना क्षितिज वाले एक अलग निर्णय-निर्माता की सेवा करता है। कुल पोर्टफ़ोलियो पूर्वानुमान त्रैमासिक अद्यतनों के साथ वार्षिक रूप से लॉक होते हैं। अधिकांश आधुनिक आपूर्ति शृंखलाओं में SKU-स्तरीय पूर्वानुमान साप्ताहिक रूप से अद्यतन होते हैं।
किसी भी सामंजस्य विधि को लागू करने से पहले पदानुक्रम को स्पष्ट रूप से परिभाषित किया जाना चाहिए। पदानुक्रम में नॉन-अल्कोहलिक बीयर कहाँ बैठती है — क्या यह एक ब्रांड परिवार है, एक मौजूदा लेगर का उप-ब्रांड है, या एक अलग श्रेणी नोड है? — इसके बारे में अस्पष्टता निरंतर सामंजस्य विफलताओं का कारण बनती है।
सामंजस्य विधियाँ: बॉटम-अप, टॉप-डाउन, और इष्टतम
बॉटम-अप (BU): SKU-स्तरीय पूर्वानुमान स्वतंत्र रूप से उत्पन्न करें, फिर ब्रांड और पोर्टफ़ोलियो में योग दें। लाभ: SKU-स्तरीय संकेतों को अच्छी तरह पकड़ता है। जोखिम: पोर्टफ़ोलियो योग मैक्रोइकोनॉमिक या बाज़ार-हिस्सेदारी अपेक्षाओं का खंडन कर सकता है।
टॉप-डाउन (TD): एक पोर्टफ़ोलियो पूर्वानुमान उत्पन्न करें, फिर ऐतिहासिक हिस्सेदारी अनुपातों का उपयोग करके विघटित करें। लाभ: मैक्रो बाधाओं का सम्मान करता है। जोखिम: SKU-स्तरीय सटीकता खोता है, विशेष रूप से तेज़ी से बढ़ते या तेज़ी से घटते व्यक्तिगत SKU के लिए।
इष्टतम सामंजस्य (MinT / ERM): विधियों का एक परिवार जो सभी स्तरों पर पूर्वानुमान स्वतंत्र रूप से उत्पन्न करता है और फिर सामंजस्यपूर्ण पूर्वानुमानों का एक सेट खोजता है जो योग बाधाओं को लागू करते हुए पदानुक्रम भर में कुल पूर्वानुमान त्रुटि को न्यूनतम करता है। पिछले दशक के अकादमिक शोध ने स्थापित किया है कि इष्टतम सामंजस्य वास्तविक वाणिज्यिक डेटासेट पर शुद्ध BU और शुद्ध TD दोनों दृष्टिकोणों से लगातार बेहतर प्रदर्शन करता है।
अधिकांश बेवरेज योजना टीमों के लिए, व्यावहारिक प्रारंभिक बिंदु पोर्टफ़ोलियो स्तर पर लागू एक मैनुअल टॉप-डाउन बाधा के साथ एक अच्छी तरह कार्यान्वित BU पूर्वानुमान है — एक “बाधित BU”। पूर्ण इष्टतम सामंजस्य के लिए सांख्यिकीय उपकरण और एक साथ सभी स्तरों पर स्वच्छ डेटा की आवश्यकता होती है, लेकिन यह आधुनिक पूर्वानुमान प्लेटफ़ॉर्म के साथ प्राप्त करने योग्य है।
पदानुक्रम में NA बीयर
नॉन-अल्कोहलिक बीयर एक विशिष्ट पदानुक्रमित चुनौती पैदा करती है: इसमें मज़बूत टॉप-डाउन संकेत हैं (NA श्रेणी बढ़ रही है, और श्रेणी वृद्धि दरें देखी जा सकती हैं) लेकिन कमज़ोर बॉटम-अप संकेत हैं (व्यक्तिगत SKU का सीमित इतिहास है)। यह एक परिपक्व लेगर SKU के विपरीत है, जिसमें विश्वसनीय बॉटम-अप इतिहास है लेकिन सीमित विभेदित टॉप-डाउन संकेत है।
प्राकृतिक समाधान पदानुक्रम में नोड के अनुसार सूचना भार को बदलने की अनुमति देना है। NA SKU के लिए, टॉप-डाउन श्रेणी वृद्धि दर को सामंजस्यपूर्ण पूर्वानुमान में अधिक भार मिलना चाहिए। परिपक्व लेगर SKU के लिए, बॉटम-अप टाइम-सीरीज़ अनुमान को हावी होना चाहिए। स्तर परिपक्वता के अनुसार स्पष्ट भार के साथ डिज़ाइन किए गए पदानुक्रमित ढाँचे इसे स्वच्छ रूप से संभालते हैं।
यह नए उत्पाद परिचयों के लिए एनालॉग पूर्वानुमान दृष्टिकोण से भी जुड़ता है जिस पर बिना इतिहास के पूर्वानुमान: नॉन-अल्कोहलिक बीयर समस्या में चर्चा की गई है — एनालॉग-आधारित NA पूर्वानुमान को पदानुक्रम में स्पष्ट उच्च अनिश्चितता वाले एक नोड के रूप में डाला जा सकता है, जिससे सामंजस्य उसके अनुसार इसका व्यवहार कर सके।
पदानुक्रम भर में सटीकता रिपोर्टिंग
एक सामान्य ग़लती पूर्वानुमान सटीकता को केवल उस स्तर पर मापना है जहाँ पूर्वानुमान उत्पन्न करना सबसे आसान है — आमतौर पर ब्रांड या कुल पोर्टफ़ोलियो स्तर — जबकि वास्तविक आपूर्ति निर्णयों को प्रेरित करने वाला SKU-स्तरीय पूर्वानुमान अमापित रह जाता है।
सटीकता मेट्रिक्स को पदानुक्रम के प्रत्येक स्तर पर रिपोर्ट किया जाना चाहिए, और मेट्रिक्स प्रत्येक स्तर के निर्णय उपयोग के लिए उपयुक्त होने चाहिए। किन सटीकता मेट्रिक्स का उपयोग करना है और किन्हें त्यागना है, इस पर अधिक के लिए, पूर्वानुमान सटीकता मेट्रिक्स जो मायने रखते हैं देखें।
ईमानदार चेतावनी
पदानुक्रमित पूर्वानुमान तकनीकी रूप से आकर्षक है लेकिन संगठनात्मक रूप से माँग करने वाला है। विधि के लिए आवश्यक है कि सभी हितधारक पदानुक्रम परिभाषा पर सहमत हों, कि डेटा प्रत्येक स्तर पर लगातार टैग किया गया हो, और कि सामंजस्यपूर्ण पूर्वानुमान — किसी भी व्यक्तिगत स्तर की पसंदीदा संख्या के बजाय — वही हो जो वास्तव में निर्णयों को प्रेरित करता है। उन संगठनों में जहाँ वाणिज्यिक और आपूर्ति टीमों ने ऐतिहासिक रूप से अपने स्वयं के पूर्वानुमानों का बचाव किया है, इसके लिए सांख्यिकीय पद्धति जितना ही परिवर्तन प्रबंधन की आवश्यकता होती है।
सेल्स फ़ोरकास्टिंग ट्रैक का हिस्सा — सभी देखें।
अक्सर पूछे जाने वाले प्रश्न
पदानुक्रमित पूर्वानुमान क्या है?
पदानुक्रमित पूर्वानुमान एकत्रीकरण के कई स्तरों — SKU, ब्रांड, श्रेणी, कुल पोर्टफ़ोलियो — पर पूर्वानुमान उत्पन्न करने की एक विधि है, जबकि यह सुनिश्चित करती है कि वे गणितीय रूप से सुसंगत हों। एक बॉटम-अप SKU पूर्वानुमान जो टॉप-डाउन पोर्टफ़ोलियो लक्ष्य से अधिक का योग देता है, एक सामान्य और महँगी विफलता मोड है जिसे यह विधि रोकने के लिए डिज़ाइन की गई है।
बेवरेज में बॉटम-अप और टॉप-डाउन पूर्वानुमान में क्या अंतर है?
बॉटम-अप पूर्वानुमान SKU स्तर पर शुरू होता है और ऊपर की ओर योग देता है। टॉप-डाउन कुल पोर्टफ़ोलियो या बाज़ार-हिस्सेदारी स्तर पर शुरू होता है और नीचे आवंटित करता है। प्रत्येक के अंध-बिंदु हैं: बॉटम-अप मैक्रो बाधाओं को चूक सकता है; टॉप-डाउन SKU-स्तरीय सटीकता खो सकता है। पदानुक्रमित विधियाँ सामंजस्य एल्गोरिदम का उपयोग करके दोनों को जोड़ती हैं।
एक नॉन-अल्कोहलिक बीयर लॉन्च पदानुक्रम को कैसे बदलता है?
एक नया NA SKU पदानुक्रम में एक शाखा प्रस्तुत करता है जिसमें बॉटम-अप डेटा (इसका कोई इतिहास नहीं है) की तुलना में अधिक टॉप-डाउन बाज़ार संदर्भ (श्रेणी वृद्धि दरें) हो सकता है। पदानुक्रमित मॉडल इसे शालीनता से संभालते हैं, टॉप-डाउन संकेत को NA नोड पर हावी होने देकर जबकि बॉटम-अप संकेत उसी ब्रांड परिवार में परिपक्व SKU को स्थिर करता है।