تحلیل ریسک
هنگام تحلیل پیش بینی های فروش ، می دانیم که این پیش بینی ها برآوردی هستند؛ به عبارت دیگر بدلیل عدم قطعیت واقعی نیستند و ممکن است بسیار با واقعیت متفاوت باشند. با توجه سطح عدم اطمینانی که وجود دارد، بهتر است که ابتدا مجموعه ای از پیش بینی ها را تعیین کنیم. با انجام این کار، می توان بررسی کرد که آیا همه نتایج مورد انتظار نزدیک یک برآورد منحصر بفرد (برای مثال بالاتر از نقطه سر به سر یا محدوده سودآوری) قرار دارد یا اینکه پراکندگی چشمگیری در پیش بینی ها مشاهده می شود که در نتیجه ریسک دستیابی به نتیجه مورد نظر را افزایش می دهد.
در ادامه می خواهیم روشی را با استفاده از نرم افزار اکسل به شما آموزش دهیم که به منظور تحلیل ریسک در پیش بینی فروش و یا سایر تحلیل ها می تواند مورد استفاده قرار گیرد.
مراحل تحلیل
1. ابتدا فهرستی از پیش بینی های فروش برای مساله مورد نظر( خرید مشتری، فروش گروه کالایی یا کالا، فروش منطقه و...) را براساس سوابق فروش گذشته و یا نظر کارشناسان مطابق جدول شماره 1 تهیه کنید.
ردیف | پیش بینی |
---|---|
1 | 5400 |
2 | 3200 |
3 | 1700 |
4 | 6100 |
5 | 2900 |
6 | 4700 |
7 | 5800 |
8 | 8000 |
9 | 3900 |
10 | 4250 |
11 | 5950 |
12 | 2500 |
2. کمترین، بیشترین و میانگین مقادیر پیش بینی ها را به ترتیب از فرمول های MIN، MAX و AVERAGE محاسبه کنید. این مقادیر در جدول شماره 2 نمایش داده شده اند.
نتیجه | فرمول |
1700 | MIN |
8000 | MAX |
4475 | AVERAGE |
تحلیل 1 :
دامنه مقادیر که تفاوت بیشترین و کمترین مقادیر پیش بینی هاست، نشان می دهد که دامنه بسیار وسیعی از نتایج ممکن وجود دارد. بیشترین پیش بینی ارزشی بیش از چهار برابر نسبت به کمترین مقدار را دارد.
3. تحلیل دیگری نیز وجود دارد که نشان می دهد، پیش بینی های این گروه به سمت کدامیک از کمترین مقدار یا بیشترین مقدار از طیف پیش بینی ها گرایش دارد (مطلب شاخص چولگی و کاربرد آن در تحلیل داده های فروش را مطالعه کنید). از طریق رابطه ضریب چولگی و فرمول SKEW در اکسل می توانید وجود انحراف به سمت هریک از کمترین یا بیشترین مقادیر را بدست آورید. مقدار صفر نشان می دهد که پیش بینی ها در هیچ یک از جهات انحرافی ندارند. مقدار مثبت نشان می دهند که پیش بینی ها کمتر از میانگین بوده و مقدار منفی نشان می دهد که پیش بینی ها در محدوده بیشتر از میانگین تجمع دارند.
نتیجه | فرمول |
0.24 | SKEW |
تحلیل 2 :
براساس شاخص چولگی بدست آمده که عددی مثبت است، انحراف مثبت را نشان می دهد، به عبارتی کارشناسان به طور کلی حدس زده اند که نتایج واقعی باید کمتراز میانگین پیش بینی ها باشد.
4. انحراف استاندارد، ابزار بسیار سودمندی برای تعیین پراکندگی پیش بینی های این گروه حول میانگین برآوردهاست. هرچه انحراف استاندارد نمونه بیشتر باشد، پراکندگی حول میانگین پیش بینی ها بیشتر و میزان ریسک نرسیدن به میانگین پیش بینی ها بیشتر خواهد بود. برای محاسبه انحراف استاندارد می توانید از فرمول STDEV.S استفاده کنید.
نتیجه | فرمول |
1808 | STDEV.S |
تحلیل 3 :
انحراف استاندارد پیش بینی ها نشان می دهد که این مقادیر تا حدودی بیشتر از چهل درصد (تقسیم انحراف استاندارد به میانگین) انحراف از میانگین را دارند. با چنین پراکندگی زیادی از پیش بینی های ممکن، اطلاعات مورد نظر، مستلزم ارزیابی بیشتری قبل از پذیرش این برآوردها هستند.
به علاوه با وجود درجه ریسک بالا، هزینه های پذیرش این پیش بینی ها بالاست، بنابراین برای تایید این نظرات ریسک تصمیم گیری نیز بالاست و نیاز به بازنگری در برآوردها وجود دارد.