Pasukan penyelidik di Washington State University telah mencipta model ramalan untuk membantu perniagaan meramalkan permintaan pelanggan dengan lebih tepat, walaupun data penting tiada. Kaedah baharu ini menjanjikan untuk mengoptimumkan operasi dengan ketara dan menambah baik pembuatan keputusan merentas pelbagai industri.
Penyelidik di Washington State University (WSU) telah melancarkan model ramalan inovatif yang direka untuk membantu perniagaan meramalkan permintaan pelanggan dengan lebih tepat, walaupun tanpa data lengkap. Kejayaan ini, diterbitkan dalam jurnal Pengurusan Pengeluaran dan Operasi, berpotensi untuk mengubah cara syarikat dalam pelbagai industri membuat keputusan operasi dan strategik yang kritikal.
Dibangunkan oleh Xinchang Wang, penolong profesor pengurusan operasi di Kolej Perniagaan Carson WSU, dan Weikun Xu, pelajar kedoktoran dalam sains pengurusan di institusi yang sama, model baharu itu menggunakan pendekatan matematik untuk meramalkan minat pelanggan dengan ketepatan yang tidak pernah berlaku sebelum ini.
“Kebanyakan perniagaan hanya boleh melihat sebahagian daripada gambar permintaan — mereka tahu siapa yang membeli tetapi tidak berapa ramai yang mempertimbangkan untuk membeli dan tidak,” kata Wang dalam satu kenyataan berita. "Model kami membina semula bahagian yang hilang, memberikan syarikat anggaran permintaan yang lebih lengkap dan boleh dipercayai."
Kaedah ramalan tradisional sering bergantung pada andaian yang luas, seperti anggaran bahagian pasaran, yang boleh membawa kepada ketidaktepatan dalam memahami gelagat pelanggan dan terlepas peluang hasil.
Sebaliknya, model Wang dan Xu menganggarkan kedua-dua jualan dan jumlah bilangan pelanggan berpotensi, malah mengambil kira mereka yang mempertimbangkan tetapi akhirnya memutuskan untuk tidak membuat pembelian.
Menggunakan teknik pengiraan yang dikenali sebagai algoritma pemaksimum minorisasi minorisasi, para penyelidik dapat meningkatkan ketepatan ramalan permintaan. Kaedah ini menghapuskan ketidakpastian yang melanda ramalan konvensional dengan menentukan ramalan permintaan yang paling boleh dipercayai daripada pelbagai kemungkinan.
"Dengan menghapuskan ketidakpastian, perniagaan boleh membuat keputusan penetapan harga yang lebih yakin," tambah Wang.
Walaupun penyelidik menguji model mereka dengan data jualan tiket penerbangan, reka bentuknya memastikan kebolehgunaan merentas pelbagai industri, menurut Wang. Sebagai contoh, hotel boleh menggunakannya untuk meramalkan tempahan masa hadapan, kedai runcit untuk menganggarkan permintaan pasaran dan platform e-dagang untuk memahami kadar pengabaian troli beli-belah.
"Model ini menyediakan alat yang berkuasa untuk industri di mana data yang tidak lengkap telah menjadi cabaran yang berterusan," tambah Wang. "Dengan menambah baik ramalan permintaan, perniagaan boleh merancang dengan lebih berkesan, mengoptimumkan operasi dan akhirnya menjadi lebih berdaya saing."
Implikasi kajian ini adalah meluas. Ramalan permintaan yang tepat boleh membawa kepada pengurusan inventori yang lebih baik, strategi penetapan harga yang dioptimumkan dan kepuasan pelanggan yang dipertingkatkan, yang akhirnya memberikan perniagaan kelebihan daya saing yang ketara.
sumber: Washington State University