ดาวน์โหลดงานนำเสนอ
งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ
1
Quantitative Analysis
การวิเคราะห์เชิงปริมาณ Quantitative Analysis \ การพยากรณ์ (Forecasting)
2
ประโยชน์ของการพยากรณ์
1. ช่วยในการกำหนดตารางการใช้ทรัพยากรที่มีอยู่ในปัจจุบัน 2. ทำให้องค์การสามารถเสาะแสวงหาทรัพยากรอื่นๆมาเพิ่มเติมจากพื้นฐาน ข้อมูลที่มีอยู่ในปัจจุบัน 3. ทำให้ทราบว่าองค์การธุรกิจต้องการอะไร 4. นำมาใช้ในการวางแผนช่องทางการจัดจำหน่าย 5. ใช้ในการวางแผนจัดทำงบประมาณสำหรับหน่วยงานต่าง ๆ ขององค์การ 6. ช่วยในการวางแผนส่งเสริมการจำหน่ายให้กับลูกค้าได้อย่างมีประสิทธิภาพ 7. ช่วยในการควบคุมและรักษาส่วนแบ่งตลาดให้มีความต่อเนื่องในด้านบวก 8. ใช้เป็นเครื่องมือในการกำหนดเป้าหมายในการดำเนินงาน
3
กระบวนการพยากรณ์ (Forecasting Process) 5 ขั้นตอน
การพยากรณ์เป็นการคาดการณ์ถึงสิ่งที่จะเกิดขึ้นในอนาคต และนำผลที่ได้มาใช้ในการวางแผน เพื่อช่วยในการกำหนดระดับการผลิต การจัดการสินค้าคงคลัง ฯลฯ กระบวนการพยากรณ์ (Forecasting Process) 5 ขั้นตอน ระบุวัตถุประสงค์ของการพยากรณ์ เพื่อให้สามารถเลือกเทคนิคการพยากรณ์ที่เหมาะสมกับวัตถุประสงค์ของผู้ใช้ กำหนดช่วงเวลาที่ต้องการพยากรณ์ 2.1 การพยากรณ์ระยะสั้น (Short-term Forecasting) ไม่เกิน 1 ปี 2.2 การพยากรณ์ระยะปานกลาง (Medium-term Forecasting) 1-3 ปี 2.3 การพยากรณ์ระยะยาว (Long-term Forecasting) 3 ปีขึ้นไป
4
4. เก็บข้อมูลที่ต้องการใช้ในการพยากรณ์ 5. ทำการพยากรณ์
การกำหนดช่วงเวลาการพยากรณ์ส่วนใหญ่ กำหนดตามรอบระยะเวลาในการผลิต และการจำหน่ายสินค้าแต่ละประเภท เช่น Computer สั้นกว่า Food 3. เลือกเทคนิคการพยากรณ์ที่เหมาะสม (Forecasting Techniques) กับ วัตถุประสงค์ของการพยากรณ์ ข้อมูลที่ต้องการ ระยะเวลาที่ต้องการและต้นทุนในการพยากรณ์ เทคนิคการพยากรณ์เชิงปริมาณ (Quantitative Forecasting Techniques) เทคนิคการพยากรณ์เชิงคุณภาพ (Qualitative Forecasting Techniques) 4. เก็บข้อมูลที่ต้องการใช้ในการพยากรณ์ 5. ทำการพยากรณ์
5
แสดงชนิดและคุณลักษณะของการพยากรณ์
ช่วง พยากรณ์ กรอบของ ระยะเวลา การนำไป ประยุกต์ใช้ คุณลักษณะ วิธีการ ระยะยาว ปกติ 5 ปีหรือ มากกว่า 3 ปีขึ้นไป การวางแผนธุรกิจ เป็นการพยากรณ์กว้างๆและมักเป็นเชิงคุณภาพ ด้านเทคโนโลยีภาวะเศรษฐกิจการศึกษาตลาดการใช้ดุลพินิจ ระยะปานกลาง ปกติเป็นฤดูกาลจนไปถึง 3 ปี การวางแผนรวม เป็นเชิงตัวเลข มักต้องการความถูกต้องน่าเชื่อถือ รวบรวมข้อคิดเห็น อนุกรมเวลา การวิเคราะห์การถดถอย ดัชนีทางเศรษฐกิจ ดุลยพินิจ ระยะสั้น ปกติน้อยกว่า 1 ฤดูกาล 1 วัน ไปถึง 1 ปี การควบคุม ระยะสั้น ลงลึกถึงระดับเฉพาะเพื่อการวางแผนกิจกรรมและการปรับปรุงการจัดซื้อและสินค้าคงเหลือ การคาดการณ์แนวโน้มด้วยกราฟ การปรับเรียบแบบเอ็กซ์โพเนนเชียล ดุลยพินิจ
6
ขั้นตอน ในระบบ การพยากรณ์
การตัดสินใจใช้การพยากรณ์ เลือกรายการการพยากรณ์ ตัดสินใจเวลา ที่ใช้ในการพยากรณ์ เลือกรูปแบบการพยากรณ์ รวบรวมข้อมูลที่จำเป็น ต่อการพยากรณ์ ทำการพยากรณ์ สร้างความเที่ยงตรงและ ปฏิบัติการวิเคราะห์ผลลัพธ์
7
วิธีเอ็กซ์โพเนนเซียล วิธีบอกซ์เจนกินส์ แบบอนุกรม เวลา
การพยากรณ์ วิธีแยกส่วนประกอบ วิธีเอ็กซ์โพเนนเซียล วิธีบอกซ์เจนกินส์ แบบอนุกรม เวลา ระดมความเห็นของผู้บริหาร วิธีค่าเฉลี่ยเคลื่อนที่ พยากรณ์ เชิงปริมาณ เทคนิคการ พยากรณ์ พยากรณ์ เชิงคุณภาพ การวิจัยตลาด รวบรวมข้อมูลจากพนักงานขาย แบบความ สัมพันธ์ วิธีตัวแบบถดถอยเชิงเส้น อย่างง่าย วิธีวิเคราะห์ตัวแบบจำลอง วิธีวิเคราะห์เศรษฐมิติ
8
แบ่งตามเทคนิคการพยากรณ์
- การพยากรณ์แบบไม่มีหลักการ (informal forecasting technique) - การพยากรณ์แบบมีหลักการ (formal forecasting technique) แบ่งออกเป็น 2 ประเภท ใหญ่ ๆ คือ 1. การพยากรณ์เชิงคุณภาพ (qualitative forecasting) 2. การพยากรณ์เชิงปริมาณ (quantitative forecasting
9
การพยากรณ์เชิงคุณภาพ (Qualitative Methods)
การพยากรณ์เชิงคุณภาพประกอบด้วย - การใช้ความเห็นของกลุ่มผู้บริหารระดับสูงหรือผู้เชี่ยวชาญ - วิธีเดลฟาย แบ่งออกเป็น 3 กลุ่ม คือ - ผู้ตัดสินใจ ผู้เชี่ยวชาญ 5-10 คน ซึ่งเป็นคนพยากรณ์ - ทีมงานเป็นผู้ที่เตรียมงาน แจกจ่าย เก็บรวบรวม สรุปผล - ผู้ตอบคำถาม เพื่อนำไปเป็นข้อมูลในการตัดสินใจ
10
การพยากรณ์เชิงคุณภาพ (Qualitative Methods)
การประเมินจากฝ่ายขาย เป็นการพยากรณ์ยอดขายแต่ละเขต จนถึงระดับประเทศ การสำรวจตลาด การสอบถามจากลูกค้าถึงการแผนการผลิต ของบริษัทในอนาคต
11
การพยากรณ์เชิงปริมาณ (Quantitative Methods)
รูปแบบอนุกรมเวลา (Time – Series Models) ใช้ข้อมูลจากอดีต มาใช้ในการพยากรณ์ในอนาคตได้ แบ่งได้เป็น 4 วิธีคือ วิธีการหาค่าแบบตรงตัว วิธีการค่าเฉลี่ยเคลื่อนที่ วิธีการปรับเรียบแบบเอ็กซ์โปเนนเชียล วิธีการคาดคะเนแนวโน้ม
12
การพยากรณ์แบบอนุกรมเวลา (Time-series Forecasting)
นำตัวเลขข้อมูลในอดีตที่เกิดขึ้นตามลำดับเวลา มาพยากรณ์ค่าที่ต้องการในอนาคต โดยมีสมมุติฐานคือ “ข้อมูลในอดีตสามารถเป็นตัวแทนที่ดีของค่าพยากรณ์ในอนาคต” เช่น การใช้ยอดขาย 10 เดือนที่ผ่านมา ทำนายยอดขายเดือนที่ 11 วิธีค่าเฉลี่ยเคลื่อนที่อย่างง่าย เหมาะกับข้อมูลไม่มีแนวโน้ม หรือฤดูกาลเข้ามาเกี่ยวข้อง พยากรณ์แบบอนุกรมเวลา วิธีเอ็กซ์โพเนนเซียลอย่างง่าย เป็นการหาค่าเฉลี่ยของข้อมูล โดยกำหนดน้ำหนักของข้อมูล ที่นำมาใช้พยากรณ์ต่างกัน (ข้อมูลที่อยู่ใกล้ปัจจุบันมีน้ำหนักมากที่สุด)
13
การพยากรณ์เชิงปริมาณ
1. ตัวแบบการพยากรณ์แบบอนุกรมเวลา วิธีหาค่าแบบตรงหรือวิธีการหาค่าแบบง่าย (naive approach) วิธีหาค่าเฉลี่ยเคลื่อนที่ (moving average) วิธีปรับเรียบแบบเอ็กซ์โปเนนเชียล (exponential smoothing)
14
วิธีหาค่าเฉลี่ยอย่างง่าย
การพยากรณ์ วิธีหาค่าเฉลี่ยอย่างง่าย n ∑Ai N i=1 MA = MA = ค่าพยากรณ์ Ai = ค่าจริงงวดที่ i N = จำนวนงวดที่ใช้ในการหาค่าเฉลี่ย
15
วิธีหาค่าเฉลี่ยอย่างง่าย
การพยากรณ์ วิธีหาค่าเฉลี่ยอย่างง่าย เดือนที่ ยอดขาย(ล้านบาท) ค่าเฉลี่ยเคลื่อนที่ n = 3 ค่าเฉลี่ยเคลื่อนที่ n = 5 1 12 2 9 3 10 4 7 ❇ ? 5 11 6 13 8 3 10.3 8.7 9+10+7 3
16
วิธีหาค่าเฉลี่ยอย่างง่าย
การพยากรณ์ วิธีหาค่าเฉลี่ยอย่างง่าย เดือนที่ ยอดขาย(ล้านบาท) ค่าเฉลี่ยเคลื่อนที่ n = 3 ค่าเฉลี่ยเคลื่อนที่ n = 5 1 12 2 9 3 10 4 7 5 11 6 ❇ ? 13 8 5 9.8 8.4 5 ให้พยากรณ์เดือนที่ – และ
17
วิธีหาค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนัก
การพยากรณ์ วิธีหาค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนัก เดือนที่ ยอดขาย(ล้านบาท) น้ำหนัก ค่าเฉลี่ยเคลื่อนที่ n = 3 1 12 2 9 3 10 4 7 ❇ ? 5 11 6 13 8 .20 .30 .50 (12 x .2) + (9 x .3) + (10 x .5) 10.1 การกำหนดน้ำหนัก ให้ข้อมูลงวดที่ใกล้เวลาปัจจุบันมากที่สุดมีน้ำหนักมากที่สุด ข้อมูลที่งวดที่ไกลออกไปจะลดลงไปตามลำดับ โดยข้อมูลทุกงวดรวมกันจะต้องเท่ากับ 1.00
18
วิธีหาค่าเฉลี่ยเคลื่อนที่ถ่วงน้ำหนัก
เดือนที่ ยอดขาย(ล้านบาท) น้ำหนัก ค่าเฉลี่ยเคลื่อนที่ n = 3 1 12 2 9 3 10 4 7 5 11 ❇ ? 6 13 .20 .30 .50 (9 x .2) + (10 x .3) + (7 x .5) 10.1 8.3 ให้พยากรณ์เดือนที่ 6 -7 การกำหนดน้ำหนัก ให้ข้อมูลงวดที่ใกล้เวลาปัจจุบันมากที่สุดมีน้ำหนักมากที่สุด ข้อมูลที่งวดที่ไกลออกไปจะลดลงไปตามลำดับ โดยค่าน้ำหนักทุกงวดรวมกันจะต้องเท่ากับ 1.00
19
วิธีหาค่าเอ็กซ์โพเนนเซียลอย่างง่าย
MJU. การพยากรณ์ วิธีหาค่าเอ็กซ์โพเนนเซียลอย่างง่าย Ft+1 = œAt + (1 - œ) Ft Ft+1 = ค่าพยากรณ์งวดที่ t + 1 œ = ค่าคงที่ (0 – 1) At = ค่าจริงงวดที่ t Ft = ค่าพยากรณ์งวดที่ t ค่าคงที่ œ ถ้ามีค่าสูง ใช้กับการพยากรณ์ที่ข้อมูลจริงมีการเปลี่ยนแปลงสูง ถ้ามีค่าต่ำ ใช้กับการพยากรณ์ที่ข้อมูลจริงมีการเปลี่ยนแปลงต่ำ
20
ตัวอย่าง : ในเดือน ม.ค. ตัวแทนขายคาดคะเนว่าความต้องการ รถยนต์ Ford เดือนก.พ. คือ 142 คัน ความต้องการที่แท้จริงในเดือน ก.พ. คือ 153 คัน เมื่อฝ่ายบริหารกาหนด เท่ากับ 0.2 จงพยากรณ์ ความต้องการในเดือนมี.ค. (แทนที่ข้อมูลจากสมการ) ดังนี้ Ft = Ft-1 + α (At-1- Ft-1) แทนค่า Ft = [0.2*( )] = = ความต้องการรถในเดือนมี.ค.มีประมาณ 144 คัน
21
วิธีหาค่าเอ็กซ์โพเนนเซียลอย่างง่าย
การพยากรณ์ วิธีหาค่าเอ็กซ์โพเนนเซียลอย่างง่าย Ft+1 = œAt + (1 - œ) Ft Ft+1 = ค่าพยากรณ์งวดที่ t œ = ค่าคงที่ (0 – 1) At = ค่าจริงงวดที่ t Ft = ค่าพยากรณ์งวดที่ t เดือนที่ ยอดขาย(ล้านบาท) œ = 0.3 œ = 0.5 1 12 2 9 ❇ ? 3 10 4 7 12 12 F2 = (0.3 x 12) + (1 – 0.3)(12)
22
วิธีหาค่าเอ็กซ์โพเนนเซียลอย่างง่าย
การพยากรณ์ วิธีหาค่าเอ็กซ์โพเนนเซียลอย่างง่าย Ft+1 = œAt + (1 - œ) Ft Ft+1 = ค่าพยากรณ์งวดที่ t œ = ค่าคงที่ (0 – 1) At = ค่าจริงงวดที่ t Ft = ค่าพยากรณ์งวดที่ t เดือนที่ ยอดขาย(ล้านบาท) œ = 0.3 œ = 0.5 1 12 2 9 3 10 ❇ ? 4 7 12 12 11.1 F3 = (0.3 x 9) + (1 – 0.3)(12) ทำต่อให้หมดทั้ง œ 0.3 และ 0.5
23
การพยากรณ์แบบความสัมพันธ์ของข้อมูล (Causal Forecasting)
ใช้ความสัมพันธ์ของข้อมูลที่เป็นเหตุเป็นผลกัน (Cause and Effect) มาพยากรณ์ค่าที่ต้องการในอนาคต พยากรณ์แบบความสัมพันธ์ของข้อมูล วิธีตัวแบบการถดถอยเชิงเส้นอย่างง่าย
24
วิธีตัวแบบการถดถอยเชิงเส้นอย่างง่าย
MJU. การพยากรณ์ วิธีตัวแบบการถดถอยเชิงเส้นอย่างง่าย y = a + bx y = ตัวแปรตาม (Dependent Variable) a = จุดตัดบนแกน y a = y - bx b = ค่าความลาดชันของเส้นตรง (Slope) ∑xy – n x y ∑x2 - n (x)2 x = ค่าตัวแปรอิสระ (Independent Variable) b =
25
วิธีตัวแบบการถดถอยเชิงเส้นอย่างง่าย
การพยากรณ์ ข้อมูลที่ จำนวนวันโฆษณา x ยอดขาย y xy x 2 1 3 20 60 9 2 5 22 110 25 4 27 108 16 7 34 238 49 14 28 6 37 222 36 30 120 8 46 414 81 18 54 รวม 43 248 1354 245 เฉลี่ย 4.78 27.56 b = (∑xy – n x y) / (∑x2 - n (x )2) = – 9(4.78)(27.56) 245 – 9(4.78)2 = 4.27 a = y – bx = – (4.27)(4.78) = 7.15 y = a + bx y = x = ?
26
วิธีตัวแบบการถดถอยเชิงเส้นอย่างง่าย
การพยากรณ์ ข้อมูลที่ จำนวนวันโฆษณา x ยอดขาย y xy x 2 1 2 20 5 10 3 6 60 4 8 7 50 45 9 รวม เฉลี่ย
27
การพยากรณ์เชิงคุณภาพ
การวางแผนกำลังการผลิต การพยากรณ์เชิงคุณภาพ วิธีเดลไฟ (Delphi Method) เป็นการระดมความคิดเห็นของผู้บริหารหรือผู้ที่เกี่ยวข้อง โดยให้ แสดงความคิดเห็นอย่างอิสระ โดยไม่มีอิทธิพลการโน้มน้าวจากบุคคล อื่น
28
Delphi Method กำหนดสิ่งที่ต้องการพยากรณ์
การวางแผนกำลังการผลิต Delphi Method กำหนดสิ่งที่ต้องการพยากรณ์ กำหนดกลุ่มบุคคลที่ต้องการให้พยากรณ์ แจกแบบสอบถามให้แต่ละคนระบุตัวเลขพยากรณ์ แจกแบบสอบถามรอบที่ 2 พร้อมค่าทางสถิติที่ได้ เพื่อให้พยากรณ์อีกครั้ง และให้บอกเหตุผล ว่าทำไมถึงพยากรณ์ตัวเลขนั้น คำนวณค่าสถิติ :- mean SD. ใช้ค่าพยากรณ์ ห่างกัน ใกล้เคียงกัน คำนวณค่าสถิติ :- mean SD. เปรียบเทียบค่าสถิติครั้งที่ 1 & 2
29
สรุป การพยากรณ์ที่แม่นยำจะช่วยให้ฝ่ายปฏิบัติงานสามารถ วางแผนกิจกรรมต่างๆ ขององค์การให้มีประสิทธิภาพและ ประสิทธิผลสูงสุด ได้แก่ ฝ่ายการเงิน ฝ่ายการตลาด ฝ่าย ทรัพยากรมนุษย์ ฝ่ายผลิต ฝ่ายปฏิบัติการ
30
จบการบรรยาย
งานนำเสนอที่คล้ายกัน
