ই-কমার্সSocial media থেকে sales: campaign, schedule ও AI prompts
Social Hub দিয়ে content schedule, Meta campaign review ও AI prompt ব্যবহার করুন। Ecommerce ও ERP record মিলিয়ে marketing-এর বাস্তব ফল বুঝুন।
Anichur Rahaman2 ঘন্টা আগে7মিনিট
রিটেইলে Demand Forecasting: Sales History থেকে ভালো Reorder Decision
পরিষ্কার history, সঠিক backtest ও আলাদা continuous/weekly review হিসাব দিয়ে replenishment plan করুন। Kettle-এর উদাহরণে safety stock ও order quantity বুঝুন।
লেখক
Anichur Rahaman
2 মাস আগে8 মিনিট পড়া151 দেখা
ধরুন শুক্রবার তিনটি শাখার এক homeware দোকানে জনপ্রিয় kettle শেষ। অথচ stockroom-এ 140টি candle holder পড়ে আছে। Supplier-এর পরের kettle delivery আসতে দুই সপ্তাহ। এটি শেখানোর গল্প, কোনো client-এর দেখা ফল নয়।
Kettle-এর পুরোনো reorder setting সপ্তাহে 30টি বিক্রির সময় করা হয়েছিল; এখন run rate অনেক বেশি। সব পণ্য বেশি কিনলেই সমস্যার সমাধান হবে না, নগদ আরও আটকে যাবে। Demand, supplier timing আর দল আসলে কত দিন পর stock দেখে—তিনটিই বুঝতে হবে।
এই গাইডে আট সপ্তাহের কাল্পনিক SKU history থেকে সহজ forecast test ও দুটি replenishment policy দেখানো হয়েছে। সব quantity শিক্ষামূলক অনুমান। Formula-এর assumption বাস্তব কাজের সঙ্গে মিললেই তা উপকারী; শুক্রবার আর কখনো stockout হবে না—এ প্রতিশ্রুতি নয়। পর্যালোচনা: 4 নভেম্বর 2026।
কোন Demand-এর Plan করছেন ঠিক করুন
আগে SKU, location, unit, time bucket ও planning horizon ঠিক করুন। Sales হলো পূরণ করা কেনাকাটা; গ্রাহক যত কিনতে চাইতেন তার পুরোটা নয়। Stockout-এ demand চাপা পড়তে পারে। Zero sale মানেই zero demand বা নিশ্চিত lost sale—কোনোটিই নয়। Availability, দোকান খোলার সময় ও নির্ভরযোগ্য enquiry/lost-sale evidence দেখুন।
Observed sales, estimated lost demand ও management override আলাদা রাখুন। Stockout estimate অনিশ্চিত; sales ledger-এ নতুন transaction হিসেবে যোগ করার তথ্য নয়। বড় order দেখলেই বাদ দেবেন না। Repeat account, one-off event নাকি পরের horizon-এর জানা commitment, সেটি চিনুন।
বেরিয়ে যাওয়া demand ও ফেরত এসে ব্যবহারযোগ্য supply আলাদা forecast করুন। ফেরত kettle দেরিতে আসতে পারে, নষ্ট বা বিক্রির অযোগ্যও হতে পারে। Net sales আর্থিক হিসাবে কাজে লাগে; সেটিই সব সময় replenishment quantity নয়। সংশ্লিষ্ট সময়ে সত্যিই ব্যবহারযোগ্য হবে এমন return supply ধরুন।
Adjustment-এর পরিষ্কার Record রাখুন
নিচে আগের শিক্ষামূলক data রাখা হয়েছে। Week 2-এর পরিচিত one-off 10 unit এই baseline থেকে বাদ, কিন্তু আসল stock consumption record-এ আছে। Week 4-এ provisional lost demand 7 unit যোগ হয়েছে। ধরে নিচ্ছি ওই সপ্তাহ শেষেই annotation জানা ছিল; পরের সপ্তাহের তথ্য দেখে এগুলো বানালে backtest দূষিত হবে।
| Week | Recorded Unit | Baseline Adjustment | Planning Series |
|---|---|---|---|
| 1 | 44 | 0 | 44 |
| 2 | 71 | −10: চিহ্নিত one-off | 61 |
| 3 | 52 | 0 | 52 |
| 4 | 31 | +7: provisional lost demand | 38 |
| 5 | 55 | 0 | 55 |
| 6 | 49 | 0 | 49 |
| 7 | 63 | 0 | 63 |
| 8 | 38 | 0 | 38 |
Recorded sales 403, adjusted series 400; আট সপ্তাহের mean 50। Total কাছাকাছি হলেও প্রতি সপ্তাহের timing সঠিক হওয়ার প্রমাণ নয়। প্রতিটি adjustment-এর কারণ, evidence, তারিখ ও owner রাখুন; lost demand-এর বিকল্প অনুমানেও হিসাব দেখুন।
Promotion ও price change চিহ্নিত করুন, চুপচাপ মুছে দেবেন না। Trend ও calendar effect-এর উপযুক্ত baseline লাগে। Monthly seasonal ratio-তে growth মিশে যেতে পারে, আবার seasonal model-এর effect দুবার ধরা হতে পারে। বেশি repeated cycle উপকারী, কিন্তু দুই বছরের history হলেই seasonality নির্ভরযোগ্য হয় না। তারিখ বদলানো উৎসব ও নতুন product আলাদা যত্ন চায়।
ভবিষ্যতের তথ্য ছাড়া Forecast Test করুন
Four-week moving average বোঝানো সহজ একটি candidate, নিজে থেকেই সেরা নয়। প্রতিটি test week-এর আগে জানা চারটি planning value দিয়ে forecast করুন। একই তারিখ ও একই তথ্য দিয়ে উপযুক্ত naïve/seasonal baseline-এর সঙ্গে তুলনা করুন। Stock decision দুই বা তিন সপ্তাহের হলে সেই horizon-এর cumulative forecast-ও test করুন।
নিচের one-week rolling example হিসাব বোঝায়। চারটি test observation দিয়ে production reliability প্রমাণ হয় না। Forecast তৈরি হওয়ার সময়ের version রাখুন; পরে জানা তথ্য দিয়ে তার input বদলে দেবেন না।
| Week | Forecast | Actual Planning Value | Actual − Forecast | Absolute Error |
|---|---|---|---|---|
| 5 | 48.75 | 55 | +6.25 | 6.25 |
| 6 | 51.50 | 49 | -2.50 | 2.50 |
| 7 | 48.50 | 63 | +14.50 | 14.50 |
| 8 | 51.25 | 38 | -13.25 | 13.25 |
| মোট | 200.00 | 205 | +5.00 | 36.50 |
Week 8 শেষে শেষ চার সপ্তাহের mean দিয়ে Week 9 forecast হবে 51.25, 50 নয়। নিচের stock-policy উদাহরণে আট সপ্তাহ থেকে stationary planning mean 50 আলাদা assumption হিসেবে নেওয়া হয়েছে। এটি সহজ মডেল; latest moving-average forecast-কে 50 বলা হয়নি।
Error Metric-এর সীমাও বুঝুন
এই চার সপ্তাহের non-negative demand-এ WAPE = absolute error-এর যোগফল ÷ actual-এর যোগফল = 36.5 ÷ 205 = 17.8%। Denominator zero হলে N/A। Volume, trend ও case mix বদলালে বিভিন্ন সময়ের WAPE তুলনা বিভ্রান্ত করতে পারে; aggregate-এ আলাদা SKU-এর সমস্যা ঢাকা পড়ে।
চিহ্নের নিয়ম লিখুন: bias = sum(forecast − actual) ÷ sum(actual) = (200 − 205) ÷ 205 = −2.4%। এখানে মোট হিসেবে underforecast। Error একে অন্যকে বাতিল করতে পারে; MAE = 36.5 ÷ 4 = 9.125 unit। Universal WAPE target না ধরে service, waste ও buying cost-ও দেখুন।
Rolling-origin test-এর জন্য দেখুন Forecasting: Principles and Practice। Denominator ও non-stationarity-এর সীমা ব্যাখ্যা করেছে Hyndman-এর WAPE note। Scaling baseline অর্থপূর্ণ হলে MASE/RMSSE-ও বিবেচনা করুন।
Continuous নাকি Weekly Review বেছে নিন
Continuous Review: inventory position বদলানোর সঙ্গে দেখুন; reorder point বা তার নিচে গেলে নির্ধারিত replenishment decision নিন। Point বলে কখন, কত unit কিনবেন তা নয়। Quantity policy, খোলা purchase order ও approval আলাদা নিয়ম।
Weekly Periodic Review: প্রতিবার নির্ধারিত review-এ order-up-to target পর্যন্ত যেতে কত লাগে হিসাব করুন। পরের review পর্যন্ত সময় এবং supplier lead time—দুটির protection লাগে। Weekly হিসাব করতে continuous threshold ছোঁয়ার অপেক্ষা করবেন না।
সহজ backorder model-এ inventory position = usable on-hand + confirmed on-order − backorder। এটি shelf stock বা available-to-promise-এর সমান নয়। Reservation ও অন্য commitment demand model-এর সঙ্গে মিলিয়ে নিন, যেন দুবার না ধরা হয়। Damaged stock বাদ দিন। দেরি বা অনিশ্চিত receipt due date দিয়ে বিচার করুন; সব open PO ঠিক সময়ে আসবে ধরে নেবেন না। উদাহরণে অন্য commitment বা shortage নেই।
Assumption লিখে Safety Buffer হিসাব করুন
শুধু এই উদাহরণের জন্য: weekly mean d = 50, fixed lead time L = 2 week, independent স্থির weekly demand এবং sample standard deviation σ = √(644/7) = √92 ≈ 9.5917। Normal approximation ও 95% cycle service target-এ z ≈ 1.64485। সময়ের unit এক রাখুন; whole-unit requirement ওপরে round করুন।
Continuous review: SS = z × σ × √L ≈ 22.31, ওপরে round করে 23 unit। ROP = d × L + SS = 100 + 23 = 123 unit। এটি model-এর threshold; guarantee বা 95% unit fill rate নয়।
Weekly review-এ R = 1, তাই protection interval L + R = 3 week। Buffer z × σ × √3 ≈ 27.33, ওপরে round করে 28 unit। Target S = 50 × 3 + 28 = 178 unit। দুই সপ্তাহের buffer আবার ব্যবহার করলে এই model-এ প্রয়োজন কম ধরা হবে।
Weekly review-এ inventory position 124 হলে q = max(0, 178 − 124) = 54। MOQ 60 ও carton 12 হলে 60 unit order করুন, cash, capacity, expiry ও approval যাচাই করে। Position 124 continuous ROP 123-এর ওপরে হলেও periodic-review order বাতিল হয় না।
| অনুমিত Policy | Protection Interval | Rounded Buffer / Target |
|---|---|---|
| Continuous Review | 2 week | SS 23 · ROP 123 |
| Weekly Review | 3 week | SS 28 · S 178 |
একই continuous-review toy model-এ 90%, 95% ও 99% cycle target-এর rounded buffer 18, 23 ও 32; reorder point 118, 123 ও 132। এখানে target বাড়ালে buffer বাড়ে; ব্যবসায় তার মূল্য shortage-এর ক্ষতি ও holding cost-এর ওপর নির্ভর করে। এগুলো theoretical input, মাপা service result নয়।
আটটি adjusted observation normal ও independent distribution প্রমাণ করে না। Seasonal, correlated, intermittent demand বা variable lead time হলে প্রকৃত protection interval-এর error হিসাব বা উপযুক্ত simulation করুন। Supplier order থেকে usable receipt পর্যন্ত সময় মাপুন। গড়ে দুই সপ্তাহ মানে fixed দুই সপ্তাহের promise নয়। চালুর পর stockout, fill rate ও excess stock দেখুন।
Inventory concept ও policy assumption-এর সূত্র: NC State safety-stock tutorial ও Rossetti-এর continuous/periodic review অধ্যায়। এখানে সংখ্যার হিসাব আলাদাভাবে করা শিক্ষামূলক উদাহরণ।
Value, Variability ও ক্ষতির ঝুঁকি ধরে মনোযোগ দিন
ABC-তে কোন value মাপছেন বলুন: annual usage cost, contribution নাকি revenue। Threshold management choice; বাধ্যতামূলক 80/15/5 ভাগ নয়। XYZ-তে CV = σ/mean দিয়ে variability দেখা যায়, তবে window, zero mean ও seasonality-এর সঠিক ব্যবস্থা লাগে।
এখানে CV ≈ 9.5917/50 = 0.192। স্থানীয় X threshold-এ তুলনামূলক steady বলা যেতে পারে; এতে auto-purchase-এর অনুমতি হয় না। কম revenue-এর spare-ও business-critical হতে পারে। Volatile item-এরও stock দরকার হতে পারে। শুধু CZ label দেখে product বাদ দেবেন না।
Advanced Forecasting কখন কাজে লাগে
Decision-এর সময় জানা তথ্য দিয়ে বিশ্বাসযোগ্য simple baseline-এর সঙ্গে complex model তুলনা করুন। Promotion, price, substitute ও product similarity উপকারী হতে পারে, নতুন item-এর ক্ষেত্রেও; predictive value নিশ্চিত নয়। শুধু SKU count দিয়ে machine learning নেবেন বা বাদ দেবেন না।
সিদ্ধান্তের জন্য বেছে নিন: out-of-sample horizon error, service/waste, operating cost, ব্যাখ্যা করা যায় কি না এবং exception handling। প্রয়োজন হলে location ও aggregate plan মেলান। প্রয়োজনীয় record ও movement control-এর জন্য StoreConsole-এর inventory module পরীক্ষা করতে পারেন। Forecasting ও purchase-approval workflow আসলে enabled কি না আলাদা যাচাই করুন। Low-stock alert বা tour মানেই automatic forecasting engine নয়।
পুনরাবৃত্তিযোগ্য Planning Routine
- Evidence দেখুন। Stock ও receipt মেলান; stockout, promotion, bulk commitment ও provisional adjustment যাচাই করুন। Raw history রাখুন।
- Plan Refresh। Forecast version, horizon, assumption ও owner সংরক্ষণ করুন। তখন জানা তথ্য ব্যবহার করুন; গুরুত্বপূর্ণ exception-এর uncertainty দেখুন।
- Policy Review। বেছে নেওয়া continuous/periodic rule মানুন। Due receipt, usable stock ও backorder হালনাগাদ করে capacity, shelf life ও purchase constraint দেখুন।
- Approval ও Tracking। প্রস্তাবিত order দেখে reference, promised date ও actual usable receipt লিখুন। Timeout হলে retry-এর আগে পুরোনো reference দেখুন, যেন duplicate purchase না হয়।
- ফল থেকে শেখা। Bias, error, missed demand, fill, waste ও supplier reliability দেখুন। Assortment অনুযায়ী cadence ঠিক করুন; ত্রিশ মিনিটের routine বা তিনটি same-sign error সবার জন্য নিয়ম নয়।
Kettle-এর Shelf-এ ফিরে যাই
গল্পের buyer এখন জানেন কোন সংখ্যা দেখা তথ্য, কোনটি estimate এবং কোন purchase policy চলছে। Kettle order নিয়ে প্রশ্ন করতে পারেন, candle holder নিয়েও আলাদা সিদ্ধান্ত নিতে পারেন। লাভ হলো পুনরাবৃত্তিযোগ্য, যাচাইযোগ্য decision; এক formula-তেই সব খালি shelf বন্ধ হবে—এ দাবি নয়।
Anichur Rahaman StoreConsole-এর নির্মাতা। এই গাইডে operational planning বোঝানো হয়েছে; দোকানের গল্প, demand value ও service target সবই শিক্ষামূলক উদাহরণ।
লেখকের পরিচয়
Anichur Rahaman
পড়া চালিয়ে যান
