ভিউ: 0 লেখক: সাইট এডিটর প্রকাশের সময়: 2026-09-10 মূল: সাইট
কয়টি পোশাক তৈরি করতে হবে তা নির্ধারণ করা একটি পোশাকের ব্র্যান্ডের সবচেয়ে গুরুত্বপূর্ণ সিদ্ধান্তগুলির মধ্যে একটি।
খুব কম অর্ডার করুন এবং জনপ্রিয় পণ্য পরবর্তী চালান আসার আগেই বিক্রি হয়ে যেতে পারে। অনেক বেশি অর্ডার করুন, এবং ব্র্যান্ডের অতিরিক্ত ইনভেন্টরি, মার্কডাউন এবং অবিক্রীত পণ্যের মধ্যে টাকা বেঁধে রাখা হতে পারে।
এই কারণে, উৎপাদনের পরিমাণ গত বছরের বিক্রি বা ক্রেতার অন্তর্দৃষ্টির চেয়ে বেশি হওয়া উচিত।
একটি ব্যবহারিক পোশাক পূর্বাভাস প্রক্রিয়া দেখায় প্রকৃত চাহিদা, জায় প্রাপ্যতা, ঋতু, প্রচার, লিড টাইম, নিরাপত্তা স্টক, আকার বিতরণ, এবং উপলব্ধ বাজেট .
লক্ষ্য হল নতুন ইনভেন্টরি পাওয়া যাওয়ার সময় গ্রাহকদের কতটা কেনার সম্ভাবনা রয়েছে তা অনুমান করা, তারপর সেই চাহিদাকে সমর্থন করার জন্য ব্র্যান্ডের কতটা ইনভেন্টরি প্রয়োজন তা নির্ধারণ করা।
একটি OEM পোশাক প্রস্তুতকারকের জন্য, এই পূর্বাভাসটি শেষ পর্যন্ত স্টাইল, রঙ এবং আকার দ্বারা বিভক্ত একটি উত্পাদন আদেশে পরিণত হয়।
প্রথমে, পূর্বাভাস সহজ বলে মনে হয়।
যদি একটি ব্র্যান্ড গত বছর একটি শৈলীর 1,000 পিস বিক্রি করে, তবে এটি এই বছর আরও 1,000 পিস অর্ডার করতে পারে।
সমস্যা হল যে ঐতিহাসিক বিক্রয় সবসময় প্রকৃত গ্রাহকের চাহিদার প্রতিনিধিত্ব করে না।
কল্পনা করুন একটি টি-শার্ট প্রতি সপ্তাহে 100 পিস বিক্রি হয়। চার সপ্তাহ পরে, মাঝারি আকার বিক্রি হয়. গ্রাহকরা মাঝারি খোঁজা চালিয়ে যান, কিন্তু ব্র্যান্ডটি যা নেই তা বিক্রি করতে পারে না।
বিক্রয় রেকর্ড দেখাতে পারে যে চতুর্থ সপ্তাহের পরে চাহিদা কমেছে।
বাস্তবে, পণ্যটি অনুপলব্ধ হয়ে ওঠে।
সরবরাহকৃত গবেষণা এটিকে চাহিদা সেন্সরিং হিসাবে বর্ণনা করে । যখন একটি পণ্য স্টকের বাইরে থাকে, তখন পর্যবেক্ষণ করা বিক্রয় শূন্যে নেমে যেতে পারে যদিও গ্রাহকরা এখনও এটি কিনতে চাইতে পারেন। এই কাঁচা সংখ্যাগুলি সরাসরি ব্যবহার করলে আপনি ভবিষ্যতের উত্পাদন পরিমাণকে অবমূল্যায়ন করতে পারেন।
এটি একটি বিপজ্জনক চক্র তৈরি করে:
জনপ্রিয় পণ্য → বিক্রি হয় → বিক্রয় ডেটা দুর্বল বলে মনে হয় → পরবর্তী অর্ডার খুব ছোট → পণ্য আবার বিক্রি হয়
এদিকে, ধীর গতির পণ্যগুলি স্টকে থাকতে পারে এবং বিক্রয় ডেটা তৈরি করা চালিয়ে যেতে পারে।
ভাল পূর্বাভাস তাই জিজ্ঞাসা করে শুরু হয়:
যখন পণ্যটি উপলব্ধ ছিল তখন গ্রাহকরা আসলে কী কিনতে চেয়েছিলেন?
প্রথম ধাপ হল শৈলী, রঙ এবং আকারের পূর্বাভাসের জন্য ঐতিহাসিক বিক্রয় ডেটা সংগ্রহ করা।
দরকারী তথ্য অন্তর্ভুক্ত করতে পারে:
ইউনিট বিক্রি হয়েছে
তারিখ বিক্রি
ইনভেন্টরি উপলব্ধ
স্টকআউট সময়কাল
দাম পরিবর্তন
প্রচার
পণ্য লঞ্চ
ঋতুকাল
আকার অনুসারে বিক্রয়
চ্যানেল দ্বারা বিক্রয়
তথ্য যত বেশি বিস্তারিত হবে, পূর্বাভাস তত বেশি কার্যকর হতে পারে।
কয়েক বছরের বিক্রয় ইতিহাস সহ একটি ব্র্যান্ড শুধুমাত্র কয়েক মাসের ডেটা সহ একটি ব্র্যান্ডের তুলনায় পুনরাবৃত্ত প্যাটার্নগুলি আরও সহজে সনাক্ত করতে পারে।
যাইহোক, আরও ডেটা স্বয়ংক্রিয়ভাবে ভাল পূর্বাভাস মানে না।
তথ্য সঠিকভাবে ব্যাখ্যা করা প্রয়োজন.
ধরুন একটি ব্র্যান্ডের 30 দিনের বিক্রয় সময়কাল ছিল।
পণ্যটি 20 দিনের জন্য উপলব্ধ ছিল এবং 400 পিস বিক্রি হয়েছিল।
যদি ব্র্যান্ড সহজভাবে গণনা করে:
প্রতিদিন 400 ÷ 30 = 13.3 টুকরা
এটি অনুমান করে যে পণ্যটি পুরো মেয়াদ জুড়ে সেই হারে বিক্রি হতে পারে।
যাইহোক, যদি পণ্যটি 10 দিনের জন্য অনুপলব্ধ ছিল, উপলব্ধ সময়ের মধ্যে পর্যবেক্ষণ করা বিক্রয় হার ছিল:
400 ÷ 20 = 20 টুকরা প্রতি উপলব্ধ দিনে
দ্বিতীয় চিত্রটি চাহিদা অনুমান করার জন্য একটি ভাল সূচনা পয়েন্ট প্রদান করতে পারে।
গবেষণাটি স্টকের বাইরে থাকা সময়কে শূন্য চাহিদা হিসাবে বিবেচনা করার পরিবর্তে SKU প্রকৃতপক্ষে উপলব্ধ ছিল সেই সময়কাল ব্যবহার করে বিক্রয়ের প্রকৃত হার গণনা করার সুপারিশ করে৷
এই প্রক্রিয়াটিকে প্রায়ই চাহিদা অসংযত বলা হয়.
মূল ধারণাটি সোজা:
গ্রাহকরা পণ্য কিনতে না পারলে, সেই দিনগুলি স্বয়ংক্রিয়ভাবে সেই দিনগুলি হিসাবে ব্যাখ্যা করা উচিত নয় যখন গ্রাহকরা এটি চান না।
একবার ঐতিহাসিক বিক্রয় পরিষ্কার হয়ে গেলে, ব্র্যান্ডের একটি বেসলাইন পূর্বাভাস প্রয়োজন।
বেসলাইন হল বিশেষ ইভেন্ট যেমন বড় প্রচার বা অস্বাভাবিক স্পাইক যোগ করার আগে স্বাভাবিক চাহিদার একটি অনুমান।
বিভিন্ন পণ্যের জন্য বিভিন্ন পূর্বাভাস পদ্ধতির প্রয়োজন হতে পারে।
তুলনামূলকভাবে স্থিতিশীল চাহিদা সহ একটি মৌলিক পণ্যের জন্য, একটি চলমান গড় একটি কার্যকর শুরু বিন্দু প্রদান করতে পারে।
উদাহরণস্বরূপ, একটি মৌলিক কালো টি-শার্ট যা সারা বছর ধরে ধারাবাহিকভাবে বিক্রি হয় তার জন্য একটি বিস্তৃত পূর্বাভাস ব্যবস্থার প্রয়োজন নাও হতে পারে।
ব্র্যান্ড সাম্প্রতিক বিক্রয় পরীক্ষা করতে পারে এবং একটি প্রতিনিধি গড় স্থাপন করতে পারে।
বিক্রয় ক্রমাগত বৃদ্ধি বা হ্রাস করা হলে, পূর্বাভাস যে প্রবণতা জন্য অ্যাকাউন্ট করা উচিত.
উদাহরণস্বরূপ, যদি একটি মূল অন্তর্বাস শৈলী বেশ কয়েকটি ঋতুতে ক্রমাগত বৃদ্ধি পায়, তবে কেবলমাত্র একটি পুরানো গড় ব্যবহার করে ভবিষ্যতের চাহিদাকে অবমূল্যায়ন করতে পারে।
রৈখিক প্রবণতা মডেল এই ধরনের পরিস্থিতির জন্য উপযোগী হতে পারে।
কিছু পণ্য অনুমানযোগ্য ঋতু নিদর্শন অনুসরণ করে।
সাঁতারের পোষাক, শীতকালীন আন্ডারওয়্যার, তাপীয় পোশাক এবং অন্যান্য মৌসুমী পণ্যের সারা বছর ধরে বিক্রির ধরন আলাদা হতে পারে।
তাই পূর্বাভাসের মধ্যে পার্থক্য করতে হবে:
স্বাভাবিক বৃদ্ধি বা হ্রাস
এবং
পুনরাবৃত্ত মৌসুমি চাহিদা
গবেষণাটি সূচকীয় মসৃণকরণ এবং ইটিএস মডেলগুলিকে দরকারী পূর্বাভাস পদ্ধতি হিসাবে চিহ্নিত করে কারণ তারা ত্রুটি, প্রবণতা এবং ঋতুগততার জন্য অ্যাকাউন্ট করতে পারে।
বেশিরভাগ ছোট ব্র্যান্ডের জন্য, নীতিটি বোঝা একটি জটিল পূর্বাভাস অ্যালগরিদম বেছে নেওয়ার চেয়ে বেশি গুরুত্বপূর্ণ।
একটি বড় বিক্রয় একটি পণ্যকে সাধারণের চেয়ে অনেক বেশি জনপ্রিয় করে তুলতে পারে।
কল্পনা করুন যে একটি ব্র্যান্ড সাধারণত প্রতি সপ্তাহে একটি শৈলীর 100 পিস বিক্রি করে।
একটি 30% ডিসকাউন্ট প্রচারের সময়, এটি 250 পিস বিক্রি করে।
নতুন স্বাভাবিক হিসাবে 250 ব্যবহার করা একটি খুব আক্রমণাত্মক উত্পাদন পূর্বাভাস তৈরি করবে।
একই সমস্যা ঘটতে পারে:
ফ্ল্যাশ বিক্রয়
প্রভাবশালী প্রচারণা
প্রধান বিজ্ঞাপন প্রচারাভিযান
ছুটির প্রচার
নতুন পণ্য লঞ্চ হয়
অস্থায়ী মূল্য হ্রাস
গবেষণাটি অন্তর্নিহিত বেসলাইন চাহিদা থেকে প্রচারমূলক লিফ্টকে আলাদা করার পরামর্শ দেয়, তারপর উপযুক্ত হলে ভবিষ্যতের পূর্বাভাসে পরিকল্পিত প্রচারমূলক প্রভাবগুলি যোগ করে।
যেমন:
সাধারণ চাহিদা: 100 ইউনিট/সপ্তাহ
প্রত্যাশিত প্রচারমূলক উত্তোলন: প্রচারের সময় +40%
পূর্বাভাস: প্রায় 140 ইউনিট/সপ্তাহ
সঠিক লিফট যখনই সম্ভব ব্র্যান্ডের নিজস্ব ঐতিহাসিক ডেটা থেকে আসা উচিত।
পোশাকের চাহিদা বছরের সময়ের সাথে দৃঢ়ভাবে যুক্ত।
গ্রাহকের চাহিদা এই কারণে পরিবর্তিত হতে পারে:
তাপমাত্রা
জলবায়ু
ছুটির দিন
ব্যাক-টু-স্কুল পিরিয়ড
ভ্রমণ ঋতু
প্রচারমূলক ক্যালেন্ডার
ফ্যাশন ঋতু
একটি ব্র্যান্ড তাই একটি পূর্বাভাস তৈরি করার সময় একই সময়ের তুলনা করা উচিত।
উদাহরণস্বরূপ, একটি মৌসুমী পণ্যের জন্য জুলাইয়ের চাহিদার পূর্বাভাস দিতে ডিসেম্বর বিক্রয় ব্যবহার করা খুব বিভ্রান্তিকর ফলাফল তৈরি করতে পারে।
ব্র্যান্ড জিজ্ঞাসা করা উচিত:
এই পণ্য, বা অনুরূপ পণ্য, আগের বছর একই মরসুমে কি বিক্রি হয়েছে?
ঋতুগততা বিশেষভাবে গুরুত্বপূর্ণ হয়ে ওঠে যখন উৎপাদনের সীসা দীর্ঘ হয়।
যদি একটি কারখানার একটি কাস্টম অর্ডার তৈরি করতে এবং পাঠানোর জন্য কয়েক মাসের প্রয়োজন হয়, তাহলে প্রকৃত বিক্রির মরসুম শুরু হওয়ার আগে ব্র্যান্ডকে চাহিদার পূর্বাভাস দিতে হবে।
একটি নতুন শৈলী একটি পূর্বাভাস সমস্যা তৈরি করে কারণ সরাসরি বিক্রয় ইতিহাস নেই।
একটি ব্র্যান্ড একটি পণ্যের জন্য গত বছরের বিক্রয় গণনা করতে পারে না যা গত বছর বিদ্যমান ছিল না।
গবেষণাটি অ্যাট্রিবিউট-ভিত্তিক ক্লাস্টারিং এবং লাইক-আইটেম ম্যাপিং ব্যবহার করার পরামর্শ দেয়। নতুন পণ্যের জন্য শূন্য থেকে একটি সংখ্যা অনুমান করার পরিবর্তে, পরিকল্পনাকারীরা নতুন পণ্যটিকে বিদ্যমান পণ্যগুলির সাথে তুলনা করতে পারেন যা গুরুত্বপূর্ণ বৈশিষ্ট্যগুলি ভাগ করে।
প্রাসঙ্গিক গুণাবলী অন্তর্ভুক্ত করতে পারে:
পণ্য বিভাগ
সিলুয়েট
ফ্যাব্রিক নির্মাণ
ফ্যাব্রিক ওজন
দাম
লক্ষ্য মার্জিন
রঙ
প্যাটার্ন জটিলতা
উদাহরণস্বরূপ, ধরুন একটি ব্র্যান্ড একটি নতুন 280 GSM ফ্রেঞ্চ টেরি হুডি লঞ্চ করছে৷
এটি অনুরূপ সহ আগের হুডিগুলি দেখতে পারে:
ফ্যাব্রিক ওজন
নির্মাণ
দাম
লক্ষ্য গ্রাহক
ফিট
রঙের অবস্থান
এই পণ্যগুলি কেবল একটি নির্বিচারে পরিমাণ বেছে নেওয়ার চেয়ে আরও দরকারী সূচনা পয়েন্ট সরবরাহ করতে পারে।
নতুন পণ্যগুলি প্রতিষ্ঠিত পণ্যগুলির চেয়ে বেশি অনিশ্চয়তা ধারণ করে।
একটি ব্র্যান্ড তাই বিবেচনা করতে পারে:
ছোট প্রাথমিক উত্পাদন
প্রি-অর্ডার
প্রারম্ভিক গ্রাহক আগ্রহ
অনুরূপ পণ্য ঐতিহাসিক কর্মক্ষমতা
নমনীয় পুনরায় পূরণ
যেখানে উপলব্ধ ছোট উৎপাদন চক্র
প্রকৃত চাহিদা স্পষ্ট হওয়ার আগে এটি অত্যধিক ইনভেন্টরি কমিট করার ঝুঁকি কমাতে পারে।
পূর্বাভাস চাহিদা সমস্যা মাত্র অর্ধেক.
একটি ব্র্যান্ডকেও জানতে হবে জায় প্রতিস্থাপন করতে কতক্ষণ লাগবে.
ধরুন একটি ব্র্যান্ড প্রতি মাসে 500 পিস বিক্রির আশা করছে।
যদি পুনরায় পূরণ করতে দুই সপ্তাহ সময় লাগে, ব্র্যান্ডের একটি ইনভেন্টরি সমস্যা আছে।
যদি পুনরায় পূরণ করতে চার মাস সময় লাগে, ব্র্যান্ডের একটি খুব ভিন্ন সমস্যা রয়েছে।
গবেষণায় জোর দেওয়া হয়েছে যে কারখানার উৎপাদন সময়কে পুরো সাপ্লাই-চেইন লিড টাইম হিসাবে বিবেচনা করা উচিত নয়। মোট লিড সময়ের মধ্যে উপাদান সংগ্রহ, নমুনা এবং অনুমোদন, বাল্ক উত্পাদন, পরিবহন, শুল্ক এবং অন্তর্মুখী প্রক্রিয়াকরণ অন্তর্ভুক্ত থাকতে পারে।
একটি সরলীকৃত পোশাক সরবরাহ চেইন এর মত দেখাচ্ছে:
উপাদান সংগ্রহ
↓
নমুনা এবং অনুমোদন
↓
বাল্ক উত্পাদন
↓
পরিবহন
↓
কাস্টমস এবং অন্তর্মুখী প্রক্রিয়াকরণ
↓
গুদাম প্রাপ্যতা
ব্র্যান্ডের এই পুরো সময়কাল জুড়ে ইনভেন্টরির প্রয়োজনীয়তার পূর্বাভাস দেওয়া উচিত।
এটি কাস্টম কাপড় এবং কাস্টম রঙের জন্য বিশেষভাবে গুরুত্বপূর্ণ, যেখানে উপাদান প্রস্তুতি উল্লেখযোগ্য সময় যোগ করতে পারে।
একটি পূর্বাভাস এখনও একটি অনুমান.
প্রকৃত চাহিদা প্রত্যাশার চেয়ে বেশি হতে পারে।
উত্পাদন পরিকল্পনার চেয়ে বেশি সময় নিতে পারে।
নিরাপত্তা স্টক এই অনিশ্চয়তার বিরুদ্ধে একটি বাফার প্রদান করে.
গবেষণাটি ঝুঁকির দুটি প্রধান উত্স চিহ্নিত করে:
চাহিদার পরিবর্তনশীলতা
লিড-টাইম পরিবর্তনশীলতা
উদাহরণ স্বরূপ, ধরুন একটি ব্র্যান্ড 1,000 পিস বিক্রি করার আশা করে যে সময়ে এটি ইনভেন্টরি পূরণ করতে নেয়।
যদি হঠাৎ চাহিদা বেড়ে যায় বা উৎপাদন বিলম্বিত হয়, 1,000 পিস যথেষ্ট নাও হতে পারে।
নিরাপত্তা স্টক অতিরিক্ত সুরক্ষা প্রদান করে।
একটি সহজ নিয়ম যেমন 'সর্বদা 10% অতিরিক্ত উত্পাদন করুন' সুবিধাজনক বলে মনে হতে পারে।
যাইহোক, বিভিন্ন পণ্য ঝুঁকি বিভিন্ন মাত্রা আছে.
একটি স্থিতিশীল কালো টি-শার্টের অনুমানযোগ্য সারা বছরের চাহিদা একটি মৌসুমী ফ্যাশন শৈলী থেকে আলাদা বাফারের প্রয়োজন হতে পারে যার বিক্রয় অত্যন্ত অপ্রত্যাশিত।
গবেষণাটি রাজস্ব গুরুত্ব এবং চাহিদার পূর্বাভাসযোগ্যতা উভয় অনুযায়ী বিভিন্ন পূর্বাভাস এবং নিরাপত্তা-স্টক কৌশল ব্যবহার করার সুপারিশ করে।ABC-XYZ শ্রেণীবিভাগ ব্যবহার করে
সম্পূর্ণ পরিসংখ্যান বিশ্লেষণ না করেও মৌলিক ধারণাটি কার্যকর:
উচ্চ-মূল্য + অনুমানযোগ্য পণ্য: প্রাপ্যতা সাবধানে রক্ষা করুন।
উচ্চ-মূল্য + অপ্রত্যাশিত পণ্য: ঘনিষ্ঠভাবে চাহিদা নিরীক্ষণ করুন এবং দ্রুত সামঞ্জস্য করুন।
কম-মূল্য + অপ্রত্যাশিত পণ্য: খুব বেশি ইনভেন্টরি বাঁধা এড়িয়ে চলুন।
এটি ব্র্যান্ডগুলিকে ইনভেন্টরি বিনিয়োগ খরচ করতে সাহায্য করে যেখানে এটি সবচেয়ে গুরুত্বপূর্ণ।
একবার একটি ব্র্যান্ড তার প্রত্যাশিত চাহিদা এবং নিরাপত্তা স্টক জানলে, এটি নির্ধারণ করতে পারে কখন আরেকটি প্রোডাকশন অর্ডার দেওয়া উচিত।
এটি হল রিঅর্ডার পয়েন্ট (ROP).
ধারণাগতভাবে:
রিঅর্ডার পয়েন্ট = লিড টাইমে প্রত্যাশিত চাহিদা + সেফটি স্টক
উদাহরণ স্বরূপ, যদি কোনো ব্র্যান্ড তার রিপ্লিনিশমেন্ট লিড টাইমে 1,500 ইউনিট বিক্রির আশা করে এবং সেফটি বাফার হিসেবে আরও 300 ইউনিট চায়:
ROP = 1,800 ইউনিট
উপলব্ধ ইনভেন্টরি অবস্থান সেই স্তরে পৌঁছে গেলে, ব্র্যান্ডের পরবর্তী পুনরায় পূরণের অর্ডার শুরু করার কথা বিবেচনা করা উচিত।
গবেষণাটি পুনঃক্রম বিন্দুকে ইনভেন্টরি থ্রেশহোল্ড হিসাবে বর্ণনা করে যা মোট লিড টাইম প্লাস সেফটি স্টক জুড়ে প্রত্যাশিত চাহিদার ভিত্তিতে একটি নতুন ক্রয় অর্ডার ট্রিগার করে।
গুরুত্বপূর্ণ বিষয় হল সময়।
একটি ব্র্যান্ডের প্রস্তুতকারকের সাথে যোগাযোগ করার আগে ইনভেন্টরি শূন্য না হওয়া পর্যন্ত অপেক্ষা করা উচিত নয় যদি প্রস্তুতকারকের পণ্যটি পুনরায় পূরণ করতে সপ্তাহ বা মাস লাগে।
একটি ব্র্যান্ডের জন্য 5,000 পিস প্রয়োজন তা জেনেও কারখানাকে প্রতিটি আকারের কতগুলি পিস উত্পাদন করতে হবে তা বলে না।
উৎপাদন আদেশ হতে পারে:
XS: 350
S: 900
M: 1,900
L: 1,300
XL: 550
সঠিক অনুপাত ব্র্যান্ডের গ্রাহক বেস এবং ঐতিহাসিক বিক্রয়ের উপর নির্ভর করে।
একে বলে সাইজ কার্ভ .
গবেষণাটি এখানে একটি গুরুত্বপূর্ণ সমস্যা তুলে ধরে: জনপ্রিয় আকারগুলি তাড়াতাড়ি বিক্রি হলে কাঁচা বিক্রয় অনুপাত বিকৃত হতে পারে।
ধরুন মাঝারি বারবার বিক্রি হচ্ছে।
এর ঐতিহাসিক বিক্রয় প্রকৃতপক্ষে গ্রাহকদের চেয়েছিলেন এমন সংখ্যার পরিবর্তে ব্র্যান্ডটি বিক্রি করতে পরিচালিত মাঝারি ইউনিটের সংখ্যাকে প্রতিনিধিত্ব করতে পারে।
ব্র্যান্ডের তাই সময়কালে আকার অনুসারে চাহিদা বিশ্লেষণ করা উচিত যখন প্রতিটি আকার আসলে উপলব্ধ ছিল।
এটি আন্ডারওয়্যারের জন্য বিশেষভাবে গুরুত্বপূর্ণ কারণ আকারটি ফিট, আরাম এবং গ্রাহক সন্তুষ্টির সাথে ঘনিষ্ঠভাবে সংযুক্ত।
একটি উত্পাদন পূর্বাভাস তাই দুটি পৃথক প্রশ্নের উত্তর দেওয়া উচিত:
আমরা কত মোট টুকরা করা উচিত?
এবং
কিভাবে এই টুকরা মাপ জুড়ে বিতরণ করা উচিত?
একটি চাহিদা পূর্বাভাস একটি খুব বড় উত্পাদন প্রয়োজন উত্পাদন করতে পারে.
ব্র্যান্ডটিকে এখনও নির্ধারণ করতে হবে যে এটি সেই জায়টি তৈরি এবং ধরে রাখতে পারবে কিনা।
এখানেই আর্থিক পরিকল্পনা প্রক্রিয়ায় প্রবেশ করে।
গবেষণাটি ওপেন-টু-বাই (OTB) কে একটি আর্থিক সীমাবদ্ধতা হিসাবে বর্ণনা করে যা ব্যবসার সমর্থন করতে পারে এমন ইনভেন্টরি খরচের পরিমাণের সাথে বটম-আপ SKU পূর্বাভাস মিলাতে সাহায্য করে।
একটি ছোট পোশাক ব্র্যান্ডের জন্য, ধারণাটি সরলীকৃত করা যেতে পারে:
আপনার প্রয়োজনীয় ইনভেন্টরির পূর্বাভাস করুন, তারপর আপনার উপলব্ধ নগদ এবং ইনভেন্টরি বাজেট এটি সমর্থন করতে পারে কিনা তা পরীক্ষা করুন।
যদি পূর্বাভাস 20,000 পিস অর্ডার করার পরামর্শ দেয় কিন্তু ব্যবসা নিরাপদে শুধুমাত্র 12,000 অর্থায়ন করতে পারে, ব্র্যান্ডটিকে অগ্রাধিকার দিতে হবে।
এটি বেছে নিতে পারে:
মূল পণ্য রক্ষা করুন
ধীর গতিশীল শৈলী হ্রাস
রঙের গভীরতা হ্রাস করুন
কম SKU চালু করুন
ছোট প্রাথমিক আদেশ ব্যবহার করুন
নিম্ন অগ্রাধিকার পণ্য বিলম্বিত
পরে অন্য উত্পাদন চালানোর পরিকল্পনা করুন
এখানেই পূর্বাভাস একটি সম্পূর্ণ গাণিতিক অনুশীলনের পরিবর্তে একটি ব্যবসায়িক সিদ্ধান্তে পরিণত হয়।
চাহিদা, ঋতু, সীসা সময়, নিরাপত্তা স্টক, আকার বক্ররেখা এবং বাজেট পর্যালোচনা করার পরে, ব্র্যান্ড তার উত্পাদন প্রয়োজনীয়তা নির্ধারণ করতে পারে।
একটি সরলীকৃত কর্মপ্রবাহ হল:
ঐতিহাসিক বিক্রয়
↓
স্টকআউট বিকৃতি সরান
↓
বেসলাইন চাহিদা তৈরি করুন
↓
ঋতু এবং পরিকল্পিত প্রচারের জন্য সামঞ্জস্য করুন
↓
উত্পাদন এবং শিপিং লিড সময় বিবেচনা করুন
↓
উপযুক্ত নিরাপত্তা স্টক যোগ করুন
↓
পুনর্বিন্যাস পয়েন্ট নির্ধারণ করুন
↓
আকারের বক্ররেখা প্রয়োগ করুন
↓
ইনভেন্টরি বাজেট চেক করুন
↓
প্রোডাকশন অর্ডার ইস্যু করুন
গবেষণাটি একটি অনুরূপ সাত-পদক্ষেপের পরিকল্পনা প্রোটোকলের সংক্ষিপ্তসার করে, যা অনিয়ন্ত্রিত ঐতিহাসিক চাহিদা দিয়ে শুরু হয় এবং প্রস্তুতকারকের কাছে জারি করা একটি লক করা ক্রয় আদেশ দিয়ে শেষ হয়।
প্রস্তুতকারকের দৃষ্টিকোণ থেকে, একটি ভাল উত্পাদন পূর্বাভাস শেষ পর্যন্ত একটি পরিষ্কার ক্রয় আদেশ হতে হবে।
কারখানা পেতে পারে:
শৈলী
রঙ
মোট পরিমাণ
আকার ভাঙ্গন
উপাদান স্পেসিফিকেশন
প্যাকেজিং প্রয়োজনীয়তা
ডেলিভারি তারিখ
শিপিং প্রয়োজনীয়তা
গুণমানের প্রয়োজনীয়তা
এই তথ্যের গুণমান উৎপাদন পরিকল্পনা প্রভাবিত করে।
উদাহরণস্বরূপ, একটি প্রস্তুতকারক একটি শৈলীর 10,000 টুকরা উত্পাদন করতে সক্ষম হতে পারে, তবে উত্পাদন সময়সূচী এখনও নির্দিষ্ট আকার এবং রঙের ভাঙ্গন, ফ্যাব্রিকের প্রাপ্যতা, ছাঁটাই, বিতরণের সময়সীমা এবং অন্যান্য প্রয়োজনীয়তার উপর নির্ভর করে।
এই কারণেই পূর্বাভাস এবং উত্পাদন ঘনিষ্ঠভাবে সংযুক্ত।
একটি ব্র্যান্ডের চাহিদা পরিকল্পনা নির্ধারণ করে যে এটি কতটা বিক্রি করতে চায় এবং কখন.
প্রস্তুতকারকের উত্পাদন পরিকল্পনা নির্ধারণ করে যে কীভাবে সেই প্রয়োজনীয়তাকে শারীরিক পোশাকে পরিণত করা যায়.
কোনো পূর্বাভাস নিখুঁত নয়।
পূর্বাভাসের উদ্দেশ্য হল অনিশ্চয়তার মধ্যে আরও ভাল সিদ্ধান্ত নেওয়া।
প্রকৃত চাহিদা প্রত্যাশিত চেয়ে বেশি হলে, ব্র্যান্ডের অভিজ্ঞতা হতে পারে:
স্টকআউট
বিক্রি হারিয়েছে
জরুরী উৎপাদন
দ্রুত শিপিং
গ্রাহকের অসন্তোষ
চাহিদা প্রত্যাশিত কম হলে, ব্র্যান্ডের মুখোমুখি হতে পারে:
অতিরিক্ত জায়
ছাড়
মার্কডাউন ক্ষতি
গুদাম খরচ
অবিক্রীত পণ্যের মধ্যে নগদ বাঁধা
সেরা পূর্বাভাস সিস্টেম তাই ক্রমাগত প্রকৃত বিক্রয় নিরীক্ষণ.
নতুন তথ্য উপলব্ধ হওয়ার সাথে সাথে পূর্বাভাস পরিবর্তন করা উচিত।
যেমন:
প্রাথমিক পূর্বাভাস → প্রকৃত বিক্রয় → হালনাগাদ চাহিদা অনুমান → সংশোধিত উৎপাদন পরিকল্পনা
এটি ছোট জীবনচক্র সহ ফ্যাশন পণ্যগুলির জন্য বিশেষভাবে কার্যকর।
কল্পনা করুন একটি অন্তর্বাস ব্র্যান্ডের একটি মূল শৈলী রয়েছে যা সারা বছর ধরে বিক্রি হয়।
ঐতিহাসিক তথ্য দেখায় যে, স্টকআউটগুলির জন্য হিসাব করার পরে, পণ্যটি সাধারণত প্রতি মাসে প্রায় 800 পিস বিক্রি করে.
ব্র্যান্ডটি প্রায় 20% মৌসুমী বৃদ্ধির প্রত্যাশা করে।
এটি মোটামুটি একটি অনুমিত চাহিদা দেয়:
প্রতি মাসে 800 × 1.20 = 960 টুকরা
ম্যানুফ্যাকচারার এবং লজিস্টিক প্রক্রিয়ার জন্য অর্ডার প্লেসমেন্ট থেকে ইনভেন্টরি প্রাপ্যতা পর্যন্ত তিন মাস সময় লাগে।
ব্র্যান্ডকে তাই প্রায় পরিকল্পনা করতে হবে:
960 × 3 = 2,880 টুকরা
এটি তারপর তার চাহিদা এবং সরবরাহ ঝুঁকির উপর ভিত্তি করে একটি উপযুক্ত নিরাপত্তা বাফার যোগ করে।
ধরুন ব্র্যান্ডটি সিদ্ধান্ত নেয় যে আরও 320 টুকরা একটি উপযুক্ত পরিকল্পনা বাফার প্রদান করে।
ইনভেন্টরি প্রয়োজনীয়তা প্রায় হয়ে ওঠে:
2,880 + 320 = 3,200 টুকরা
চূড়ান্ত ধাপ হল প্রত্যাশিত আকারের বক্ররেখা অনুযায়ী সেই টুকরাগুলিকে ভাগ করা।
এটি একটি সর্বজনীন সূত্রের পরিবর্তে একটি সরলীকৃত উদাহরণ। প্রকৃত পূর্বাভাস মূল্য, প্রচার, ইনভেন্টরি প্রাপ্যতা, ঋতু, লিড-টাইম পরিবর্তনশীলতা এবং পণ্যের জীবনচক্রের পরিবর্তনের জন্য দায়ী করা উচিত।
গুরুত্বপূর্ণ পয়েন্ট হল ক্রম:
চাহিদা → বিক্রয় সময় → সীসা সময় → ঝুঁকি বাফার → আকার বিতরণ → উত্পাদন পরিমাণ
একটি ব্র্যান্ডের উত্পাদন পরিকল্পনা উন্নত করতে একটি উন্নত AI পূর্বাভাস সিস্টেমের প্রয়োজন হয় না।
এটি আরও ভাল ডেটা শৃঙ্খলা দিয়ে শুরু করতে পারে।
প্রতিটি শৈলী এবং আকার অনুপলব্ধ হয়ে গেলে রেকর্ড করুন।
অন্যথায়, কম বিক্রি কম চাহিদা বলে ভুল হতে পারে।
বড় ডিসকাউন্ট এবং প্রচারাভিযান রেকর্ড করুন যাতে অস্বাভাবিক বিক্রয় বৃদ্ধি স্বয়ংক্রিয়ভাবে নতুন বেসলাইনে পরিণত না হয়।
মোট শৈলী-স্তরের বিক্রয় সংখ্যা মাপের মধ্যে গুরুত্বপূর্ণ পার্থক্য লুকাতে পারে।
ক্রয় আদেশ থেকে গুদাম রসিদ পর্যন্ত প্রকৃত অর্ডার কত সময় নেয় তা রেকর্ড করুন।
প্রতিটি বিক্রয় সময়ের পরে, প্রকৃত ফলাফলের সাথে পূর্বাভাসিত চাহিদা তুলনা করুন।
একটি নতুন পণ্যের ঐতিহাসিক ডেটা আছে এমন ভান করার পরিবর্তে রেফারেন্স হিসাবে অনুরূপ পণ্য এবং গুণাবলী ব্যবহার করুন।
একটি পূর্বাভাস পরিবর্তন করা উচিত যখন নতুন তথ্য প্রত্যাশিত চাহিদা পরিবর্তন করে।
একবার উত্পাদন পরিমাণ নির্ধারণ করা হয়েছে, প্রস্তুতকারকের একটি স্পষ্ট আদেশ প্রয়োজন।
একটি কাস্টম পোশাক প্রকল্পের জন্য, দরকারী তথ্য অন্তর্ভুক্ত:
শৈলী নম্বর
কালারওয়ে
মোট পরিমাণ
আকার ভাঙ্গন
ফ্যাব্রিক স্পেসিফিকেশন
ট্রিম প্রয়োজনীয়তা
প্যাকেজিং প্রয়োজনীয়তা
গুণমান মান
টার্গেট ডেলিভারি তারিখ
শিপিং গন্তব্য
একটি পরিষ্কার উত্পাদন আদেশ ব্র্যান্ড এবং কারখানার মধ্যে ভুল বোঝাবুঝির সম্ভাবনা হ্রাস করে।
এটি প্রস্তুতকারককে ফ্যাব্রিক, কাটিং, সেলাই ক্ষমতা এবং অন্যান্য উত্পাদন সংস্থান আরও কার্যকরভাবে পরিকল্পনা করার অনুমতি দেয়।
দীর্ঘমেয়াদী OEM সম্পর্কের জন্য, ঐতিহাসিক উত্পাদন ডেটাও কার্যকর হতে পারে।
প্রকৃত উৎপাদন সীসা সময়, উপাদান খরচ, মানের সমস্যা, এবং অর্ডার পরিমাণ সব ভবিষ্যতের পরিকল্পনা উন্নত করতে সাহায্য করতে পারে।
সঠিক উৎপাদন পরিমাণের নিশ্চয়তা দিতে পারে এমন কোনো একক সংখ্যা নেই।
একটি শক্তিশালী পূর্বাভাস তথ্যের বিভিন্ন অংশকে একত্রিত করে।
ঐতিহাসিক বিক্রয় ব্র্যান্ড কি ঘটেছে বলুন.
স্টকআউট বিশ্লেষণ চাহিদা প্রকাশ করতে সাহায্য করে যে বিক্রয় ডেটা মিস হয়ে থাকতে পারে।
ঋতু এবং প্রচার অস্বাভাবিক পরিবর্তন ব্যাখ্যা.
লিড টাইম নির্ধারণ করে যে কতদূর এগিয়ে ইনভেন্টরি পরিকল্পনা করা দরকার।
নিরাপত্তা স্টক অনিশ্চয়তা থেকে রক্ষা করে.
আকারের বক্ররেখা মোট চাহিদাকে ব্যবহারিক উৎপাদন ভাঙ্গনে পরিণত করে।
বাজেটের সীমাগুলি জায় পরিকল্পনাগুলিকে আর্থিকভাবে বাস্তবসম্মত রাখে।
একসাথে, এই কারণগুলি কতগুলি পোশাক তৈরি করতে হবে তা সিদ্ধান্ত নেওয়ার জন্য আরও শক্তিশালী ভিত্তি তৈরি করে।
পোশাকের ব্র্যান্ডগুলির জন্য, সবচেয়ে দরকারী শিফটটি প্রায়শই থেকে সরে যায়:
'আমরা এটি গতবার অনেক বিক্রি করেছি, তাই আসুন একই পরিমাণ অর্ডার করি।'
থেকে:
'গ্রাহকরা আসলে কতটা দাবি করেছিল, সেই চাহিদা কীভাবে পরিবর্তিত হবে, এবং যতক্ষণ না আমরা তা পূরণ করতে পারি ততক্ষণ আমাদের কতটা ইনভেন্টরির সময় কভার করতে হবে?'
এই প্রশ্নটি আরও ভাল উত্পাদন সিদ্ধান্তের দিকে পরিচালিত করে।
এবং একটি OEM প্রস্তুতকারকের জন্য, এটি গ্রাহকের চাহিদা এবং শারীরিক উত্পাদন পরিকল্পনার মধ্যে একটি স্পষ্ট সংযোগ তৈরি করে.
ক্রয় আদেশের আগে ভাল উত্পাদন পরিকল্পনা শুরু হয়। চাহিদার পূর্বাভাস যত ভাল হবে, গ্রাহকরা যখন সেগুলি চান তখন সঠিক পণ্য, আকার এবং পরিমাণ উপলব্ধ হওয়ার সম্ভাবনা তত বেশি।
