JP2008242531A - Sales landing prediction program and enclosure - Google Patents
Sales landing prediction program and enclosure Download PDFInfo
- Publication number
- JP2008242531A JP2008242531A JP2007077959A JP2007077959A JP2008242531A JP 2008242531 A JP2008242531 A JP 2008242531A JP 2007077959 A JP2007077959 A JP 2007077959A JP 2007077959 A JP2007077959 A JP 2007077959A JP 2008242531 A JP2008242531 A JP 2008242531A
- Authority
- JP
- Japan
- Prior art keywords
- sales
- group
- random number
- probability
- order
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000009826 distribution Methods 0.000 claims abstract description 68
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 32
- 230000002596 correlated effect Effects 0.000 claims description 7
- 230000000875 corresponding effect Effects 0.000 claims description 6
- 238000013500 data storage Methods 0.000 abstract 1
- 238000004088 simulation Methods 0.000 description 20
- 238000000034 method Methods 0.000 description 12
- 230000008520 organization Effects 0.000 description 8
- 238000000342 Monte Carlo simulation Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000470 constituent Substances 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、複数の案件についてそれぞれ受注確率と受注時の売上が与えられている場合に、全体の売上高を予測する技術に関する。 The present invention relates to a technique for predicting overall sales when an order probability and sales at the time of order are given for a plurality of items.
企業、特に営業を担当する部署においては、当期や来期の売上高を予測する作業が必須である。その場合、各担当者や事業案件毎に予測値を出すのみならず、業績判断や投資家への開示などのために、部署全体や企業全体の予測値が必要となる。従来、このような売上高予測は、担当者から報告される事業案件毎の予測値を単純に合計して算出されることが多い。例えば、特許文献1に記載の売上高予測装置では、第1および第2の売上高演算処理手段により算出された売上高を合計することで、売上高予測値を算出するようにしている。
しかしながら、特許文献1のように個別の売上高を合計するだけでは、単一の予測値しか得ることができない。意思決定者の立場からすれば、売上高予測値の確率分布を求めて多様な定量分析をしたいという要望がある。
However, only a single predicted value can be obtained only by summing up individual sales as in
本発明はこうした状況に鑑みてなされたものであり、その目的は、ある組織において受注の成否によって売上を獲得できるか否かが決まるような複数の案件を管理している場合に、組織全体で獲得できる売上高を予測する技術を提供することにある。 The present invention has been made in view of such a situation, and the purpose of the present invention is to manage an entire organization when managing a plurality of matters that determine whether or not sales can be acquired by success or failure of an order in a certain organization. The purpose is to provide a technology for predicting the sales that can be obtained.
本発明のある態様は、売上着地予想プログラムである。このプログラムは、第1グループに属する複数の受注予定案件について見積額と各案件を将来受注できる確率とが予め入力されている案件データを受け取りメモリに保持する保持機能と、案件データに含まれる案件に対して確率の最小値と最大値の間で発生させた乱数を付与する乱数付与機能と、案件毎に付与された乱数と確率とを比較して該案件を受注できるか否かを判定する判定機能と、受注できると判定された全ての案件の見積額を合計して第1グループの予測売上高を求める計算機能と、乱数の付与と受注の判定からなる試行を繰り返し実行させる試行制御機能と、複数回の試行結果に基づいて、第1グループの予測売上高の確率分布を求める分布作成機能と、をコンピュータに発揮させる。第2グループに属する複数の受注予定案件について予測売上高の確率分布の平均と標準偏差が求められている場合、乱数付与機能は各試行において第2グループに対して一つの乱数を付与する。計算機能は、第2グループに属する受注予定案件の予測売上高の分布が正規分布であると仮定して、各試行において付与された乱数に対応する第2グループの見積高を計算し、該第2グループの見積高と第1グループの予測売上高とを合計して、第1グループと第2グループとを合わせた全体予測売上高を求める。 One embodiment of the present invention is a sales landing forecast program. This program has a retention function that receives and stores in a memory the case data in which the estimated amount and the probability of receiving each case in the future are input in advance for a plurality of scheduled orders belonging to the first group, and the items included in the item data Random number assignment function that assigns random numbers generated between the minimum and maximum probabilities of the probability and the random number assigned to each case and the probability are compared to determine whether or not the case can be ordered Judgment function, calculation function to calculate the estimated sales of the first group by summing up the estimated amounts of all cases determined to be accepted, and trial control function to repeatedly execute trials consisting of random number assignment and order determination And a distribution creation function for obtaining a probability distribution of the predicted sales of the first group based on a plurality of trial results. When the average and standard deviation of the probability distribution of the predicted sales are obtained for a plurality of scheduled orders belonging to the second group, the random number assignment function assigns one random number to the second group in each trial. The calculation function calculates the estimated amount of the second group corresponding to the random number given in each trial, assuming that the distribution of the predicted sales of the planned order received belonging to the second group is a normal distribution. The estimated sales of the two groups and the predicted sales of the first group are totaled to obtain the total predicted sales of the first group and the second group.
この態様によると、個別の案件の見積額と受注確率のデータがない第2グループについて、予測売上高の平均値と標準偏差のみが与えられていれば、第1グループの個別案件と一緒にシミュレーションを実施して、第1グループと第2グループの合計売上高を予測することができる。つまり、第2グループについて個別の案件のデータを入力する必要がない。 According to this aspect, if only the average value and the standard deviation of the forecasted sales are given for the second group without the estimated amount and order probability data of the individual case, the simulation is performed together with the individual case of the first group. The total sales of the first group and the second group can be predicted. That is, it is not necessary to input data for individual cases for the second group.
本発明の別の態様も、売上着地予想プログラムである。このプログラムは、複数の受注予定案件について見積額と各案件を将来受注できる確率とが予め入力されている案件データを受け取りメモリに保持する保持機能と、案件データに含まれる案件に対して確率の最小値と最大値の間で発生させた乱数を付与する乱数付与機能と、案件毎に付与された乱数と確率とを比較して該案件を受注できるか否かを判定する判定機能と、受注できると判定された全ての案件の見積額を合計して予測売上高を求める計算機能と、乱数の付与と受注の判定からなる試行を繰り返し実行させる試行制御機能と、複数回の試行結果に基づいて予測売上高の確率分布を求める分布作成機能と、をコンピュータに発揮させる。受注予定案件が、受注の成否に関して互いに相関関係にある第1グループと第2グループに分けられる場合、乱数付与機能は、第1グループに含まれる案件に付与される第1乱数と第2グループに含まれる案件に対して付与される第2乱数の間に、グループ間と同一の相関係数を持たせる。 Another aspect of the present invention is also a sales landing prediction program. This program has a retention function that receives and stores in the memory the case data in which the estimated amount and the probability of receiving each case in the future are input in advance, and the probability for the cases included in the case data A random number assignment function that assigns a random number generated between the minimum and maximum values, a determination function that determines whether or not an order can be accepted by comparing the random number and probability assigned to each case, Based on the result of multiple trials, a calculation function that calculates the estimated sales by summing the estimated amounts of all projects that are judged to be possible, a trial control function that repeatedly executes trials consisting of assigning random numbers and judging orders The computer creates a distribution creation function that calculates the probability distribution of the predicted sales. When the planned order is divided into the first group and the second group that are correlated with each other regarding the success or failure of the order, the random number assigning function is applied to the first random number and the second group assigned to the matter included in the first group. The same correlation coefficient as that between groups is given between the second random numbers given to the included cases.
この態様によると、第1グループと第2グループの相関係数と同一の相関係数を持つような乱数のペアを生成し、この乱数ペアのうち一方を第1グループに含まれる案件に付与し、他方を第2グループに含まれる案件に付与する。こうすることで、第1グループと第2グループに含まれる案件に対して相関のない乱数を付与する場合よりも、より現実に即したシミュレーション結果を得ることができる。 According to this aspect, a random number pair having the same correlation coefficient as the correlation coefficient of the first group and the second group is generated, and one of the random number pairs is assigned to the cases included in the first group. The other is given to the cases included in the second group. By doing so, a more realistic simulation result can be obtained than when random numbers having no correlation are assigned to the cases included in the first group and the second group.
なお、以上の構成要素の任意の組合せ、本発明を方法、装置、システム、記録媒体、コンピュータプログラムにより表現したものもまた、本発明の態様として有効である。 It should be noted that any combination of the above-described components and a representation of the present invention by a method, apparatus, system, recording medium, and computer program are also effective as an aspect of the present invention.
本発明によれば、ある組織において受注の成否によって売上を獲得できるか否かが決まるような複数の案件を管理している場合に、組織全体で獲得できる売上高を予測することができる。 According to the present invention, it is possible to predict the sales amount that can be acquired in the entire organization when managing a plurality of matters that determine whether or not sales can be acquired depending on the success or failure of an order in a certain organization.
実施の形態1.
本発明の一実施形態は、ある組織で扱う複数の案件について見積額と受注見通しとが与えられている場合に、組織全体の売上高を予想する売上着地予想技術である。
One embodiment of the present invention is a sales landing prediction technique for predicting sales of an entire organization when an estimated amount and an order forecast are given for a plurality of cases handled by a certain organization.
初めに、従来の一般的な着地予想の手法について説明する。図5に示すように、複数の事業案件についてその受注確率96と見積額94とが入力されているテーブルがあるものとする。従来では、この組織の期末での売上高を予想するために期待値を求めることが多い。つまり、見積額に受注確率を乗じて期待受注額98を全ての案件について算出する。そして、これら期待受注額を合計することで予測売上高を求める。
First, a conventional general landing prediction method will be described. As shown in FIG. 5, it is assumed that there is a table in which the
しかし、このような手法では、予測売上高として一つの値が示されるだけであり、期中の受注状況に応じてどの程度の増減が見込まれるのかや、目標売上高を達成する確率がどの程度であるかといった情報を全く得ることができない。複数の案件の進行を管理し業績を予想する必要がある立場にある意思決定者としては、より詳細かつ意思決定の役に立つ情報を含む売上高予測ができると好ましい。 However, this method only shows a single value for the forecasted sales, how much is expected to increase or decrease depending on the order status during the period, and what is the probability of achieving the target sales? I can't get any information. For decision-makers who need to manage the progress of multiple projects and predict performance, it is preferable to be able to forecast sales that include more detailed and useful information for decision-making.
そこで、本実施形態では、周知のモンテカルロシミュレーションを売上高予測に適用することによって、売上高の確率分布を求めるようにした。これによって、予測売上高の平均値や標準偏差などの詳細な情報を得ることができ、意思決定者が定量的な判断を下せるようになる。 Therefore, in the present embodiment, the sales probability distribution is obtained by applying a well-known Monte Carlo simulation to sales prediction. As a result, detailed information such as the average value and standard deviation of the predicted sales can be obtained, and the decision maker can make a quantitative judgment.
図1は、本発明の一実施形態に係る売上着地予想システム10の構成図である。以下では、配下に複数のチームを有する会社内のある事業部において、各チームの担当者が当期の売上見通しをマネージャに報告し、マネージャが売上見通しを集計して当期の予測売上高を見積もるケースを前提として説明する。
FIG. 1 is a configuration diagram of a sales
担当者端末12は、担当者が今期中に受注の見込まれる案件名、見積額、受注の確率などの案件データを入力するための端末である。マネージャ端末20は、事業部のマネージャや営業担当役員などが使用する端末である。
The person-in-
担当者端末12とマネージャ端末20とは、社内LAN(Local Area Network)などのネットワーク14を介して接続される。担当者端末12とマネージャ端末20は、例えばパーソナルコンピュータであり、少なくとも表示装置であるディスプレイとキーボードおよびマウスなどの入力装置とを備える。
The person-in-
マネージャ端末20は、複数の担当者端末12から案件データの提供を受け、シミュレーションを実行して予測売上高を求める。図1では、マネージャ端末20は機能ブロック図として示されている。これらの構成は、ハードウェア的には、任意のコンピュータのCPU、メモリ、その他のLSIで実現でき、ソフトウエア的にはメモリにロードされたプログラムなどによって実現される。これらの機能ブロックがハードウェアのみ、ソフトウエアのみ、またはそれらの組合せによっていろいろな形で実現できることは、当業者には理解されるところである。
The
データ保持部22は、複数の受注予定案件についての案件データを担当者端末12から受け取り保持する。
The
図2は、各担当者によって入力される案件データの一例を示すテーブルである。列62は、案件毎に付与される番号を表わす。列64、列66は、それぞれ顧客名と案件名を表わす。列68は、案件を受注できる確率を予め決められている確度符号で表わす。列70には、複数案件の間に依存条件がある場合に依存先の案件名が記入される。この依存条件については後述する。列72は、各案件の見積額を表わす。図2では、XチームがX01〜X03の三つの案件の受注を見込んでいることが分かる。
FIG. 2 is a table showing an example of item data input by each person in charge. A column 62 represents a number assigned to each case.
なお、見かけ上は一つの案件でも、一定程度の金額は受注確実であるが上積みできる金額は不明であることがある。例えば、総額100万円のうち50万円は確実に受注が見込まれるが、それ以上は受注できるか不明であるような場合である。このような場合は、受注確実の部分とそれ以外の部分とを別々の案件として入力することが好ましい。 Apparently, even for a single project, a certain amount of money is certain to receive an order, but the amount that can be added may be unknown. For example, out of a total of 1 million yen, an order is surely expected for 500,000 yen, but it is unclear whether an order can be received beyond that. In such a case, it is preferable to input the order-accurate part and the other part as separate matters.
図3は、確度符号の一例を示す。この例では、案件を受注できる確度が6つの符号に分類されている。「P」は100%、すなわち案件の受注が確定したことを示す。「A」「B」「C」「D」はそれぞれ、80%、50%、20%、5%の確率で案件を受注できる見通しであることを示す。「X」は0%、すなわち案件の受注に失敗したことを示す。担当者は、各案件の受注見通しについて最も近いと考える確度符号を選択して案件データに記入する。当然であるが、確度符号を使用せずに受注確率を直接数値で入力してもよい。 FIG. 3 shows an example of the accuracy code. In this example, the probability that an order can be received is classified into six codes. “P” indicates 100%, that is, the order of the project is confirmed. “A”, “B”, “C”, and “D” indicate that orders can be received with a probability of 80%, 50%, 20%, and 5%, respectively. “X” indicates 0%, that is, the order of the project has failed. The person in charge selects an accuracy code that is considered to be the closest to the prospect of orders received for each case and enters it in the case data. Of course, the order probability may be directly input as a numerical value without using the accuracy code.
図1に戻り、集計部24は、データ保持部22に保持されている複数の担当者からの案件データを組合せて案件一覧データを作成する。
Returning to FIG. 1, the
シミュレーション実行部26は、集計部24から案件一覧データを受け取り、モンテカルロ法を使用して予測売上高を求めるシミュレーションを実行する。モンテカルロ法は、確率を近似的に求める手法として周知である。例えば、シミュレーションをn回行い、そのうちある事象がm回発生すれば、その事象の起こる確率はm/nで近似される。試行回数が少なければ粗い近似となり、試行回数を増やすほど良好な近似が得られる。
The
乱数生成部34は、担当者が付与する受注確率の最小値と最大値の間、通常は0以上1未満の間で乱数を発生させる。モンテカルロ法の精度は使用する乱数の性質によって決まるが、本実施形態では疑似乱数を使用する。代わりに、物理乱数を発生するハードウェアを利用してもよい。
The
乱数付与部28は、案件データに含まれる各案件に対して、乱数生成部34で生成した乱数を一つずつ付与していく。但し、乱数付与部28は、案件間に依存条件、すなわちある案件の受注が別の案件受注の条件となっているような場合には、これら両案件に対して同一の乱数を生成するよう動作する。
The random
判定部32は、乱数付与部28によって案件毎に付与された乱数と、担当者によって予め入力されている受注確率とを比較して、それぞれの案件を受注できるか否かを判定する。この判定は、乱数と受注確率の大小に基づいてなされる。受注確率が乱数以上である場合には、対応する案件を受注できたものと判定する。受注確率が乱数未満である場合には、対応する案件を受注できなかったものと判定する。より具体的に述べると、例えば確度符号がA(80%)の案件に対して0.80以下の乱数が付与された場合、その案件を受注できたと判定する。0.80より大きい乱数が付与された場合、その案件を受注できなかったと判定する。このように、個別の案件についてデジタル的に受注の成功と失敗を判定する。
The
試行制御部30は、乱数の付与と、全ての案件に対する受注の判定からなる試行を繰り返し実行させる。この試行を多数回、例えば1000回以上繰り返すことで、確率分布の精度が信頼できるものとなる。
The
売上高計算部36は、各試行において受注できると判定された全ての案件の見積額を合計して、その試行における予測売上高を求める。売上高計算部36は、全ての試行についてそれぞれ予測売上高を計算する。
The
分布作成部42は、売上高計算部36で算出された予測売上高を使用して、複数回の試行における予測売上高の確率分布を表わすグラフを作成する。また、分布作成部42は、確率分布の平均値や標準偏差、当期目標の達成確率などの数値を計算する。作成されたグラフは、マネージャ端末20や担当者端末12のディスプレイで閲覧できるように出力される。
The
図4は、本発明の一実施形態にしたがった売上着地予想プロセスを説明するフローチャートである。
まず、各担当者は、受注予定案件について見積額と確度とを担当者端末12で入力する(S10)。マネージャ端末20の集計部24は入力された案件データを収集し、当期の受注予定案件の全ての情報を含む案件一覧データを作成する(S12)。乱数付与部28は、全ての案件に対して乱数を付与する(S14)。判定部32は、案件毎に付与された乱数と確度とを比較し、確度≧疑似乱数であれば受注成功、確度<疑似乱数であれば受注失敗と判定する(S16)。
FIG. 4 is a flowchart illustrating a sales landing forecast process according to one embodiment of the present invention.
First, each person in charge inputs an estimated amount and accuracy of an order scheduled item at the person in charge terminal 12 (S10). The totaling
売上高計算部36は、判定部32により受注成功とされた案件の見積額を合計し、予測売上高を求める(S18)。試行制御部30は、S14からS18の処理が所定の試行回数だけ繰り返されたか否かを判定する(S20)。所定回数に達していなければ(S20のN)、同様の処理を繰り返す。所定の試行回数に到達すると(S20のY)、全試行における予測売上高を集計し、予測売上高の確率分布を求める(S22)。
The
以下、本実施形態による分析例について説明する。 Hereinafter, an analysis example according to the present embodiment will be described.
分析例1.
図5は、集計部24によって集計された案件一覧データの一例を示すテーブルである。列82は、各案件を扱うチームの名称を表わしている。つまり、テーブル80は、X、Y、Zの3チームの案件を含んでいる。列84〜94は、各担当者によって入力されるテーブル60の列62〜72と対応している。図5では、条件列92に「Y01」「Z01」が記入されている。これは、案件Y02が案件Y01の受注成功時にのみ受注可能となること、および案件Z02が案件Z01の受注成功時にのみ受注可能となることを示している。
Analysis Example 1
FIG. 5 is a table showing an example of item list data aggregated by the
図6は、図5の案件一覧データに対してシミュレーションを実施したときの結果の一例を示す。図6では、図5のデータのうちチーム名、項番、確度、見積額のみを取り出しており、また確度を数値で表わした「受注確率」列102が追加されている。
案件一覧データに対して複数回実行された試行の結果を試行1、2、3・・・として表わす。「乱数」列104、108、112は、乱数付与部28によって案件毎に付与された乱数である。「受注売上」列106、110、114は、判定部32によって案件毎に受注確率と乱数とを比較した結果、受注に成功したと判定された案件の見積額である。各試行において、受注成功と判定された案件の受注売上の合計が、予測売上高118として示されている。
FIG. 6 shows an example of a result when a simulation is performed on the case list data of FIG. In FIG. 6, only the team name, item number, accuracy, and estimated amount are extracted from the data in FIG. 5, and an “order probability”
The results of trials executed a plurality of times on the case list data are represented as
一例として、項番X02で指定される行116について、判定部32による判定を説明する。この案件の確度はBであり、したがって受注確率は「0.5」になる。一回目の試行では、乱数「0.376」が付与されている。判定部32は、受注確率「0.5」と乱数「0.376」とを比較し、受注確率の方が大きいことからこの案件を受注したと判定する。その結果、見積額「100」が受注売上としてカウントされる。二回目の試行では、乱数「0.614」が付与されている。今度は、受注確率の方が乱数よりも小さいため、判定部32はこの案件を受注できないと判定する。したがって、受注売上は「0」とカウントされる。以下、各試行において同様の判定が繰り返される。
As an example, the determination by the
図7は、試行を1000回繰り返したときの予測売上高の分布を表わすグラフである。シミュレーションの結果、予測売上高が正規分布に近い広がりを持つことが分かる。
図8(a)は、1000回施行時の予測売上高の平均値と標準偏差を示す。この分布が正規分布であると仮定すると、平均±1σが745百万円〜1201百万円の範囲になることなどが分かる。図8(b)は、予測売上高を降順で並べて最大値から数えたときの予測売上高126を示す。予測売上高の最大値は「1552百万円」、上から10番目の値は「1451百万円」であり、最小値は「296百万円」であったことが分かる。また、この部署の目標売上高が1000百万円だったとすると、図7の基となるデータから、達成確率が46.5%であることも分かる。
FIG. 7 is a graph showing the distribution of predicted sales when the trial is repeated 1000 times. As a result of the simulation, it is understood that the predicted sales have a spread close to a normal distribution.
FIG. 8A shows the average value and the standard deviation of the predicted sales amount at the time of
このように、本実施形態によって売上高を予測すると、予測売上高の取りうるばらつきを定量的に把握することができ、また目標売上高をどの程度の確率で達成できるかなどの情報も得ることができる。 As described above, when the sales are predicted according to the present embodiment, it is possible to quantitatively grasp the variation that the predicted sales can take, and it is also possible to obtain information such as how much the target sales can be achieved. .
分析例2.
上述したように、受注案件の中には依存条件のあるものがある。つまり、第1の案件の受注が成功したときに限り第2の案件の受注が可能となるような案件である。具体例としては、新規受注とその商品に関連する保守契約とがある。この場合、受注ができなければ保守契約が結ばれることはない。このようなケースにおいて、シミュレーション中の各試行で保守契約案件の受注のみが成功して新規案件の受注が失敗することを許すと、その試行は現実にはあり得ない試行となってしまう。そこで、分析例2では、そのような試行が起こりえないように、依存条件を考慮した場合のシミュレーションについて説明する。
Analysis Example 2
As described above, some orders are subject to dependency conditions. In other words, the second project can be ordered only when the first project has been successfully ordered. Specific examples include a new order and a maintenance contract related to the product. In this case, if an order cannot be received, a maintenance contract will not be concluded. In such a case, if only an order for a maintenance contract item succeeds and an order for a new item fails in each trial during the simulation, the trial becomes an impossible trial. Therefore, in the analysis example 2, a simulation in which the dependency condition is considered so that such a trial cannot occur will be described.
図9は、図5の案件一覧データに対して依存条件を考慮してシミュレーションを実施したときの結果の一例を示す。図5に示したように、案件Y02、Z02は、それぞれY01、Z01に依存する関係にある。そのため、依存条件を考慮してシミュレーションすると、Y02、Z02については試行結果が異なる。図6と結果が異なる部分を太枠152、154で囲んで示す。
FIG. 9 shows an example of a result when a simulation is performed in consideration of the dependency condition on the case list data of FIG. As shown in FIG. 5, the cases Y02 and Z02 are in a relationship depending on Y01 and Z01, respectively. Therefore, when the simulation is performed in consideration of the dependency condition, the trial results are different for Y02 and Z02. Portions having different results from those in FIG. 6 are shown surrounded by
乱数付与部28は、依存関係にある案件については依存先に付与された乱数と同一の乱数を付与するようにする。そのため、案件Y02に付与される乱数は案件Y01に付与された乱数と等しく、また案件Z02に付与される乱数は案件Z01に付与された乱数と等しくなっている。この結果、判定部32よる受注成否の判定が変わる。
The random
具体的には、案件Y02の二回目の試行において、付与される乱数がY01と同一となり受注確率0.2を下回った結果、判定部32は案件Y02の受注に成功したと判定する。したがって、受注売上の欄に見積額「135」が計上される。反対に、三回目の試行においては、付与される乱数がY01と同一になり受注確率0.2を上回った結果、判定部32は案件Y02の受注に失敗したと判定する。したがって、受注売上の欄に見積額は計上されない。
同様に、案件Z02の一回目の試行において、付与される乱数がY01と同一になった結果、判定部32はZ02の受注に成功したと判定する。このように、依存条件を考慮することで判定部32による判定の結果が変化する。結果として、受注売上の合計である予測売上高も変わる。
Specifically, in the second trial of the matter Y02, the
Similarly, in the first trial of the matter Z02, the
依存関係にある両案件に同一の乱数を付与するので、第2の案件のみが受注され第1の案件が受注されないという矛盾した結果が起こらないことも理解されよう。図9においても、Y02またはZ02で受注売上が計上されている場合は、依存先の案件においても受注売上が計上されていることが分かる。
なお、依存関係にある両案件について、担当者は(第1の案件の確度)>(第2の案件の確度)の関係を満たすように確度を設定する必要がある。これは、第1の案件が受注できなければ第2の案件は受注できないことから、当然理解されることである。
It will be understood that since the same random number is assigned to both cases that are dependent, there is no contradictory result that only the second case is ordered and the first case is not. Also in FIG. 9, it can be seen that when the order sales are recorded in Y02 or Z02, the order sales are also recorded in the dependence-destination case.
It should be noted that for both cases that are in the dependency relationship, the person in charge needs to set the accuracy so as to satisfy the relationship of (the accuracy of the first case)> (the accuracy of the second case). This is naturally understood because the second case cannot be ordered unless the first case can be ordered.
図10は、依存条件を考慮して試行を1000回繰り返したときの予測売上高の分布を表わすグラフである。図11(a)はこのグラフの平均値と標準偏差である。図11(b)は、予測売上高を降順で並べて最大値から数えたときの予測売上高を、依存条件を考慮しない場合164と依存条件を考慮した場合166とに分けて示す。
図示するように、依存条件を考慮すると、依存条件を考慮しない場合とは分布の様子が変わる。条件を考慮しない場合と比べて平均値はほとんど変わらないが、標準偏差が増加していることから予測売上高のばらつきが大きくなっていることが分かる。
このように、依存条件を考慮してシミュレーションを実行することで、より現実的な予想結果を導くことが可能になる。
FIG. 10 is a graph showing the distribution of predicted sales when the trial is repeated 1000 times in consideration of the dependency condition. FIG. 11A shows the average value and standard deviation of this graph. FIG. 11B shows the predicted sales when the predicted sales are arranged in descending order and counted from the maximum value, divided into 164 when the dependency condition is not considered and 166 when the dependency condition is considered.
As shown in the figure, when the dependency condition is taken into account, the distribution changes from the case where the dependency condition is not taken into consideration. Compared to the case where the conditions are not taken into account, the average value is almost the same, but since the standard deviation is increased, it can be seen that the variation in the predicted sales is increased.
As described above, it is possible to derive a more realistic prediction result by executing the simulation in consideration of the dependency condition.
以上説明したように、実施の形態1によれば、複数の案件の売上高を予測する場合に、期待値のような単一の値ではなく予測売上高の確率分布を求めることができる。したがって、予測売上高のブレ幅や、売上目標を達成できる確率などを容易に知ることができる。さらに、5億円であれば80%の確率で達成可能、8億円であれば10%の確率で達成可能といったような予測ができるため、決算予想などにおいてより組織の実体に即した発表ができるようになる。また、一覧データに含まれる案件の受注の成功や失敗が確定した場合には、その案件の確度を変更するだけで再度予測売上高の分布を求められるので、受注状況の変化に対応して迅速な予測をすることができる。 As described above, according to the first embodiment, when sales of a plurality of projects are predicted, a probability distribution of predicted sales can be obtained instead of a single value such as an expected value. Therefore, it is possible to easily know the fluctuation range of the predicted sales, the probability that the sales target can be achieved, and the like. Furthermore, since it is possible to predict that it can be achieved with a probability of 80% if it is 500 million yen, and 10% if it is 800 million yen, announcements that are more in line with the organization's substance in financial forecasts etc. become able to. In addition, when the success or failure of an order for an item included in the list data is confirmed, the distribution of the predicted sales can be obtained again simply by changing the accuracy of the item. Can make predictions.
また、複数の案件間に依存条件がある場合でも、それらに同一の乱数を与えるという操作をするだけで、例外的な処理をすることなくシミュレーションを実施することができる。依存条件を考慮することで、より実際に即した売上高予測をすることができる。 Moreover, even when there are dependency conditions between a plurality of matters, it is possible to perform a simulation without performing exceptional processing only by performing an operation of giving them the same random number. By considering the dependency condition, it is possible to make a sales forecast that is more realistic.
実施の形態2.
実施の形態2では、他の組織で集計された予測売上高の確率分布を利用して、複数の組織の売上高の合計を予測する手法について説明する。
一例として、上述のX〜Zの3チーム以外に、売上高を合算するべき連結対象の子会社が存在すると仮定する。図12のテーブル190は、子会社の予測売上高の確率分布に関するデータを示す。テーブル190によると、連結対象の会社192としてAA会社とBB会社が存在し、それぞれの予測売上高の平均194と標準偏差196とが予め求められている。なお、AA会社およびBB会社における予測売上高の確率分布は、実施の形態1で述べた手法により求めることができる。
In the second embodiment, a method for predicting the total sales of a plurality of organizations using a probability distribution of predicted sales totaled in other organizations will be described.
As an example, it is assumed that there is a consolidated subsidiary to which sales are to be added in addition to the above three teams X to Z. A table 190 in FIG. 12 shows data related to the probability distribution of the predicted sales of the subsidiary. According to the table 190, there are an AA company and a BB company as the
X〜Zチームの他に、AA会社とBB会社の売上も含めた全体の売上高を予測しようとするとき、AA会社とBB会社については既に予測売上高の確率分布が求められているのだから、この結果を利用する方が都合がよい。実施の形態2では、AA会社とBB会社の予測売上高が正規分布になっていると仮定することで、AA会社とBB会社の予測売上高についての詳細な案件データを用いることなく、X〜Zチームの案件と同レベルでシミュレーションを実施できる。 In addition to the X to Z teams, when trying to predict the overall sales including the sales of AA and BB companies, the probability distribution of the predicted sales is already required for AA and BB companies. It is more convenient to use this result. In the second embodiment, assuming that the forecast sales of the AA company and the BB company have a normal distribution, the detailed sales data about the forecast sales of the AA company and the BB company is not used. The simulation can be performed at the same level as the case of Z team.
図13は、図6のテーブル100にAA会社とBB会社のデータを追加したテーブルである。AA会社のデータは行202に、BB会社のデータは行204に示されている。但し、確度、受注確率、見積額は記入されず、代わりに平均206と標準偏差208とが記入される。
FIG. 13 is a table obtained by adding data of the AA company and the BB company to the table 100 of FIG. The AA company data is shown in
各試行において、乱数付与部28は、AA会社およびBB会社にも他の案件と同じように乱数を付与する。そして、判定部32によって乱数と受注確率とを比較する代わりに、売上高計算部36が次式によってAA会社およびBB会社の受注売上Sを計算する。
S=μ+N(rand)・σ (1)
但し、randは乱数付与部28により付与された乱数、μ、σは、それぞれAA会社またはBB会社の予測売上高分布の平均と標準偏差を表わす。また、N()は、平均が0で標準偏差が1である標準正規分布の累積分布関数の逆関数である。式(1)により、0以上1未満の乱数を、μを平均としσを標準偏差とした正規分布に直すことができる。
In each trial, the random
S = μ + N (rand) · σ (1)
Here, rand is a random number assigned by the random
各試行において、式(1)を用いて乱数210、214、218に相当する受注売上212、216、220を求めることで、複数回の施行後のAA会社とBB会社の受注売上の分布は正規分布になる。
In each trial, the
図14は、試行を1000回繰り返したときの予測売上高の確率分布を示す。図示するように、通常案件、すなわちX〜Zチームの担当案件の予測売上高の分布と、AA会社およびBB会社の受注売上の分布とは、それぞれ正規分布に近い形状となる。 FIG. 14 shows the probability distribution of the predicted sales when the trial is repeated 1000 times. As shown in the figure, the distribution of the predicted sales of the normal case, that is, the case in charge of the X to Z team, and the distribution of the order sales of the AA company and the BB company have shapes close to normal distributions, respectively.
売上高計算部36は、通常案件の予測売上高と、AA会社およびBB会社の受注売上とを合計することで、全体の予測売上高を計算する。図14によると、全体の予測売上高も正規分布となる。
The
図15は、通常案件、AA会社、BB会社、およびこれらの合計予測売上高の確率分布の平均と標準偏差232〜238を示す。これから、AA会社とBB会社の確率分布の平均および標準偏差が、始めに与えられたデータの平均および標準偏差と近い値であることが分かる。
FIG. 15 shows the average and
このように、実施の形態2によれば、連結対象の子会社について予測売上高の確率分布の平均と標準偏差のみが与えられている場合でも、個々の案件データの予測売上高と合算した合計売上高を確率分布で求めることができる。したがって、子会社における個々の案件データを収集してモンテカルロ法によるシミュレーションを実施する必要がない。 As described above, according to the second embodiment, even if only the average and standard deviation of the probability distribution of the predicted sales are given for the consolidated subsidiaries, the total sales combined with the predicted sales of each item data High can be obtained by probability distribution. Therefore, it is not necessary to collect individual project data at a subsidiary and perform a simulation by the Monte Carlo method.
多数の下位組織が存在しており、それら全体での予測売上高を計算したい場合には、下位組織の担当する全ての案件データを集めてシミュレーションを実施する代わりに、下位組織毎に予測売上高分布の平均値と標準偏差を求めておき、後でそれらを合算して全体の予測売上高を求めればよい。一般に、独立な確率変数U、Vの各々が正規分布にしたがうとき、その一時結合aU+bV(a、bは0でない任意の実数)は正規分布にしたがうが、実施の形態2はこの定理を応用したものとも言える。 If there are many sub-organizations and you want to calculate the forecast sales for all of them, instead of collecting all the project data that the sub-organizations are in charge and performing a simulation, the forecast sales for each sub-organization What is necessary is just to obtain | require the average value and standard deviation of a distribution, and add them later and the total estimated sales amount. In general, when each of independent random variables U and V follows a normal distribution, the temporary combination aU + bV (a and b are arbitrary real numbers other than 0) follows a normal distribution, but the second embodiment applies this theorem. It can also be said to be a thing.
実施の形態3.
実施の形態3では、予測売上高の算出対象である案件が独立した関係ではなく相関を持っている場合の予測手法について説明する。
In the third embodiment, a prediction method will be described in the case where the cases for which the predicted sales are to be calculated have a correlation rather than an independent relationship.
一般に、ある分析において二つのグループにおける分布が完全に独立であることはなく、通常は何らかの相関を持っているものである。例えば、部署Aと部署Bとがともに同じ業界、例えば金融業を相手にする営業部門であれば、部署Aと部署Bの売上には正の相関があるはずである。また、部署Aと部署Bとが、業績が反対の動きをする傾向にある業界、例えばそれぞれ金融業、流通業を相手にする営業部門であれば、部署Aと部署Bの売上には負の相関があるはずである。このようなときに、各部署の案件に対して単に乱数を付与して受注確率との比較を行うと、上記のような相関が全く考慮されないので予測値が不正確になる。 In general, the distribution in two groups is not completely independent in an analysis, and usually has some correlation. For example, if both department A and department B are in the same industry, for example, a sales department that deals with the financial industry, the sales of department A and department B should have a positive correlation. In addition, if department A and department B are in an industry where business results tend to be opposite, for example, sales departments dealing with the financial industry and distribution industry, respectively, sales of department A and department B are negative. There should be a correlation. In such a case, if a random number is simply assigned to the item in each department and compared with the order probability, the above correlation is not taken into account at all, and the predicted value becomes inaccurate.
そこで、実施の形態3では、相関を持つ乱数の対を生成し、互いに相関関係にある二つのグループに含まれる案件にそれぞれ付与するようにした。 Therefore, in the third embodiment, a pair of random numbers having a correlation is generated and assigned to cases included in two groups having a correlation with each other.
図16は、売上高の算出対象である二チーム、つまりMチームとNチームが相関関係のある業界の案件を扱っているとした場合の乱数の付与について説明する図である。Mチームの担当する案件の売上と、Nチームの担当する案件の売上との間には、相関係数ρで表わされる関係があると予め分かっているものとする。相関係数ρは過去の売上高データから推定してもよいし、業界間の業績の連動性から推定してもよい。 FIG. 16 is a diagram for explaining the assignment of random numbers when it is assumed that two teams for which sales are to be calculated, that is, the M team and the N team are dealing with a business in a correlated industry. It is assumed that it is known in advance that there is a relationship represented by the correlation coefficient ρ between the sales of the case handled by the M team and the sales of the case handled by the N team. The correlation coefficient ρ may be estimated from past sales data, or may be estimated from the linkage of business performance between industries.
乱数付与部28は、各試行において、Mチームの担当案件には乱数Uを付与し、Nチームの担当案件には乱数Vを付与する。乱数Uと乱数Vは、互いに相関のある乱数である。相関係数がρである乱数(U,V)は、次式によって生成できる。
U=X (2)
V=ρ・X+√(1−ρ2)・Y (3)
但し、X、Yは独立の標準正規乱数である。各案件に乱数を付与した以降の処理は、実施の形態1と同様である。つまり、案件毎に乱数と受注確率とを比較して、案件の受注の成否を判定していく。
In each trial, the random
U = X (2)
V = ρ · X + √ (1−ρ 2 ) · Y (3)
However, X and Y are independent standard normal random numbers. Processing after assigning a random number to each case is the same as in the first embodiment. That is, for each item, the random number and the order probability are compared to determine the success or failure of the item.
上述の業界が異なる場合のように、互いに相関関係のある二つのグループに案件データを分類できる場合、グループ間の相関係数と同一の相関係数を持つ乱数のペアを生成し、それぞれ別のグループに付与することで、各試行における案件毎の受注の成否の傾向が現実と近いものになる。その結果、より現実に即した予測売上高の確率分布を求めることができる。 When the project data can be classified into two groups that are correlated with each other as in the case of different industries, a pair of random numbers having the same correlation coefficient as the correlation coefficient between the groups is generated. By giving to a group, the success or failure tendency of orders for each case in each trial becomes close to reality. As a result, a probability distribution of predicted sales more realistically can be obtained.
以上、本発明をいくつかの実施の形態をもとに説明した。これらの実施の形態は例示であり、それらの各構成要素や各処理プロセスの組合せにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。
請求項に記載の各構成要件が果たすべき機能は、本実施例において示された各機能ブロックの単体もしくはそれらの連係によって実現されることも当業者には理解されるところである。
The present invention has been described based on some embodiments. It is understood by those skilled in the art that these embodiments are exemplifications, and that various modifications can be made to combinations of the respective constituent elements and processing processes, and such modifications are also within the scope of the present invention. By the way.
It should also be understood by those skilled in the art that the functions to be fulfilled by the constituent elements described in the claims are realized by the individual functional blocks shown in the present embodiment or their linkage.
実施の形態では売上高の予測について説明したが、本発明は、この他にもある事項を達成したか否かに応じて獲得できる値がデジタルに変化するような事項が複数あり、その合計を求める必要がある場合にも適用できる。例えば、社内の全部署や子会社の売上高の合計の予想、仕入原価の予想などにも適用できる。 In the embodiment, the forecast of sales has been described. However, the present invention has a plurality of other items that can be digitally changed depending on whether or not a certain item has been achieved. It can also be applied when required. For example, the present invention can be applied to the forecast of the total sales of all departments and subsidiaries in the company and the forecast of the purchase cost.
10 売上着地予想システム、 12 担当者端末、 14 ネットワーク、 20 マネージャ端末、 22 データ保持部、 24 集計部、 26 シミュレーション実行部、 28 乱数付与部、 30 試行制御部、 32 判定部、 34 乱数生成部、 36 売上高計算部、 42 分布作成部。
DESCRIPTION OF
Claims (4)
前記案件データに含まれる案件に対して確率の最小値と最大値の間で発生させた乱数を付与する乱数付与機能と、
案件毎に付与された乱数と確率とを比較して該案件を受注できるか否かを判定する判定機能と、
受注できると判定された全ての案件の見積額を合計して第1グループの予測売上高を求める計算機能と、
乱数の付与と受注の判定からなる試行を繰り返し実行させる試行制御機能と、
複数回の試行結果に基づいて、第1グループの予測売上高の確率分布を求める分布作成機能と、
をコンピュータに発揮させる売上着地予想プログラムであって、
第2グループに属する複数の受注予定案件について予測売上高の確率分布の平均と標準偏差が求められている場合、前記乱数付与機能は各試行において前記第2グループに対して一つの乱数を付与し、
前記計算機能は、前記第2グループに属する受注予定案件の予測売上高の分布が正規分布であると仮定して、各試行において付与された乱数に対応する第2グループの見積高を計算し、該第2グループの見積高と第1グループの予測売上高とを合計して、第1グループと第2グループとを合わせた全体予測売上高を求めることを特徴とする売上着地予想プログラム。 A holding function for receiving the matter data in which the estimated amount and the probability of being able to accept each matter in the future are received in advance for a plurality of planned orders that belong to the first group,
A random number assignment function for assigning a random number generated between the minimum value and the maximum value of the probability for the case included in the case data;
A determination function that determines whether or not an order can be accepted by comparing the random number assigned to each case and the probability;
A calculation function that calculates the estimated sales of the first group by summing the estimated amounts of all the cases determined to be accepted,
Trial control function that repeatedly executes trials consisting of random number assignment and order determination;
Based on the results of a plurality of trials, a distribution creation function for obtaining a probability distribution of the predicted sales of the first group,
Is a sales landing forecasting program that makes computers perform
When the average and standard deviation of the probability distribution of the predicted sales are obtained for a plurality of planned orders that belong to the second group, the random number assigning function assigns one random number to the second group in each trial. ,
The calculation function calculates the estimated amount of the second group corresponding to the random number given in each trial, assuming that the distribution of the predicted sales amount of the planned sales order belonging to the second group is a normal distribution, A sales landing forecasting program characterized by summing up the estimated sales amount of the second group and the predicted sales amount of the first group to obtain the total predicted sales amount of the first group and the second group.
前記案件データに含まれる案件に対して確率の最小値と最大値の間で発生させた乱数を付与する乱数付与機能と、
案件毎に付与された乱数と確率とを比較して該案件を受注できるか否かを判定する判定機能と、
受注できると判定された全ての案件の見積額を合計して予測売上高を求める計算機能と、
乱数の付与と受注の判定からなる試行を繰り返し実行させる試行制御機能と、
複数回の試行結果に基づいて予測売上高の確率分布を求める分布作成機能と、
をコンピュータに発揮させる売上着地予想プログラムであって、
前記受注予定案件が受注の成否に関して互いに相関関係にある第1グループと第2グループに分けられる場合、前記乱数付与機能は、第1グループに含まれる案件に付与される第1乱数と第2グループに含まれる案件に対して付与される第2乱数の間に、グループ間と同一の相関係数を持たせることを特徴とする売上着地予想プログラム。 A holding function for receiving the matter data in which the estimated amount and the probability of accepting each matter in the future are input in advance for a plurality of orders to be received and holding it in the memory;
A random number assignment function for assigning a random number generated between the minimum value and the maximum value of the probability for the case included in the case data;
A determination function that determines whether or not an order can be accepted by comparing the random number assigned to each case and the probability;
A calculation function that calculates the estimated sales by adding the estimated amounts of all the cases that are determined to be accepted,
Trial control function that repeatedly executes trials consisting of random number assignment and order determination;
A distribution creation function that calculates the probability distribution of forecast sales based on the results of multiple trials,
Is a sales landing forecasting program that makes computers perform
When the order-scheduled item is divided into a first group and a second group that are correlated with each other regarding the success or failure of the order, the random number assigning function includes a first random number and a second group that are assigned to the items included in the first group. A sales landing forecasting program characterized in that the same correlation coefficient as that between groups is given between the second random numbers given to the cases included in the item.
前記案件データに含まれる案件に対して確率の最小値と最大値の間で発生させた乱数を付与する乱数付与部と、
案件毎に付与された乱数と確率とを比較して該案件を受注できるか否かを判定する判定部と、
受注できると判定された全ての案件の見積額を合計して第1グループの予測売上高を求める売上高計算部と、
乱数の付与と受注の判定からなる試行を繰り返し実行させる試行制御部と、
複数回の試行結果に基づいて、第1グループの予測売上高の確率分布を求める分布作成部と、
を備え、
第2グループに属する複数の受注予定案件について予測売上高の確率分布の平均と標準偏差が求められている場合、前記乱数付与部は各試行において前記第2グループに対して一つの乱数を付与し、
前記売上高計算部は、前記第2グループに属する受注予定案件の予測売上高の分布が正規分布であると仮定して、各試行において付与された乱数に対応する第2グループの見積高を計算し、該第2グループの見積高と第1グループの予測売上高とを合計して、第1グループと第2グループとを合わせた全体予測売上高を求めることを特徴とする売上着地予想装置。 A data holding unit that receives case data in which estimated amounts and probabilities of receiving orders in the future are input in advance for a plurality of scheduled orders belonging to the first group, and holds the data in a memory;
A random number assigning unit for assigning a random number generated between the minimum value and the maximum value of the probability for the case included in the case data;
A determination unit that determines whether or not the order can be accepted by comparing the random number assigned to each case and the probability;
A sales calculator that calculates the estimated sales of the first group by summing the estimated amounts of all the cases determined to be accepted;
A trial control unit that repeatedly executes trials including assignment of random numbers and determination of orders;
A distribution creation unit for obtaining a probability distribution of the predicted sales of the first group based on a plurality of trial results;
With
When the average and standard deviation of the probability distribution of the predicted sales are obtained for a plurality of scheduled orders belonging to the second group, the random number assigning unit assigns one random number to the second group in each trial. ,
The sales calculation unit calculates the estimated amount of the second group corresponding to the random number assigned in each trial, assuming that the distribution of the predicted sales of the planned sales order belonging to the second group is a normal distribution. Then, the estimated sales of the second group and the predicted sales of the first group are totaled to obtain the total predicted sales of the first group and the second group.
前記案件データに含まれる案件に対して確率の最小値と最大値の間で発生させた乱数を付与する乱数付与部と、
案件毎に付与された乱数と確率とを比較して該案件を受注できるか否かを判定する判定部と、
受注できると判定された全ての案件の見積額を合計して予測売上高を求める売上高計算部と、
乱数の付与と受注の判定からなる試行を繰り返し実行させる試行制御部と、
複数回の試行結果に基づいて予測売上高の確率分布を求める分布作成部と、
を備え、
前記受注予定案件が受注の成否に関して互いに相関関係にある第1グループと第2グループに分けられる場合、前記乱数付与部は、第1グループに含まれる案件に付与される第1乱数と第2グループに含まれる案件に対して付与される第2乱数の間に、グループ間と同一の相関係数を持たせることを特徴とする売上着地予想装置。 A data holding unit that receives matter data in which an estimated amount and a probability of accepting each matter in the future are input in advance for a plurality of planned orders, and stores them in a memory;
A random number assigning unit for assigning a random number generated between the minimum value and the maximum value of the probability for the case included in the case data;
A determination unit that determines whether or not the order can be accepted by comparing the random number assigned to each case and the probability;
A sales calculation unit that calculates the estimated sales by adding the estimated amounts of all the cases determined to be accepted,
A trial control unit that repeatedly executes trials including assignment of random numbers and determination of orders;
A distribution creation unit that obtains a probability distribution of predicted sales based on the results of multiple trials;
With
When the order-scheduled case is divided into a first group and a second group that are correlated with each other regarding the success or failure of the order, the random number assigning unit includes a first random number and a second group that are assigned to the cases included in the first group The sales landing forecasting apparatus, wherein the same correlation coefficient as that between the groups is given between the second random numbers given to the cases included in.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007077959A JP2008242531A (en) | 2007-03-23 | 2007-03-23 | Sales landing prediction program and enclosure |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007077959A JP2008242531A (en) | 2007-03-23 | 2007-03-23 | Sales landing prediction program and enclosure |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008242531A true JP2008242531A (en) | 2008-10-09 |
Family
ID=39913850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007077959A Pending JP2008242531A (en) | 2007-03-23 | 2007-03-23 | Sales landing prediction program and enclosure |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2008242531A (en) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002230273A (en) * | 2001-01-31 | 2002-08-16 | Hitachi Ltd | Method for business risk management |
JP2003534609A (en) * | 2000-05-22 | 2003-11-18 | アデイタム ソフトウェア,インコーポレイティド | Revenue forecasting and sales force management using statistical analysis |
JP2004086665A (en) * | 2002-08-28 | 2004-03-18 | Toshiba Corp | Method and apparatus for business portfolio preparation |
JP2004118429A (en) * | 2002-09-25 | 2004-04-15 | Matsushita Electric Works Ltd | Reasonable inventory quantity calculation method and its system |
JP2005018327A (en) * | 2003-06-25 | 2005-01-20 | Hitachi Ltd | Project evaluating device, project evaluating method, and project evaluating program |
JP2005216020A (en) * | 2004-01-30 | 2005-08-11 | Hitachi Ltd | Project evaluation system, program and storage medium |
-
2007
- 2007-03-23 JP JP2007077959A patent/JP2008242531A/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003534609A (en) * | 2000-05-22 | 2003-11-18 | アデイタム ソフトウェア,インコーポレイティド | Revenue forecasting and sales force management using statistical analysis |
JP2002230273A (en) * | 2001-01-31 | 2002-08-16 | Hitachi Ltd | Method for business risk management |
JP2004086665A (en) * | 2002-08-28 | 2004-03-18 | Toshiba Corp | Method and apparatus for business portfolio preparation |
JP2004118429A (en) * | 2002-09-25 | 2004-04-15 | Matsushita Electric Works Ltd | Reasonable inventory quantity calculation method and its system |
JP2005018327A (en) * | 2003-06-25 | 2005-01-20 | Hitachi Ltd | Project evaluating device, project evaluating method, and project evaluating program |
JP2005216020A (en) * | 2004-01-30 | 2005-08-11 | Hitachi Ltd | Project evaluation system, program and storage medium |
Non-Patent Citations (1)
Title |
---|
森平 爽一郎 SOUICHIROU MORIDAIRA, ファイナンス講座4 コンピュテーショナル・ファイナンス 初版, vol. 第1版, JPN6010001905, 20 July 1997 (1997-07-20), pages 142 - 143, ISSN: 0001515276 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Almeder et al. | A metaheuristic optimization approach for a real-world stochastic flexible flow shop problem with limited buffer | |
Staron | Critical role of measures in decision processes: Managerial and technical measures in the context of large software development organizations | |
US20070192266A1 (en) | Apparatus for identification of performance scenario and methods thereof | |
US7899762B2 (en) | Apparatus, method, and computer program product providing improved identification of suspect entries in transaction data | |
US20140379310A1 (en) | Methods and Systems for Evaluating Predictive Models | |
Fang et al. | Effective confidence interval estimation of fault-detection process of software reliability growth models | |
Kim et al. | Tracking temporal dynamics of purchase decisions via hierarchical time-rescaling model | |
Yang et al. | An architecture-based multi-objective optimization approach to testing resource allocation | |
JP5579526B2 (en) | Incentive determination method, program and system | |
Loloei et al. | A model for asset valuation in security risk analysis regarding assets' dependencies | |
KR101603977B1 (en) | Prediction system for business ordering possibillity | |
Nguyen et al. | Maintaining a system subject to uncertain technological evolution | |
Kamyabniya et al. | Risk-based earned value management: a novel perspective in software engineering | |
Tsai et al. | Simulation optimization in security screening systems subject to budget and waiting time constraints | |
Murad et al. | Software Cost Estimation for Mobile Application Development-A Comparative Study of COCOMO Models | |
Fauzan et al. | Simulation of agent-based and discrete event for analyzing multi organizational performance | |
Phadermrod et al. | Developing SWOT analysis from customer satisfaction surveys | |
Sarkale et al. | Decision automation for electric power network recovery | |
JP4514160B2 (en) | Acquisition value forecast program, sales landing forecast program and device | |
JP2008242531A (en) | Sales landing prediction program and enclosure | |
Grabis et al. | Data science approach for IT project management | |
CN112016791A (en) | Resource allocation method and device and electronic equipment | |
Manaye et al. | Analysis of ATM service performance by using ARENA simulation: the case of commercial bank of Ethiopia, Sabyan Branch | |
Borissova et al. | Digital Transformation Assessment Model Based on Indicators for Operational and Organizational Readiness and Business Value | |
Joseph et al. | Simulation-based metamodels for the analysis of dynamic due-date assignment in a flexible manufacturing system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20091001 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20091013 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20091210 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100119 |