बॉटम-अप फोरकास्टिंग क्या है?
किसी विशेष वर्ष के लिए राजस्व और आय तक पहुंचने के लिए बॉटम-अप फोरकास्टिंग एक कंपनी के सूक्ष्म-स्तरीय आदानों के प्रक्षेपण को संदर्भित करता है। हालांकि, इन सूक्ष्म कारकों का अनुमान जो राजस्व की ओर जाता है, पूर्वानुमान लगाना मुश्किल है क्योंकि यह कंपनी विशिष्ट है और विभिन्न कारकों पर निर्भर करता है।
बॉटम-अप फोरकास्टिंग का उदाहरण
आइए अवधारणा को समझने के लिए एक उदाहरण लेते हैं:
कंपनी ABC एक पेन उत्पादक कंपनी है। एक निवेशक अगले वर्ष के लिए कंपनी के राजस्व का अनुमान लगाने की कोशिश कर रहा है। विवरण नीचे वर्णित हैं:
राजस्व की गणना करने के लिए नीचे-ऊपर दृष्टिकोण का उपयोग करें
उपाय:
चरण # 1: पूर्वानुमान के अनुसार अगले वर्ष की बिक्री और कीमत का निर्धारण
चरण # 2: पूर्वानुमान के अनुसार परिचालन व्यय और ब्याज व्यय निर्धारित करें
चरण # 3: समग्र आय विवरण इस प्रकार है -
नीचे-ऊपर बनाम ऊपर-नीचे पूर्वानुमान
बॉटम-अप दृष्टिकोण माइक्रो-कारकों से शुरू होता है जो कंपनी-विशिष्ट हैं और राजस्व तक पहुंचते हैं। दूसरी ओर, टॉप-डाउन दृष्टिकोण मैक्रो कारकों का उपयोग करके किसी कंपनी के राजस्व का अनुमान लगाने में मदद करता है। टॉप-डाउन दृष्टिकोण में कहा गया है कि किसी कंपनी की बिक्री मात्रा बढ़ेगी या घटेगी, यह निर्धारित करने के लिए जीडीपी का अनुमान लगाया गया है। माल की मांग का निर्धारण करने के लिए सेक्टर-विशिष्ट समग्र मांग का पूर्वानुमान लगाया गया है। निर्यात की शर्तों में ढील देने से वस्तुओं की मांग भी बढ़ जाती है। मुद्रा के मूल्यह्रास से माल की मांग बढ़ जाती है। तो ये सभी स्थूल कारक हैं जिन्हें टॉप-डाउन पूर्वानुमान करते समय माना जाता है।
लाभ
- यह दृष्टिकोण टॉप-डाउन की तुलना में अधिक व्यावहारिक है। बॉटम-अप फोरकास्टिंग में, किसी कंपनी की वास्तविक बिक्री की भविष्यवाणी बाजार में उसके उत्पादों की मांग को देखकर की जाती है क्योंकि मांग पिछले वर्ष से चालू वर्ष की तुलना में की जा रही है। इसलिए यह अधिक यथार्थवादी है। यह कंपनियों के मौलिक डेटा से संबंधित है।
- यह दृष्टिकोण कंपनी के डेटा पर निर्भर है, इसलिए वे सटीक हैं। एक वित्तीय विश्लेषक को पूर्वानुमान करने के लिए तीसरे पक्ष के डेटा पर निर्भर नहीं होना पड़ेगा। वास्तविक डेटा पूर्वानुमान को अधिक मजबूत बनाता है क्योंकि रुझान कंपनी के पिछले डेटा से मान्य किए जा सकते हैं।
- कंपनियों के अलग-अलग सेगमेंट हो सकते हैं। बॉटम-अप प्रत्येक सेगमेंट की मांग का पता लगाता है, इसलिए यह कंपनियों को तदनुसार संसाधनों का आवंटन करने में मदद करेगा। यह पूंजी के बजटीय निर्णय लेते समय कंपनी को अधिक कुशल बनाता है।
- चूंकि निर्णय सूक्ष्म कारकों पर आधारित है, इसलिए यह कंपनी के बारे में उच्च प्रबंधन की स्पष्ट तस्वीर देता है। प्रबंधन प्रत्येक खंड द्वारा किए जा रहे व्यय से अवगत है और उत्पादकता में सुधार के लिए व्यय को कम करना संभव होगा या नहीं।
नुकसान
- चूंकि इसमें कई सूक्ष्म कारक शामिल हैं, इसलिए अध्ययन पूरा होने में समय लगता है। इस दृष्टिकोण के लिए सभी सूक्ष्म कारकों को ठीक से पूर्वानुमानित किया जाना चाहिए।
- यह महंगा है। दृष्टिकोण को पूरा करने के लिए व्यक्तिगत विभागों से डेटा एकत्र करने के लिए एक टीम को समर्पित करने की आवश्यकता होगी। इसलिए पूर्वानुमान लगाना महंगा पड़ता है।
- एकत्र किए गए डेटा को विशिष्ट विभाग द्वारा उनके उत्पादकता स्तर के अनुसार प्रदान किया जाएगा। यदि डेटा के अनुसार कोई निर्णय लिया जाता है, तो ऐसा हो सकता है कि टीम के प्रमुख सदस्यों के बदलने पर पूर्वानुमान वास्तविकता से मेल नहीं खाएगा।
