বিক্রয়-শতাংশের পদ্ধতি
শতাংশের-বিক্রয় পদ্ধতিটি আর্থিক বিবরণের একটি বাজেটের সেট বিকাশ করতে ব্যবহৃত হয়। প্রতিটি historicalতিহাসিক ব্যয় নেট বিক্রয়ের শতাংশে রূপান্তরিত হয় এবং এই শতাংশগুলি তখন বাজেটের সময়কালে পূর্বাভাস বিক্রয় বিক্রয় স্তরে প্রয়োগ করা হয়। উদাহরণস্বরূপ, যদি বিক্রয়ের শতকরা হিসাবে বিক্রি হওয়া সামগ্রীর historicalতিহাসিক ব্যয় 42% হয়ে থাকে, তবে একই শতাংশ পূর্বাভাস বিক্রয় বিক্রয় স্তরে প্রয়োগ করা হয়। পদ্ধতির কিছু ব্যালেন্স শীট আইটেমগুলির পূর্বাভাসের জন্যও ব্যবহার করা যেতে পারে, যেমন অ্যাকাউন্টগুলি গ্রহণযোগ্য, অ্যাকাউন্টগুলি প্রদানযোগ্য অ্যাকাউন্ট এবং ইনভেন্টরি।
এই পদ্ধতির অনুসরণ করার জন্য প্রাথমিক পদক্ষেপগুলি হ'ল:
পূর্বাভাস দেওয়ার জন্য বিক্রয় এবং আইটেমের মধ্যে historicalতিহাসিক সম্পর্ক আছে কিনা তা নির্ধারণ করুন।
পূর্বাভাস সময়কালের জন্য বিক্রয় অনুমান।
পূর্বাভাসিত পরিমাণে পৌঁছানোর জন্য আইটেমটিতে বিক্রয়ের প্রয়োগের শতাংশ প্রয়োগ করুন Apply
বিক্রয়-শতাংশ পদ্ধতির সুবিধাগুলি নিম্নরূপ:
এটি পূর্বাভাস বিকাশের দ্রুততম উপায়।
এটি সেই আইটেমগুলির জন্য উচ্চ মানের মানের পূর্বাভাস দিতে পারে যা বিক্রয়ের সাথে ঘনিষ্ঠভাবে সম্পর্কযুক্ত।
তবে, এই সুবিধাগুলি বিভিন্ন বড় অসুবিধাগুলি দ্বারা অফসেটের চেয়ে বেশি, যা হ'ল:
অনেকগুলি ব্যয় স্থির থাকে বা একটি নির্দিষ্ট উপাদান থাকে এবং তাই বিক্রয়ের সাথে সম্পর্কিত হয় না। উদাহরণস্বরূপ, ভাড়া ব্যয় বিক্রয়ের সাথে আলাদা হয় না। অনেক ব্যালেন্স শীট আইটেমগুলি স্থির সম্পত্তি এবং debtণের মতো বিক্রয়ের সাথেও সম্পর্কিত হয় না।
স্টেপ কস্টিং প্রযোজ্য হতে পারে, যেখানে ব্যয়টি পরিবর্তনশীল হয় তবে বিক্রয় মাত্রা যখন অন্য ভলিউম স্তরে পরিবর্তিত হয় তখন বিক্রয়ের বিভিন্ন শতাংশে পরিবর্তিত হয়। উদাহরণস্বরূপ, ইউনিট গণনা প্রতি বছর 10,000 কেটে যাওয়ার পরে ক্রয় ছাড়গুলি ক্রয়ের ক্ষেত্রে প্রযোজ্য হতে পারে।
এই পদ্ধতিটি সঠিক পূর্বাভাস দেওয়ার জন্য, কেবলমাত্র নির্বাচিত ব্যয় এবং ব্যালেন্স শীট আইটেমগুলিতে বিক্রয়ের সাথে নিবিড়ভাবে সম্পর্কযুক্ত হওয়ার প্রমাণিত রেকর্ড রয়েছে এমন ক্ষেত্রে এটি প্রয়োগ করা ভাল। এই আইটেমগুলির বাইরে, কেবল বিক্রয় মাত্রা ব্যতীত অন্য কারণগুলিকে অন্তর্ভুক্ত করে বিশদ, লাইন বাই লাইন পূর্বাভাসটি বিকাশ করা আরও ভাল। এই আরও নির্বাচনী পদ্ধতির ফলে বাজেট পাওয়া যায় যা প্রকৃত ফলাফলের আরও ঘনিষ্ঠভাবে পূর্বাভাস দেয়।
