English

企业如何才能做好预测?

浏览量:417  发布时间:2021-07-27


0101




笔者在上篇文章【达睿原创】企业要不要做预测?中深入探讨了企业需不需要做预测。毫无疑问,预测对企业来说十分重要,所以企业必须要做预测!而预测似乎又是个十分复杂、深奥的课题,那企业应该怎么样才能把预测做好呢?本文就如何做好预测这件事再进行深入的探讨,为大家提供一些思路。



1首先,预测的实质是需求计划,是需求管理流程而不只是填数游戏。


很多人或者很多企业认为,预测就是填个未来需求的预测数量,或者由销售来填,或者由相关的责任部门或者责任人来填。预测当然是对未来需求量进行预估或者预计,通过统计模型或者人工的数学计算得出来的统计预测结果,不能作为企业最后的预测结果录入系统后产生作用,需要通过需求计划管理流程,合并成不受限制预测,作为产销协同的预测录入,还需考虑供应限制,形成最终受限制的最终预测结果录入,所以企业预测绝不是简单的填数游戏。我们不能忽略需求计划的协同作用,许多优秀企业的实践证明通过各部门的携手合作,将有助于消除信息不对称,将极大的改善需求预测的质量。让我们来看看以下的图,这是一个需求计划流程的例子,我们可以看到,预测的输入有多个入口,而涉及的部门也有个部门,通过协作形成最终的预测。


10


1.  企业需要做基准预测,也就是统计预测,而统计预测需要建立在历史销售数据的基础上,但是历史销售数据,会有很多的干扰因素,比如,产品促销,营销活动,客户退货,甚至由于企业或客户政策因素影响的交货偏差等,都会对销售结果产生重大的影响,所以需要做数据清洗或者清理。没有高质量的基础数据,就不可能有准确/精确的基准统计预测结果,因为错误的数据将误导或者产生错误与偏差的统计预测模型。如果数据不做清洗,一是我们无法知道数据应该有的原始形态,适用于什么样的预测模型;二是如果直接用这个数据进行下一周期的预测,将会对结果产生很大的偏差影响。举例说明一下,某产品历史销售数据清洗前后的对比图:



02



如果以此清洗前原始历史数据用于预测,势必引起供应链端和生产端一系列的连锁反应,带来放大的牛鞭效应和库存风险;而且在突然爆增销售的前很长一段时间内都没有销售,这样的预测显然也是跟实际不相符的,也是无法正确指导未来的预测的。数据清洗过后我们可以看到这是一个非常平稳的销售数据,说明产品应该处于成熟阶段,销售处理平衡期,相应的我们就知道应该使用什么样的预测模型进行匹配。还有,这样平稳的产品销售,是否值得做大型的促销活动,促销所带来的正面效果是否远远大于负面影响?


以上例子可以看出数据清洗必不可少,数据质量至关重要!企业首先就要做好数据管理和数据清洗,建立正确的管理流程和数据管理规范。


现在的企业各种市场活动,广告,促销,节假日活动等等行为已经成为日常,我们更加需要加强数据清洗的管理。然而现实情况是,往往很多企业,他们有很多年的历史销售数据,不过他们并没有对这些数据进行及时的清洗和处理,导致数据无法使用,这是非常可惜的事!



2. 基于清洗后的历史数据,选择好的或合适的预测模型,根据模型推断未来的预测需求,就完成了基准统计预测,但只是完成了预测的第一步除此之外:


1)企业还需要考虑客户和市场变化情况,在基准预测的基础上进行相应的调整这个往往由销售来完成,因为销售更了解客户的情况。


2)而市场营销部门则需要提供新品预测计划,以及促销计划等市场活动方面的预测,将预测加入到预测结果中,或对预测结果进行相应的调整。最终企业结合统计预测,销售预测,新品预测,市场活动预测等,才形成了最终的预测结果。其结果作为企业无限制的预测需求,这是来自客户和市场的真实需求,是不受产能约束的。


03


3. 无限制、不受产能约束的预测需求,通常并不能直接作为预测结果进行驱动物料需求计划和产能计划的直接需求,而是作为产销协同预测的输入对于这样的预测需求,能否达成,还需要考虑企业的关键资源供应的情况,如果关键资源有所约束(产能或者关键物料供应等),则需要考虑约束因素,对预测进行调整,形成有约束的最终预测结果从而驱动对物料的采购和产能的规划等,这是作为产销协同的最重要的输入部分这样的预测结果一是避免了牛鞭效应,防止过多的采购原材料或者产能的调整,这是考虑到供需平衡,经过多方面协同的协同预测结果当然有些公司可能还需要考虑其他的企业经营目标,财务指标等,也可能对协同预测进行相应的调整,而最终的协同预测的结果是为了使公司从整体出发,使公司整体效益最大化,而不是个别部门或者职能效益的最大化。


2其次,预测和需求计划的最终目的是为取得企业最佳的经营结果,而不只是追求准确性。


很多企业在KPI考核中对预测的评估,往往是只考核预测准确率,而不考核其他公司的运营指标,或者不与公司的其他运营业绩挂钩,导致预测的考核脱离实际运营结果的情况。当然,连预测准确率考核都没有或者考核方法不符合标准的的企业就更不用提了。


首先,毫无疑问,预测首先要做准确,准确考核率为其首要目的,是评估其预测质量的直接考核结果。我们通常用从系统误差偏离幅度、偏离方向和偏离量等指标结合来考核,偏离幅度主要使用MAPE,偏离方向MPE(BIAS),偏离量MSE。


但是只考核这些指标是远远不够的,如果准确率指标不与客户服务水平和库存水平挂钩,则会导致只为了预测准确率来做预测却不从业绩和市场出发,不与企业的实际经营善进行综合协同预测的情况,最终导致预测准确率虽然提高了,但客户服务水平没有达到,库存水平上升且缺货并存,经营目标没有实现的情况,这种情况在现实的企业经营中是很常见的。所以预测的准确率最终必须与企业经营指标和目标相结合。


同时基于准确率的预测考核,不应只是准确率数字上的检查比较,而是要检查数据偏离背后的原因,解释基于预测偏差产生的原因比准确率本身更为重要,因为偏差的原因是预测失真的根本因素,可能来自对市场判断的失误,或者客户信息的延迟失准等原因找到了,下次做预测的时候才能避免发生同样的错误,这样逐渐的预测质量才能提升,所以预测准确率的实质是预测质量的好坏

3预测和需求计划协同的重要性,与企业所处的业务模式紧密相关。


可能很多企业会有这样的疑问:我们的预测来自客户,但是客户的预测永远都是不准的,波动非常的大,无法根据客户的预测进行计划生产采购等经营活动,如果直接根据客户的预测去安排,会导致直接的库存上升,而且还不能满足客户服务水平要求的情况。处于这种状况的企业比比皆是。


这种情况与其相处的业务模式密切相关,这样的业务模型往往是B2B形式的业务,且与产品特点有关,这种类型其产品基本都是定制化产品或者非市场通用品。


04


所以这样的问题,其本质实际上不是预测的问题,而是客户服务与协同的问题,因为这类的客户提供的预测不是它的真实需求,而是它的经营计划。客户的需求计划与真实需求相去甚远,与客户的生产计划,库存计划,经营政策关系更密切,这些计划往往与客户的经营管理水平和供应链管理直接相关,所以无法直接根据预测模型进行推断其未来需求预测,或者需求计划。


这种模式的客户需求管理必须以客户服务协同为主,客户服务协同的目的是与客户的经营计划、生产采购计划,也就是企业的客户需求计划进行深入协同,客户的计划准确性高且客户愿意共享相关需求信息对我们的未来需求预测的判断将带来很大的帮助。同时客户需求计划协同能有效去除需求波动,去除因为各自干扰因素带来的牛鞭效应,比如安全库存设置,最小批量和最小订单量等因素带来的需求放大。


最后,请大家持续关注【达睿原创】,笔者将下篇文章将与大家分享一下关于统计预测技术和统计模型的一些相关内容。


本文作者: 达睿供应链管理咨询 肖余庆  如需转载,请注明出处。

欢迎您订阅达睿公众号DRiSCM,关注更多精彩原创。

bar code



索取
详细
资料
021-20225200

免费索取达睿详细资料请填写您的信息