供應(yīng)鏈管理就是要讓供應(yīng)和需求相互匹配。需求是所有供應(yīng)鏈活動(dòng)的源頭，了解、預(yù)測(cè)需求信息是非常重要的，這將幫助我們更好地規(guī)劃供應(yīng)鏈，實(shí)現(xiàn)產(chǎn)銷(xiāo)平衡，達(dá)成各項(xiàng)財(cái)務(wù)指標(biāo)，比如銷(xiāo)售、庫(kù)存和運(yùn)費(fèi)等。

需求驅(qū)動(dòng)Demand Driven的供應(yīng)鏈已是主流的模式，替代了傳統(tǒng)的以產(chǎn)定銷(xiāo)的模式。供應(yīng)鏈管理需要一套有效的預(yù)測(cè)流程，這是今天文章重點(diǎn)討論的內(nèi)容。

1.明確預(yù)測(cè)的目的

為什么要做預(yù)測(cè)？因?yàn)槲覀兿胍牢磥?lái)的趨勢(shì)會(huì)是怎么樣的，月末庫(kù)存金額會(huì)有多少？運(yùn)費(fèi)是否會(huì)超出預(yù)算？逾期訂單數(shù)量是否會(huì)降低？這些是我們想要了解的情況。

我們不是為了預(yù)測(cè)而去預(yù)測(cè)，而是出于某種原因，所以一定要明確目的是什么。預(yù)測(cè)是某個(gè)供應(yīng)鏈流程中的一部分，比如它是S&OP中很重要的一個(gè)步驟，用于預(yù)測(cè)和管理未來(lái)的需求，然后在公司內(nèi)部建立一座橋梁，與供應(yīng)形成平衡。

因此，預(yù)測(cè)是工具，而不是目的。

2.明確預(yù)測(cè)的內(nèi)容和時(shí)間范圍

首先來(lái)看預(yù)測(cè)的內(nèi)容，也就是預(yù)測(cè)什么東西。最常見(jiàn)的內(nèi)容是產(chǎn)品的銷(xiāo)售量、需求、庫(kù)存。

我們還要定義預(yù)測(cè)的層級(jí)，是某款產(chǎn)品SKU，是整個(gè)產(chǎn)品系列Product family，還是公司Overall的總體情況？這是第一個(gè)要明確的事情。

接下來(lái)就是預(yù)測(cè)的時(shí)間范圍，也叫做Time horizon。這是什么概念？預(yù)測(cè)是對(duì)未來(lái)的一種估計(jì)，所以時(shí)間是一個(gè)維度。

在繪制預(yù)測(cè)圖表時(shí)，時(shí)間是在X軸上的，由近到遠(yuǎn)，向著右側(cè)延伸出去，構(gòu)成了一道水平線(xiàn)，這就是Time horizon的意思，通常我們把它叫做時(shí)間范圍或是跨度。

時(shí)間是有單位的，小時(shí)、天、周、月和年，我們會(huì)根據(jù)預(yù)測(cè)的目的來(lái)選擇合適的時(shí)間單位。

當(dāng)我們要做公司的五年規(guī)劃時(shí)，這是戰(zhàn)略層面的，所以時(shí)間跨度是最長(zhǎng)的。有一些大型基礎(chǔ)設(shè)施的投資建設(shè)周期很長(zhǎng)，需要預(yù)見(jiàn)到十年、二十年后的需求情況。

在戰(zhàn)術(shù)層面通常是以月或是周為單位，我們需要考慮短期的產(chǎn)能規(guī)劃、 主 生產(chǎn)計(jì)劃和庫(kù)存計(jì)劃等。例如，S&OP一般是以月度為單位執(zhí)行，它屬于是戰(zhàn)術(shù)層面的流程。

執(zhí)行層面是每天或每小時(shí)的具體活動(dòng)，包括具體要生產(chǎn)什么商品，或每天需要安排幾輛卡車(chē)運(yùn)貨之類(lèi)的事情。

3.選擇預(yù)測(cè)的方法和模型

我們可以選擇定性的或定量的方法，或把兩者混合起來(lái)使用。定性是一種主觀的判斷方法，最貼近預(yù)測(cè)對(duì)象的人群能提供較為準(zhǔn)確的預(yù)測(cè)。

我們會(huì)詢(xún)問(wèn)銷(xiāo)售人員關(guān)于市場(chǎng)需求的情況，因?yàn)樗麄兪请x客戶(hù)最近，也是最懂市場(chǎng)的人。一線(xiàn)人員能夠反饋?zhàn)钫鎸?shí)的信息，所以他們的輸入信息質(zhì)量很高。

主觀判斷的基本邏輯是“總會(huì)有人知道情況”，具體的方法就是讓合適的人來(lái)做判斷。

還有一種定性的方法是專(zhuān)家判斷，也就是著名的德?tīng)柗品―elphi method。

這是讓一群專(zhuān)家通過(guò)匿名調(diào)查的方式來(lái)進(jìn)行集體判斷，群策群力可以避免踩坑。俗話(huà)說(shuō)“三個(gè)臭皮匠，頂個(gè)諸葛亮”，何況是專(zhuān)家的智慧呢。

我們更多地使用定量方法，其中最著名的就是時(shí)間序列Time series。正如前文所述，我們是在預(yù)測(cè)未來(lái)，時(shí)間是基本的維度。組成時(shí)間序列的元素有需求的基線(xiàn)、季節(jié)性因素、趨勢(shì)和其他因素。

時(shí)間序列預(yù)測(cè)的方法有“好天真”的Na?ve、“被平均”的移動(dòng)平均Moving average和“很靈活”的指數(shù)平滑Exponential Smoothing。

還有一個(gè)定量的方法就是因果模型。凡事有因必有果。天氣轉(zhuǎn)熱了，羽絨服的需求就會(huì)下降。

2021年足壇巨星梅西、C羅轉(zhuǎn)會(huì)去了新的足球俱樂(lè)部，他們的新球衣銷(xiāo)量直線(xiàn)飆升。需求是由一些潛在因素引起的，我們可以通過(guò)數(shù)學(xué)模型，建立起因果之間的聯(lián)系，推算出需求數(shù)量。

如果我們有歷史數(shù)據(jù)，而且趨勢(shì)比較穩(wěn)定，可以使用時(shí)間序列預(yù)測(cè)。如果沒(méi)有數(shù)據(jù)，或者趨勢(shì)經(jīng)常變化，最好的辦法是根據(jù)引起趨勢(shì)變化的因素，來(lái)制定一個(gè)有關(guān)聯(lián)性的預(yù)測(cè)。

4.收集數(shù)據(jù)

數(shù)據(jù)是最重要的輸入信息，我們需要根據(jù)預(yù)測(cè)的內(nèi)容來(lái)收集對(duì)應(yīng)的數(shù)據(jù)。

如果要預(yù)測(cè)運(yùn)輸費(fèi)用，我們需要收集的信息有歷史運(yùn)輸費(fèi)用、工廠未來(lái)的訂單數(shù)量、貨物的體積重量、送貨和發(fā)貨頻率和原材料采購(gòu)量等。

如果要預(yù)測(cè)原材料庫(kù)存金額，我們需要的數(shù)據(jù)包括SKU清單和采購(gòu)單價(jià)、未來(lái)12個(gè)月的需求、采購(gòu)的前置時(shí)間Lead time、運(yùn)輸時(shí)間和頻次等。

與預(yù)測(cè)內(nèi)容無(wú)相關(guān)性的數(shù)據(jù)就不需要收集。在收集數(shù)據(jù)時(shí)，我們要注意數(shù)據(jù)的質(zhì)量，先要進(jìn)行數(shù)據(jù)清理，把不合理或是錯(cuò)誤的數(shù)據(jù)剔除掉。除此之外，如果數(shù)據(jù)顯示出很強(qiáng)的季節(jié)性，就用去季節(jié)性的方法將其暫時(shí)去除。

5.使用歷史數(shù)據(jù)測(cè)試模型

預(yù)測(cè)模型是否有效？我們要測(cè)試一下選用的模型。如果我們有歷史數(shù)據(jù)，準(zhǔn)備一個(gè)從現(xiàn)在開(kāi)始的，持續(xù)幾個(gè)時(shí)間段的預(yù)測(cè)結(jié)果，并將它與實(shí)際歷史結(jié)果進(jìn)行比較。

我們可以用實(shí)際的數(shù)值減去預(yù)測(cè)值，得到誤差值，然后進(jìn)行分析。常用的檢驗(yàn)預(yù)測(cè)數(shù)據(jù)的方法有以下這三種：

• Mean Absolute Deviation (MAD)

• Root Mean Squared Error (RMSE)

• Mean Absolute Percent Error (MAPE)

我們可以使用多種方法進(jìn)行預(yù)測(cè)，然后找到最合適的方法。

6.實(shí)施預(yù)測(cè)

我們?cè)谶M(jìn)行了必要的調(diào)整后，使用合適的預(yù)測(cè)模型。如果季節(jié)性因素在之前的數(shù)據(jù)清理中去除了，現(xiàn)在就把它重新加進(jìn)去。

任何定性的調(diào)整都將在這時(shí)進(jìn)行，可以在最后的結(jié)果之上乘以一個(gè)系數(shù)，用來(lái)解決“噪音”，或者說(shuō)是給預(yù)測(cè)留一些容錯(cuò)的空間。執(zhí)行此類(lèi)調(diào)整需要聽(tīng)取一線(xiàn)人員的建議，單純依賴(lài)于模型，可能會(huì)出現(xiàn)偏離現(xiàn)實(shí)的情況。

7.定期回顧，提高預(yù)測(cè)模型的準(zhǔn)確性

正如預(yù)測(cè)中著名的原理“預(yù)測(cè)永遠(yuǎn)都是錯(cuò)誤的”，預(yù)測(cè)存在一定的錯(cuò)誤區(qū)間，也就是預(yù)測(cè)值和實(shí)際值之間的差。我們需要定期審查和改進(jìn)模型，提高準(zhǔn)確性、避免預(yù)測(cè)過(guò)高或過(guò)低的傾向。