e-works数字化企业网  »  文章频道  »  管理信息化  »  SCM及物流

五分钟迅速了解预测的三条著名原理

2022/7/12    来源:微信公众号《弘毅供应链》    作者:卓弘毅      
关键字:预测  供应链  
理解预测的三个原理,可以帮助供应链人员更好地使用预测工具,为决策提供洞察,制定合适的策略。
       预测是供应链中广泛使用的方法,比如我们要预测未来的销售额、库存、运费等等,预测的目的是想要根据现在的情况,来推测出未来的结果,为决策找到依据。关于预测有三条非常著名的原理。

一、预测永远都是错误的

       这简直是“开屏暴击”!既然预测都是错误的,那我们还在讨论什么?!大家先不要急着点击退出键,让我先解释为什么说预测是错误的。

       以销售预测为例,想要精准地预测出上海所有的肯德基门店每天卖出的炸鸡块数量,难度堪称是海底捞针。

       原因是销量数字是一个连续的变量,是一个很大的正整数,想要从这么多数字中准确地预判到实际的量,这几乎是MissionImpossible。

       再比如说,我要预测我的月末的库存金额,而我现在持有的库存高达9位数,想要预测到准确数字的可能性几乎为零。

       预测存在着巨大的不确定性,很难捕捉到它,这就是为什么说“预测永远都是错误的”。

       不过呢,我们也不用气馁。虽然预测很难,但是我们可以找到预测的错误区间,也就是说,准确的数字就在这个区间之内,我们把预测的结果看作是一个范围,一种指引,告诉我们正常的方向。

       例如,我们的需求量正在减少,已制定的库存策略是降低库存金额,我预测出库存会逐渐下降,当期的数字应该体现出低落的趋势,这说明我们采取了有效的行动,控制住了库存。

       由于预测和实际结果之间永远存在偏差,有些人会说“既然预测是错误的,那么我们就不要做了”。

       这种观点是不正确的。预测虽然是错误的,但它提供了一个范围。我们跟踪预测的误差,然后就可以优化流程,调整模型或参数,最终提高预测的准确性。

二、近期预测的准确性高于远期的

       这是最容易理解的一条原理。大家可以想象一下天气预报,气象台预测明天的天气一般都是很准的,气温是几度,会不会下雨,准确率高得惊人。

       预测明天的天气很容易,但是预测三个星期以后的天气就很难了,相信大家都有这方面的经验。

       这种现象是非常合理的,我们对于未来短期会发生的事情更有把握。

       举个例子,如果要我预测下周会发运哪些客户的订单,我可以拍胸脯告诉你结果,因为我知道许多订单已经完成了,就在仓库里。

       运输车辆都已经安排好了,而且是常年合作的运输车队,不出意外的话,是可以按照原先的计划出货的。

       我对于未来一周的运营情况很有信心。但是要我预测三个月以后的订单出货就比较难了,因为供应链存在许多不确定性。

       工厂的设备可能会出现故障、生产的原材料可能供应不上、或是客户所在城市出现了疫情,物流可能被中断。

       这三个月内发生的任何事情,都可能会影响到原来的计划,必然会降低了远期的预测准确率。这是难以避免的事情。

       正是由于预测的这个特点,有经验的人会利用短期预测,从而提高准确率。

       餐馆老板会根据天气情况,结合历史销售额,推测翌日客流量,然后再决定备货数量,就可以更精准估算进货量,降低热销菜品缺货风险,同时减少食材浪费。

三、汇总的预测比分离的预测更准确

       汇总和分离在供应链中的术语分别是Aggregate和Disaggregate,从单词的前缀上看得出它们是一对反义词。

       我们在做预测的时候,通常都是针对一个较为分离的目标,比如预测一家肯德基门店里每天的炸鸡块销量,这里涉及到了三个维度,分别是地点、SKU和时间。

       地点是某地的一家门店,SKU是店里销售的炸鸡块,而时间是每个营业日。此类的预测是很正常的,是高度分离的预测水平,这就是所谓的Disaggregate。

       分离预测的准确性往往是比较低的,炸鸡虽然美味好吃,但我们也不会天天吃,肯定要换换口味,比如吃个蛋挞。离散的需求一般很难把握得住。

       再比如说,某种颜色的体恤衫的销售就是分离预测,我们很难预见到蓝色、黑色、黄色或是粉色衣服各能卖出多少件,因为个体商品销售的波动性太大了。

       如果我们把这些体恤衫的销量汇总起来,从产品系列Productfamily的层级上做预测,可以提高准确率,这就是汇总Aggregate。

       假设在产品系列里,每个SKU的预测过高和过低的可能性是一样的,低估往往能平衡高估的数字,它们可以相互抵消。

       这是一种非常奇妙的现象,它的原理是风险汇总 RiskPooling,意思是把个别的风险合并到同一个池子里,而池子里的总体风险往往小于流入池子的所有风险的平均值。

       风险代表的是不确定性,波动性越大,不确定性也就越大。在统计学中,我们使用变异系数(Coefficientof Variation,简称CV)来反映波动性,计算方法是用标准差StandardDeviation (σ)除以平均数(µ)。

       假设四种颜色体恤衫的销售量都有相同的标准差和平均数,如下表:
表1 四种颜色体恤衫销售量的标准差和平均数

四种颜色体恤衫销售量的标准差和平均数


       它们的变异系数都等于是0.4,这也是CV的平均值。如果我们计算四种体恤衫汇总的变异系数,就会得到这样的结果。
表2 四种体恤衫汇总的变异系数

四种体恤衫汇总的变异系数


       汇总的平均数是简单地用100乘以4,得到了400,而汇总的标准差却只有80,这是为什么呢?

       因为根据标准差的计算公式,它需要乘以√N,也就是√4=2。这样一来,平均数乘以了4,而标准差只乘以2,CV就变成了0.2,也就是说汇总后的波动性和风险更小了,更加稳定了。

       这一段文字有些烧脑,其中包含了统计学的知识,如果没接触过这些内容的同学可能理解起来有些费劲。

       不过没关系,我们只需要掌握这条预测的原理,那就是汇总的预测比分离的预测更准确。

       事实上,在我们的生活中有许多这方面的应用。

       在我的《供应链管理起源于日常生活,一间上海街头早餐铺子给我的启示》这篇文章中,早餐店老板很难预测每天会有多少顾客购买淡浆、甜浆或是咸浆,他非常聪明地把这三种产品汇总在一起进行预测,并巧妙地设置了推动和拉动的平衡点。

       老板既提高了预测准确率,也加快了订单响应速度,减少了食品浪费。这是经典的供应链延迟策略,它利用了汇总预测更加准确的特点,降低了波动性和风险。

       汇总不仅可以从SKU产品角度入手,也可以从地点和时间维度上展开。我们把某地区所有门店的销量汇总起来预测,准确性肯定高于单个门店。预测一整年的销售情况,肯定比某个月份更加精准。

       理解预测的三个原理,可以帮助供应链人员更好地使用预测工具,为决策提供洞察,制定合适的策略。
责任编辑:程玥
本文为授权转载文章,任何人未经原授权方同意,不得复制、转载、摘编等任何方式进行使用,e-works不承担由此而产生的任何法律责任! 如有异议请及时告之,以便进行及时处理。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐