关注我们:新浪微博腾讯微博QQ空间
首页 > 资讯 > 管理

关于预测准确度的两个问题

文: | 2018年第一期 (0) | (0)

    经常有人问,需求预测多准才对?答案是,这取决于你所在的行业。比如在工业产品领域,批量小、品种多,60%的预测准确度可能就相当不错;但在汽车制造、家电、消费品行业,这样的准确度可能意味着灾难。

预测准确度究竟要多高

    美国有个叫ToolsGroup的公司做过调研,说消费品的预测准确度在85%上下,零售业跟消费品差不多,而工业品就低得多,只有70%不到。这主要应该是针对北美企业,采用的是月度预测。

    根据Gartner的调查,消费品公司的预测准确度在50%到60%之间。这一数字明显低于ToolsGroup的统计。不过Gartner的统计方法相当严苛,是基于SKU和库位层面,统计方法是绝对差的百分比(MAPE),即预测的准确度=(1-(|实际值-预测值|)/实际值)*100%[2]。

    其实,预测的准确度要多高才算高,其意义不是有些人想象的那么大。在我们看来,围绕预测准确度,更重要的是对偏差的分析,理解偏差的诱因,采取纠偏措施,提高未来预测的准确度。

    这里还要提醒的是,预测的准确度是个多维概念,一定要弄清楚其中的细节:(1)产品层面还是SKU层面?产品层面的预测准确度可以很高,而SKU层面的则会低很多;(2)工厂层面还是渠道层面?工厂层面可以很高,但销售更关注的是具体的渠道。(3)提前多久的预测作为基准?是M-1(上个月做的预测),还是M-2、M-3?

    企业也经常在时间单元上做文章。时间单元越小,预测的准确度就越低,反之亦然。生产希望时间单元越小越好,最好是天,如果不是小时的话,因为那是他们安排资源的方式。再不行,周。销售的要求就没有那么细,月度即可。不过对生产来说,月度的第一天和最后一天、第一周和最后一周可大不一样。所以按月统计,离解决生产的日常产能安排尚有距离。

    对供应链来说,SKU层面的预测准确度最好。但是,这个层面的准确度一般都很低,我们熟悉的一些公司只有百分之二三十,实在太寒碜了。对有些产品来说,从生产工艺的角度看,SKU层面的区别很小,统计这一层面的预测准确度或许没太大意义,如果考虑到为评估而花费的资源的话。

预测不是衡量准确性,而是偏差率

    预测就如赌博,赌对说明了什么?说明了你幸运。我们其实是很难分析赌对的原因,除了基本的“从数据出发,由判断结束”的需求预测流程,以及选择更合适的数理统计模型。

    对于需求预测来说,坚持基本原则就是选择最合适的统计模型,走“从数据出发,由判断结束”的基本流程。而要避免的失败呢,则得从预测的偏差率中去发现——所有的预测都是错的,识别偏差,纠正差别就是调整预测的过程。需求预测就如发射导弹,一路飞去,一路纠偏。命准目标的过程其实就是纠正偏差的过程。

    让我们先来看偏差怎么计算。概念上很简单:实际值与预测值的差就是偏差。但预测是个循环更新的过程,如果每月滚动的话,每一个月就有个预测。那究竟该用哪个月的预测来计算偏差?这取决于供应链的响应周期:在一般的行业,生产周期加上长周期物料的采购前置期,大概在3个月左右。因此,理论上讲,用三个月前的预测(M-3)最合理:1月份,你告诉我4月份的预测是100个,我就按照这个来采购、生产。结果4月份的实际需求是80个,那么偏差就是20个,偏差率是25%。

    M-3的偏差率一般会非常高,会揭示太多的“问题”。而最大的问题呢,就是预测做得太早而不准,解决方案就是缩短供应链的响应周期,这样我们就不需要那么早地做预测了。所以时间是最大的因素,对于需求预测来说又不可控,反倒把很多别的可控因素给掩盖了。

    有些企业用M-1来统计偏差,用1个月前的预测作为基准。这有一定的合理性,因为一般的行业,需求预测的冻结期大概是1个月以内(意味着数量、配置和日期都不能改变),如果进入冻结期还改变预测,那对生产和供应链的代价很高,所以必须严加控制。半冻结期大概在1到2个月,这段时间内的需求变化呢,对不起,供应链你就想办法消化吧。就这样,冻结期内的问题由销售买单;半冻结区内的变动由供应链买单,两头一凑,算是个折中方案吧。

    其实,采用多久前的预测做基准,是销售与供应链力量博弈的结果:销售的力量越强,就选择近期的预测做基准;供应链的胳膊越“粗”,就越可能用更久前的预测做基准。想必我们现在也清楚了,如果两家公司都说他们的预测偏差是30%时,如果一个用的是M-1,另一个是M-3,那他们的差距可不是一点点喔。

    定义好了偏差怎么计算,让我们进一步探讨差异是怎么分析的。总的来说,我们感兴趣有几个方面:绝对偏差(绝对值),相对偏差(百分比),偏差的方向(偏见)。

    先说绝对偏差。假定需求预测是100,实际需求是80,那么绝对偏差就是20。除以实际需求80,就得到绝对百分比偏差25%。绝对百分比让不同的产品有了可比性,所以是差异分析中较常用的一种。不过你看得出,绝对百分比掩盖了偏差方向,没法判断预测是虚高还是虚低。比如需求预测是60,实际需求是80,其百分比差异也是25%。但你知道,这是预测虚低,会造成短缺,跟预测100、实际80造成的过剩不一样,对供应链的影响也不同。

    这就是为什么有些公司拿掉绝对值,直接计算预测和实际的偏差百分比。这种偏差可以清楚地判断预测与实际的偏差方向,以揭示需求预测中的系统性偏见。比如"由判断结束"中,有几个销售人员习惯性地高估需求,而别的销售人员时高时低,更加符合统计学规律。根据这样的分析,就可有针对性地采取组织措施,纠正这几个销售人员的行为。

    有的公司把预测和实际的偏差值累计起来,就得到累计偏差,以判断预测的累计影响。比如而1月、2月、3月的预测偏高,4月、5月、6月的偏低,半年加起来可能抵消,从而没有造成呆滞库存。不过这并不意味着完美无缺。比如基于前三个月的过高预测,供应链可能不得不赶工加急,造成额外的运营成本;由于后三个月的预测偏低,工厂可能遣散一部分员工,产生遣散费用。可以说,一旦汇总,我们可能会冒丧失某些信息、掩盖某些问题的风险,所以,预测的累计偏差一般不独立使用,而是和别的偏差指标一起用。

    此外,还有很多偏差的统计方法,比如统计预测值与实际值之间的方差、均方差,来衡量偏差的幅度和离散度。但不管用什么样的统计方法,超过一定限度的会成为异常值,需要根源分析,采取纠偏措施。需求预测虽说是“预测”,其实大部分时间都在纠偏:发现差异,分析差异,理解差异,采取纠偏措施,比如更换统计模型,与销售、市场、产品管理会面讨论和关联职能协商等。正是通过处理一个个的“例外”,我们才得以避免失败,从而能够成功。

    (注:刘宝红,供应链管理畅销书作者,“供应链管理专栏”创始人,美国亚利桑那州立大学MBA。他的畅销书包括《供应链管理:高成本、高库存、重资产的解决方案》《采购与供应链管理:一个实践者的角度》《供应链管理:实践者的专家之路》。十多年来,他一直在美国研究和实践供应链管理,经常往返于中美之间,培训本土采购、计划与供应链管理人才,帮助本土企业提高采购与供应链管理水平。如欲联系他,可电邮bob.liu@scm-blog.com,或访问他的网站(www.scm-blog.com)查询最新培训信息。)

 

发表评论

网友评论仅供其表达个人看法,并不表明控制与传动周刊同意其观点或证实其描述

杂志订阅

填写邮件地址,订阅精彩资讯:

杂志目录

更多往期杂志

关注我们:

新浪微博腾讯微博QQ空间

友情链接:

纸质杂志

给我们写信