熟女人妻水多爽中文字幕,国产精品鲁鲁鲁,隔壁的少妇2做爰韩国电影,亚洲最大中文字幕无码网站

    經常有人問，需求預測多準才對？答案是，這取決于你所在的行業。比如在工業產品領域，批量小、品種多，60%的預測準確度可能就相當不錯；但在汽車制造、家電、消費品行業，這樣的準確度可能意味著災難。

預測準確度究竟要多高

    美國有個叫ToolsGroup的公司做過調研，說消費品的預測準確度在85%上下，零售業跟消費品差不多，而工業品就低得多，只有70%不到。這主要應該是針對北美企業，采用的是月度預測。

    根據Gartner的調查，消費品公司的預測準確度在50%到60%之間。這一數字明顯低于ToolsGroup的統計。不過Gartner的統計方法相當嚴苛，是基于SKU和庫位層面，統計方法是絕對差的百分比（MAPE），即預測的準確度=(1-(|實際值-預測值|)/實際值)*100%[2]。

    其實，預測的準確度要多高才算高，其意義不是有些人想象的那么大。在我們看來，圍繞預測準確度，更重要的是對偏差的分析，理解偏差的誘因，采取糾偏措施，提高未來預測的準確度。

    這里還要提醒的是，預測的準確度是個多維概念，一定要弄清楚其中的細節：（1）產品層面還是SKU層面？產品層面的預測準確度可以很高，而SKU層面的則會低很多；（2）工廠層面還是渠道層面？工廠層面可以很高，但銷售更關注的是具體的渠道。（3）提前多久的預測作為基準？是M-1（上個月做的預測），還是M-2、M-3？

    企業也經常在時間單元上做文章。時間單元越小，預測的準確度就越低，反之亦然。生產希望時間單元越小越好，最好是天，如果不是小時的話，因為那是他們安排資源的方式。再不行，周。銷售的要求就沒有那么細，月度即可。不過對生產來說，月度的第一天和最后一天、第一周和最后一周可大不一樣。所以按月統計，離解決生產的日常產能安排尚有距離。

    對供應鏈來說，SKU層面的預測準確度最好。但是，這個層面的準確度一般都很低，我們熟悉的一些公司只有百分之二三十，實在太寒磣了。對有些產品來說，從生產工藝的角度看，SKU層面的區別很小，統計這一層面的預測準確度或許沒太大意義，如果考慮到為評估而花費的資源的話。

預測不是衡量準確性，而是偏差率

    預測就如賭博，賭對說明了什么？說明了你幸運。我們其實是很難分析賭對的原因，除了基本的“從數據出發，由判斷結束”的需求預測流程，以及選擇更合適的數理統計模型。

    對于需求預測來說，堅持基本原則就是選擇最合適的統計模型，走“從數據出發，由判斷結束”的基本流程。而要避免的失敗呢，則得從預測的偏差率中去發現——所有的預測都是錯的，識別偏差，糾正差別就是調整預測的過程。需求預測就如發射導彈，一路飛去，一路糾偏。命準目標的過程其實就是糾正偏差的過程。

    讓我們先來看偏差怎么計算。概念上很簡單：實際值與預測值的差就是偏差。但預測是個循環更新的過程，如果每月滾動的話，每一個月就有個預測。那究竟該用哪個月的預測來計算偏差？這取決于供應鏈的響應周期：在一般的行業，生產周期加上長周期物料的采購前置期，大概在3個月左右。因此，理論上講，用三個月前的預測（M-3）最合理：1月份，你告訴我4月份的預測是100個，我就按照這個來采購、生產。結果4月份的實際需求是80個，那么偏差就是20個，偏差率是25%。

    M-3的偏差率一般會非常高，會揭示太多的“問題”。而最大的問題呢，就是預測做得太早而不準，解決方案就是縮短供應鏈的響應周期，這樣我們就不需要那么早地做預測了。所以時間是最大的因素，對于需求預測來說又不可控，反倒把很多別的可控因素給掩蓋了。

    有些企業用M-1來統計偏差，用1個月前的預測作為基準。這有一定的合理性，因為一般的行業，需求預測的凍結期大概是1個月以內（意味著數量、配置和日期都不能改變），如果進入凍結期還改變預測，那對生產和供應鏈的代價很高，所以必須嚴加控制。半凍結期大概在1到2個月，這段時間內的需求變化呢，對不起，供應鏈你就想辦法消化吧。就這樣，凍結期內的問題由銷售買單；半凍結區內的變動由供應鏈買單，兩頭一湊，算是個折中方案吧。

    其實，采用多久前的預測做基準，是銷售與供應鏈力量博弈的結果：銷售的力量越強，就選擇近期的預測做基準；供應鏈的胳膊越“粗”，就越可能用更久前的預測做基準。想必我們現在也清楚了，如果兩家公司都說他們的預測偏差是30%時，如果一個用的是M-1，另一個是M-3，那他們的差距可不是一點點喔。

    定義好了偏差怎么計算，讓我們進一步探討差異是怎么分析的。總的來說，我們感興趣有幾個方面：絕對偏差（絕對值），相對偏差（百分比），偏差的方向（偏見）。

    先說絕對偏差。假定需求預測是100，實際需求是80，那么絕對偏差就是20。除以實際需求80，就得到絕對百分比偏差25%。絕對百分比讓不同的產品有了可比性，所以是差異分析中較常用的一種。不過你看得出，絕對百分比掩蓋了偏差方向，沒法判斷預測是虛高還是虛低。比如需求預測是60，實際需求是80，其百分比差異也是25%。但你知道，這是預測虛低，會造成短缺，跟預測100、實際80造成的過剩不一樣，對供應鏈的影響也不同。

    這就是為什么有些公司拿掉絕對值，直接計算預測和實際的偏差百分比。這種偏差可以清楚地判斷預測與實際的偏差方向，以揭示需求預測中的系統性偏見。比如"由判斷結束"中，有幾個銷售人員習慣性地高估需求，而別的銷售人員時高時低，更加符合統計學規律。根據這樣的分析，就可有針對性地采取組織措施，糾正這幾個銷售人員的行為。

    有的公司把預測和實際的偏差值累計起來，就得到累計偏差，以判斷預測的累計影響。比如而1月、2月、3月的預測偏高，4月、5月、6月的偏低，半年加起來可能抵消，從而沒有造成呆滯庫存。不過這并不意味著完美無缺。比如基于前三個月的過高預測，供應鏈可能不得不趕工加急，造成額外的運營成本；由于后三個月的預測偏低，工廠可能遣散一部分員工，產生遣散費用。可以說，一旦匯總，我們可能會冒喪失某些信息、掩蓋某些問題的風險，所以，預測的累計偏差一般不獨立使用，而是和別的偏差指標一起用。

    此外，還有很多偏差的統計方法，比如統計預測值與實際值之間的方差、均方差，來衡量偏差的幅度和離散度。但不管用什么樣的統計方法，超過一定限度的會成為異常值，需要根源分析，采取糾偏措施。需求預測雖說是“預測”，其實大部分時間都在糾偏：發現差異，分析差異，理解差異，采取糾偏措施，比如更換統計模型，與銷售、市場、產品管理會面討論和關聯職能協商等。正是通過處理一個個的“例外”，我們才得以避免失敗，從而能夠成功。

    （注：劉寶紅，供應鏈管理暢銷書作者，“供應鏈管理專欄”創始人，美國亞利桑那州立大學MBA。他的暢銷書包括《供應鏈管理：高成本、高庫存、重資產的解決方案》《采購與供應鏈管理：一個實踐者的角度》《供應鏈管理：實踐者的專家之路》。十多年來，他一直在美國研究和實踐供應鏈管理，經常往返于中美之間，培訓本土采購、計劃與供應鏈管理人才，幫助本土企業提高采購與供應鏈管理水平。如欲聯系他，可電郵bob.liu@scm-blog.com，或訪問他的網站（www.scm-blog.com）查詢最新培訓信息。）