【技能get】如何做好需求預測？

▲關注我們，讓物流更簡單！

難以維護的大數據準確性

2016年央視3.15晚會，讓刷單產業曝光在公衆的面前。何爲刷單產業，簡單的說就是電商的商家，製造虛擬的訂單信息，包括訂單的生成，物流運輸，付款等環節，炒作商家的信用和業績，誤導消費者。

隨着刷單人羣的日益龐大，其危害性開始顯露出來，刷單讓所有的東西都變成假的，消費者被欺騙了。

不過，在我看來，被欺騙的不僅僅是消費者，電商平臺纔是最大的受害者。我們都知道，阿里巴巴是一個以大數據爲基底的公司，搜索、廣告等，都是基於大數據的深度分析，大數據是阿里巴巴需求管理的基石。大數據的基礎是豐富性，但前提是這些數據必須是準確的。

維護大數據的準確性，是一項艱鉅，持久的任務，阿里巴巴爲此還專門成立規模近百人的“炒信特戰隊”，用來清查平臺上刷單炒信行爲。隨着業務量的不斷增加，未來在這方面的投入會繼續加大，可見阿里巴巴爲了數據的真實性下了血本。

聯繫到我們的生產企業，很多都希望通過大量的基礎數據，利用某些工具得到企業的需求預測。認爲只要預測做的好，生產、銷售等環節就一定沒有問題。

但是，需求預測是非常重要的，如果能把需求預測做準，可以減少很多幹擾，但是準確的預測通常是很難做到的，因爲市場的不確定因素太多，我們的基礎數據（大數據）又難以做到準確無誤。

我們有多少企業可以像阿里巴巴那樣，爲了數據的真實性，需求預測的準確性，投入巨大的成本？

那既然需求預測很難做準，我們有什麼方法可以應對？答案是——產供銷協同。

做準需求預測——產供銷協同

關於排產

企業有三大核心職能：研發設計出好的產品（產品管理），市場開拓以實現好的銷售（需求管理），供應鏈以高效低成本保證供給（供應鏈管理）。而生產排程處於整個供應鏈的末端，又是屬於執行層面的操作，因而也就經常成了被忽略的角落。

但是在當前產品種類繁多，生產工序複雜的環境下，排好產，及時反饋交貨期雖然非常重要，但是要實現它，卻沒那麼簡單。如果沒有一個強大的工具指導排程有條不紊的進行，勢必會使得產線排程要麼過於死板，不允許插單，不允許調整；要麼就是一直處於救火的狀態，一個產品做到一半，被銷售的急電打斷，趕緊換做在催的另外一個產品，變成了誰催得急就先做誰的，完全沒有章法流程可循。最終會使得車間的管理進入惡性循環，越亂越催，越催越亂，而深層次的影響是由於無法提前反饋交貨期，客戶往往在最後一刻才被告知交貨延遲，最終導致客戶對公司信任度的下降，甚至因此而丟掉將來的訂單。

關於計劃

上面講到，企業的三大核心職能：研發設計出好的產品（產品管理），市場開拓以實現好的銷售（需求管理），供應鏈以高效低成本保證供給（供應鏈管理）。而在整個供應鏈管理中，供應鏈計劃是最核心的部分。

好的供應鏈計劃能幫助提高整個供應鏈的效率，降低庫存資金的佔用量，提升客戶的滿意度，特別是在市場需求萎縮，個性化產品更新換代加速，利潤率下降的情況下。提高供應鏈的效率和質量成爲了企業能否生存的重要因素。

古語“預則立，不預則廢。”如果沒有一個好的計劃，企業必定會被迫偏重於日後的糾正措施。計劃能幫助我們預測可能發生的問題，從而爲預防措施指明方向。採取主動的預防措施對企業供應鏈的健康運行要遠遠好於被動的事後糾正措施，但預防措施的數據獲取比較困難，分析也相對複雜。

傳統MRP缺失自下而上再分配的功能，如果能基於現有原料及產能的數據，在後臺通過嚴密的邏輯計算，整合出最靠譜的一份供貨計劃，包括針對市場部中長期預測給出的供貨計劃，從而使得在前線拼殺的銷售團隊將後方供應瞭然於心，更加從容的面對客戶。

真正好的計劃能基於現有的供需狀況，演變出未來的每個財務帳期的整體庫存、呆滯庫存和過期庫存的預測分析報告，使得各個職能部門能夠有的放矢的管理企業的庫存，企業高層管理人員和財務人員也能夠提前瞭解企業的現金流，從而做一些決策上的調整改進。

關於SAP排程

很多朋友在羣裏提到SAP系統中APO的排程工具很難使用，系統參數設定的要求很高，相關的導出報表也很不友好。

其實不單單是SAP，我接觸過的其它ERP系統，無論是國外的高大上的系統，還是國內的簡易低端的系統，生產排程這塊都不太好用。SAP是進口高檔品，價格不菲，我們的用戶花了大量的財力，人力來實施SAP，最後發現和當初的預期相差甚遠，會有很大的心理落差。SAP在國外或許好用，但移植到中國的土壤上就不見得能枝繁葉茂，就好比在德國的高速公路上開車，可以使用自動巡航，但在大多數國內的道路上定速巡航只是個擺設，實際駕駛中司機的及時調整，快速反應是必須而且異常重要的。

而國內的一些簡易ERP系統，排程的功能非常不完善甚至根本就是缺失的。

然而不管是舶來品還是本土的軟件，其相同點是：他們對參數設定的準確性要求都很高，換句話說，使用的前提條件都很苛刻。而當前國內市場的現狀是需求變化快，定製化要求越來越高，這就需要柔性化（快速調整），物料齊套等系統功能來支持排程的需求。

需求預測

前幾天有朋友提到在SAP系統中做需求預測比較難，通常得到的數據無法直接運用。對此，我也感同身受。

首先，需求預測是非常重要的，如果能把預測做準，可以減少很多的干擾，但是準確的預測通常很難做到。因爲市場不確定的因素太多，需求很難把控。

爲什麼需求預測很難做好呢？

1. 通常我們用歷史實際需求通過數模來反映將來的需求趨勢，這麼做的弊端是，在中國市場情況不斷快速變化，產品更新換代頻繁的商業環境下，歷史往往很難代表將來。也不可能用幾種數學模型來模擬各種不同的紛繁複雜的，不停變化的市場情況。

同時要拿到真實的歷史數據比較難，例如，客戶的真實需求是每月100個，一般在月初就出給客戶，但是第二個月由於某些原因，在第一個月的最後一天將貨提前出給了客戶，這樣系統出貨的歷史數據就是連續三個月200, 0, 100。每月100的需求和200，0，100的需求這兩種情況，經過數模計算出來的結果是有很大差異的。如果要做到精確，需要人工剔除掉異常情況（如客戶早拿貨，節假日…..）。如何知道哪些情況是需要手工剔除的，並且在運行系統前調整好，工作強度，難度都非常大。

2.僅僅基於銷售提供的需求預測, 就直接拿來當成需求的話，一般會偏大。因爲銷售關注的主要是如何完成銷售指標，庫存多少對他們來說是次要的。每個部門都會將自身的KPI放在首位，這也無可厚非。

目前較好的做法是：

1.基於系統歷史數據產生統計學上的模擬需求預測（Statistic Forecast)

2.由業務部門主導，基於Statistic Forecast，和新的市場情況（比如多了一家分銷商,臨時的促銷計劃），來相應地調整需求預測。

3.根據業務部調整後的需求預測，預估這版需求預測能支持多少銷售額。同時和公司的銷售指標對比，判斷需求預測是否合理。例如，需求預測可以支持500萬的銷售額，但是公司銷售指標只有200萬，碰到這種情況，需要看一下，到底是銷售指標不合理，還是業務團隊給的需求過大，這是在總量上的把控。具體到每個產品上，做相應的調整，使銷售預測跟銷售指標保持協同。

需求計劃和供給計劃一樣，在中國特有的市場環境下，需要加快更新的頻率。目前很多企業每月做一次需求預測，頻率太低，如果我們review的流程和工具是合適的，那我們可以用高效的方式，快速地更新市場預測，同時以更新好的市場預測，通過MRP來快速調整物料供給計劃。

總之，如果我們能把需求和供給做準，那最好，這樣更新的頻率可以降低。但是在沒有能力提高準確率之前，只能提高再平衡，更新的次數和頻率，來糾正之前不準確的需求預測造成的執行結果。但是增加頻率如果靠手工計算整合，效率低下且準確率不高，唯一的出路是是充分、有效的利用ERP系統，計算交給系統，系統產生報表來快速反饋並指導前後端的調整。

文章轉載自喬諾商學院，由Soo56編輯，供行業參考學習。

如果您對物流感興趣可以掃碼關注Soo56