预测准确度究竟要多高 | 供应链咨询案例和论丛 物流供应链咨询 智慧物流产业园区咨询

作者:刘宝红 来自:投稿 点击:

预测准确度究竟要多高

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。

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[1]。这应该主要是针对北美企业,采用的是月度预测。别的细节就不清楚,比如准确度是如何计算的,提前多久的预测作为基准等——你马上就知道,这些都是预测准确度统计的关键构成。

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。

说到这里,让我们讲个笑话。有个百亿级的多品种、小批量企业,供应链职能在不断抱怨,说预测的准确度太低。究竟有多低?答曰百分之八九十。那么高还算低?答曰这是按年算——销售说了,今年计划卖掉10个,结果到12月31日只卖掉9个,预测的准确度就是90%。啊,原来是这样。你不得不佩服人民群众的创造力。但是,这个预测准确度对供应链又能有多大意义呢?

跟很多指标一样,预测准确度如何统计,取决于职能之间力量博弈。在销售强势的企业,需求预测准确度更多地定义在产品而非SKU层面,提前期也更短,时间单元也更大。现在你知道,在那个以年为单位的企业里,销售一定是爷,供应链肯定是三孙子。作为供应链专业人士,你要跳槽的话,能去这样的企业吗?

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。比如同样式样,同样颜色,裤管26吋和28吋是两个尺码的衣服,因而是两个不同的SKU,但区别实在是小,提高生产的灵活性,通过供应链的柔性来应对,其实比花费巨大资源来提高SKU层面的预测准确度更可取。

总体而言,预测的时间维度小,短期预测难做,那解决方案呢,就是增加执行的灵活性,用执行来弥补计划的先天不足。精益生产,快速换线,交叉培训,都是增加执行灵活度的有益举措。就跟您去吃兰州拉面,多放辣椒、少放香菜、面条特细等配置看上去很多、很复杂,但没关系,大师傅看在眼里,动在手上,粗面少拉两把,细面多拉两把,照单下料就行了——这说的就是供应链的灵活性,通过提高供应链的柔性来应对,而不是花费巨大资源来提高SKU层面的预测准确度。

[1] Benchmarking Your Supply Chain Planning in 2017,作者Alicia Oriol and Frederic Rousseau,www.ToolsGroup.com。

[2]Why CPG Demand Forecasting Has Hit a Ceiling,作者Jeff Bodenstab, https://blog.toolsgroup.com/en/why-cpg-demand-forecasting-has-hit-a-ceiling。

 

相关服务

我们的客户