Previziunea stocurilor pentru non-specialiști în date sună mai complicat decât este. Majoritatea echipelor nu au nevoie de un model tip cutie neagră. Au nevoie de un istoric de vânzări curat, de o metodă repetabilă și de un mod de a detecta când datele mint. Dacă un produs a fost lipsă vinerea trecută, tabelul nu are o problemă de matematică - are o problemă de context.
Aceasta e o veste bună, pentru că metodele simple sunt adesea mai solide decât se așteaptă lumea. În analiza lui Green și Armstrong din Journal of Business Research, autorii au găsit 97 de comparații în 32 de lucrări și niciun echilibru de dovezi că o complexitate suplimentară îmbunătățește acuratețea previziunii. Previziunea rămâne dificilă, dar primul câștig vine de obicei din disciplină, nu din software sofisticat.
O previziune utilă nu este cea cu cele mai multe tab-uri. Este cea pe care un cumpărător o poate explica, contesta și folosi înainte de termenul următor de comandă.
Ce face de fapt o previziune utilă a stocurilor
O previziune este o estimare a cererii viitoare pe o fereastră definită. Pentru stocuri, acea fereastră ar trebui să corespundă ritmului tău de achiziție: timpul de livrare al furnizorului plus intervalul până la următoarea evaluare. Dacă comanzi în fiecare luni și furnizorul livrează în 21 de zile, te interesează următoarele 28 de zile, nu o medie anuală teoretică.
O previziune îți dă suficient avertisment ca să recomanzi înainte ca articolele A să ajungă la rupturi evitabile.
Împiedică produsele cu rotație lentă să absoarbă capital circulant doar pentru că cineva a comandat un pic în plus ca să se simtă în siguranță.
Vânzări, achiziții și operațiuni pot dezbate un singur număr în loc să apere trei intuiții diferite.
Previziunile nu sunt promisiuni. Sunt puncte de plecare. Tot trebuie să adaugi problemele cu furnizorii, evenimentele comerciale și raționamentul de business. Scopul nu este perfecțiunea. Scopul este mai puține surprize.
Începe cu metode simple, apoi adaugă complexitate doar când se justifică
Manualul NIST despre netezire descrie medierea ca cel mai simplu mod de a netezi datele și a reduce variația aleatorie. Exact de acolo ar trebui să înceapă majoritatea echipelor de stocuri. Dacă istoricul tău este rezonabil de stabil, mediile mobile și metodele de netezire îți vor oferi o bază operațională rapidă.
Metoda 1: media mobilă pentru cerere stabilă
O medie mobilă ia ultimele perioade comparabile și le mediază. Dacă previzionezi săptămânal, o medie mobilă pe 4 săptămâni este de obicei suficientă pentru a începe. Exemplu: dacă ultimele 4 săptămâni au vândut 92, 104, 96 și 108 unități, previziunea de bază pentru săptămâna viitoare este (92 + 104 + 96 + 108) / 4 = 100 de unități.
Previziunea pentru săptămâna viitoare = (săptămâna -1 + săptămâna -2 + săptămâna -3 + săptămâna -4) / 4. Folosește perioade comparabile: săptămâni cu săptămâni, luni cu luni.
Metoda 2: netezirea exponențială când contează mai mult istoricul recent
Dacă vânzările recente contează mai mult decât istoricul vechi, treci la o netezire exponențială simplă. În Forecasting: Principles and Practice, Hyndman și Athanasopoulos o prezintă ca o medie ponderată a celei mai recente valori reale și a previziunii anterioare. Pe limba tuturor: ieri contează mai mult decât trimestrul trecut, dar trimestrul trecut nu este ignorat. Aceasta face netezirea utilă când cererea derivează, dar nu este puternic sezonieră.
Metoda 3: adaugă un factor sezonier când calendarul chiar contează
Dacă cererea crește și scade pe un tipar calendaristic repetitiv - cadouri de decembrie, weekenduri de vară, deschiderea școlilor, comenzi de sfârșit de lună - separă efectul sezonier de nivelul de bază. În Forecasting: Principles and Practice, mișcarea practică este de a previziona seria ajustată sezonier și apoi de a readăuga tiparul sezonier. Este descrierea tehnică a unei idei simple: acest decembrie ar trebui să semene mai mult cu decembrie trecut decât cu mai trecut.
Sezonalitatea merită efortul. În aceeași analiză Green și Armstrong, ajustarea sezonieră a redus MAPE de la 23,0 la 17,7 procente pe 68 de serii lunare din M-Competition originală. Este o reamintire utilă că structura simplă de calendar poate bate multă matematică suplimentară.
Folosește o medie mobilă pe 4 până la 8 perioade când produsul se vinde regulat și nivelul nu se mișcă mult.
Folosește netezire exponențială simplă când cererea se mișcă treptat și perioadele recente merită mai multă pondere.
Folosește o previziune de bază plus factori sezonieri când același impuls calendaristic se repetă suficient de des ca să ai încredere.
Curăță istoricul înainte să te bazezi pe matematică
Metoda de previziune contează, dar calitatea datelor de intrare contează și mai mult. Retururile, comenzile unice de proiect, livrările incomplete ale furnizorilor și vârfurile promoționale pot distorsiona linia de bază. Dacă introduci zgomot într-un model, doar automatizezi o decizie greșită.
Rupturile de stoc sunt cea mai mare capcană. În cercetarea privind previziunea cererii sub politici de stoc cu vânzări pierdute, autorii notează că, dacă există stoc suficient, vânzările sunt o estimare nedeviată a cererii, dar în prezența rupturilor, vânzările subestimează cererea și împing previziunea în jos. Aceasta creează exact spirala pe care operatorii o urăsc: sub-previziune, sub-comandă, ruptură, repetare.
Când raftul este gol, vânzările nu mai măsoară cererea, ci disponibilitatea.
Un exemplu simplu de ajustare la ruptură
Să presupunem că un articol a vândut 210 unități într-o lună de 30 de zile, dar a fost în stoc doar 21 de zile. Rata zilnică naivă este 7 unități. Rata ajustată la ruptură este 10 unități, deoarece 210 / 21 = 10. Pentru planificarea reaprovizionării, al doilea număr este mult mai aproape de realitate. Primul număr încorporează ruptura în previziunea lunii viitoare.
Reguli pentru un istoric curat
- Marchează perioadele de ruptură:Înregistrează zilele sau săptămânile cu disponibilitate zero pentru a le exclude sau ajusta, nu pentru a le media.
- Separă promoțiile de bază:O săptămână de lichidare sau un vârf de marketing ar trebui să stea într-o coloană de evenimente, nu să umfle permanent previziunea de bază.
- Elimină comenzile unice:Achizițiile mari de proiect, completările de lansare și transferurile interne sunt evenimente de planificare, nu cerere obișnuită.
- Folosește adevărul stocurilor, nu doar vânzările:Dacă acuratețea înregistrărilor este slabă, corectează mai întâi contorizările. Evidențele de stoc incorecte distorsionează atât istoricul, cât și achizițiile. Vezi costul real al stocurilor inexacte.
- Previzionează familii înainte de variante când este necesar:Istoricul subțire pe variante de mărime-culoare sau ambalaj se previzionează de obicei mai bine la nivel de grup, apoi se alocă în detaliu.
Un flux de lucru în tabel pe care îl poți rula în fiecare luni
Poți rula o previziune decentă într-un singur tabel cu rânduri pe SKU și coloane pentru ultimele 12 până la 24 de perioade, indicatori de disponibilitate, note de evenimente, previziune, valoare reală și eroare. Scopul nu este un model frumos. Scopul este o rutină repetabilă.
Rutina de previziune de luni
- Exportă istoricul pe săptămână sau lună:Săptămânal este mai bun pentru rotația rapidă. Lunar este suficient pentru produsele din catalog mai lente.
- Adaugă două coloane auxiliare:una pentru starea stocului, alta pentru note de evenimente. Aceste două câmpuri previn un număr surprinzător de previziuni greșite.
- Alege o metodă de bază pe clasă de articol:Începe cu medii mobile pentru articolele stabile și netezire pentru cele cu derivă lentă.
- Aplică sezonalitatea doar când se repetă:Dacă poți identifica același impuls calendaristic de mai mult de o dată, adaugă un factor sezonier. Dacă nu, păstrează lucrurile simple.
- Previzionează fereastra de reaprovizionare:Estimează cererea pe durata timpului de livrare al furnizorului plus intervalul până la următoarea evaluare a comenzii.
- Notează fiecare modificare manuală:Dacă departamentul de vânzări spune că un client nou adaugă 300 de unități luna viitoare, înregistrează modificarea și motivul. Modificările ascunse distrug procesul de învățare.
Trei verificări de acuratețe pe care le poate calcula oricine
Nu ai nevoie de un tablou de bord plin de statistici. Ai nevoie de câteva măsuri care să îți spună dacă previziunea greșește sistematic și cu cât.
Eroarea medie cu semn. O deviație pozitivă înseamnă că supraestimezi constant. O deviație negativă înseamnă că subestimezi cronic cererea și inviți rupturi.
Eroarea absolută medie, abaterea medie în unități. Așa cum notează Green și Armstrong, MAE este o măsură simplă și utilă pentru deciziile de producție și control al stocurilor.
Eroarea procentuală absolută ponderată. Documentația AWS Supply Chain pentru planificarea cererii folosește WAPE ca metric agregat de acuratețe deoarece arată abaterea totală a previziunii raportată la cererea reală totală.
Folosește MAPE cu prudență. În ghidul de acuratețe al lui Hyndman, MAPE devine nedefinit când cererea reală este zero și poate exploda când valorile reale sunt aproape de zero. Aceasta îl face o alegere proastă pentru rotație lentă, lansări sau orice serie cu perioade frecvente de cerere zero.
Începe cu deviație, MAE și WAPE. Adaugă metrici mai sofisticate doar după ce aceste trei sunt stabile și înțelese.
Testează retrospectiv înainte să îl integrezi în achiziții
O previziune nu este gata pentru că pare rezonabilă. Este gata după ce o testezi pe perioade trecute pe care nu le-a văzut. Ghidul de validare încrucișată pe serii temporale al lui Hyndman descrie originea previziunii rulante: avansează prin istoric, previzionează înainte și mediază erorile. Este versiunea matură a întrebării: ar fi funcționat asta trimestrul trecut?
Test retrospectiv rapid
- Reține ultimele 8 până la 12 perioade:Nu le folosi pentru a construi primul model.
- Rulează fiecare metodă candidat:medie mobilă, netezire și orice versiune sezonieră pe care vrei să o compari.
- Măsoară deviație, MAE și WAPE:Evaluează metodele pe perioade pe care nu le-a văzut.
- Alege metoda pe care oamenii o pot explica:Dacă două metode sunt apropiate, alege-o pe cea pe care echipa o va menține cu adevărat.
Cunoaște limitele tabelului
- Produse noi: Împrumută istoricul de la un articol similar, categorie sau plan de lansare, deoarece noul SKU nu are încă un tipar stabil.
- Cerere neregulată sau intermitentă: Previzionează mai întâi la nivel de familie sau categorie, apoi planifică reaprovizionarea individuală cu mai multă evaluare manuală.
- Promoții și comenzi de proiect: Adaugă modificări de evenimente separat, în loc să ceri modelului de bază să ghicească evenimentele speciale.
- Acuratețe slabă a stocurilor: Dacă recepția, ajustările și controlul locațiilor sunt slabe, repară mai întâi procesul. O previziune bazată pe evidențe proaste tot cumpără cantitatea greșită.
Aici contează prioritizarea. Folosește o analiză ABC pentru a decide care articole merită cea mai multă atenție la previziune și combină previziunea cu o evaluare disciplinată a stocului de siguranță pentru ca incertitudinea să nu se transforme în supraaprovizionare generalizată.
Concluzie
Previziunea stocurilor pentru non-specialiști în date ține mai puțin de matematică avansată și mai mult de onestitate operațională. Curăță istoricul. Începe cu medii mobile sau netezire. Adaugă sezonalitate doar când se repetă. Măsoară deviația și eroarea absolută. Testează retrospectiv înainte să ai încredere în număr.
Pasul următor: alege 20 de SKU-uri importante, construiește un tabel săptămânal și compară previziunea cu realitatea timp de 8 săptămâni. După aceea, previziunea va înceta să pară teoretică și va începe să facă parte din modul în care achiziționezi.