Lagerprognoser for icke-datavetare later svarare an det ar. De flesta team behover inte en svartlademodell. De behover en ren forsaljningshistorik, en repeterbar metod och ett satt att upptacka nar datan ljuger. Om en artikel var slut i lager forra fredagen, saknar kalkylbladet inte matematik - det saknar sammanhang.
Det ar goda nyheter, for enkla metoder ar ofta starkare an folk tror. I Green och Armstrongs oversikt i Journal of Business Research fann forfattarna 97 jamforelser over 32 artiklar och inga bevis for att extra komplexitet forbattrar prognosnoggrannheten. Prognostisering ar fortfarande svart, men den forsta vinsten kommer vanligtvis fran disciplin, inte fran avancerad mjukvara.
En anvandbar prognos ar inte den med flest flikar. Det ar den en inkopare kan forklara, ifragasatta och anvanda innan nasta orderdeadline.
Vad en anvandbar lagerprognos faktiskt gor
En prognos ar en uppskattning av framtida efterfragan over ett definierat fonster. For lager bor det fonstret matcha din inkopsrytm: leverantorens ledtid plus tiden till nasta genomgang. Om du bestaller varje mandag och leverantoren tar 21 dagar, bryr du dig om de narmaste 28 dagarna, inte ett teoretiskt arsgenomsnitt.
En prognos ger dig tillracklig varning for att bestalla om innan dina A-artiklar drabbas av undvikbar lagerbrist.
Den haller langsaljare fran att absorbera rorelsekapital bara for att nagon bestallde lite extra for sakerhets skull.
Forsaljning, inkop och drift kan diskutera ett tal istallet for att forsvara tre olika magkanslor.
Prognoser ar inte loften. De ar startpunkter. Du laggar fortfarande pa leverantorsproblem, kommersiella handelser och affarsbedomning. Malet ar inte perfektion. Malet ar farre overraskningar.
Borja med enkla metoder, lagg sedan till komplexitet bara nar det lonar sig
NIST-handboken om utjamning beskriver medelvarden som det enklaste sattet att jamna ut data och minska slumpmassig variation. Det ar precis dar de flesta lagerteam bor borja. Om din historik ar rimligt stabil, ger enkla glidande medelvarden och utjamningsmetoder dig en operativ baslinje snabbt.
Metod 1: glidande medelvarde for stabil efterfragan
Ett glidande medelvarde tar de senaste jamforbara perioderna och beraknar genomsnittet. Om du prognostiserar veckovis racker ofta ett 4-veckors glidande medelvarde for att borja. Exempel: om de senaste 4 veckorna salde 92, 104, 96 och 108 enheter, ar nasta veckas basprognos (92 + 104 + 96 + 108) / 4 = 100 enheter.
Nasta veckas prognos = (vecka -1 + vecka -2 + vecka -3 + vecka -4) / 4. Anvand jamforbara perioder: veckor med veckor, manader med manader.
Metod 2: exponentiell utjamning nar nyare historik vager tyngre
Om nylig forsaljning betyder mer an aldre historik, ga vidare till enkel exponentiell utjamning. I Forecasting: Principles and Practice visar Hyndman och Athanasopoulos den som ett viktat medelvarde av det senaste faktiska utfallet och den foregaende prognosen. Pa ren svenska: igars data spelar storre roll an forra kvartalets, men forra kvartalet ignoreras inte. Det gor utjamning anvandbar nar efterfragan driver men inte ar starkt sasongsberoende.
Metod 3: lagg till en sasongsfaktor nar kalendern verkligen spelar roll
Om efterfragan stiger och faller i ett aterkammande kalendermonster - julklappar i december, sommarhelger, skolstart, bestallningar vid manadsslut - separera sasongseffekten fran basnivan. I Forecasting: Principles and Practice ar det praktiska tillvagagangssattet att prognostisera den sasongsjusterade serien och sedan lagga tillbaka sasongsmonstret. Det ar en teknisk beskrivning av en enkel ide: denna december bor likna forra december mer an forra maj.
Sasongsjustering ar vart besvarets. I samma Green och Armstrong-oversikt minskade sasongsjustering MAPE fran 23,0 till 17,7 procent pa 68 manatliga serier i den ursprungliga M-Competition. Det ar en nyttig paminnelse om att enkel kalenderstruktur kan sla en hel del extra matematik.
Anvand ett 4 till 8 perioders glidande medelvarde nar artikeln saljer regelbundet och nivan inte driver mycket.
Anvand enkel exponentiell utjamning nar efterfragan ror sig gradvis och nyare perioder fortjanar mer vikt.
Anvand en basprognos plus sasongsfaktorer nar samma kalenderlyft upprepas tillrackligt ofta for att lita pa.
Rensa historiken innan du litar pa matematiken
Prognosmetod spelar roll, men indatakvalitet spelar storre roll. Returer, engangsprojektorder, leverantorsunderskap och kampanjspikar kan alla snedvrida baslinjen. Om du matar brus in i en modell, automatiserar du bara daliga bedomningar.
Lagerbrist ar den storsta fallan. I forskning om efterfrageprognoser under forsaljningsforbund med lagerbrist noterar forfattarna att om tillrackligt med lager finns tillgangligt ar forsaljning en obiastad uppskattning av efterfragan, men vid lagerbrist underskattar forsaljningen efterfragan och trycker ner prognoserna. Det skapar precis den spiral operatorer hatar: underprognos, underbestallning, lagerbrist, upprepa.
Nar hyllan ar tom slutar forsaljningen att mata efterfragan och borjar mata tillganglighet.
Ett enkelt exempel pa lagerbristjustering
Saga att en artikel salde 210 enheter under en 30-dagarsmanad, men den var bara i lager i 21 dagar. Den naiva dagliga takten ar 7 enheter. Den lagerbristjusterade takten ar 10 enheter eftersom 210 / 21 = 10. For paafyllningsplanering ar det andra talet mycket narmare verkligheten. Det forsta talet bakar in lagerbristen i nasta manads prognos.
Regler for ren historik
- Flagga lagerbristperioder:Spara dagar eller veckor med noll tillganglighet sa att de exkluderas eller justeras, inte genomsnittas in.
- Separera kampanjer fran baslinjen:En realisationsvecka eller marknadsforingsspik bor ligga i en handelskolumn, inte permanent blasa upp basprognosen.
- Ta bort engangorder:Stora projektbestallningar, lanseringsfyllningar och interna overforingar ar planeringhandelser, inte vanlig efterfragan.
- Anvand lagersanning, inte bara forsaljning:Om registernoggrannheten ar svag, fixa rakningarna forst. Smutsiga lagerposter snedvrider bade historik och inkop. Se kostnaden for felaktiga lagerniver.
- Prognostisera familjer fore varianter vid behov:Tunn historik pa storlek/farg eller forpackningsvarianter ger ofta battre prognoser pa gruppniva forst, sedan allokera nedot.
Ett kalkylbladsarbetsflode du kan kora varje mandag
Du kan kora en respektabel prognos i ett ark med rader per SKU och kolumner for de senaste 12 till 24 perioderna, lagertillganglighetsflaggor, handelsanteckningar, prognos, faktiskt utfall och fel. Poangen ar inte att skapa en vacker modell. Poangen ar att skapa en repeterbar rutin.
Mandags prognosrutin
- Exportera historik per vecka eller manad:Veckovis ar battre for snabbrörare. Manatligt racker for langsamma katalogartiklar.
- Lagg till tva hjalkolumner:en for lagertillganglighetsstatus, en for handelsanteckningar. Dessa tva falt forhindrar ett overraskande antal daliga prognoser.
- Valj en basmetod per artikelklass:Borja med glidande medelvarden for stabila artiklar och utjamning for langsamt driftande.
- Tillämpa sasongvariation bara nar den upprepas:Om du kan peka pa samma kalenderlyft mer an en gang, lagg till en sasongsfaktor. Annars, hall det enkelt.
- Prognostisera paafyllningsfonstret:Prognostisera efterfragan over leverantorens ledtid plus intervallet till nasta ordergenomgang.
- Skriv ner varje override:Om forsaljning sager att en kundvinst laggar till 300 enheter nasta manad, ange overriden och orsaken. Dolda overrides forstör larandeprocessen.
Tre noggrannhetskontroller vanliga manniskor kan berakna
Du behover inte en instrumentpanel full av statistik. Du behover nagra fa matt som talar om for dig om prognosen ar systematiskt fel och med hur mycket.
Genomsnittligt signerat fel. Positiv bias betyder att du standig overprognostiserar. Negativ bias betyder att du kroniskt underprognostiserar och inbjuder till lagerbrist.
Medelabsolutfel, det genomsnittliga misset i enheter. Som Green och Armstrong noterar ar MAE ett enkelt och anvandbart matt for produktions- och lagerstyrningsbeslut.
Viktat absolut procentuellt fel. AWS Supply Chains efterfrageplanerings-dokumentation anvander WAPE som ett aggregerat noggrannhetsmattvarde eftersom det visar totalt prognosmiss relativt total faktisk efterfragan.
Anvand MAPE forsiktigt. I Hyndmans noggrannhetsguide blir MAPE odefinierat nar faktisk efterfragan ar noll och kan explodera nar utfallen ar nara noll. Det gor det till ett daligt val for langsaljare, lanseringsartiklar eller serier med frekventa nollefterfragperioder.
Borja med bias, MAE och WAPE. Lagg till mer avancerade mattvarden forst efter att dessa tre ar stabila och forstadda.
Backtesta innan du rullar in det i inkopet
En prognos ar inte klar for att den ser rimlig ut. Den ar klar efter att du testat den pa tidigare perioder den inte sett. Hyndmans guide for tidsseriekorsvalidering beskriver rullande prognosursprung: ror dig genom historiken, prognostisera framat och ta medelvarde av felen. Det ar den vuxna versionen av att fraga: 'Hade det har fungerat forra kvartalet?'
Snabb backtest
- Hall inne de senaste 8 till 12 perioderna:Anvand dem inte for att bygga den forsta modellen.
- Kor varje kandidatmetod:glidande medelvarde, utjamning och eventuell sasongsversion du vill jamfora.
- Mat bias, MAE och WAPE:Bedom metoderna pa perioder de inte sett.
- Valj den metod folk kan forklara:Om tva metoder ligger nara, valj den teamet faktiskt kommer att underhalla.
Vet var kalkylbladet har svarigheter
- Nya produkter: Lana historik fran en liknande artikel, kategori eller lanseringsplan eftersom den nya SKU:n inte har nagot stabilt monster annu.
- Klumpig eller intermittent efterfragan: Prognostisera pa familje- eller kategoriniva forst, sedan planera individuell paafyllning med mer manuell genomgang.
- Kampanjer och projektaffarer: Lagg till handelse-overrides separat istallet for att be basmodellen gissa specialevent.
- Dalig lagernoggrannhet: Om mottagning, justeringar och platskontroll ar svaga, fixa processen forst. En prognos lagd ovanpa daliga poster bestaller fortfarande fel kvantitet.
Har ar prioritering viktig. Anvand ABC-analys for att avgora vilka artiklar som fortjanar mest prognospamamarksamhet, och para prognosen med en disciplinerad sakerhetslageroversyn sa att osakerheten inte forvandlas till generellt overkop.
Slutsats
Lagerprognoser for icke-datavetare handlar mindre om avancerad matematik och mer om operativ arlighet. Rensa historiken. Borja med glidande medelvarden eller utjamning. Lagg till sasongsvariation bara nar den upprepas. Mat bias och absolutfel. Backtesta innan du litar pa siffran.
Nasta steg: valj 20 viktiga SKU:er, bygg ett veckovis ark och jamfor prognos mot faktiskt utfall de narmaste 8 veckorna. Efter det kommer prognostisering att sluta kanna sig teoretisk och borja bli en del av hur du koper.