罗戈网
搜  索
登陆成功

登陆成功

积分  

预测案例2 完结篇:成长期业务的“预测监督模型”

[罗戈导读]本篇,将讨论搭建最终的实用定量预测模型。

之前,我们从两个方面讨论了预测案例2:

    首先,对于成熟度较低的业务,我们应用“聚类分析”方法,从“产品需求结构”和“需求趋势”两个维度,完成了对客户群的分组;(原文链接:"预测案例2:有限客户/行业")

    然后,我们讨论了产品需求结构相对稳定性的原因,如何考察这种稳定性,并以此作为客户群分组合并的依据;(原文链接:"预测案例2 续:成长期业务特征")

本篇,将讨论搭建最终的实用定量预测模型。

这次的模型,需要更多的与业务团队的互动,但是,也会针对业务工作的特点,尽可能简化对业务信息输入的要求。

实用模型搭建:

第一步,确定最终客户分组

首先回忆一下上一篇合并分组的检验结果:

两个可能的合并分组:

    (1)Group_2+3,结构稳定性并不好。可以看到,其原因在于Y2需求增速的巨大差异;

    (2)Group_4+5,结构稳定性很好。判定其为相对成熟客户群体。

以上判定,需要与业务团队讨论确认。从业务团队得到的反馈信息如下:

基于上述信息,可以做出决定如下:

    (1)Group_2, Group_3,Y3的增速同步,但是由于之前增速的巨大差异导致的产品结构特征尚未进入稳定期,因此,Y3暂时不予合并;

    (2)Group_4, Group_5,均为成熟客户,业务增速接近,因此,可以合并为Group_4+5。

第二步,产品需求结构的计算方式

在搭建预测模型之前,我们还需要考虑:需要利用的是“产品需求结构的相对稳定性”,但既然是“相对”就意味着它存在着波动。如果要消除不必要的波动,我们就需要用一定时期的平均值。

可是,该用多长时间的历史数据来平均呢?如果选取时间过短,那么就会有太多的短期扰动影响预测输出质量;而如果选取时间过长,那么就有可能会丧失掉对于结构变化的反应速度,也是不利的。

这里我们对常用的几种选择进行对比验证,以有利于做出最佳选择。

这些选项包括:滚动3个月、滚动6个月、滚动9个月、滚动12个月。

验证的方式,是看采用不同方式所得到的预测结果,与实际结果之间的拟合情况。这里以相关系数展示拟合效果。

计算过程如下图:

    请注意,为显示方便,图中隐藏了中间列。

将上述结果整理,按照产品的XYZ属性排列,我们讨论各产品合并预测、以及与实际结果的拟合情况,可以得到下表:

    请注意:

    (1)对各产品,以深绿色和浅绿色分别表示相关系数第一和第二的选项。

    (2)各产品Total的XYZ,是产品月度需求的波动性,不同于之前讨论的结构稳定性的XYZ。

    (3)Z类产品拟合程度如此之差,请不要奇怪。这很正常,所有移动平滑模型,都会有这样的效果。    

并不意外,产品的XYZ特性不同,最有利的选项也不同。

    -- X类产品:选用“滚动12个月”,更有利于消除波动干扰;

    -- Y类产品:选用“滚动6个月”,在“消除波动干扰”和“对结构变化保持敏感”之间求得平衡。

    -- Z类产品:其自身波动性很强,我们选用“滚动12个月”,尽可能消除波动干扰。虽然这并不能提高预测准确度,但是Z类产品的交货和存货管理本来也就不是依赖于预测准确度的。

第三步,定量预测模型的搭建

现在我们可以搭建预测模型了。

模型的基本逻辑是:依托于订单需求预测,按照需求结构相对稳定性,展开成为产品预测。

模型结果以Excel展示,包含了“订单预测输入”、“历史数据”、“产品预测输出”三个分区。如下图:

下面逐个介绍三个分区。

首先,“订单预测输入”。

这个分区包含三部分内容。

(1)业务预测 “Sales Input”:由业务人员反馈客户订单需求预测,并录入。该部分输入不再细分客户,直接按照客户组别合计录入。

(2)“时间序列预测”:该部分的原理,与案例1完全相同,只是更为简化。但是保留了年度增长预测值的输入要求,以及,权重设置的要求。

(3)订单预测“Order Forecast”:这是最终将被使用的需求预测,它是业务预测和时间序列预测的加权求和结果。

该分区请见下图:

    请注意:(1)所有白色单元格需要输入,彩色单元格无需输入;

        (2)不用奇怪,在Y3新年伊始,表中业务预测只有前3个月。业务团队只能拿到相对短时期的订单预测,且数字不会是有零有整。这在现实中很正常;

        (3) 时间序列预测部分的公式,使用的主要是INDEX+MATCH。如需进一步了解,请回忆之前的文章“数据处理技巧:几个有用的Excel函数“

其次,“历史数据 & 辅助计算”。

按照前述讨论,为了后续计算的方便,特意将该区域进行了如下设计:

(1)关于“月度订单”的数据透视表。后面预留了12个月空间,当源数据更新后续月份销售记录时,可以直接刷新数据透视表得到后续内容;

(2)关于“月度产品需求”的数据透视表。为了支持后续计算,该表将产品与客户组分级展示,并按照经典格式展开。也一样预留了12列用于自动刷新;

(3)“滚动6个月”和“滚动12个月”的辅助计算区域。按照前述讨论,这两个选项将是计算所需,这里直接按照12个月预先准备好。需要注意的是,由于Y3数据还没有录入,因此,当前只有月份1的数据是有效的。

该分区请见下图:

最后,“产品预测输出”。

按照模型逻辑,直接计算出所有预测结果。原则上,这里不需要输入。

    为了方便起见,这里保留了一个输入要求:Y3销售数据更新到的月份。当然,这个输入要求其实也是有办法自动实现的。

该分区请见下图:

这里的计算公式,是一个数组计算公式。使用三个OFFSET函数,分别调用对应产品、对应月份的滚动6或12个月产品订单数据、需求订单数据,以及,订单预测。因为所有三组数据都包含了4个客户分组,所以,直接以数组表示并参与计算。

同时,该公式会依据Y3数据已经更新到什么月份,来判断采用最新的滚动数据,而避免使用暂时还无效的数据。

这个计算公式的简洁性,依赖于“历史数据&辅助计算”区域数据的结构化程度。

模型的使用:

与案例1一样,这里我们仍然推荐采用S&OP流程,与业务部门保持充分沟通讨论。

与案例1不同的是,这里我们强烈建议:

    在使用此模型时,一定要建立对“产品需求结构稳定性”的监测机制。

这么做的道理在于,对于成长期的业务,会有很多不易预料的新情况出现。由于,产品需求结构稳定性是模型输出质量的主要依托,因此,一定要对此保持足够警惕。

对于发现的异常,可以是S&OP会议的重要议题。用于提醒业务团队关注和澄清。

限于篇幅,本文不再具体展开监测部分的内容。

适用性说明:

本文模型,也一样存在适用性,或者说局限性。

本模型适用范围:处于成长期的制造业或者类似业务,体现为,有限客户或者行业。

请注意,这里的“成长期”,不包含“成长初期”。

在前面的分析中其实可以看到,从历史数据中分辨出“相对稳定性”,是此模型成功的关键。

成长期的业务,表现为不断有新客户、新行业被拓展出来,但是与此同时,也有沉淀下来的相对稳定客户群体。

如果是全新的业务状态,历史数据分析将是事倍功半的。

这种情况,我们需要借助于更灵敏更迅速的分析工具和手段,基本上已经不再是Excel所易于展示的。

(本篇完 & 案例2结束)

免责声明:罗戈网对转载、分享、陈述、观点、图片、视频保持中立,目的仅在于传递更多信息,版权归原作者。如无意中侵犯了您的版权,请第一时间联系,核实后,我们将立即更正或删除有关内容,谢谢!
上一篇:预测案例2 续:成长期业务特征
下一篇:预测是应对供应链弹性不足的方式之一
罗戈订阅
周报
1元 2元 5元 10元

感谢您的打赏

登录后才能发表评论

登录

相关文章

2024-12-25
2024-12-24
2024-12-23
2024-12-23
2024-12-21
2024-12-21
活动/直播 更多

《仓库管理与数据分析》视频培训最全超值线上课程

  • 时间:2024-09-01 ~ 2025-04-25
  • 主办方:叶剑
  • 协办方:罗戈知识

¥:1500.0元起

报告 更多

2024年11月物流行业月报-个人版

  • 作者:罗戈研究

¥:9.9元