銷售預測總不準，你的供應鏈還Hold住嗎？
在F-One近期舉辦的消費品及零售數字化轉型沙龍上，銷售預測專家高威分享了對於企業如何利用數據提升銷售預測能力的方法、如何科學制定產銷協調計劃等知識。
產銷協調計劃
產銷協調計劃（Sales&OperationsPlaning），是供應鏈的優化的核心，現在大多數企業採用的是S&OP概念創始人OliverWight提出的執行模式以及其升級模式——IBP（Integrated Business Planning），該模式核心在於將需求和供應分別計劃然後統一協調，基於需求預測，需求計劃與供應計划進行協調指導採購、備料與生產。
按照傳統計劃模式，企業通過五個步驟來解決銷售的需求供應之間的關係，在S&OP標準的解決方案裡面分為五個步驟，即企業的供應鏈生產部門他一個月會開5次會議來解決產銷問題。
- 了解歷史數據，整理細化銷售數據，到品類的、到區域的、到經銷商的、到終端的、到pos的；
- 做需求計劃，基於歷史數據做預測，預測到底未來的一段時間，會收到什麼樣的需求；
- 後台要求，如何供應，如何匹配；
- S&OP的預備會議，進行方案設計；
- 高層會議，做出決策。
一般情況下，現在的國內外企業，是按照這個標準模式去執行我們的產銷協調，絕大部分的IBP系統解決工具，也是基於這五步來進行產銷協調的。遭遇的問題也是明顯的：過分依賴預測準確性、變化越來越快越來越大的市場情況下實際的需求永遠是波動的，背後生產模式與市場反饋的對接效率、管理能力都存在很多問題。
銷售預測的重要性
從數據角度來看，從需求預測到原材料供應的產銷協調的數據邏輯基本分為5個步驟。
- 收集長周期的銷售數據。至少會收集5到6個月的數據，並且從不同角度：渠道、品類、SKU、數量、金額以及缺貨數量。尤其缺貨量，這一點很重要，很多企業的銷售人員先看庫存，在跟客戶協調的過程當中會隱沒客戶的真實需求，比如，客戶的實際需求是想買A買5000，銷售告訴客戶的是我只能賣給你B賣3000，這些信息對未來供應鏈計劃就會有影響。
- 銷售預測。掌握歷史數據後，按照總量、渠道、品類、SKU去預測。在預測的過程當中有一些技術性的處理，比如要考慮外部因素，像是促銷、節日，甚至是競爭對手的促銷，外部事件對銷售本身預測的準確度有非常大的影響。銷售預測的重要之處在於，它是外部實際需求和背後產能之間的一個銜接點。
- 產能平衡。必須將波動放平緩，不能讓背後的供應鏈、生產、採購跟我們的市場需求一樣波動起來，那企業就亂了套了；所以需要產能平衡，通過主計劃再去核算產線能力，再去做產線上的參數調整。比如，本來我預測未來5個月的某一天，產量可能因為促銷激增，那就要產能平衡到提前4個月或3個月的時間來生產，平衡到前面的幾個月分別去生產。
- MRP備料計劃。一般在這環節，企業都有專業的系統。
- 排產計劃。
數據在整個供應鏈的管理邏輯當中起到非常重要的作用，它並不是一個IT系統，也不是一個流程或者制度，它就是一個數據邏輯串起來的一條鏈。
銷售預測準確率提升的重要意義不言而喻：能夠實現庫存成本降低、資金成本降低、採購成本降低、物流成本降低、生產效率提升、訂單交付率提升等，最終實現企業利潤的提升。
導致銷售預測不準的原因
銷售預測不準幾乎是所有企業都面臨的問題，我們總結出來主要有以下原因：
- 數據質量差，沒有統一上報途徑，銷售數據反饋滯後。
- 電商、直銷等渠道分散，活動敏感性強，無法預測。
- 產品生命周期短（尤其在快消產品越來越短），沒有可參考的歷史數據。
- 沒有科學模型支持預測。用上月銷量指導下月銷量的「天真預測」可能適用一些產品，但大部分是不適用的。
- 預測結果評價方法單一，無法支持模型優化。
- 市場變化快，預測頻率低，無法根據市場變化快速調整。之前說過現行S&OP模式的流程走完基本需要一個月，如果發生明顯變化，做排產更新是來不及的。
大部分企業又採用了以產定銷的模式，導致可能A缺貨、B高庫存的問題。產銷協調計劃事實上是圍繞倉庫來進行的，通過動態安全庫存方式來解決前後端協調問題：銷售變化是波動的，生產是平的，庫存是服務與市場可能出現的變化的。
數據邏輯下的產銷協調什麼樣
我們說明了為什麼S&OP並不適用於現在的生產銷售，那麼到底我們的產銷協調計劃的模式應該遵循可執行原則，具體來說，有四個原則：
第一，一個計劃。一個計劃供應鏈的整個生產計劃由一個部門或者由一個計劃來指揮，核心總體不變，形成部門協調。
第二，高頻率。提高計劃與預測頻率，把月計劃打破成為周計劃，把月預測打破成為周預測，甚至是天預測；
第三，需求驅動。以實際市場需求作為驅動，以銷定產；
第四，品類差異化、策略模型化。不同類別品種採取不同的供應鏈策略，各種策略要通過業務模型實現決策優化。
因此，供應鏈優化的模式應該是這樣的：長周期滾動預測指導備料，短周期動態安全庫存指導生產。
滾動多周計劃。按照周計划去做需求預測，但不用於工廠排產，而是根據業績目標、實際銷售，做滾動多周的需求預測指導備料，一般是滾動26周（半年）來做產能的平衡；高峰期的需求放到低谷期實現，用來指導MRP和原材料採購。
滾動多日計劃。滾動多周計劃針對長周期概念，短周期則要滾動多日，將每天需求同步給供應商，按照不同sku設定動態的安全庫存，以動態安全庫存MinMax作為生產信號。
在實際的執行環節當中，其實每一個鏈條都是用數據來串起來的。預測是通過預測模型，生產計劃的平衡也是通過一個數據模型，通過MRP系統等等。
最終形成基於邏輯數據的產銷協調計劃與預測原則：
? 對產品進行ABC分類，不同類別採用不同策略；
? 做滾動多周需求預測；
? 基於滾動多周預測，進行邏輯安全庫存控制，產能平衡，形成長周期主生產計劃，MRP分解後向供應商輸出滾動多周物料需求計劃；
? 對成品倉庫進行動態庫存控制，每周更新庫存控制參數；
? 基於動態庫存控制參數，編製滾動多日主生產計劃。
破除預測的管理難題
預測不準的問題如何解決，在管理上已經有很多可以做的。
? 提高預測頻率。剛剛已經詳細論述過。
? 減少預測層次，只在總部高頻率預測。
? 弱化預測準確率，承擔業績的人不預測。比如，銷售參與到預測中，往往會保險起見，讓工廠多備料。
? 只對可預測的做預測。確實有些無法預測的產品，比如特殊渠道等。
從實踐來看，業內全品類產品，能夠在月計劃做到預測準確率85%以上，日預測能夠達到30%到50%，就已經非常不錯了，銷售預測的結果只是一個中目標，你沒有辦法把它拿來直接應用。
對於不能做預測的產品怎麼辦？如果說訂單的交期較長，那就只能按單生產；如果說訂單的交期較短，那就按單裝配，我們備原材料；如果說按單交期更短，為了滿足這部分客戶的利益，就只能夠備庫存，產銷協調計劃沒有完美的解決方案，只能有合適的解決方案，不能做的，要用其他的策略來替代。
結合業務實際，利用科學模型
銷售預測是數據驅動的，也是一整個業務流程，在充分了解產品的模式和整個業務邏輯之後，才能夠做出相對比較完美的銷售預測的模型和結果。
所以，在做預測之前，先要做業務調研、定製模型、做小規模的數據驗證，調整邏輯後正式應用。整個過程要遵循三個要點：
第一，基於科學方法結合業務實際，定製有效的預測模型。
每一個產品它的波動曲線是不一樣的，所適應的統計學模型是不一樣的，所以一定要從最小顆粒度（SKU）進行多模型的數據匹配。現在我們和F-One的實踐模式當中有總結出來，有6到8種適合於不同數據曲線波動的情況下的可能適用模型。在每一次預測的過程當中都通過不同的模型去試算一下，最終通過科學的評價方法，系統自動的折出一種最優的模型作為未來我們可以使用的預測模型。
第二，引入外部影響因素，事件因子鎖定銷量峰谷。
所有的統計模型都是實驗室誕生的，實驗室數據就是理想狀況的數據。實際業務當中往往沒有這種理想狀況的數據，但是一旦發生這種理想狀況的數據這些模型就很適用。往往存在的問題是有很大量的波峰波谷，這些波峰波谷要找出背後的影響因子，以事件的形式，比如說節假日，促銷活動，競爭對手的促銷活動等，去除這些有可能存在的波動。
第三，降低偶然事件或異常數據的影響。
銷售預測都是基於歷史數據來做，歷史數據當中有很多雜音，比如說去年發生了某一些事件，今年不會發生明年也不會發生，我們在預測的時候就要把這些事件的影響給它去除。
所以，首先要按照正常的理想的狀況的數據去預測，再把去年某個事件因子的影響量給添加到今年可能出現的對應的時間點。
我們的諮詢和F-One產品的結合就是基於這樣的一個基本邏輯。所以業務人員操作的過程中其實很簡單，只要把事件的名稱、影響周期、影響品種列表植入，系統就會自動的去識別這個影響因子的影響量，去算到未來的這個預測當中。一般是提取底層的ERP的系統去提取原始的詳單數據，然後定一些任務，把這個任務通過多模型適配自動擇優，擇優之後把一些外部的事件列表給導入進去。系統就會自動的根據這些事件列表去把這些因子給計算出來放到我們今年已經預測好的結果當中，然後再調整一些前面已經發生，但是未來不可能發生這些異常了數據，再去做一些模型的優化，最後輸出結果。
建立多維預測評價，實現模型自動優化
預測模型的到底是否真的適用，應該用相應的指標進行檢驗。
? 預測有效性。首先結果一定是相對準確的，並且要考慮在相對短的時間內，是不是SKU還沒有呈現規律，需要進行模型顯著性檢驗。
? 預測偏差。企業的計算方法不盡相同，比如Mape（平均絕對誤差率）、Mad（平均絕對誤差）等等，選擇從不同維度做測評，因為每一個評價方法都代表了一個優化方向。
? 預測效率評價。需要數據的高質量、模型的高自動化程度與並行處理能力。
根據業務數據狀況，通過試驗後選擇最適合的模型組合，每一次預測運行，系統自動從三個角度為每一個SKU選擇最優模型組合進行匹配。
產銷協調需要什麼樣的系統
我們回歸到產銷協調的基本邏輯——以需求驅動到產能平衡，鏈條上的每一個節點都會有特殊的業務場景，需要數據流的方式進行串聯，數據流每一個節點上都有經過業務驗證之後的邏輯和統計模型。
? 流程管理需求。供應鏈的上以數據是要給下一級數據使用的。
? 數據分析支持需求；
? 多場景支持需求；
? 定製建模需求；
? 靈活性、可拓展需求；
? 多級用戶（終端使用者，邏輯和模型修改者）。
這樣，企業的業務人員了解自己的業務邏輯之後，隨著時間的變化，可以自動去修改當中的數據邏輯與統計模型。
傳統的做法大概有這樣三種：
- 每一個節點都用Excel，通過人工方式去傳遞，無法高頻率地去調整生產計劃和需求預測，不滿足市場高速變化的需求。
- 定製軟體，一般情況下定製一整套這樣的一個邏輯的軟體，成本和時間非常大，而且複雜程度非常高，靈活性很差，定製好了之後基本上三年五年是不敢動的，常常會出現模塊和Excel結合的狀況。
- 完全產品化的模塊結合。
在我所協作的這個項目，我把F-One定位成這樣的一個平台——能夠支持多個業務場景，而且業務場景之間可以有數據流的關聯性，通過流程的方式串聯起來。比如，剛才講的這個產銷協調計劃這個模式當中的節點，銷售預測、動態安全庫存、MRP之間都是可以通過業務邏輯的梳理之後，定製模型和邏輯寫入到每一個場景模塊裡面的，F-One平台支持數據流的方式，讓這些數據能夠流轉起來成為一個鏈條。
我們不僅在實踐的過程當中驗證了F-One對於產銷協調的適用性，有一些企業的數據分析人員同時具有業務邏輯的能力的話，在項目離開之後，也創造了一些新功能寫入到系統。因為F-One同時支持二次開發的能力。
推薦閱讀：
