التنبؤ بالطلب الذي ينجو من الاتصال بالواقع

معظم توقعات الطلب تفشل ليس لأن الرياضيات خاطئة، بل لأنها تتطابق مع العالم الحقيقي وتفشل. تظل توقعات الطلب على اتصال بالواقع عندما يتم بناؤها بشكل عكسي من القرار الذي أبلغت عنه، ويتم التحقق من صحتها مقابل التاريخ الموجود لديك بالفعل، ويتم مراقبتها بمجرد نشرها، وإعادة تدريبها مع تغير الظروف. الهدف ليس رقمًا ذكيًا واحدًا. إنها توقعات يثق بها شخص ما بما يكفي للتصرف بناءً عليها، وتظل صحيحة تقريبًا مع تغير العمل، وتبرز نفسها عندما تبدأ في الانحراف. تعامل مع التوقعات باعتبارها جزءًا حيًا من كيفية قيام الشركة باتخاذ قرارات الطلب والتوظيف والتخزين، وليس كتقرير لمرة واحدة. احصل على الحلقة الصحيحة (توقع، قارن بما حدث، تعلم، اضبط) وستحافظ الدقة على نفسها مع مرور الوقت.

لماذا تفشل توقعات الطلب في الممارسة العملية؟

نادراً ما تفشل التوقعات في جدول البيانات. إنهم يفشلون في المستودع، أو المطبخ، أو سلسلة التوريد، حيث تتوقف الافتراضات عن الصمود بهدوء.

الإخفاقات الشائعة مألوفة. يتم ضبط النموذج على فترة هدوء، ثم يتغير السعر أو الترويج أو يحرك المنافس الأرض تحته. تحمل البيانات التاريخية نفاد المخزون القديم، لذلك يتعلم النموذج الطلب الذي يمكنك تلبيته، وليس الطلب الموجود. يخفي رقم دقة عنوان واحد حقيقة أن النموذج جيد بالنسبة للمنتجات الثابتة وغير مجدي بالنسبة للمنتجات الجديدة أو الموسمية التي تهم بالفعل. والأكثر ضررًا على الإطلاق هو أن التوقعات تصل إلى صندوق بريد لا يفتحه أحد، لذلك لا يغير شيئًا.

النمط تحت كل هذه هو نفسه. تم التعامل مع التوقعات على أنها نتائج قابلة للتسليم وليست جزءًا من القرار. وهذا هو نفس الفخ الذي يصطاد مشاريع التحليلات بشكل عام، ولهذا السبب من المفيد التفكير في التحليلات التنبؤية: تحويل البيانات إلى قرارات قبل الوصول إلى نموذج على الإطلاق.

كيف يمكنك إنشاء توقعات للطلب صامدة؟

قم ببنائها كحلقة، وليس إطلاقًا. تم ترتيب الخطوات أدناه بشكل متعمد، والترتيب هو الهدف.

1. ابدأ بالقرار. قم بتسمية الاختيار الذي ستحسنه التوقعات (كم عدد الطلبات، وعدد الأشخاص الذين سيتم إدراجهم في القائمة، ومتى سيتم إعادة الطلب) ومن يقوم بذلك. إذا لم تتمكن من تسمية القرار، فأنت لست مستعدًا للنمذجة.
2. تحقق من صحة الأحداث وفقًا للتاريخ الحقيقي. احفظ الأسابيع أو الأشهر الأخيرة، وتوقعها كما لو كانت غير معروفة، وقارنها بما حدث بالفعل. هذا الاختبار الخلفي هو الاختبار الصادق، أكثر بكثير من أي اختبار في العينة.
3. ضع في الاعتبار التشوهات المعروفة. قم بتصحيح حالات نفاد المخزون السابقة، واستبعاد الأحداث غير المتكررة، وفصل الطلب الأساسي عن زيادة العروض الترويجية. وإلا فإن النموذج يتعلم الدرس الخاطئ.
4. اختر مقياس الخطأ الذي يناسب القرار. يعد متوسط ​​الخطأ في جميع المنتجات أمرًا مريحًا ومضللاً. قم بقياس المكان الذي تعيش فيه التكلفة: الشركات بطيئة الحركة، والمواد القابلة للتلف، والعناصر التي يكون الخطأ فيها مكلفًا.
5. قم بتوصيله إلى سير العمل. سيتم تجاهل التوقعات التي تتطلب من شخص ما تسجيل الدخول إلى أداة منفصلة. ادفعه إلى النظام حيث تم بالفعل اتخاذ قرار الطلب أو الإدراج.
6. المراقبة وإعادة التدريب. تتبع الدقة عند وصول بيانات جديدة وتعيين مشغل عند انخفاضها. تتغير أنماط الطلب، والتوقعات التي كانت جيدة في يناير هي افتراضات بحلول يونيو.

كيف يمكنك معرفة ما إذا كانت التوقعات جيدة بالفعل؟

ليس بدقتها على البيانات التي تدربت عليها. يمكن للنموذج أن يتناسب مع التاريخ بشكل مثالي تقريبًا ويظل عديم الفائدة في الأسبوع المقبل.

الاختبار المهم هو خارج العينة. خذ فترة لم يسبق للنموذج رؤيتها، وتنبأ بها، ثم قم بقياس الفجوة. قم بتشغيل هذا عبر القطاعات التي تهمك، وليس فقط التجميع، لأن الدقة الإجمالية العالية يمكن أن تخفي الفشل الكامل في المنتجات التي تزيد التكلفة. قارن النتيجة بخط أساس عادي أيضًا، مثل "نفس العام الماضي" أو "متوسط ​​الأسابيع الأخيرة". إذا لم يتمكن نموذجك من التغلب على ذلك، فإن التعقيد لا يحظى بمكانته. إن التنبؤ الجيد هو الذي يتغلب على الخيار الساذج، ويتمسك بالعناصر المهمة، ويكون صادقًا بشأن عدم اليقين بدلاً من إصدار رقم واحد موثوق به.

كم مرة يجب إعادة تدريب توقعات الطلب؟

في كثير من الأحيان يكفي أنه لا ينجرف أبدًا بعيدًا عن الواقع، الأمر الذي يعتمد على مدى سرعة تحرك الطلب الخاص بك. المراقبة هي التي تحدد الإيقاع، وليس التقويم. الجدول أدناه هو نقطة بداية، وليس قاعدة.

الوضع	الإيقاع المقترح	ما الذي يؤدي إلى إعادة التدريب في وقت سابق
منتجات مستقرة وبطيئة الحركة	مراجعة شهرية، إعادة تدريب ربع سنوي	انخفاض مستمر في الدقة أو تغير معروف في السوق
خطوط موسمية أو ترويجية	المراجعة الأسبوعية	بداية موسم، عرض ترويجي مخطط له، تغيير في الأسعار
الطلب سريع الحركة أو المتقلب	المراقبة المستمرة وإعادة التدريب المتكرر	الدقة تتجاوز عتبة محددة
منتج جديد، تاريخ قليل	راقب عن كثب منذ الإطلاق	الأسابيع القليلة الأولى من وصول بيانات المبيعات الحقيقية

المبدأ الكامن وراء الطاولة: المراقبة المستمرة، وإعادة التدريب على الإشارة. إعادة التدريب المجدولة على منتج هادئ تهدر الجهد. إعادة التدريب الضائعة على واحدة متقلبة تكلف المال بهدوء. دع المراقبة تخبرك بالوضع الذي أنت فيه.

كيف يبدو هذا الأمر مرتبطًا بالعمل؟

يبدو غير ملحوظ، وهذه هي النقطة. يفتح المشتري النظام الذي يستخدمه بالفعل، وتكون كمية الطلب المقترحة موجودة، مع إحساس بمدى ثقة التوقعات ووضع علامة على العناصر التي تستحق نظرة ثانية. عندما تبدأ التوقعات في الانخفاض، يتم إخبار شخص ما قبل نفاد المخزون، وليس بعده. يتم فحص النموذج مقابل ما تم بيعه بالفعل، والتعلم من الفجوة، وتعديله. لا شيء من ذلك يعتمد على تذكر الشخص لفتح تقرير.

عادةً ما يكون هذا الميل الأخير، من رقم إلى قرار يتخذه شخص ما دون احتكاك، هو مكان العمل الحقيقي، وهو جوهر ما نقوم به في إطار التحليلات التنبؤية.

##الوجبات العملية

إذا كنت تقوم بتقييم جهد التنبؤ، فاطرح سؤالاً واحداً. عندما يتغير الطلب في الربع القادم، ماذا يحدث لهذه التوقعات؟ إذا كانت الإجابة "شخص ما يعيد بناءه"، فلديك تقرير. إذا كان الجواب "ينتبه ويعلم نفسه ويعدل القرار"، فلديك نظام. بناء النوع الثاني. التحقق من صحة ذلك مقابل التاريخ الحقيقي، وقياسه حيث التكلفة، وربطه بالقرار، والسماح له بمواصلة التعلم. إن التوقعات التي تظل على اتصال بالواقع ليست هي الأكثر دقة في اليوم الأول. وهو الذي لا يزال موثوقاً به إلى اليوم الثلاثمائة.