ERP /\/ Управление /\/ Системы (Лучшие)Управление - ДИТ - Инжиниринг - Инноватика
Прогнозирование спроса: подробнее - не значит точнее
Высокая детализация при прогнозировании спроса: плохо или хорошо?На обследуемых предприятиях я часто сталкивался с ситуацией, когда прогнозы спроса на средне- или долгосрочную перспективу существенные отклонения выявляются по подавляющему большинству товарных позиций,...но при этом общие объемы спроса не сильно отличались от прогнозируемых! Вопрос: а требовалась ли такая глубокая детализация при средне-срочном прогнозировании спроса? Хочу сразу предостеречь от поспешных выводов. Детализация в прогнозировании спроса сама по себе не может быть слишком высокой или слишком низкой. Прежде всего, она должна быть правильной — то есть соответствовать целям, горизонтам и требуемой точности прогнозирования спроса. К сожалению, на практике я часто сталкиваюсь именно с излишне подробными прогнозами. Их построение требует больших усилий, а точность при этом, увы, остается невысокой. Важное замечание:Точность прогнозирования зависит не только от выбора правильной детализации данных. Ключевые условия успеха — определение правильных горизонтов прогнозирования и частоты пересмотра прогноза, реализация процессного подхода и регулярный поиск и отработка системных отклонений. Подробнее об этом читайте в разделах «ERP графов», посвященных планированию продаж.Ошибки в прогнозирования спроса: излишняя продуктовая детализацияПроведите мысленный эксперимент. Выберите большой многоквартирный дом. Предположим, вы обладаете данными о среднестатистическом росте жителей своего города. Задание: попытайтесь угадать рост первого человека, который выйдет из его подъезда. Как вы думаете, какова вероятность сделать правильный прогноз с точностью (+/-) 5 сантиметров? Очевидно — не велика. Из дома может выйти ребенок, женщина, баскетболист, пенсионер — кто угодно. Изменим задание: теперь вам необходимо угадать средний рост всех жителей этого дома с той же точностью? Когда вы располагаете статистикой по среднестатистическому росту населения, то сделать это значительно проще. Вот вам пример снижения требуемой детализации в целях увеличения точности прогноза. Изменим начальные условия эксперимента. Предположим, ваш наблюдательный пункт находится возле стен педагогического училища, где, как известно, учатся и преподают в основном представительницы прекрасного пола. А через дорогу — артиллерийская академия, где почти все курсанты и преподаватели — мужчины. Оставим специфику ситуации за скобками данного рассуждения. В рамках задачи вам всего лишь необходимо определить средний рост в каждом учреждении по отдельности. Если вы сделаете прогноз на основании данных о среднестатистическом росте без учета полового признака, вероятнее всего, вы ошибетесь в обоих случаях. А если вы введете небольшую детализацию по половому признаку, то ваш прогноз будет значительно точнее. Вот вам пример, когда дополнительная детализация способствует точности прогнозирования. Вернемся к прогнозированию спроса. При прочих равных условиях справедливо следующее утверждение: Частный случай:Точность прогноза спроса для групп/семейств продуктов выше, чем для конкретных товарных (номенклатурных) единиц. В общем случае, в зависимости от задач и горизонтов прогнозирования спроса, продуктовая детализация может быть на уровне:
Ссылка на стандартВ стандарте MRPII в контуре средне-срочного управления предприятием описан процесс Объемного планирования продаж и операций (Executive Sales and Operation Planning, S&OP). Касательно данного процесса стандарт содержит прямую рекомендацию использовать в качестве планово-учетной единицы продуктовые семейства и другие агрегированные товарные сущности. Они позволяют добиться большей точности планирования при уменьшении ресурсоемкости самого процесса.Таким образом, Общее правило:В зависимости от целей и горизонтов прогнозирования спроса, выбирайте ту продуктовую детализацию, которая является достаточной и предоставляет наибольшую точность. Ошибки в прогнозировании спроса: излишняя временная детализацияСейчас речь пойдет о втором варианте детализации прогноза спроса — это детализации по временным периодам. Но сначала вернемся к нашему мысленному эксперименту. Вы снова стоите у жилого дома и наблюдаете. Теперь ваша задача предсказать, сколько человек будет выходить каждый час, начиная с 6 утра до 22 вечера. Усложним — на 7 дней вперед;-) Опять же, берусь уверенно утверждать, что точность вашего почасового прогноза будет низкой. А если попросить вас спрогнозировать количество людей, выходящих из дома в сумме за весь день (днем считаем тот же интервал времени), на 7 дней вперед — точность прогноза будет значительно выше. В прогнозировании спроса действует та же закономерность: Точность прогноза спроса, детализированного по временным интервалам, ниже, чем прогноза спроса на весь период.Какие практические рекомендации из этого вытекают? Ну во-первых, временная детализация не всегда должна очень подробной. Во-вторых, в рамках одного прогноза спроса она может быть разной: ближние интервалы прогнозирования спроса могут быть разбиты на более детальные участки по времени, дальние — на существенно более крупные. Помните — чем дальше мишень, тем труднее в нее попасть при прочих равных условиях.
Денис Салтыков 2010 (SmartERP.ru). Опубликовано, с согласия автора.
|
полная версия С т а т ь иo ПО ДАТАМ o ПО ЖУРНАЛАМ o ERP ==== >> УПРАВЛЕНИЕ o СИСТЕМЫ (+) УПРАВЛЕНИЕ ПРЕДПРИЯТИЕМ () Инновации |