供應鏈需求預測項目如何設定合理的KPI、準確率指標（十四）

本篇文章適合希望優化供應鏈管理的讀者，尤其是對KPI的選擇與應用有興趣的人。文章的亮點在于揭示了不當KPI使用可能導致的風險，如狹隘的關注、協作減少和與業務目標不一致等，同時提供了如何選擇合適KPI的最佳實踐。

本文整合自文章：How to set Forecasting Accuracy Targets、How to set Forecasting Accuracy Targets、How to Select Supply Chain KPIs

手動推薦關聯文章

作者Nicolas Vandeput、SupChains技術團隊、供應鏈相關文章還有：

SupChains技術團隊零售產品銷量預測建模方案解析（一）
SupChains技術團隊回答：模型準確率提高 10%，業務可以節省多少錢？（二）
SupChains團隊: 衡量Forecast模型結果在供應鏈團隊內的傳遞質量（三）
SupChains團隊:供應鏈數據的異常特征管理指南（四）
SupChains技術團隊：需求預測中減少使用分層次預測（五）
SupChains團隊：全局機器學習模型在需求預測中的應用（六）
VN1 供應鏈銷量預測建模競賽技巧總結與分享（七）
SupChains團隊：供應鏈新品預測建模的一些策略（八）
供應鏈團隊設置安全庫存的五層境界（九）
供應鏈項目中產品的ABC XYZ分類法弊端（十）
供應鏈項目中庫存管理與優化指南（十一）
端到端供應鏈優化案例研究：需求預測 + 庫存優化（十二）

1 供應鏈項目設置KPI的必要性

How to Select Supply Chain KPIs

關鍵績效指標（KPI）是捕捉運營狀態、跟蹤進展、指導數據驅動決策以及圍繞共同目標整合團隊的重要工具。如果沒有可衡量的目標和指標，供應鏈經理將如同盲人摸象。

指標使我們能夠跟蹤功效（做正確的事）和效率（正確地做事），它們構成了卓越流程的基礎。例如，一位S&OP經理可能會同時監控預測增值（功效）和完善預測所花費的時間（效率）。

不幸的是，即使跟蹤指標對于供應鏈管理至關重要，它也是一把雙刃劍，可能導致意想不到的后果。如果我們對實現特定數字的執著追求，反而讓我們對創造真正的商業價值視而不見，那該怎么辦？

本文探討了跟蹤不當KPI以及過度施壓團隊以實現特定目標所帶來的意想不到的后果，然后為您提供了一套選擇適合團隊的指標的最佳實踐。首先，我們將簡要回顧為什么監控KPI對供應鏈至關重要。其次，通過多個供應鏈故事，我們將闡述KPI濫用的案例，以及規劃師如何操縱指標或篡改數據以實現目標。然后，我們將詳細闡述關于某些目標為何會被操縱的通用理論。最后，我們將討論如何利用KPI同時避免任何濫用的最佳實踐。

1.1 當KPI設定目標出錯時會發生什么

關鍵績效指標和衡量標準對于評估流程的功效、效率和進展至關重要。然而，如果過度強調KPI和目標，可能會適得其反。讓我們通過我多年來親身經歷的一些故事來說明由此產生的問題。在所有案例中，你都會看到團隊如何偏離了對業務重要的事情，轉而通過尋找捷徑或篡改數據，僅僅專注于目標。在下一節中，我們將結構化地闡述通過KPI向團隊施壓所帶來的風險和弊端。

需求計劃。 在交付準確預測的壓力下，一家國際飲料公司的規劃師們與我分享了他們操縱預測準確性的獨特方法：如果他們的預測顯示有銷售但實際并未發生，他們就會將這些情況歸類為“銷售差異”，并將其標記為100%準確。
需求計劃。 許多公司會激勵銷售團隊超越銷售目標，這些目標通常是根據需求預測設定的。遺憾的是，這些公司也讓銷售團隊負責生成這些預測。這種做法總是導致預測不切實際地偏低，不適合有效的供應計劃。
庫存計劃。 我曾遇到一家公司，他們用過剩庫存來衡量多余庫存。過剩庫存量化了超出未來三個月預期需求的庫存。為了人為地減少過剩庫存，規劃師會故意夸大過剩商品的預測。
生產計劃。 在一位同事職業生涯的早期，公司強調滿載率是最重要的指標。（如果你不熟悉滿載率，我在這篇文章中解釋過。）值得注意的是，它與年度激勵計劃掛鉤。為了應對這一情況，一位工廠經理為了優化這個指標，決定主要關注高周轉產品。這個策略確實在一段時間內提高了滿載率。然而，它無意中導致了慢周轉產品的積壓——這些產品單獨價值不高，但總體上卻意義重大。當這個策略的后果變得明顯時，這位工廠經理被解雇了。善后工作是工廠處理積壓的小批量訂單的艱苦過程。這一事件促使了重組：S&OP與運營分離，新的指標開始與滿載率一起使用：預測準確性、逾期項目、提前期和庫存周轉率。最終實現了真正的商業價值。
客戶服務。 我曾見過客服代表在訂單管理系統中更改最初請求的交貨日期，以向高級管理層展示高服務水平（在中層管理層的同意下）。這種操縱不僅會描繪出誤導性的業務圖景，還會通過引入錯誤的訂單歷史模式（這些模式可能被預測引擎捕捉為趨勢和季節性）來扭曲未來的預測。
S&OP。 在許多公司中，在月末最后一周重新安排客戶訂單是常見的做法，以操縱月度銷售目標、需求預測和庫存KPI。（我曾親眼目睹過類似的操縱，通過應計成本和收入來使每個季度的業績與預算對齊。）
S&OP。 一家上市的國際快速消費品食品公司的高管團隊選擇根據服務、現金和成本來評估其供應鏈績效。為了衡量這些方面，他們在每個季度末（當他們必須向投資者匯報時）監控多個KPI。一個值得注意的KPI是現金效率，由庫存天數決定——而這只在季度末報告。為了通過令人印象深刻的銷售與庫存比率來美化他們的資產負債表，生產在季度末經常放緩甚至停滯。然而，這種策略意味著下一個季度開始時總是手忙腳亂，團隊面臨服務水平下降和工廠運營激增。最終，成本更高，服務更差，壓力更大。

1.3 哪里出了問題

當一個衡量標準變成一個目標，它就不再是一個好的衡量標準。
古德哈特定律

讓我們來結構化地分析過度強調KPI的常見弊端：

視野狹窄（或盲點）。 專注于某個特定KPI可能導致隧道視野：規劃師只關注被衡量的內容，而忽視了更廣泛的商業機會（或威脅）。過度關注單一KPI很可能會損害整體業務績效。

示例：你只關注即時滿載率，而讓一些積壓訂單開放數月。

請注意，視野狹窄也可能源于僅在特定時間點跟蹤指標。
示例：庫存水平僅在季度末衡量，因此生產（和供應訂單）在此期間總是放緩。

協作減少。 KPI的隧道視野會滋生部門壁壘，阻礙協作。供應鏈協作的精髓在指標競賽中喪失。當不同的KPI發生沖突時，這種缺乏合作的情況會惡化：改進一個指標可能會無意中損害由另一個職能部門負責的另一個指標。這些指標是連通器：你可以優化一個指標，但代價是犧牲另一個。對團隊施壓以實現相互沖突的KPI會造成壓力、怨恨和沖突。

示例：庫存規劃師會爭取減少庫存并要求頻繁、短期的生產運行。生產規劃師拒絕，因為他們報告的是運行時間。

與業務目標不符。 一個經典的陷阱是追逐一個不能完美反映供應鏈實際業務目標的指標。

示例：庫存和生產經理被激勵達到100%的服務水平。不幸的是，這導致了大量的庫存，最終造成了庫存過時和浪費。

操縱指標。 個人、團隊甚至組織可能會找到方法（并最終選擇）操縱指標、篡改數據或鉆系統漏洞。這可能完全適得其反，并損害公司的價值。我們將在后續章節《供應鏈KPI：當激勵和獎金變得有害時》中進一步討論這方面。
缺乏主人翁精神和責任感。 某些指標雖然相關，但可能過于寬泛，無法歸因于單個團隊。當多個個人或團隊對相同的KPI負有共同責任時，所有權變得模糊，導致責任稀釋。

示例：考慮跟蹤大型企業的整體盈利能力或成本。單個規劃師可能不會對這個KPI負有直接的日常責任，尤其是在一個擁有數千名員工的公司中，因為其整體盈利能力超出了他們的直接職責范圍。

請注意，這種效應也可能反向發生：一些團隊可能由于與自身工作（或與其他團隊工作）無關的原因而實現了具有挑戰性的目標。

示例：你給庫存經理設定了95%的滿載率目標。同時，需求規劃團隊正在啟動一項機器學習計劃，將預測準確性提高了15%。你現在實現了97%的滿載率。

缺乏自主權和控制權。 當團隊在沒有獲得必要工具、控制權和自主權的情況下被迫達到特定目標時，會導致沮喪和無力感。供應鏈經理應確保團隊擁有資源和權限，以有意義地影響他們所負責的KPI。

示例：你讓你的庫存規劃團隊負責OTIF（準時足量交付），但他們無法控制預測準確性、生產計劃和分銷。

示例：2020年初，你給你的需求規劃團隊設定了70%的預測準確率目標，并制定了獎勵計劃。由于新冠疫情，他們從未實現過。

此外，如果目標被用來欺壓團隊和個人（甚至可能在同事面前），他們會盡一切可能展示良好的數字——包括篡改數據和操縱指標。我們將在后續文章中進一步討論有毒管理。

示例：每周一次，高級管理層會召集所有團隊。未能達到目標的個人將被質問，并必須在同事面前提供解釋。

雖然KPI和目標是無價的，但它們并非沒有陷阱和風險。追求不當的KPI很可能會適得其反，帶來意想不到的后果。現在讓我們討論避免我們強調的缺點的最佳實踐。

1.4 如何定義供應鏈管理KPI：選擇正確的指標集

跟蹤KPI對于供應鏈管理至關重要。然而，追逐錯誤的指標可能會導致意想不到的后果。幸運的是，供應鏈領導者有兩個主要杠桿來正確設置KPI：

KPI的特異性與廣度。 KPI應該具體還是全面？
KPI的數量。 你為每個團隊選擇多少個KPI？

KPI：特異性與廣度
KPI可以繪制在從具體到整體的連續光譜上。

具體與整體KPI

具體KPI提供精確、可操作的洞察。它們明確的性質使得建立清晰的所有權變得簡單，使團隊能夠控制指標并對結果負責。然而，正如第一節所討論的，過度強調過于具體的指標可能導致視野狹窄、協作減少和與業務目標不符。

示例：管理層僅根據M+2來審查需求規劃團隊的預測準確性。需求規劃師可能會因此忽略豐富M+1和M+3的預測。

寬泛（整體）KPI，如盈利能力或總成本，更符合總體業務目標。然而，它們廣泛的性質會稀釋個人責任、問責制和所有權。

示例：規劃師可能難以感受到與改進一個擁有數千名員工的公司的整體盈利能力的直接聯系和責任。

在具體KPI和整體KPI之間找到正確的平衡至關重要。雖然更具體的KPI可能導致隧道視野和孤立操作，但過于寬泛的KPI可能導致缺乏責任和團隊方向不明。

將KPI與角色對齊
運營規劃師受益于與戰術執行相關的指標，而高級管理層和高管則更適合整體指標。自上而下的方法確保了這種對齊，因為高層目標會層層下達到組織中。這有助于員工理解他們的個人努力如何有助于實現更廣泛的戰略目標，從而更清晰地理解他們在更大使命中的作用。

通過這種深思熟慮的層層分解過程，戰略領導者可以監控整體KPI，而運營團隊則專注于他們直接負責的任務。通過這種方式，個人KPI成為實現集體組織目標的基礎要素。

正確數量的KPI
引入多樣化的具體KPI可以緩解具體性的一些缺點（更多的指標使得更難陷入視野狹窄、阻礙協作、操縱指標，并整體上與業務目標不符），同時提供出色的控制和問責制。

在引入多個KPI時，選擇相互平衡和互補的指標。理想情況下，同一個團隊應該對完整的相關KPI集負責——否則你可能會面臨沖突。例如，平衡服務指標與庫存指標可能會在客戶服務和庫存規劃師之間引發沖突。更好的方法是將庫存水平指標（如周轉率）與庫存百分比等互補指標結合起來，這加強了庫存規劃團隊內部的責任。關鍵點是：

具體的KPI應該相互平衡/互補。
當一個團隊擁有完整的相關KPI集時，問責制效果最佳。
跨團隊的平衡可能導致問題。

然而，你不應該通過選擇過多的指標來過度推動這一點。這可能導致混亂、缺乏重點，并使優先級排序變得困難。（請記住，它被稱為關鍵績效指標。）

示例：管理層現在通過查看滯后+1到+6的預測增值來審查需求規劃團隊。這是一個公平且可操作的KPI：每個區域都根據其增值能力（而非絕對準確性）進行評估，并且可操作，因為規劃師知道如何提高這些滯后的準確性。

1.5 背景和管理至關重要

除了選擇正確的指標之外，如何向團隊引入KPI以及如何管理他們的進展（和失敗）也至關重要。

目的與對齊。 目標應在個人、職能和公司層面保持一致。目標不匹配會產生沖突。將每個目標與總體戰略聯系起來，以便人們理解其更廣泛的影響。
自主權、控制和精通。 確保團隊感到有能力影響他們所衡量的流程和結果。提供必要的資源、工具和培訓，以灌輸對其職責的權威感、控制感和熟練感。無法實現的目標會滋生挫敗感。
有毒管理。 不要將KPI用作懲罰工具。公開羞辱的有毒管理方式會引發焦慮和不道德行為。相反，應建設性地指導、輔導和帶領團隊前進。關注進步和成長——而不是指責失敗。

在適當的背景和管理下，團隊會將KPI視為公平的評估，而非武器。KPI是管理績效的關鍵工具，但它們不能替代人員管理。與團隊的互動以及基于事實和數據的討論，體現了對團隊成員及其工作的尊重和認可。

1.6 KPI設定的最佳平衡點

雖然KPI是無價的導航工具，但它們需要在特異性與廣度之間以及數量多寡之間進行仔細的選擇和平衡。

在實施新的KPI時，明智的做法是問自己：“這個指標可能無意中激勵哪些行為，以及可能導致哪些潛在的負面后果？”給你的規劃師一個具體的KPI很可能會導致多個弊端（視野狹窄、協作減少和與業務目標不符）。同樣，使用整體指標管理規劃師很可能會導致缺乏主人翁精神、控制權和責任感。

相反，我們建議選擇幾個具體的KPI，因為：

特異性有助于問責和可操作性。
選擇多個指標可以限制與使用過于具體的指標相關的大多數風險。

在我們的下一篇《供應鏈KPI：當激勵和獎金變得有害時》中，我們將討論在KPI定義后如何管理和激勵團隊。

2 供應鏈KPI：當激勵和獎金變得有害時

出自：How to set Forecasting Accuracy Targets

2.1 前言

追蹤關鍵績效指標（KPI）對于管理供應鏈至關重要，但如果根據指標來激勵個人，可能會適得其反。本文將通過歷史案例和供應鏈案例，說明激勵措施如何導致積極性降低、不道德行為，甚至加劇了它們旨在解決的問題。我們建議平衡內在和外在激勵因素，謹慎實施獎勵，并避免懲罰。遵循最佳實踐，以優化績效，而非僅僅優化指標。
正如我們所說，使用KPI對于管理供應鏈至關重要。但如果選擇不當，它們也會帶來陷阱。過度具體的KPI可能導致視野狹窄、協作減少以及與業務目標不符。相反，整體性KPI（如全球收入或成本）會稀釋責任，同時在指導日常個人決策方面表現不佳。我們通過建議為每個團隊分配幾個KPI來應對使用具體KPI的風險，從而結束了那篇文章。

本文從“如何選擇KPI”轉向“如何通過KPI管理團隊”，探討了過度強調目標和獎勵可能帶來的意想不到的后果——以及如何避免這些后果
第一部分闡述了激勵如何影響動機和創造力。
第二部分展示了有時激勵措施如何諷刺性地加劇了它們旨在解決的問題。
我們將通過多個團隊成員操縱數據和指標以獲取獎金的第一手案例來說明這一點。在第三部分結束時，我們將為您提供使用目標和激勵來有效監督供應鏈和領導團隊的最佳實踐。

2.2 外在動機與內在動機

在嘗試激勵團隊時，管理者通常會訴諸于激勵和獎勵——外在動機。但人類也擁有源于內心的內在動機。理解兩者的區別對于提升績效至關重要：

內在動機源于熱情、興趣和價值觀。它們包括學習新事物的樂趣、掌握技能的動力或使命感。內在動機下，活動本身就是一種獎勵。
外在動機則來自外部因素，如金錢、獎品或避免懲罰。它們可以提供外部壓力，促使我們完成那些我們可能不覺得本身有趣或有吸引力的任務。

內在動機和外在動機都有其作用，但過度強調外在獎勵可能會損害內在樂趣。

2.3 供應鏈中的內在動機與外在動機

內在動機（如目的、精通或自主性）和外在動機（激勵或晉升）都根據具體情境發揮作用。內在動機驅動熱情，但可能無法提供完成緊急任務所需的沖勁。外在激勵可以驅動行動，但如果過度強調，可能會損害創造力和長期熱情。

關鍵在于促進內在動機，并僅在不足時才使用外在動機。如果過于依賴獎金等外在獎勵，你可能會面臨短期思維、不道德行為、規避風險和積極性下降的風險——我們將在下一節中討論其中一些。然而，忽視外在動機可能會讓你在面對那些不那么光鮮但卻必不可少的工作時缺乏激勵。我們將在接下來的章節中討論設定激勵的最佳實踐。

努力通過工作設計來激發內在動機，允許自主性、控制權和精通。換句話說，確保技能發展和主人翁精神。避免有毒的管理實踐（如施壓要求達到特定數字、指責心態），并促進討論，引導團隊成員反思他們的表現并隨著時間的推移取得進一步的進步。

2.4 負面事件：為了獲取獎勵而操縱指標

多年來，我收集了許多關于個人或整個團隊如何為了獲取獎勵而操縱指標的類似故事。以下是一些例子。

需求計劃。 在一次演示中，一家世界知名的咨詢公司向我們的共同客戶（一家國際制造商）的高管團隊展示了其預測模型令人印象深刻的準確性。然而，一個小小的腳注引起了我的注意：他們排除了數據中“表現最差的5% SKU”。深入挖掘后，我發現他們的高準確性僅在用于評估的三個特定月份中保持一致。這家咨詢公司簽署了一份基于績效的合同：他們的報酬與報告的準確性掛鉤。交付成果的壓力如此之大，以至于他們想出了多種方法來顯示人為的高準確性。（經過六個月的談判，他們成功地做到了，并收取了六位數的費用。）
庫存管理。 管理層給庫存規劃師設定了嚴格的98%庫存充足率目標。那些未能達到98%庫存充足率的人被要求解釋庫存水平低的原因并詳細說明其糾正措施。因此，一些規劃師找到了一個變通辦法：在庫存報告運行的前一天，他們會將大多數缺貨商品標記為非活躍狀態。
庫存管理。 為了評估預測準確性，一家公司的管理團隊會在特定時間點凍結預測，以跟蹤和審查準確性。規劃師實現的準確性被用來決定年終獎金。整體實現的服務水平也被納入獎金考量，但不幸的是，庫存管理做得不好：庫存天數是根據去年的平均值確定的。為了確保庫存可用性，當地分公司的高級需求規劃師通過例行地將預測增加20%來操縱預測。但僅在預測凍結以供評估的那一天之后。這種操作是一種巧妙的方式，確保他達到了準確性目標，同時在固定庫存目標的情況下獲得了更多的供應。年底時，他將獲得服務水平和預測準確性的獎金。

從殖民時期的印度和河內街頭到現代企業董事會，（考慮不周的）獎勵體系的危險顯而易見。無論是飼養更多的眼鏡蛇還是操縱數據，其根本教訓是明確的：激勵措施可能導致意想不到且往往有害的結果。鑒于這些教訓，讓我們探討如何使用目標來管理團隊，同時避免激勵用戶鉆系統漏洞。

2.5 設定目標的注意事項

當一個衡量標準變成一個目標，它就不再是一個好的衡量標準。
古德哈特定律

KPI和指標是無價的工具，但像任何工具一樣，它們也可能被過度使用：旨在通過獎勵或激勵來提高績效的善意努力可能會適得其反。特別是當這些KPI過于具體或不充分時。

當這些數字從單純的指標轉變為獎勵或懲罰的標準時，問題就出現了：員工可能會鉆系統漏洞（眼鏡蛇效應），失去積極性和創造力（內在動機降低），進行短視的局部優化，或為了達到目標而做出可疑的權衡。

請記住：

獎勵團隊成員達到特定目標會激勵他們對此短視。
懲罰團隊成員未達到目標會產生更強——但也更有毒——的激勵，因為損失厭惡是一種常見的認知偏差（人類傾向于避免損失而非尋求同等收益）。
有毒管理（通過恐嚇、欺凌或羞辱迫使員工達到目標）給員工施加的壓力堪比嚴厲的懲罰。有毒管理很可能導致更多團隊成員操縱指標、破壞數據或追求極其狹窄的重點（以及其他負面后果）。

簡而言之，激勵之于目標，就像財務杠桿之于投資。（杠桿是指利用債務或借入資本來增加投資回報。）杠桿帶來更大的回報和風險：如果你不確定一項金融資產的質量和預期增長，你不會想對其進行杠桿操作。同樣，激勵可以推動你的團隊所交付的業務價值，但前提是指標經過仔細選擇。如果指標不充分（例如，因為它們過于具體），你將面臨陷阱：最好的情況是短視行為，缺乏業務價值，或者更糟的是，眼鏡蛇效應。

只有在你確定了一套穩健健康的KPI后，你才應該使用激勵或獎金——這個過程可能需要數年時間。過早地根據指標激勵個人可能會放大問題行為，如狹隘的焦點或不道德的做法。這種風險類似于在資產穩定性不足的情況下承擔過多的財務杠桿。然而，一旦建立了一套與組織價值觀相符的穩健、可靠的KPI，基于這些指標的獎金就可以激勵團隊。即便如此，即使是成熟的KPI，也要謹慎行事。如果指標隨著時間的推移變得過于短視，推動團隊實現特定目標可能會適得其反。如果你想了解更多關于選擇正確KPI的信息，我們在文章《如何選擇供應鏈KPI》中討論了最佳實踐。

2.6 設定的KPI獎勵公平嗎？

許多目標的實現或未實現是由于與團隊工作質量無關的外部因素造成的。以下是一些例子：

你的庫存規劃團隊本月可能由于異常準確的預測而實現了97%的滿足率。
你的需求規劃可能因為新冠疫情未能實現60%的預測準確率。

獎勵那些幸運的團隊（或因他人的工作而受益）或因為外部事件不給團隊獎金，這將被視為不公平。而人類對（不）公平的感知極其敏感。

總而言之，盡管KPI和指標對于管理供應鏈至關重要，但必須審慎使用。這應分兩個主要步驟進行。

首先，選擇適當的KPI來監控流程的效率和效益。我們在上一篇文章《如何選擇供應鏈KPI》中討論了這一點。
指標應主要用于討論、跟蹤、思考和改進。
應避免或非常謹慎地使用KPI來獎勵或激勵團隊。只有在指標被確認為健康后才能這樣做。
目標和KPI不應被用來懲罰團隊成員。

3 如何設定需求預測的準確率KPI

出自文章：How to set Forecasting Accuracy Targets

3.1 概述

供應鏈領導者應如何設定預測準確性目標？本文將首先回顧三種設定目標的技術（行業基準、需求變異性和統計基準）。然后，我將討論為什么預測增值思維比絕對準確性目標更穩健、更公平——實際上，我并不建議使用準確性目標。最后，我們將評估預測引擎和流程能帶來多少增值。

您的需求計劃團隊的預測應該有多準確？ 這個問題至關重要，很可能會讓供應鏈經理們深思。即使預測準確性僅提高10%，也能帶來巨大的業務效益。準確的預測至關重要。

供應鏈經理希望設定預測準確性（和偏差）目標，主要出于兩個原因：

驅動團隊績效。設定清晰、可實現的目標有助于激勵和指導規劃人員持續改進。（然而，請注意，設定硬性激勵以達到準確性目標可能會適得其反。）
衡量可實現準確性。了解實際可達到的預測質量，有助于更有效地選擇和規劃改進項目。

然而，挑戰在于如何適當設定這些目標。許多銷售與運營計劃（S&OP）經理默認使用歷史數據或行業基準來設定這些目標。正如我們將在以下章節中討論的，這些方法不僅過時，而且可能具有誤導性。事實上，銷售可預測性因產品、渠道和地理區域而異，因此一刀切的方法是無效的。1

3.2 為什么評估可預測性很困難

可預測性因產品、市場和銷售渠道而異。有幾個因素會影響可預測性：

市場條件。隨著市場條件的變化，可預測性也會隨之變化。2020年預測銷售對每個人來說都帶來了獨特的挑戰。同樣，當主要競爭對手即將推出新產品線并輔以大量營銷活動時，預測銷售的復雜性可想而知。
產品生命周期。預測新產品發布具有挑戰性，并且會讓大多數統計模型束手無策。
欲深入了解，請參閱這篇新品預測的綜合指南。
業務驅動因素。促銷、價格變動和短缺會使銷售模式更加波動（阻礙預期的預測準確性）。
間歇性。低銷量商品難以預測，特別是當它們表現出需求間歇性時。

現在我們了解了為什么每個產品的可預測性不同且隨時間變化，接下來我們來回顧評估它的技術。

3.3 評估可預測性的好方法與差方法

如果可預測性因SKU而異且會發生變化，那么您如何設定切合實際的準確性目標？

許多S&OP經理默認使用行業基準（由各種外部組織銷售）或跟蹤需求變異性（或需求變異系數，COV）。然而，這些方法存在顯著的缺點。讓我們深入探討原因。

行業基準。這些基準不可靠，原因如下：

行業基準通常依賴于不一致或有缺陷的關鍵績效指標（KPI）——例如[MAPE]。
不同的公司在不同的市場運營，擁有獨特的產品和分銷策略，這使得直接比較不適用。
這些基準通常在不同的數據聚合級別或預測期內衡量準確性。

需求變異性（COV）。這是另一個具有誤導性的指標。COV不是一種預測技術，也未能考慮趨勢和季節性。不幸的是，許多軟件供應商和顧問仍然使用并推薦這種過時且不適用的指標。
此外，請注意，使用COV將產品劃分為ABC XYZ類別也是不可取的。

相反，存在一種更有效、更直接的方法：使用移動平均線。
正如下一節所討論的，這種方法可以幫助您了解固有的需求變異性，并為設定預測目標提供更可靠的基礎。

3.4 采用預測增值 (FVA)

可參考：SupChains技術團隊回答：模型準確率提高 10%，業務可以節省多少錢？（二）

在確定了如何評估每個SKU的可預測性（通過使用移動平均線作為基準）之后，下一步是將重點從預測準確性目標轉向預測增值（FVA）目標。讓我們通過一個簡單的例子來分解這兩種方法的區別：

預測準確性目標。如果您為所有市場設定70%的預測準確性目標，一些規劃人員可能很容易達到這個目標（得益于穩定的市場條件）。然而，其他人可能會很吃力，因為他們必須在波動的環境中預測需求。簡而言之，統一的準確性目標是不公平的。
預測增值目標。相反，可以要求您的團隊比預測基線（由您的預測引擎生成）的預測準確性提高10%。這種方法使競爭環境公平化，使目標更具普遍適用性。（盡管如此，有些市場比其他市場更容易實現增值——我們將在下一節進一步討論這一點。）

關鍵在于從僅僅在需求計劃周期結束時評估預測準確性，轉變為通過衡量預測過程的每個階段為整體準確性增加的價值來監控FVA。在我的培訓課程中，我總是強調實施FVA應該是所有S&OP領導者的首要任務。

如果您正在使用統計模型或機器學習等預測工具，那么不僅要衡量您的團隊增加的價值，還要衡量您的模型與統計基準（移動平均線）相比所提供的額外準確性，這一點至關重要。我曾與許多供應鏈經理交流過，他們在聽取我的建議后發現他們的預測工具并沒有超越簡單的移動平均線。對他們來說，是時候做出改變了。

3.5 一些基準指標參考

很明顯，重點應該放在增值而不是僅僅原始準確性上。這種方法允許您為團隊設定更實際、更公平、更可實現的目標。公平性是設定適當目標的關鍵要素。

您應該以何種程度的增值為目標？以下是一些通用基準：

模型。根據我們的經驗，高級預測模型通常可以比移動平均線高出20%到40%，具體取決于各種因素。讓我們快速回顧一下將影響您對預測引擎增值期望的主要因素。
1. 機器學習。正確實施的機器學習模型可以將預測誤差比移動平均線降低10%到20%——即使沒有任何額外信息。
2. 季節性。在處理季節性模式時，預計誤差可減少10%。移動平均線通常無法很好地捕捉季節性，因此您的模型應該提供顯著的優勢。
3. 促銷。如果您的業務嚴重依賴促銷活動，并且您將其納入預測引擎，預計會額外提升5%到10%。
4. 定價。價格變化與促銷類似，但影響通常較小。價格調整可以使預測誤差減少1%到5%。
5. 缺貨。從數據集中刪除歷史短缺數據可以再提高1%到10%。
規劃人員。根據我們的經驗，遵循[最佳實踐]的熟練規劃人員通常可以將預測誤差減少5%到15%。您對規劃人員增值的期望應基于不同因素：
1. 您的預測引擎有多復雜。豐富由簡單模型做出的預測可能很容易，但您將很難在結合了定價、促銷、營銷和近期短缺等獨立變量的機器學習模型上增加價值。
2. 當地業務環境。在某些市場，由于當地信息和需求動態，您的規劃人員可能更容易實現增值。例如，他們可能從您的客戶那里獲得信息——這使得他們更容易豐富基線預測。另一方面，招標驅動的市場可能更難預測。