五分钟迅速了解预测的三条著名原理,关于预测你需要知道的事

2023-06-01 0 904

预估是物流配送中广泛使用的方法,比如说他们要预估今后的营业额、库存量、运输成本之类,预估的目的是想根据那时的情况,来推断出今后的结论,为重大决策找出依照。有关预估有四条非常知名的基本原理。

【印刷厂】 物流配送管理从入门到通晓 卓弘毅 9787113283933 崭新映像
¥46.2
买回

预估在我看来严重错误的

这实在是“科亮迎头痛击”!难道预估都是严重错误的,那他们还在探讨什么?!大家先千万别急着点选custom,让我先说明为何说预估是严重错误的。以销售预估为例,想精确地预估出上海所有的麦当劳店面每晚买进的花生酱数量,技术难度可说是是太阳帆。原因是销售量四位数是两个连续的表达式,是两个很大的自然数,想从这么多四位数中精确地研判到前述的量,这几乎是Mission Impossible。再比如说,我要预估我的年末的库存量数额,而我那时持有的库存量高达9四位数,想预估到精确四位数的几率基本上为零。

预估存有着巨大的不稳定性,极难捕捉它,这就是为何说“预估在我看来严重错误的“。不过呢,他们也不必灰心。尽管预估极难,但是他们能找出预估的严重错误区段,换句话说,精确的四位数就在这个区段内,他们把预估的结论看做是两个覆盖范围,一种提示,告诉他们正常的方向。例如,他们的供应量正在减少,已制订的库存量思路是提高效率量数额,我预估出库存量会逐渐下降,超额的四位数应该充分体现出低下的趋势,这说明他们采取了有效的暴力行动,控制住了库存量。

由于预估和前述结论之间总有一天存有局限性,有些人能说“难道预估是严重错误的,那么他们就千万别做了”。这种看法是不恰当的。预估尽管是严重错误的,但它提供了两个覆盖范围。他们追踪预估的数值,然后就能强化业务流程,调整数学模型或模块,最终提高预估的精确性。

五分钟迅速了解预测的三条著名原理,关于预测你需要知道的事

近期预估的精确性高于远期的

这是最容易理解的一条基本原理。大家能想象一下天气预报,气象台预估明天的天气一般都是很准的,气温是几度,会不会下雨,精确率高得惊人。

预估明天的天气很容易,但是预估三个星期以后的天气就极难了,相信大家都有这方面的经验。这种现象是非常合理的,他们对于今后短期会发生的事情更有把握。举个例子,如果要我预估下周会发运哪些客户的订单,我能拍胸脯告诉你结论,因为我知道许多订单已经完成了,就在仓库里。运输车辆都已经安排好了,而且是常年合作的运输车队,不出意外的话,是能按照原先的计划出货的。我对于今后一周的运营情况很有信心。但是要我预估三个月以后的订单出货就比较难了,因为物流配送存有许多不稳定性。

工厂的设备可能会出现故障、生产的原材料可能供应不上、或是客户所在城市出现了疫情,物流可能被中断。这三个月内发生的任何事情,都可能会影响到原来的计划,必然会降低了远期的预估精确率。这是难以避免的事情。正是由于预估的这个特点,有经验的人能利用短期预估,从而提高精确率。餐馆老板会根据天气情况,结合历史营业额,推断翌日客流量,然后再决定备货数量,就能更精确估算进货量,降低热销菜品缺货风险,同时减少食材浪费。

五分钟迅速了解预测的三条著名原理,关于预测你需要知道的事

汇总的预估比分离的预估更精确

汇总和分离在物流配送中的术语分别是Aggregate和Disaggregate,从单词的前缀上看得出它们是一对反义词。他们在做预估的时候,通常都是针对两个较为分离的目标,比如说预估一家麦当劳店面里每晚的花生酱销售量,这里涉及到了三个维度,分别是地点、SKU和时间。地点是某地的一家店面,SKU是店里销售的花生酱,而时间是每个营业日。此类的预估是很正常的,是高度分离的预估水平,这就是所谓的Disaggregate。分离预估的精确性往往是比较低的,炸鸡尽管美味好吃,但他们也不会天天吃,肯定要换换口味,比如说吃个蛋挞。离散的需求一般极难把握得住。

五分钟迅速了解预测的三条著名原理,关于预测你需要知道的事

再比如说,某种颜色的体恤衫的销售就是分离预测,他们极难预见到蓝色、黑色、黄色或是粉色衣服各能买进多少件,因为个体商品销售的波动性太大了。如果他们把这些体恤衫的销售量汇总起来,从产品系列Product family的层级上做预估,能提高精确率,这就是汇总Aggregate。假设在产品系列里,每个SKU的预估过高和过低的几率是一样的,低估往往能平衡高估的四位数,它们能相互抵消。这是一种非常奇妙的现象,它的基本原理是风险汇总Risk Pooling,意思是把个别的风险合并到同两个池子里,而池子里的总体风险往往小于流入池子的所有风险的平均值。风险代表的是不稳定性,波动性越大,不稳定性也就越大。在统计学中,他们使用变异系数(Coefficient of Variation,简称CV)来反映波动性,计算方法是用标准差Standard Deviation (σ)除以平均数(µ)。

假设四种颜色体恤衫的销售量都有相同的标准差和平均数,如下表:

体恤衫

标准差

平均数

变异系数

蓝色

40

100

0.4

黑色

40

100

0.4

黄色

40

100

0.4

粉色

40

100

0.4

它们的变异系数都等于是0.4,这也是CV的平均值。如果他们计算四种体恤衫汇总的变异系数,就会得到这样的结论。

体恤衫

标准差

平均数

变异系数

蓝色

40

100

0.4

黑色

40

100

0.4

黄色

40

100

0.4

粉色

40

100

0.4

汇总

80

400

0.2

汇总的平均数是简单地用100乘以4,得到了400,而汇总的标准差却只有80,这是为何呢?因为根据标准差的计算公式,它需要乘以√N,也就是√4=2。这样一来,平均数乘以了4,而标准差只乘以2,CV就变成了0.2,换句话说汇总后的波动性和风险更小了,更加稳定了。这一段文字有些烧脑,其中包含了统计学的知识,如果没接触过这些内容的同学可能理解起来有些费劲。不过没关系,他们只需要掌握这条预估的基本原理,那就是汇总的预估比分离的预估更精确。事实上,在他们的生活中有许多这方面的应用。

在我的物流配送管理起源于日常生活,一间上海街头早餐铺子给我的启示这篇文章中,早餐店老板极难预估每晚会有多少顾客买回淡浆、甜浆或是咸浆,他非常聪明地把这三种产品汇总在一起进行预估,并巧妙地设置了推动和拉动的平衡点。老板既提高了预估精确率,也加快了订单响应速度,减少了食品浪费。这是经典的物流配送延迟思路,它利用了汇总预估更加精确的特点,降低了波动性和风险。汇总不仅能从SKU产品角度入手,也能从地点和时间维度上展开。他们把某地区所有店面的销售量汇总起来预估,精确性肯定高于单个店面。预估一整年的销售情况,肯定比某个月份更加精确。

理解预估的三个基本原理,能帮助物流配送人员更好地使用预估工具,为重大决策提供洞察,制订合适的思路。

相关文章

发表评论
暂无评论
官方客服团队

为您解决烦忧 - 24小时在线 专业服务