案例企业的需求相当复杂,主要分三大块:大客户,渠道客户,零星散户。大客户和渠道走的是传统的线下业务,是典型的B2B;零星散户走的是线上电商业务,通过App下订单,虽然是小商户,却跟典型的B2C业务很像。线上、线下业务并存,大客户、渠道和散户对需求的影响方式也各不相同:大客户的需求变动主要是客户驱动,比如客户自己的促销、活动等;渠道和零星散户则主要由案例企业自己驱动,比如渠道政策、线上活动等。
在案例企业的一个主要城市,我们确定了一个有代表性的产品,基于过去13周的需求历史(6月9日到9月1日),用简单指数平滑法预测该城市未来四周的需求。如图 1的左边,预测做好了,该城市的总预测是每周32个,这算是"从数据开始",但判断调整到哪里找?我们还是得从数据中寻找线索。
如图 1的右边,分解这个城市过去13周的实际需求,你会发现零星散户、大客户KA-2、渠道客户占了绝大多数,他们的需求变动会显著影响整个产品需求,造成短缺或过剩。看得出,在过去一个季度里,零星散户的需求有大起大落,很可能是由线上活动所导致的;大客户KA-2的需求也有剧烈变动,表明客户那里可能发生了显著改变需求的事。线下渠道不用说,一旦渠道政策改变,需求也可能显著改变。这些驱动因素要么是内在的(比如线上、线下活动),要么是外在的(比如大客户),我们都需要找到合适的人来帮助判断,在未来几周是否可能有这样的变动。
图 1:根据需求历史,做出基准预测
顺藤摸瓜,我们围绕这三大块需求,找到相应的能够帮我们做判断的人:负责大客户KA-2的大客户经理,负责线上零星散户的电商经理,还有负责渠道的渠道经理。
这三个人找到了,把图 1中的预测给他们,他们能否判断?当然不能,因为我们给他们的是整个产品的预测,而他们各自负责特定的客户、特定的业务。比如渠道经理熟悉未来的渠道政策是否会改变,如果改变的话,会如何影响需求,但她不知道大客户、线上散户的情况;线上散户的电商经理能判断未来线上是否做促销、做活动,但没法判断渠道和大客户的情况。
要知道,销售一般是按照客户、地域、渠道等划分职责,每个人知道自己知道的,不知道自己不知道的,没法判断整个产品层面的需求。那好,我们把总的预测分解为相应的三大块,如图 2的右边,拿给相应的判断者。这时候,我们谈的是具体的产品,具体的渠道或客户,找的是具体的负责人,"冤有头债有主",才可能得到更具体、更可靠的判断。
那让他们判断什么呢?对于大客户经理来说,她需要了解客户KA-2有没有大的变动,比如促销、活动等;对于渠道和零散客户来说,她们的需求变动是自己驱动的,比如给渠道的返利政策、线上线下的促销活动等。这里要判断的是增量,亦即投入多少资源,带来多少额外的新生意等。
比如找到负责线上零星散户的电商经理,说这是零星客户过去3个月每周的需求,有高有低,最近两个月在下滑,我们的预测是每周21个,你觉得这数字靠谱吗?她说不靠谱,因为临近季末冲量,她正在计划推出促销活动,希望把营收提高20%,以完成这个季度的销售目标。那好,针对线上零星客户的预测就变成21+21*20%=25/周(四舍五入)。相应地,总预测也由原来的每周32个增加到34个。依次类推,我们找到大客户KA-2、渠道对应的销售经理,让他们帮助判断各自负责的部分,得到最终的总预测。
就这样,数据分析和职业判断结合起来了。
在具体操作中,"由判断结束"可以直接调整基准预测,也可以把各项增量分别单列出来,比如新产品、新客户、促销活动等可能带来的额外需求。直接调整基准预测的好处是简单,缺点是难以跟踪,复盘,改进。管理更精细时,企业会清洗数据,制定基准预测,然后叠加各项增量。这种做法相对复杂,但好处是清楚,便于记录,分析和改进。
比如在表 1中,假定我们基于1、2、3月份的需求,来预测4、5、6月的需求为每月900个。这是基准预测,是在清洗掉历史数据中的一次性需求后,采用一定的预测模型计算出来的。也就是说,这是重复性业务。但有些能够显著改变需求的事情没有体现在历史数据中,比如4月份要做的促销,5月份计划进入更多渠道,还有6月份要扩展到更多的城市等。那好,跟相应的市场经理、渠道经理、城市经理对接,纳入各自的判断,得到相应月份的增量。
表1:单列各项判断带来的增量
当然,作为判断者,他们可不能光给个数字;他们还得讲故事:故事比数字更重要。就拿促销来说,为什么在5月份带来额外销量是100个,而不是80个或者200个?这后面一定要有故事,比如以前做过类似的活动,投入x元的资源,增加50个销量;这次投入2x的资源,增加100个的销量等。这些都得作为附注整理起来,作为后续复盘改进的依据。
基准预测是存量,判断调整是增量,两者相加,就得到表 1中4、5、6月的预测。但是,老总可能觉得还不够,想拔高预测,那好,专门给他留一行,把他的数字填进去。就这样,我们得到了最终的预测。
为什么要给每样调整都安排独立的一行?为了冤有头,债有主,一方面好找到相应的人做判断,另一方面在复盘的时候好评估判断的质量,是增加价值,还是制造问题。必要的时候,这也有助于"秋后算账":渠道经理说5月份新的渠道会增加300个的需求,现在只增加了200个,问题出在什么地方,如何才能改进?毕竟,不统计就不知道,不知道就不能改进。
摘自《供应链的三道防线:需求预测、库存计划、供应链执行》第2版,刘宝红著。
评论