直到现在，很多企业、很多人在解决供应链管理问题，尤其是库存与交付问题时，还是寄希望于“预测数据的准确性”。在他们看来，只要搞定了预测，哪里还有什么出货问题、库存问题?
一开始，他们逼着自己的销售部门、市场部门等去做预测，然后针对他们预测的准确性去考核、奖惩，后来他们慢慢地发现，这根本没有用。接着，他们听说计算机软件可以做预测这件事，而且比人做得好多了，于是，他们又花大价钱去买预测软件，越贵、越复杂越好，再到后来，“他们不断地表现出对他们的统计预测工具不能准确预测未来需求的失望之情，他们的痛苦不断加深， 因为他们期望以极少的人工干预产生预测的能力， 毕竟， 预测软件的供应商们已经让他们相信这是可能的。” 【Clients frequentlyexpress disappointment that their statistical forecasting tools do not predict futuredemand with a high degree of accuracy. Their distress is heightened because theywant the ability to develop forecasts with little human intervention. After all， suppliersof forecasting software have led them to believe that this is possible. (本书作者译)】
关于统计预测， 我们需要知道的是:
① 模型与方法论方面: 统计学家们已经发展了无数种模型、方法，有主观定性的方法，如德尔菲法、主观概率法等，也有定量分析的方法，如时间序列、回归分析等。
② 软件方面: 有专门的预测软件，如Forecast Pro 等，还有ERP 公司如SAP 在自己的套件里面开发的预测模块等， 它们无一例外地在使用统计学、数学的模型与方法， 当然， 还有Excel。
作为一个供应链管理者， 我个人认为， 我们不需要去掌握那些复杂的统计学模型、公式， 因为这些东西在商业软件里面已经都有了， 就像你使用Excel 里面的函数一样， 你只要知道它们是干啥的， 它们能为你干啥，你需要告诉它啥就足够了， 至于它们背后的原理、逻辑、模型、公式等，你知道了那是好， 但不知道呢， 也不影响你使用。类似于开汽车， 你会开就行了， 至于汽车的驱动原理、管路设计等， 你不明白也罢， 并不影响你开好车。
更重要的原因是， 供应链管理不是数学， 数学分析可以帮助我们做决策， 但数学分析本身不能决策。统计预测也是如此， 对我们来说， 统计预测只能是个参考， 因为， 我们还有客户预测(Customer Forecast， C/ FC)、销售预测(Sales Forecast， S/ FC)， 当然， 终其实是订单(Purchase Order，PO) 或者客户对我们库存的实际消耗(Actual Consumption) 说的算。
但无论如何， 凡事， 预则立， 不预则废， 算总比不算好， 统计预测该做还是要做的， 它起码起到一个“合理性检查”的作用———用统计预测对比销售、客户预测以挑战其背后的商业假设。
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
