【葉老師講庫存管理之二十六】零件需求預測的靈敏度和準確度

在維修與服務的后市場業(yè)務中，零件庫存十分重要，庫存縮短了交貨期，保證了服務及時性和客戶滿意度。如果沒有零件庫存，服務型企業(yè)就難以保證服務及時性，留住老客戶將十分困難。

但是，并非有了零件庫存，企業(yè)就能夠滿足客戶需求，因為存對了零件才能滿足客戶需求，同時獲得利潤回報并讓資金周轉起來；如果存錯了零件，則不僅會造成客戶不滿，還會導致資金占用和呆滯庫存損失。那么，如何保證所存的零件是正確的呢？你怎么知道客戶未來會需要什么零件？

這就要進行需求預測和庫存計劃。顯然，僅僅依靠經(jīng)驗進行需求預測是不夠的，人的經(jīng)驗和水平參差不齊，企業(yè)必須向數(shù)字化轉型，通過建立零件庫存管理模型，用數(shù)據(jù)驅動需求預測，才能改善庫存計劃效率，讓數(shù)字化成為企業(yè)的核心競爭力，通過對零件需求的歷史數(shù)據(jù)進行分析和挖掘，用大數(shù)據(jù)的方法預測未來的零件需求。

零件業(yè)務有很強的可重復性，同時也存在很強的隨機性，受市場波動影響很大，做需求預測時必須考慮這些影響因素。比如：當企業(yè)進入一個新市場，推出一款新機型，服務中零件需求就會與近期整機銷量有著很強的相關性，在預測時需要很高的靈敏度。

如果企業(yè)剛剛做了一次濾芯促銷活動，以十分優(yōu)惠的價格，增加了不少銷量，很多客戶購買了未來12個月保養(yǎng)所需要的濾芯，以此來降低保養(yǎng)成本。企業(yè)在預測未來濾芯需求時，就不得不考慮這次促銷帶來的影響。如果簡單地根據(jù)最近幾個月的銷售數(shù)據(jù)來做需求預測，很可能會庫存過量濾芯，造成積壓和呆滯。這時的需求預測就要降低敏感度，最好根據(jù)以往的需求量，并考慮促銷造成的需求下降。

我們可以用移動平均法來計算過去一年中零件的月平均需求量，并以此作為市場需求的預測基準。考慮到預測靈敏度，我們可以對歷史數(shù)據(jù)設置不同的加權系數(shù)，比如：可以把最近4個月需求的權重設為60%，而之前8個月需求的權重設為40%，以增加預測對近期需求變化的響應度。同樣，我們也可以用移動平均法來計算過去12個月零件需求量的方差和標準差，按照不同的權重和響應度計算安全庫存。當需求波動非常大，變化非?？斓臅r候，在一定程度上我們就可以通過安全庫存來滿足客戶需求。

最高的靈敏度就是一期平均，即拿上個月的實際需求作為下個月的預測。這看上去響應很快，其實上卻是典型的被動反應，這種預測永遠趕不上客戶的真實需求，也給庫存計劃造成極大的困擾，導致庫存利用率低下，運營成本很高，庫存中所有的短缺，最終都以過剩收尾，而庫存中所有的過剩，都是從短缺開始，客戶需要的零件倉庫里缺貨，倉庫里有貨的零件卻無人問津，庫存總是落后需求“半拍”。

在需求預測中，預測的靈敏度經(jīng)常與預測的準確度相矛盾，靈敏度高了，準確度就可能下降；準確度高了，靈敏度就不會太高，并非數(shù)據(jù)越多，時間越久，預測越準確。最近一位朋友問我：“移動平均法中的加權系數(shù)應該怎么設定？”從事零件計劃的人員必須做出判斷：未來市場需求主要受哪些因素影響？如果這些年產(chǎn)品升級換代很快，市場變化很大，也許一年前的零件需求數(shù)據(jù)就沒有多少參照意義，那么用最近12個月（甚至最近6個月）的數(shù)據(jù)做預測就更準確。哪些數(shù)據(jù)影響更大，就應該增加這些數(shù)據(jù)的加權系數(shù)，預測才更準確。

所以，需求預測要兼顧靈敏度和準確度，有時響應太快常常造成準確度太低。我見到很多企業(yè)的庫存管理人員，他們的主要工作不是專注于需求預測和庫存計劃，而是每天忙于尋找貨源、調貨、催貨，一天到晚忙個不停，他們卻很喜歡這種感覺，以為這才是客戶服務，因為感受到客戶對自己的依賴。其實這都是庫存計劃沒有做好，不得不多花很多時間去做供應鏈執(zhí)行，加急和空運多花了不少錢，客戶還不滿意。如果做好了需求預測和庫存計劃，就能大大減少供應鏈執(zhí)行的工作。

需求預測的戰(zhàn)略就意味著企業(yè)的長遠利益，必然犧牲一定的短期利益?？梢晃毒劢箮齑鎽?zhàn)略，對當下發(fā)生的零件缺貨不管不顧，也會導致客戶流失。兩者之間的平衡，讓靈敏度與業(yè)務相匹配，也是準確度最高的時候，這往往能夠展現(xiàn)出庫存計劃人員的價值。

人們常說計劃趕不上變化，其實庫存計劃的目的不是要“趕上”變化，而是要預測出變化并滿足需求?！摆s上”就意味著滯后，隨著變化被動地做出反應，結果把庫存計劃做成了供應鏈執(zhí)行；庫存計劃就是預判，雖然市場需求是變化的，其背后卻存在一定的規(guī)律，發(fā)現(xiàn)模式，做好預測，最大限度地滿足需求，降低運營成本，提高庫存周轉率和零件現(xiàn)貨率，而大數(shù)據(jù)挖掘正是找到這些規(guī)律、做好需求預測的一把金鑰匙。