|
预测管理是企业经营活动中一项重要的工作。我之前写过一篇文章《什么是预测？做好预测的诀窍是什么？》，专门来聊到了这个话题，关于预测的重要性不言而喻，在此就不多做赘述了。 一、销售预测的痛点 相比于其他供应链管理活动，销售预测可以说是在实施上难度颇大的一个环节。我总结了在做预测时的难点痛点。 吃力不讨好 如果销售预测是由供应链部门主导的，那么很有可能会出现这样一种局面，做预测的人需要追着销售或市场部同事要数据，因为这些部门是直接和客户接触，也最了解客户真实的需求。 供应链部门需要做每月的销售预测，由于自己拿不到第一手的预测数据，只能向销售人员要数据。 对于平日里经常出差，整天和客户做各种商务沟通的销售来说，每个月提供一次预测也是很费时间和精力的事情。 有些靠谱的客户会提供3个月或以上的预测，但还有一些客户是没有预测的。 面对着这种情况，销售必须要根据自己的经验来预估客户在未来的需求量，这还得要把客户的库存考虑进去，而这些信息又是很难拿到的。 每个月好不容易把预测数据收集齐了，交给供应链部门，没过多久新一轮的数据收集又要开始了。 预测工作做得再好，和销售业务的拓展也没有直接的关系。时间一长，销售的积极性就会下降，而供应链部门也越来越难获得及时有效的数据。 费时又费力 假使供应链部门收集到了一些客户预测信息，接下来的工作是把这些信息汇总起来，从全局的角度分析公司在未来一段时期的销售预估。 这个工作乍一听好像不复杂，但是在实际操作过程中还是颇费一番周折的。 第一件麻烦事是数据清理。从各个渠道收集到的数据，可能存在着一些问题，比如数据的格式，有些应该是数字格式的，但是拿到手的时候是文本格式的，这里就存在着一个格式转换的问题。 再比如一些字符中的空格，这些小捣蛋的存在，很可能影响着数据索引，导致查不到对应的信息。 好不容易把数据清理了以后，接下来就要考验做预测的人的功力了。 到底该使用哪一种预测的模型？一般的做法是根据企业内部的过往销售数据，结合着产品生命周期，市场营销和促销计划，资源约束条件等等因素，使用时间序列模型来进行的预测分析。 从简单的取个平均数的计算方法，到复杂的统计学方法，到底哪一种方法预测出来的结果才最准确？ 可能还不准 这里说“可能“其实是比较保守的，应该说预测的数据和最后的实际销售结果不可能完全一样。 为什么这么说呢？因为我们在做预测的时候，假设未来和过去是一样的。可惜这个假设是不能成立的。 无论是多么有经验的专家，或是多么复杂的统计工具，预测也就是个对于未来的估计。 即使销售人员对于他的每个客户都了若指掌，但消费者的实际购买行为依然存在着一定的随意性，预测的偏差就这样产生了。 二、预测工具软件 如果一家企业的成品SKU很少，那么手工做预测是可行的。 但是在零售行业里，SKU的数量只会越来越多，面对着几千甚至上万个SKU品种，靠人工来做预测是不太可能了，只有通过系统软件才能实现预测管理的功能。 昂贵的预测软件 一些ERP软件就带有预测的模块，比如著名的SAP或是Oracle。 SAP系统预测界面截图 这一类软件的优点是功能强大，相信使用过的朋友们都会认同这点。 SAP是属于一直行走在系统集成软件行业最前沿的公司。其预测管理模块，可以比较各种数学模型，提供分析结果给使用者做参考，用来制定最佳的商业决策。 既然说了优点，我们也要看到SAP软件的软肋。 开发成本高： SAP由于系统的复杂度高和开发周期长，公司想要上一套系统往往要付出高昂的代价。 维护成本高： 为了维持系统的正常运行，每年要交给SAP一笔维护费用。另外在公司里一般要配置一定数量的系统高手Super user，来应对随时可能出现的问题。 高性价比的SaaS软件 考虑到SAP等软件过高的准入门槛，另外一种价格实惠但效果也不错的预测软件就映入我们的眼帘了，这就是SaaS预测软件，也是我今天想要推荐给大家的一款预测神器。 首先，什么是SaaS？ SaaS是Software as a Service的缩写，字面上的意思是软件即服务。 它是一种通过Internet提供软件的模式，服务供应商将应用软件部署在自己的服务器上，客户可以根据自己实际需求，通过互联网向供应商定购所需的应用软件服务，根据定购的业务量和使用时间付费。 SaaS就是轻量化的系统软件，它最大的优势在于成本和灵活性。 对用户来说，使用SaaS不需要购买软件和硬件，更无须对软件进行升级，只要有可以上网的电脑就可以操作了。 当用户的业务量上升，所需支付的使用费也会增加，当业务量下降，使用费也随之减少，可以说是非常地灵活，很适合一些中小规模的企业。 SaaS和微信里的小程序有点像，使用小程序不用去下载APP，也不用经常升级程序。 小程序可以实现在APP里大部分的功能，又可以帮助用户节省了手机宝贵的存储空间。 SaaS在供应链管理中有哪些应用？ 一些专业的仓储公司会提供客户一个网站，登录进去以后可以查询实时的库存情况和出入库记录，这就是一种SaaS的应用。 三、基于SaaS基础的预测软件 接下来我要向大家介绍一款基于SaaS的预测软件 — oIBP预测魔方。 oIBP（o-Integrated Business Predicting & Decision-Making）是由供应链管理专家，高峻峻博士创建的欧睿智慧需求链团队。 oIBP使用大数据、人工智能和云计算等技术，是一款为企业提供预测管理和决策支持的一揽子解决方案。 欧睿团队曾经为一家国内某知名咖啡连锁品牌做过一个项目，让我们先来看看他们具体是怎么做的。 收集用户画像 用户画像是现在很流行的一个词语，通俗地来说就是根据消费者的日常生活习惯，来给他们贴上一个个的标签。 欧睿根据每日销售数据和会员信息，统计分析之后得出每类商品对应的目标消费群体，比如哪些人喜欢喝拿铁，而这些群体也是对应商品的一部分属性。 刻画商品属性 在商品画像方面，欧睿团队主要将商品属性划分为静态和动态属性。 静态属性包括饮品的口味、热饮冷饮、包装和规格等。 动态属性包含目标消费群特征、新旧品、天气敏感度、销售统计数据等。 例如，在考虑天气因素方面，2017年上海夏季气温比往年高出了1.6℃，上海的门店总体冷饮销量提升近10%。通过静态和动态属性的分析，对商品特征进行刻画。 划分店铺类型 根据店铺的销售数据，把店铺划分为多种店铺类型，从而确定各店铺的消费特征，针对店铺主要消费群体提供最畅销的商品。 比如有些店铺里三明治销量很好，在进货的时候就会额外多地下单备货。 在店铺分析方面，还需考虑新店、关店、装修和正常等店铺营业状态，以验证各店铺类型划分的合理性。 如交通枢纽类型的门店基本以新店为主，而百货商场类型的门店关店现象相对较多。 在收集齐了用户、商品和店铺的所有信息后，欧睿团队利用大数据分析手段，预估店铺客流量、消费转化率和城市天气等信息，并且选择了合适的算法模型，对于每一种商品进行了销售预测。 这还没完，接下来欧睿团队根据店铺的库存情况，通过系统运算自动匹配最合理的补货策略，提供出了最优化的补货计划。 让爆款不会受到缺货的干扰， 让库存不会出现呆滞的情况。 让销售持续提升， 让成本不断下降。 这个项目的成功实施，为这家咖啡连锁品牌带来了明显的经济效益提升。 80%的商品销量预测准确性保持在15%以内，单店单品的预测准确性提升了20%以上。 根据国际供应链权威机构Gartner和IBF（International Business Forecaster Institute）的研究分析，当销售预测准确性每提升5-15%，品牌的单品利润率可以提升5%-15%，销售额能提升10%-25%，库存成本有望降低15-30%，物流成本可能最终降低15-20%。 由此可见，需求预测准确性的提升，将会给该咖啡连锁品牌带来营收上升和成本下降的巨大经济效益。 说了这么多，我也被这款预测利器的神奇效果给吸引住了。于是我也立即注册了一个账号来体验一下预测魔方。 由于一些商业运营方面的考量，oIBP目前不再提供免费的体验版本。不过没有关系，请随我一起领略一下这款SaaS的预测管理神器的风采。 初始页面 这是一款用JAVA平台开发的软件，用户界面还是很友好的。全中文的界面让人不会有任何的隔阂感，给人一种很容易接受的感觉。
上传数据 根据操作指南，第一步要做的是导入数据，首先是产品数据。
我下载了模板，随机创建了20行数据，最后上传到数据库。
上传文件完成后，系统显示20行全部上传成功。
刚我重新回到产品数据的页面的时候，看到的是已经整理好的数据。
第二步是上传销售数据，同样地我也使用了系统提供的模板，随机创建了从2015年1月到2017年12月的销售数据，上传到系统。 全部销售数据上传成功，我们看到的界面是这个样子的。
把这些数据全部摆好了以后，接下来就可以启动预测。在按下“一键预测“后，十几秒钟以后系统运行结束，duang地一下，2018年1至6月的销售趋势图就出现在我的面前。
以上图片中出现的数字，完全是随机取值的，不具有任何的价值，仅供参考。 从这款预测SaaS的表现来看，它具有这样几个特点： 1. 使用灵活，无需安装。 2. 界面友好，容易上手。 3. 图表显示，精度分析。 对于一般用户来说，光是看着这些图表和预测结果，可能对数据代表的意义还缺乏深度地理解，需要欧睿团队的顾问来进行指导。 同时，对于不同的用户，欧睿还可以做一些定制化的开发，给用户提供更好的使用体验。 |
|
|
