全球热推荐：​从需求预测到需求计划，智能决策如何激活企业供应链运营潜力

在当今竞争激烈的市场环境中,企业需要不断提高供应链管理效率和精准度,以满足消费者多元化的需求。然而,面对多而分散的渠道、纷繁复杂的产品以及愈发多变的用户需求,任何消费品企业都无法回避一个现实问题:为什么我的供应链响应效能似乎永远都跟不上前端营销的变化?

例如,一场直播让产品爆火,却发现库存不足?A地区买不到货,B地区却有大量积压?动销差的产品产能过剩,而需求高的产品却缺料缺产能?面对变幻莫测的市场,供应链“拖后腿”的现象屡见不鲜。仔细分析这些问题背后的原因,很多时候首先是供应链管理的源头——需求计划出了问题。

不同于服务行业,消费品企业大多需要提前生产和备货,需求计划的准确性对成本、利润以及效率等关键效益指标具有重大影响。通过科学合理的需求计划,企业可以有效配置资源,及时响应市场需求变化,降低运营成本,同时也能赢得更多商机。相反,若需求计划不准确,可能导致生产和供应混乱,直接影响企业的业务效益。因此,提高供应链灵活性的首要任务便是优化需求计划。

(相关资料图)

炙热的六月,618促销混战已然开启,你的需求计划准备好了么?

正本清源,理清需求计划的三大难点

作为供应链管理的第一道关口,需求计划至关重要。但很多企业做需求计划时,由于需求预测准确性低、计划灵活性差,常常是计划赶不上变化,计划和实际业务严重脱钩。为什么?方向不对计划白费,需求计划不止是计划的问题,应当从战略和执行的角度进行全面设计。

首先,提到需求计划,很多人的第一反应是需求预测,虽然二者关系紧密,但并不是等同的。预测是对未来市场态势的提前推演,用于辅助和支撑业务决策,而需求计划则是在已有的需求预测基础上,结合企业的实际情况得出的判断和规划,用于指导后续库存、生产、采购等计划的制定。可以说,需求预测是需求计划的前提和基础,需求计划是需求预测的具体实施和落实。单纯的需求预测,再精准也无法100%预判未来的未知变化,而且企业的供应能力是有限的、刚性的,需求计划在预测基础上必须要能够考量不同部门的意见、反馈乃至洞察,才能有效保障计划后续的落地执行。在计划思路和流程上,要强调需求预测的必要和精准,但更要重视跨部门的协同决策。

其次,所有企业都知道需求预测很重要,难就难在如何让预测尽可能的精准。一方面,今天任何企业的需求预测都离不开数据和数字化技术的应用,但传统的数字化技术无法全面考虑所有影响销量的因素,得出的结果具有片面性;另一方面,需求预测不只是技术问题,也是个业务问题,不同的渠道、区域、时间周期都有其特殊性,无法按照完全一样的标准进行管理,企业必须借助科学的方法全面梳理各类数据,才能做到精细化管理和预测。

第三,由于计划效率低、调整难度大,供应链端很容易陷入“反正预测不准又调起来麻烦,那就按照我的经验来”的陷阱。早期依靠人工经验和各种excel表格做计划,一般需要花费数天时间,再加上和各个部门沟通的时间,计划还没出来可能市场又变了。有的企业将数据和表格进行了整合,构建了需求计划系统,在计划效率上有了很大提升,但无法全面分析数据背后的原因,遇到复杂市场情况,也很难实现针对性的调整和优化。因此,高质量的需求计划系统不仅仅是一套自动化的操作工具,更需要能够支持企业建立完善的数据采集和分析体系,进一步实现“数据-分析-决策”的数字化需求管理闭环。

根据需求计划的问题和方向“对症下药”,就可以从源头上打开供应链管理的“活水”,进而促进供应链全链路的效能提升。随着智能技术的发展,需求计划朝着智能化方向转变,为解决上述问题带来了新的方向,尤其是智能决策技术加持的智能需求计划,正在突破传统计划模式,被越来越多的企业所青睐。

分场景精细化,让需求预测更精准

需求计划的基础是需求预测,预测的准确性会影响需求计划的可执行性,也是影响供应链成本和效率的关键因素之一。Gartner数据显示:企业每提高1%销售预测准确度,产品库存周期就将缩短7%,并降低2%的运输成本、减少9%的过期库存报废。

在食品、饮料、美妆、日化、鞋服等消费行业,每个行业每一类产品都有不同的季节、区域、人群等特性,比如,食品饮料产品包含常规品、爆品、长尾品、新品、衰退品等不同类型,而服装行业的季节性和区域性差异很大。需求预测必须和具体的业务场景深度结合,常规的标准化系统很难根据不同的业务场景进行分类预测。

传统方式下,需求预测主要依靠历史数据和销售提报,数据比较粗放且存在较强的主观性,导致需求预测结果和实际情况偏差较大。智能决策技术的快速发展,催生了更精准高效的预测算法和模型,在预测思路和方式上都实现了新升级。

计划宇宙分场景精细化预测模型的构建逻辑

以雀巢为例,其供应链管理部门和杉数科技合作打造了新一代的智能需求计划系统,将智能决策技术和业务深度融合,实现了分场景精细化预测,大幅改善了信息透传效率,提升了预测准确性。基于杉数科技的计划宇宙产品,系统在做需求预测时,会通过大量的数据信息找出具有同一类需求变化特点(时间、空间、产品、需求群体)的组合,针对性建模。例如,同样的SKU单品在不同季节或地域的销售特征可能差异很大,在分类时,对“SKU单品+季节+城市”形成的每一个组合都单独分析;同时,对新品需求预测采用了特殊模型,前期业务逻辑主导,中期算法辅助决策,后期转常规品,增加系统对新品计划的灵活性。

分析其背后的逻辑,主要是借助智能化方式对细分场景做了精细化的梳理、建模、计算和预测,并实现了整体到局部的一致性管理。依托计划宇宙的COForecast、COmatrix等底层技术引擎,系统可以根据企业的业务情况进行精细化拆分和整合,将不同产品、不同渠道、不同地区、不同颗粒度的数据进行精细化处理。在业务操作时,企业可快速切换不同维度不同层级的视角,迅速了解宏观需求数据,也可以全面洞察细分颗粒度的需求情况。

解释性和模拟仿真,助力企业更灵活的应对变化

从实际情况来看,任何预测数据都不是一成不变的,真实的市场永远存在未知数。需求计划应该根据变化做出相应的调整,关键问题在于,调整的动作很容易,但是调整的幅度如何界定?依靠人工评估来调整,显然具有很大的随机性。例如,某食品企业按照常规情况预测某城市某季度的需求量是M,但是由于该城市临时举办了一场大型活动引发了旅游热潮,企业跟着做了一系列促销动作,做了促销动作之后的需求是多少?要如何调整计划?

计划宇宙需求预测的解释性分析方法及分析结果示意

如果企业可以了解不同因素的影响力程度,调整起来就会容易很多。智能需求计划系统做需求预测时,在解释性上有很大改进,可以助力企业快速实现动态计划调整。例如,可以从多个维度分析和洞察各影响因子对市场需求的影响指数,比如,近期趋势上涨对销量影响是多少?节假日对销量影响是多少?促销折扣深浅对销量影响是多少?通过对结果进行量化及可视化分析,企业对整体市场走向更加清晰。当出现突发情况时,可以快速分析原因定位问题,及时精准地调整预测结果,最后实现动态可调的需求计划。

解释性会帮助企业更好地应对变化做出调整,但很多企业往往还想进一步知道,如果市场真的发生了变化,通过不同的策略调整,会有什么样的综合效果?基于智能决策的模拟仿真技术,可以进一步拓展智能需求计划的功能边界。例如,企业可以模拟不同的事件和活动,基于不同的场景配置不同的算法参数与方案,得到不同的算法预测值,模拟制定不同场景的需求计划,为企业应对变化提供更具体的参考和建议。

跨部门协同决策,打破需求计划的信息鸿沟

常言道,行百里者半九十。精准的需求预测完成了需求计划的主要工作,但是要做出一个符合实际的需求计划,还要达成多部门的共识,要结合预测数据和不同部门的实际情况来制定。传统模式下,各个部门是互相独立的,需求计划部门提出需求计划后,各个部门一般通过S&OP(销售和运营计划)会议讨论敲定计划,对于数据的细分情况是否一致并不了解,表面看大家达成了一致意见,但与实际情况有较大偏差。

这是因为每个部门的职能和核心诉求不一样,在讨论需求计划时会有不同的偏向。比如,销售部门的核心诉求是货品尽量充足,以保证快速成单和交付,就希望需求计划有更大的支配空间。供应链部门则是从整体成本和效益出发,希望库存保存在最佳状态,避免货物积压以降低成本,提需求时就会尽量保守。如果各个部门能够在目标和细分维度上达成一致,需求计划就会更具有执行性。

计划宇宙智能需求计划自定义协同流程示意图

所以,需求计划不等于需求预测,更关键的是跨部门不同颗粒度信息的透传。智能需求计划系统,还有一大亮点就是智能化协同,通过自定义的协同流程配置和权限配置,企业可自由控制计划的流转。计划员可根据需求预测结果创建不同维度和不同层级的初版需求计划,并将计划分发给销售、财务、市场等不同部门,辅以消息和提醒机制,收集不同部门的需求洞察和建议,综合多方意见进行调整,最终实现协同决策和一致性计划。

解决了上述问题,需求计划传导到供应计划乃至生产计划时,就可以释放出更大价值。在实际运营中,需求计划、库存计划、生产计划等都是互相关联的,需求计划做好了,可以拉动后续计划效率和效益的提升。例如,通常需求计划最直接影响的是配货补货,精准的需求计划可以为库存补货提供数据参考,企业在做库存计划时,就可以根据不同颗粒度的需求计划进行精细化和差异化补货。

综合来看,智能需求计划系统在预测环节改变了传统人工计算或者“excel式”的预测模式,在预测效率、颗粒度、准确性方面都实现了大跨越。在跨部门协作方面,通过优化协作机制和模式,实现了端到端的信息透传和协同,让需求计划更加自动化和智能化。同时,通过解释性分析、模拟仿真等功能,可以让企业从更多维度了解市场需求情况,全方位支持企业决策优化,提升整个供应链系统的“脑力”水平。

作为面向零售消费行业的智能运营决策优化产品,杉数科技推出的计划宇宙在雀巢、好丽友、伽蓝、小米、百威等企业的供应链管理上都发挥了重要作用,覆盖智能需求计划、智能库存计划、智能供应计划、智能收益管理、智能履约计划等多类场景。例如,通过对伽蓝业务场景深入理解和分析,结合伽蓝集团未来发展战略要求,杉数科技考虑诸多执行条件约束进行科学决策,实现伽蓝全品牌需求计划、供应计划、仓储计划的自动化和智能化,切实提升了企业运营体系决策效率和质量。

从行业角度来看,每个行业的业务逻辑是类似的,但每家企业都有其独特性。基于此,计划宇宙构建了“标准化”的业务模型,可以在同类场景快速扩展应用,并能够根据特殊需求自由定制和调整,充分将共性特征通用化,并为个性化需求保留了空间,为企业打造高质量的供应链系统提供了高效灵活的方式。