撰写者 下午2:10 需求驱动, 卓越供应链 •14条评论

需求计划的七罪

在第一个下午,可以总结为:“哦,父亲,我们犯罪了。请原谅我们所有人的罪人。 “

在达拉斯召开的这次会议对我来说是反思需求规划历史的好时机。 IBF庆祝他们的30岁 达拉斯的周年纪念,甚至没有参加聚会。我感谢IBF和像这样的供应商 Autobox,John Galt,SASility Logility, 泰拉科技 支持他们的活动。我认为,我们应该为他们欠下的感谢,感谢他们继续推动卓越的需求计划。在我看来,最大的罪过是我们花了三十年的时间来开发预测过程,而这些过程在很大程度上不受其所服务的组织的使用或信任。在这里,在这篇博客文章中,我对小组关于罪恶的讨论发表了自己的看法。

七罪

小组讨论包括以下七个致命罪过:

罪过#1。不使用统计预测来推动持续改进。 我从未与无法通过更好地利用统计数据来改善其预测的公司合作。但是,大多数公司对此表示怀疑。固有于公司DNA中的是“专家”,他们认为他们比任何统计软件包都更了解业务。鉴于预测始终是错误的,并且预测过程充满了政治问题,因此公司在如何使用统计方法进行预测并获得认可方面遇到了困难。

While benchmarking 日 e forecast is difficult (reference blog post Trading Places), measuring continuous improvement 日 rough Forecast Value Added (FVA) analysis is a helpful, 和 easier method, to drive continuous improvement.  In most FVA analysis presentations 日 at I have seen lately, 日 e statistical forecast is improving 日 e naive forecast—forecast made based on prior month’s order history—by 3-5%.  Similarly, 日 e lack of control of managerial 和 discipline in 日 e consensus 预测 process is reducing forecast accuracy by 2-5%.  The technique allows companies to measure, improve 和 better drive forecast accuracy, 和 gain business alignment 和 support for 日 e effort by dollarizing 日 e impact of 日 e forecast error.  For example, one of 日 e speakers at 日 e conference shared 日 at a 2% improvement in forecast accuracy was worth two headcount in his business.  If 日 e forecast could be improved by 2%, he could reduce 日 e time spent on order expediting.  Bottom line:  Don’t look at forecast accuracy in isolation.  (For 日 ose of you not familiar with 日 e technique, I 日 ink 日 at 日 e white paper written by SAS is very useful.  Reference http://www.sas.com/reg/wp/corp/6216).

罪#2。仅拥有部分预测。 用棒球类比,大多数需求计划团队都在 “outfield.” 他们从销售和市场营销中“获取预测”,而没有整个过程。他们在没有增值分析的情况下跨职能捕获并抛出了预测。而一流的团队则拥有整个预测。他们了解基准预测并致力于推动根本原因分析,以改善需求调整计划-价格,促销,营销活动,新产品发布和销售激励措施。有何不同?对于我在过去两年中工作过的一家公司而言,这项变更为减少陈旧造成了500万美元的价值。底线:移出外场并回到本垒打以确保组织可以击出本垒打。

罪#3。误用下游数据作为输入。 当用完产品时(为了防止过时),请小心使用下游数据。意识到您正在进入渠道,并且您不想增加补给。如果您没有这门学科,您将重新创建 绿色沃尔沃的故事。还记得那个吗? Hau Lee讲述了这个故事:“沃尔沃充斥着淡黄色的绿色汽车。尽管在分销商处尝试各种选择推销汽车,但汽车并未出售。因此,公司决定以大幅降价的价格对它们进行定价,以移动它们并减少库存。但是,该策略并未在整个组织中传达给需求计划。结果,当绿色沃尔沃汽车售出时,销售订单触发了预测,而预测消费逻辑触发了补货,而工厂又加快了生产线的生产,以制造绿色沃尔沃汽车。几年前,我在一家公司生产女装内衣的公司中讲了这个故事,她们开始不停地大笑。我终于停下来,问为什么?在无法控制的笑声之间,该公司表示,他们的Green Volvos是豹皮毛皮皮带。所以这种罪恶遍及从汽车到内衣的所有行业….

推动SLOB时,请关闭旋钮以使用下游数据,并注意不要让订单驱动补给。同样,应使用下游数据来触发促销补货的完成。感应何时结束促销对于消除SLOB(缓慢和过时的库存)也很重要。底线:从外而内设计预测过程以及预测过程输出的使用。在推动准确的补给中,没有什么可替代了解真实渠道行为的。

罪#4。项目不是程序: 我经常被问到的一个问题是 “如何才能更快地实施需求计划?” 我会回答这个问题,然后我会问,
“您不是在为错误的目标开枪吗?您的目标不是应该很快就很好地实施需求计划吗?” 我最欣赏的公司之一,通用磨坊(General Mills)被证明是每年使用SAP APO DP的领先者之一。当我作为AMR分析师撰写有关General Mills实施的案例研究时,许多公司都退缩了,问我为什么选择General Mills案例研究来展示。原因很简单。他们没有最快地执行需求计划,而是做到了最好。对于他们来说,这是一个程序。它被重视。他们想把事情做好。这不是一个快速实施的项目。

罪恶#5。并非所有项目都是平等创建的: 用一位参加讲习班的人的话说, “了解您物品的DNA。” 几年前,我曾与一家生产婴儿配方奶粉的公司合作。他们最重要,数量最少的物品是送给医院的新妈妈样品。这些样品在婴儿出生时分配到产房,以促进产品试验。成功的审判可能会导致婴儿从小到大的生命中消耗数年的时间。因此,这些产品的预测误差要比转弯量的预测误差大得多。

罪#6。预测结果: 这听起来很简单,但这是一种经常犯下的罪过。尽管许多公司已经建立了预测系统来预测制造何时需要制造什么,但是更大的机会是对渠道将要销售的产品和时间进行建模。然后,公司将这些需求需求转换为内部和外部制造地点。这不只是在零售链级别上对销售部门进行建模那样容易。对于预测过程,这通常太低,无法预测-数据不足以至于没有太大的意义。同样,随着对运输预测可见性的需求增加,需要预测运输需求。并且,使用渠道数据来确定分发需求。事实证明,预测消费逻辑和单数预测是不够的。相反,需要将多个预测转换为公司的需求可见性信号。

罪#7。傲慢。不为本组织服务。 在会议上,Radio Shack的高级副总裁作了关于如何打造出色的需求计划小组的演讲。他的智慧之言是“be humble”和“为组织服务”。根据他的经验,当需求计划小组变得傲慢无比时,一个“知道所有事情的小组”负责监管预测,每个人都会松懈。

你怎么看?您是否希望与该博客的读者分享预测的任何错误?还是您对所概述的罪恶有任何见解,并就其他人如何改善他们的预测分享想法?有关更多按需管理的信息,请查看以下帖子:

超越烟雾和镜子(//www.cre8ivesupplies.com/page/3/)

交易场所 (//www.cre8ivesupplies.com/uncategorized/trading-places/)

本周,我在中西部医疗保健交流会上发言。下周寻找有关新研究的文章 如何治愈生命科学供应链。

昨天,我在 礼来 学习中心在印第安纳波利斯中心使用2-D条形码查看商品序列化的进展。很高兴看到他们使用了我的一些2002 加特纳 关于RFID的研究记录,用于帮助他们制定制胜战略。