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岁日 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， 和 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。
真正的罪过是30年后，什么都没有真正改变。公司仍主要使用出货量（补货数据）来创建仅反映趋势和季节性的统计基线预测，然后将统计基线预测移交给组织内的其他人以添加他们的偏见判断。这就像连续排列十个幼儿园的孩子，然后在第一个孩子的耳边轻声说一句话，然后告诉他/她对其他人重复一遍。到了第十个孩子的耳朵时，该句子与原始句子几乎没有相似之处。在这种情况下，最终需求预测与原始的统计基线预测不太相像，后者的准确性要高出十分之九。实际上，几年前，Goodwin和Fildes（英国巴斯大学）进行了一项研究，并发表在2007年秋季的《前瞻：国际应用预测杂志》上，发现有人在使用该方法提高预测的时间中占85％。判断他们降低了预测的准确性，因为他们在提高预测时过于乐观。随后，在降低预测的时间中，有85％的时间他们实际上提高了准确性，因为降低预测时他们更加保守。但是，触及该预测的95％的人实际上根本没有增加任何价值，因为他们对预测进行了微小的调整不会对最终结果产生实际影响。当他们问他们为什么要触及预测时，他们都说：“如果不触及预测，我们就不会做我们的工作”。通过预测，他们对公司造成了损害，而做其他事情可能会更有生产力。
实际上，与我们合作的绝大多数公司都在寻找需求预测方面的自动化“简易按钮”。但是，有希望。我们最近拜访了一家大型CPG客户，该客户自1994年以来一直使用SAS Forecasting技术，被认为是其全球公司中同类最佳的部门。他们采用了非常结构化的流程，该流程依赖于分析和FVA（预测增值）来推动需求预测和计划流程。他们在美国还有另外两个部门，这些部门也是SAS客户。他们实施了我们的高级预测分析软件，以感知与促销和营销活动相关的需求信号，然后使用“假设”方案分析，根据那些促销和营销活动的单位和收入（盈利能力）来塑造未来需求。如果促销活动或营销活动无法根据分析结果支付费用，则必须取消该活动或重新配置价格和成本以使其盈利。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流程，实施更高级的分析并拥有更好的POS（销售点）数据，并且只有少数公司正在使用它，因为它不受信任由他们服务的组织。
当我在一家生产和销售牙刷的大型CPG公司工作时，他们决定进行“买一送一（BOGO）促销”，而没有考虑促销带来的长期影响只需一个免费牙刷。他们只关心短期单位数量和试用。好吧，大多数人每年两次去看牙医进行检查和清洁。当他们离开牙医时，他/她会给他们免费的牙刷。人们平均每年使用四个牙刷，并从当地零售商那里购买两个牙刷。因此，通过运行BOGO促销活动，该公司将他们的消费者赶出了市场将近两年。同时，他们的竞争对手推出了带有中间一条蓝色条纹的牙刷，并做了广告，当蓝色条纹消失时，您需要一个新的牙刷。好吧，具有讽刺意味的是，那些牙刷的蓝色条纹在三个月内消失了。
这实际上归结为政治（权力和控制）以及需求预测和计划过程的真正目的。此外，也会错过性能指标的调整。当我在一家非常大型的全球啤酒公司担任C级经理时，我的一位董事来找我，说我们上个月的表现很好。预测准确率为92％。我说什么！我的导演然后说，这是什么意思，您是预测专家。我回答，是的，这是一个很好的预测，但是作为C级经理，我并没有根据预测的准确性来衡量。我根据收入，利润率，客户服务，产成品库存成本和按时交货量进行衡量。因此，我解释说，他需要创建一个平衡的计分卡，以图形方式和表格方式将预测准确性与C级经理衡量的所有关键业务指标联系起来。这样，我们将了解预测准确性如何驱动所有这些指标，然后，您将得到我们的关注。在98％的公司中，我们没有访问过与预测准确性相关的平衡计分卡。实际上，最近，我们访问了一家公司，该公司的需求预测团队的预测绩效指标是基于总级别（最高级别）的错误率。当我们问到较低的产品组合准确率是什么时，他们说他们不知道或不在乎，因为他们只能根据总水平的预测误差进行衡量。
真正的罪过是，预测准确性平均提高1％，至少等于成品存货安全库存降低2％。这是基于过去几年中我们对客户的反馈和调查得出的。如果您携带60至1亿美元的成品库存，这将是巨大的。我们还看到，大多数公司在第一年平均可以使用分析将其预测准确性提高多达10％-20％。因此，如果您进行数学计算，可以节省很多成本。
请记住，开发由数据和分析驱动的一流的结构化需求预测计划流程是一段旅程。它不会在一夜之间发生。它需要纪律，资源，技能和技术。即使是我们一流的CPG客户，也会告诉您他们自1994年以来就一直在进行这项工作，并且仍在寻找更好的流程，分析和技术来进一步增强其需求预测和计划流程。
是的，查理，我同意，尽管根据统计数据，大多数FVA分析仅显示了2％至5％的改善，但即使那样也会产生重大影响。不幸的是，这儿没有“easy button”.
[…] Newell Rubbermaid的Rickard和Altimeter Group的行业分析师Lora Cecere。退房劳拉'的Supply Chain Shaman博客，详细介绍了我们的自白做法。 （另请参阅我的同事查理[…]
感谢Lora的详细信息&这里提供有用的信息。许多人说需求计划是一门艺术，而其他人则说这是一门科学。但是，当按订单制定战略时，我们仍未找到预测在制造部门中的作用。在MFG单元中，我们根据历史需求生成统计预测，然后销售人员根据其来自客户的反馈进行校正预测。我们生成第一个不受限制的供应计划&然后根据共识预测约束供应计划&系统中可用的订单。在运行了几种方案之后，月度计划得以最终确定，该计划包括两个部分，一个是确定的订单&另一个是预测值，该值又转换为“承诺的可用容量”或“承诺的可用容量”（ATP）。但是由于供应的可变性较高&即使在需求方面，我们的准确性也太差，导致ATP的分配从一个客户转移到另一个客户。这迫使我们考虑在遵循定制策略的MFG环境中使用Forecast的方式。
你有什么建议。
嗨基兰
在按订单生产的环境中，预测需要与物料采购和建立采购关系联系在一起。通过查看合同管道和入站销售谈判的状态，可以改进预测过程。
我同意劳拉。但是，我相信您可以始终使用数据，分析和领域知识来提高预测准确性。
您是真的按订单包装，而不是按订单包装吗？
许多认为自己正在按订单生产的公司实际上都是按订单包装。在订购制造环境的一揽子计划中，您仍然需要预测原材料和在制品，这意味着预测需求对于管理供应链（制造）仍然至关重要。唯一真正的定单公司是像波音这样的公司，它会竞标合同，然后在几年的时间内建造飞机。他们不’•由于原材料和在制品的成本，请携带成品库存或按订单包装。即使在这种情况下，波音公司仍预测市场状况，这将促使像美国航空这样的航空公司购买新飞机。他们还预测了获得或失去合同的风险。另一方面，像戴尔这样的公司可以订购。戴尔需要预测所有原材料和在制品，并且随着订单的到来，它们将打包（组装）笔记本电脑。预测原材料（组件）和WIP（半建造箱），并等待组装。许多笔记本电脑具有通用组件，因此更易于包装（共享通用组件）以订购。即使在这种环境下，戴尔也努力预测包装到订购的所有不同产品。
现在，像戴尔这样打包订购的许多公司也使用需求转移技术来弥补糟糕的预测。例如，如果您上网订购M124笔记本电脑，但无法包装其组件，则计算机制造商将以相同的价格促销其M134，以提供更多功能，以尝试转移需求。这称为在销售点转移需求。您还可以通过在S期间进行谈判来转移供应点的需求&具有销售/市场营销的OP流程，以进行促销和市场营销活动，以将需求转移到未来，以提供制造时间。
我不’您不了解您的商务情况，因此很难提供更多建议。
Hi 罗拉,
我可以得到通用磨坊吗’从某个地方进行案例研究？
最好，
丽贝卡
嗨丽贝卡
不，可悲的是它存在于我以前的AMR Research档案中，我认为它不再有效。抱歉。
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。
输了？
说到第一点，关于如何将销售预测和统计预测结合在一起存在很大的分歧。当我执行更多预测改进项目的客户时，这一点变得越来越明显。例如，很少有公司将其产品位置数据库细分为销售/市场营销可以改善预测的公司，而不能将其分类的公司。每个公司都应该知道这一基本信息，但是要知道这一点，就必须进行测试，然后记录并发布结果。
在过去的几十年中，重点一直放在将专门的预测系统引入公司中，这些公司最终发现ERP系统中普遍缺乏预测功能。对ERP系统中的预测功能的高估是ERP供应商方面的主要错误信息。一个系统可以做所有事情的想法大大降低了预测能力。但是，即使许多公司都有一些外部预测应用程序，但对于我所见过的预测过程，预测过程仍然非常不了解。
此外，方程式的人性方面资金不足。很少有公司有职业道路来适当补偿那些想要的人，或者仅仅是天生的倾向就可以更深入地预测知识。在大多数公司中，唯一真正的晋升途径是进入管理—因此，管理需求计划者被认为比出色的需求计划者更为重要。
我不断听到预测对公司的重要性—但是除了购买应用程序外，投资又在哪里呢？我最近一直在试图量化预测误差的成本，以便提供“bill”公司每月因预测不佳而产生的费用。如果量化和预测哪些不准确成本的方法得到广泛应用和理解，也许更容易获得为整个预测过程提供适当资金的资金。
[…]季节，但总需求不一定会转化为您产品的需求。专注于您的市场中的产品，您将避免需求感知过载。英国常客遭受重大损失，因为殖民地[…]
[…] //www.cre8ivesupplies.com/supply-chain-2/supply-chain-excellence/seven-sins-of-demand-plannin… […]
在项目和程序管理中，我发现项目经理，程序经理或Scrum管理员比需求团队更了解预测，因为它们最接近项目和程序细节。试图可视化需求团队走出外场的样子。
是的，但是只有12％的制造业供应链是基于项目的。如果世界更简单。