交易场所

故事情节很老。该博客是对旧故事的新诠释。

故事情节是1983年美国喜剧片的主题 交易场所 由Dan Aykroyd和Eddie Murphy主演。记住它？那是我最喜欢的电影之一：一部有趣的电影，当一个上流社会的商品经纪人和一个无家可归的街头骗子在不知不觉中成为精心打赌的一部分时，他们换了角色。

 这是一个永恒的地方，一个较不幸运的角色与一个较幸运的角色进行交易。小时候，我在马克·吐温（Mark Twain）的影片中看到了这部影片 王子与贫民窟 和迪士尼的 父母陷阱。尽管这些都是虚构的，但本周，我发现了一个故事，说明它在现实生活中发生在供应链中。我最喜欢的一些供应链管理负责人（我曾与之合作过七年的组织）在不知不觉中交换了组织能力以预测需求。在这里，我分享了与众不同的原因。

序幕

在讲故事之前，让我快速分享一下我在基准需求指标方面学到的知识。我在这方面已经工作了七年。这是基准供应链中最困难的领域之一。在所有供应链指标中，它是“不良苹果”；但是，对于大多数公司而言，它是最可操纵的指标，因此成为BIG APPLE。

尽管公司急切需要需求数据，并且希望改善其流程，但很难对基准预测准确性进行基准测试。为什么这么难？让我们从两个主要原因开始：

原因＃1。苹果很难被苹果收购。这是一个水果篮。  每个公司的操作方式都不同：不同的层次结构，不同的频率和不同的测量系统。这是供应链中最不稳定的领域。

 在进行此类工作时，必须进行苹果与苹果的比较。为此，您需要仔细查看五个变量：计划的频率，计划的粒度（例如每月，每周或每日计划），数据模型的构造（例如建模的内容），数据输入模型（例如出货量，订单，渠道数据）以及需求预测差异的驱动因素（例如促销，季节性构建等）。要使其正确无误，必须对数据进行整理和标准化以确保苹果与苹果之间的比较。因此，公司绝不应该接受来自自我报告来源的数据（例如APICS，IBF，APQC，SCOR委员会以及大多数行业调查）。

原因＃2。苹果离树不远。第二个原因是很难获得。为了有用，并且由于市场条件的变化，数据集需要从相同的时间点表示相似的对等组。由于许多公司拥有多个供应链，而且竞争对手往往不希望直接与其竞争对手共享数据，因此获取数据是一项壮举。

序幕

我遇到了罗伯特·伯恩（Robert Byrne），他是 泰拉科技 本周，我很高兴发现他刚刚完成了一个项目，该项目为他与他的软件解决方案合作的消费品公司的需求数据提供了基准。其中有五家公司是我在2003年进行基准测试并在过去五年中与之合作的组织。虽然Rob和我都无法分享公司的名称，但我想分享我对他们的旅程的见解。这确实是一个关于交易场所的故事。

故事

虽然这个故事可能不如原始电影交易场所那么有趣，但这是一个真实的故事，其中对供应链基础知识的关注有所作为。在表1中，我在两次分析中显示了公司的相对位置：

表1：五家消费品公司的预测准确性比较  

行业取得了进步吗？  是。有一些但不是很大的飞跃。对于Terra Technology进行基准测试的公司集团，一个月滞后的平均每月平均绝对百分比误差（MAPE）为31％+ 12％。八年前相同公司的数据平均为36％+ 10％MAPE。结果？这组消费产品领导者略有进步。但在需求预测方面并没有明显改善。他们度过了市场变化的风暴，这可能会使预测的FAR恶化。尽管组织中​​很少有人支持这些领导者（需求计划者习惯被踢），但我预计结果会更糟。该行业遭受了重大冲击。该列表很长，但包括更短的产品生命周期，产品扩散，更高级别的促销，竞争行为变化和全球扩张。 

交易场所。有什么不同？  导致相对位置差异的三个因素是：组织报告，流程纪律和数据驱动流程的使用。 

交易场所。没有什么不同？  用于战术预测的软件类型没有统计学差异。真正起作用的是软件的使用而不是软件的选择。

组织报告。  在Rob基准测试中表现最差，2003年表现最好的公司由于预测报告关系的变化而引入了很高的预测偏差。公司在2003年基准测试之后不久做出了一项决定，要求预测组通过销售报告，因为组织普遍认为，如果公司过度预测销售量会更高。这个决定增加了偏见，并在整个过程中蒙上了一层阴影。组织中缺乏“真正的北方”成为提高预测准确性的绊脚石。

过程纪律。数学更好？  在新的Terra Technology研究中，与单纯的预测（体积计划基于最后发货的数量）相比，使用统计建模软件可使预测平均提高3％（在MAPE水平上有1个月的延迟）月）。对于领导者使用数学时，意义重大。在前四分之一的客户中，影响是MAPE的2倍或6％的增长。预测准确性值提高6％有多少？根据AMR Research的相关性，将6％的预测改进可以将完美订单提高10％，并将库存减少10-15％。影响最大的是供应链尾部缓慢移动的物品。不幸的是，大多数公司让他们的供应链尾巴鞭打他们。

这不只是发生。它必须是数据驱动的。基础很重要。  对我而言，数据背后有趣的故事是八年来球员的位置变化。在这段时间里，2003年最佳公司成为表现最差的公司，两个业绩不佳的公司将自己推向前进。这些公司专注于基础知识。其中包括努力清理数据，确定准确的基准预测，经常调整供应链计划软件，强大的企业需求计划团队通过供应链进行报告以及使用统计数据。  

关于战术预测的思考：  尽管技术供应商喜欢吹嘘自己的技术使用会改变供应链领导地位，但此处的数据尚无定论。相反，在相对位置上有所不同的是流程，数据和组织报告。我知道，不是性感的东西，但是在战术预测中，基础很重要。而且，尽管许多公司认为可以通过缩短周期时间来克服不良预测的缺陷，但这是短视的。出色的预报员的最大优势在于，改进了战术决策（通常从3到18个月不等的长期计划），以投资于正确的制造资产策略，采购和商品对冲计划以及与承运商的长期计划。那些做得不好的公司会被迫始终做出反应。他们被迫始终处于“后脚”，严重影响成本，客户服务和库存周转。

数据还支持以下事实：战术预测本身是不够的。通过基于规则的消耗来消耗战术预测的常规供应链软件的设计是不足的。 泰拉科技开发需求感知功能的工作将预测提高了15-33％（基于客户访谈），以改善运营范围内的供应链决策（预测持续时间为3-12周的几周）。这对于部署，库存和制造计划而言至关重要。

包起来

我赞扬Terra Technology花费了大量精力和人力来衡量他们的客户群。对客户群的这种承诺可以区分并建立长期关系。我也很高兴 连锁分析仪 正在启动需求计划基准测试实践。我希望这种分析能够成为供应链领导者不断努力的一部分。

我期待着您的见解。你怎么看？我想念什么吗？