不只要報表，給我算命師

| | | | | | 留下回應

    

因此如何算準「需求」就成為一項重要的工作，需求預測影響擴及企業財務規劃、庫存管理、生產計劃、配銷計劃、行銷計劃及客戶管理等各層面，因此在企業每日、每週、每月、每季及每年的大大小小會議裡，需求預測都是一個最關鍵也是最基本的數字，不論這個數字是如何產生，大家都只有一個要求，那就是愈準確愈好。

那麼不準確的需求預測會帶來什麼樣的結果呢？

過度樂觀（預測＞實際）

1.過多的庫存：庫存中的品項過多。
2.庫存成本資金積壓：經營成本提高。
3.產生轉運成本：需要的地方缺貨；不需要的地方卻一堆庫存。
4.報廢核銷庫存：庫存產品面臨效期的壓力。
5.降低獲利能力：由於庫存過多必須要削價銷售，庫存也會面臨跌價的損失。

過度保守（預測＜實際）

1.訂單修改成本：為了滿足市場的需求及避免競爭者趁機介入，必須要趕訂單滿足客戶。
2.較高的產品成本：因為產品無法準時交貨，必須支付較多的成本。
3.錯失銷售機會成本：由於進入市場較晚，無法擴大市場佔有率。
4.錯失搭售產品的銷售機會：無法在第一時間搭配其他產品銷售，擴大商機。
5.客戶滿意度降低：由於對於市場反應太慢造成客戶不滿。

如何提高需求預測的正確性，成為企業經營中一個重要的課題，因為它會直接影響到企業經營的績效。不過也因為它充滿高度不確定性，造成決策上的因難。要降低不確定性，通常必須依靠管理者的經驗及判斷能力，有的則採取集體決策的方式，但是畢竟以現在的產業的競爭程度而言，如何增加一些正確性及如何提升效率，成了需求預測上的當務之急。

要如何管理這個不確定性呢？對於具備歷史資料的產品，最方便的方法是直接利用過去的資料進行預測，因此只要有一位瞭解時間序列預測模型的分析人員，就可以產生客觀的預測結果；透過瞭解資料的性質，選擇合適的預測模型進行預測，就可以產生一個客觀的參考結果。

聽來很合理，但實際上有太多的預測工作要執行，而且這些資料又需要經常性的更新，分析人員卻總是忙得沒有時間來處理。更慘的是，時間序列的預測模型那麼多，要如何知道每一種模型的適用性，在時間序列的資料中有一些特殊事件或是季節性因素，是否可以消除或將列入考慮，這些複雜的因素都是企業裹足不前的原因。

至於新產品或是生命週期短暫的科技產品，由於歷史記錄的缺乏或是產品資料的週期太過短暫，無法進行預測，也會造成企業不相信利用統計手法進行預測的結果。其實，這些並非無法預測，只是在商業智慧的範疇中，普遍缺少合適的工具來協助產生預測性的管理數據。

預測性分析

如同資料採礦一般，適當的預測分析是將不同的演算法集結成在同一使用者介面，由使用者利用資訊技術來產生出由不同模型或是演算法的結果，進行比較或是整合，產生出解釋及預測程度高的模型。同樣地，在時間序列預測上，利用一個整合不同預測方法的介面、快速產生經營管理上的預測數字，配合各式報表及查詢工具，提供決策者所需要的資訊，新產品就可以利用產品分類中的同質性產品進行預測；至於完全新的產品則可以經由相關性分析，找出相關性變數，經由這些變數來進行預測。

台灣的一些OEM廠商常講，訂單是客戶給的，無法預測，只能經由收到客戶的數字之後再來進行計劃。不過客戶的數字也經常改變，準確性也不高，導致經營成本增加。實際上透過客戶的交易行為數據，我們就可以進行預測，像是下訂單頻率、數量、金額，交貨的時間、數量及訂單與實際值之差異等，每一個數字的背後都可以進行預測模型的建立，而商業智慧能降低企業進入預測管理的門檻，這不是一個單純統計工具完整性的問題，也不是在學術領域裡研究不同的分析方法，而是在實際的商業世界裡應用統計方法，統計工具的自動化智慧能力，能輔助分析人員快速產生結果，自動進行評估比較，又可以立即進行人工調整，產生最具說服力的客觀數字，這正是提升商業智慧到更高層次的魅力所在。