什麼是供應鏈管理？供應鏈為什麼重要？
供應鏈管理 (SCM, supply chain management) 是什麼？
我們可以想像一下，供應鏈管理就像我們家裡的食物供應一樣。
假設我要準備一頓晚餐，首先需要確保我有食材，這就是我的原材料。然後，我要安排什麼時候去超市買菜，這就像是規劃我的採購策略。當我回到家，把菜放進冰箱，這就像是我在管理我的庫存。
接下來，當我開始料理時，要確保所有的食材都準備好了，這就像是生產計劃。最後，當我準備好上菜時，會確保每道菜都在適當的時間上桌，這像是管理我的產品交付跟運輸流程。
當這些環節都順利進行時，我們 (供應鏈管理者) 跟家人 (客戶) 就會很開心。
這就是一個成功的供應鏈管理，確保產品從供應商 (買菜) 到消費者手中 (給家人吃的料理) 都能順利到達，並且滿足需求！
供應鏈管理有哪些部門？分別負責哪些項目？
剛煮飯的故事講完之後，我們可以再拆解供應鏈一條龍的各項目：
- 物料清單管理 (BOM, Bill of materials management)
- 就像家裡的食譜一樣，BOM (物料清單) 就是一份詳細列出我需要哪些食材來準備這頓晚餐的清單！
- 例如，你要做一份三明治，BOM 會列出麵包、奶酪、火腿、生菜、黃瓜、番茄等。這份清單會包括三明治的組成項目，並且依據我們的食譜，規劃好要買的材料、跟要買的量！
- 採購 (Procurement)
- 當我們知道需要哪些材料 (BOM) 時，就會準備去超市購買。採購過程中，我們可能會比較不同超市的價格、也會比較品質、也同時會考量超市到家裡的距離，選擇最合適的超市！→ 成本考量、品質確認、交貨時間
- 最後，採購會確保晚餐前，把材料準備好。例如，如果我要準備一場家庭聚餐，就會提前計劃好，確保我能在聚餐前購買到「所有需要的食材」，缺一不可！
- 庫存管理 (Inventory Management)
- 當我們把食材買回家後，需要把材料放進冰箱或櫥櫃中，這就像是庫存管理。我們需要確保冰箱裡有足夠的空間，並且按照先進先出的原則使用食材，以免食材過期或浪費
- 就像供應鏈中，企業需要管理好倉庫中的產品，確保有足夠的庫存來應對需求，同時避免累積過多黑庫存 (庫存佔位，也是成本的消耗)
- 生產計畫 (Production planning)
- 生產計畫就像是準備做菜的計劃。我們需要確定：什麼時候開始切菜、煮飯、烘焙等等，這樣所有的菜都能在合適的時間上桌
- 例如，我會先把需要長時間烹飪的食材先處理，然後再處理快速烹飪的食材，確保所有菜品能同時完成
- 運輸 (Logistics)
- 最後，當所有的菜品都準備好了，你需要把它們端上桌
- 這就像是供應鏈中的最後一哩路「運輸環節」，確保產品能夠順利、安全地從生產地運送到消費者手中
- 比如，當我的菜準備好後，我會交代老公把菜安穩的端到桌上，避免小朋友撞到、弄翻。而在一般公司場景上，就是通過物流公司運送到各大零售店，或是到消費者手中
零售衣服店的供應鏈管理
- 零售衣服店 (ARA) 的設計團隊會快速地設計出新的時尚款式，然後通過高效的 BOM 計畫，確保所需的原材料能迅速到位
- ARA 的採購部門會與供應商保持密切聯繫，確保能以最快的速度拿到原材料
- ARA 的庫存管理系統能實時監控各個門店的銷售情況，及時補充或是調動各分店的庫存
- 生產計畫則是很靈活的，根據市場需求快速調整每個衣服產品的生產量
- 在運輸方面，ARA 擁有自己專屬的物流系統，確保新款服飾能在最短的時間內上架到全球各地的門店。同時他也跟第三方物流合作，透過電商的營運模式，把消費者下單後的衣服送到他們手上！
為什麼數據分析很常處理供應鏈的問題？三大難題與數據難分難捨！
在專精供應鏈管理的劉寶紅老師的書中【供應鏈的三道防線：需求預測、庫存計畫、供應鏈執行】，有提到三個供應鏈「管理」的難題，這三個難題基本跟數據都脫不了關係，所以在處理營運 (供應鏈) 的議題上，總會出現數據分析：
- 需求預測：數據是需求預測的基礎，通過分析歷史銷售數據，可以預測未來的需求趨勢。數據分析要幫組織計劃生產或是補貨，減少過多或不足的庫存
- 庫存管理：數據在庫存管理中也很重要！根據過去的銷售數據和需求的波動，我們可以設置「合理的安全庫存水平」，確保在需求突然增加或供應中斷時不至於缺貨。同時，數據分析還能幫助我們優化各商品的庫存，降低持有成本
- 供應鏈執行：數據使供應鏈執行端，可以進行優化。通過即時數據監控和分析，組織可以調整生產計劃、運輸路線、配送策略等等，確保產品可以準時交給客戶。數據還可以幫助企業評估供應鏈執行的表現，進行供應商管理
所以基本上，供應鏈管理是離不開數據的！
需求預測 (Demand planning) 數據分析：FMCG 案例拆解
1. 分析上月預測結果
每個月，做需求預測時 (Demand Planning)，會回頭看上個月的預測 & 實際數字之間的差距，看一下準確率和偏差的地方，除了檢視估計方法外，也會了解哪些產品需求估高了、哪些需求估低了，找出原因。
常見有可能讓需求預測失準的原因：(可以提前預期到的，就會提前準備)
- 價格變化
- 季節性：(比如說：夏天到了、端午節到了)
- 市場競爭者出現：(比如說：同款商品有競品新發行)
- 經濟因素：(比如說：通貨膨脹、失業率提升)
- 國家政策：(比如說：三倍券、動滋券、補助、稅金補貼)
- 銷售策略：(比如說：行銷廣告檔期、大促銷活動、網紅開團)
2. 用歷史數據做基準預測
- 基準預測是需求預測的一個重要部分，主要是利用歷史數據來建立一個「初步 (basic)」的需求預測，然後在這個基礎上進行調整和優化
- 第一步：歷史數據分析
- 基準預測是從分析歷史數據開始，通過收集和整理過去一段時間內的銷售數據、庫存數據等，找出需求的趨勢
- 數據收集：收集過去一段時間內的銷售數據，包括每月、每季和每年的銷售量
- 數據清洗：剔除異常值和不可重複的特殊情況，如一次性的促銷活動或不可預測的突發事件 (比如說：口罩在疫情下的影響)
- 趨勢識別：通過統計分析，識別出銷售數據中的趨勢和季節性變化 (比如說：夏天到了的熱銷品、端午節到了的端午商品)
- 第二步：基於歷史數據的預測模型
- 基準預測常用的模型包括：時間序列分析、移動平均法、指數平滑法等，這些模型超常被使用！！他可以有效地捕捉需求的趨勢跟季節性變化帶來的影響
- 時間序列分析：利用時間序列數據進行分析，考慮趨勢和季節性因素，生成初步預測
- 移動平均法：通過計算過去幾個時間點的平均值來預測未來的需求
- 指數平滑法：通過給最近的數據更高的權重來平滑數據，生成更準確的預測
三大常見基準預測模型？適用什麼場景？優缺點？
供應鏈管理常見的數據分析模型有哪些？
供應鏈管理的數據分析，一開始一定要從基準預測 (baseline) 開始，就是當沒有其他外部因素進來影響的時候，我需要準備的量有多少？
這時候，最基本 (fundamental)、最常用到的就是：時間序列分析、移動平均法、再多一個指數平滑法。
時間序列分析：考慮趨勢和季節性因素，生成初步預測
- 想像你是一家知名的玩具公司的經理。你的公司每年在聖誕節期間銷售額大幅增長，但是在春季和夏季的銷售量通常較低。你需要準備下一年的生產計劃，確保在聖誕節前有足夠的庫存來滿足需求。
- 趨勢：公司整體的銷售量每年都在增長，因為玩具市場不斷擴大。
- 季節性：每年聖誕節前的銷售量激增，而在其他季節則較為平穩。
你可以使用時間序列分析來分析過去幾年的月度銷售數據，分解出趨勢和季節性成分。這樣，你就可以預測下一年每個月的銷售量，並提前做好生產和庫存計劃
移動平均法：通過計算過去的平均值，來預測未來的需求
- 你是餐廳的經營者，餐廳每日的客流量波動較大，但你希望能更準確地預測未來幾天的客流量，以便準備食材和安排員工班次
- 短期預測：過去一週的客流量數據顯示，周末的客流量較高，而平日相對較低。
- 平滑波動：通過計算過去 7 天的平均客流量，你可以得到一個平滑的預測值，減少單日波動對預測的影響。
使用移動平均法，你可以每天更新過去 7 天的平均客流量，這樣可以較準確地預測未來幾天的需求，從而更好地管理庫存和人員安排。
指數平滑法：通過給最近的數據更高的權重來平滑數據，生成更準確的預測
- 你是在線零售商店的負責人，最近推出了一款新產品，銷售量逐日增加。但是，銷售數據波動較大，你希望能有更準確的預測來安排補貨計劃。
- 近期數據更重要：由於新產品剛上市，最近的銷售數據更能反映未來的銷售趨勢。
- 平滑數據波動：通過給最近的數據更高的權重，你可以更準確地預測短期內的銷售量。
使用指數平滑法，你可以對銷售數據進行平滑處理，最近幾天的銷售數據對預測結果影響更大。這樣，你可以及時調整補貨計劃，確保新產品不會斷貨。
結論：預測結果的研究遠比用哪種模型更重要！
在供應鏈管理中，預測未來需求和銷售量是確保供應鏈運行順利的關鍵環節。
雖然我們可以使用模型來進行預測，比如說：時間序列分析、移動平均法和指數平滑法，但最重要的是對預測「結果」的研究，看哪裡導致我們的模型失準！
所以在供應鏈管理的數據報告中，對於結果的覆盤 + 針對不同場景使用不同模型 + 針對不同狀況做微調校正才是落地的關鍵～～
