[數據分析#82] 供應鏈管理必做的數據分析:需求預測 3 種模型分享!

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:

  1. 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!
  1. 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!
  1. 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)
  1. 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
  1. 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

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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:

  1. 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
  2. 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
  3. 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~~

【1 對 1 免費諮詢】數據分析師 0~1 培訓班陪你一路到轉職成功!

hi 我是 Lisa

你也是 0 經驗、沒有相關背景,但也想要轉職數據分析師,或運用數據分析,提升在領域的專業度嗎?

-

你是否也覺得,數據分析的網路學習資源很多,但是多到不知道從哪裡開始?

學了很多工具,但學完了,問題才真正開始,不知道業界怎麼使用?又該如何面臨工作跟面試?

-

我在 2019 年從營運專員的職位轉職到數據分析師

在這之後,因為數據分析,也讓我快速建構不同領域的知識:行銷、營運、商業策略、產品、網頁

轉職過程中,花了很多時間成本摸索

我發現,學數據分析最快的方式是:

  1. 確認自己跟市場需求之間的差距:訂定轉職策略及了解數據分析師的工作方式
  2. 以業界應用的角度學習工具:包括數據工具及分析用思維架構,並且如何高效運用
  3. 建立一個商業上的真實專案,並且得到回饋:打造屬於你及貼合職缺需求的作品集和專案
  4. 打造一個高效履歷跟面談:透過高價值包裝術拿下面試、成功獲得數據行業的門票

當初如果我有這套系統思維,應該可以在短時間內轉職,馬上拿到進入業界的門票

-

現在,我想把這套完整課程分享給你

這是專門為了 0 經驗、沒有相關背景的轉職者所設計

不需要去考研究所、不需要花大錢準備出國讀書

可以用最快的時間準備轉職、拿到門票!

-

如果你正在準備轉職數據分析師,且試圖找過解決辦法卻始終治標不治本!歡迎跟我預約免費 1 對 1 諮詢,我會在諮詢時,了解你的需求並且評估我是否可以協助到你!

電子書 職場人必學的數據分析術

Lisa Wu

Hi 大家好!我是喜歡探索身心靈健康及平衡的數據分析師 Lisa Wu!這個網站會幫助你:利用數據分析 (理性) 及 身心靈平衡 (感性) 的系統,去達成人生目標!如果你對我的人生系統工具有興趣,歡迎聯繫我:couplehonest@gmail.com

發佈留言