Проблема обратной цепочки поставок для прогнозирования спроса
Что касается прогнозирования, существует старая поговорка “Гарбаж в гарбаже”, которая говорит о том, что даже лучшая технология прогнозирования не может исправить неправильные входные данные. Однако, по нашему опыту, данные о продажах, которыми располагают розничные продавцы и производители, обычно довольно чистые. В наше время электронных транзакций количество неправильно введенных данных о продажах крайне мало.
Тем не менее, все еще есть тонкости, когда дело доходит до прогнозирования. В частности, Lokad стремится предоставлять прогнозы спроса, а не прогнозы продаж.
При консолидации исторических данных о спросе мы заметили, что возвраты, являющиеся частью процесса обратной цепочки поставок, и отмены, часто учитываются как отрицательные в исторических объединенных продажах. Такой шаблон обычно создает отрицательные продажи, которые довольно легко заметить, даже если они случаются довольно редко, так как количество возвратов обычно мало по сравнению с количеством заказов.
Это поведение правильно с точки зрения бухгалтерии, но, к сожалению, вводит в заблуждение с точки зрения прогнозирования. Давайте посмотрим, почему.
Предположим, что в понедельник заказывают 9 единиц товара. При доставке во вторник, учитывая ночную доставку, 3 единицы возвращаются. В конце концов, на понедельник было реально продано только 6 единиц. Тем не менее, какой будет правильный прогноз спроса на понедельник?
- Если мы предположим, что 6 единиц - это правильный спрос на понедельник, то будет храниться только 6 единиц; что приведет к обслуживанию только 6 клиентов в понедельник, а оставшиеся 3 клиента, скорее всего, не смогут сделать заказ из-за отсутствия доступного товара. Затем, во вторник, возвращается 2 единицы (вместо 3). Этот подход приводит к 4 фактическим продажам на понедельник.
- Если мы предположим, что 9 единиц - это правильный спрос на понедельник, то будет храниться и, соответственно, отправляться 9 единиц. Минус 3 возврата во вторник, этот подход приводит к 6 фактическим продажам на понедельник.
Очевидно, что второй сценарий лучше для розничного продавца. В качестве общего руководства данные, полученные из обратной цепочки поставок, не должны влиять на прогнозы спроса.
Затем, что касается отмен, существует серая зона.
- Если заказ был отменен быстро, до того, как товар успел быть отправлен, товар сразу становится доступным для нового заказа. В такой ситуации имеет смысл не учитывать быстро отмененный товар как часть спроса.
- Однако, если отмена происходит через несколько дней после заказа, но до отправки, то одна единица товара на складе считалась недоступной на протяжении всего периода между заказом и отменой. Не учет такого отмененного заказа с длительной задержкой как спроса может потенциально помешать реальным клиентам приобрести желаемый товар.
Второе наблюдение становится еще более сильным, если отмена вызвана длительной задержкой доставки в первую очередь.
В качестве общего руководства, все операции, которые приводят к распределению запасов, должны учитываться как спрос, даже если эти операции впоследствии отменяются. Отмена может рассматриваться как неопределенное пополнение, но не как уменьшение спроса. Для топ-продавца, связанного с достаточно стабильным процентом возвратов, это в конечном итоге означает, что запас на заказ (представляющий ожидаемый запас, который должен поступить в будущем) может быть увеличен в соответствии с количеством продаж в процессе, чтобы отразить ожидаемую ставку отмены.
