پیشبینی تقاضا؛ از مدل آماری تا تصمیم خرید
راهنمای پیشبینی تقاضا برای خرید و تأمین، از تشخیص کسری موجودی و ارزیابی مدل تا محاسبه مقدار پیشنهادی سفارش با یک مثال عددی.
نویسنده: فرزاد ملکی

پیشبینی تقاضا؛ از مدل آماری تا تصمیم خرید
برای یک کالا در دو هفتهٔ آینده تقاضای ۶۰۰ واحدی پیشبینی شده است. آیا باید ۶۰۰ واحد سفارش بدهیم؟ پاسخ به موجودی قابل فروش، سفارشهای در راه، زمان تأمین و فاصله تا نوبت بعدی بازبینی بستگی دارد. پیشبینی میگوید احتمالاً چه مقدار نیاز داریم. سیاست خرید تعیین میکند چه زمانی و چه مقداری سفارش بدهیم. افق پیشبینی را از روی تصمیم خرید تعیین کنید اگر تیم خرید هر هفته سفارشها را بازبینی میکند و تأمینکننده معمولاً یک هفته بعد تحویل میدهد، سفارش امروز باید در کنار موجودی فعلی و ورودیهای قطعی، تقاضای دو هفتهٔ پیش رو را پوشش دهد. اگر زمان تحویل متغیر است، نوسان آن باید در برآورد ریسک کسری دیده شود. سطح پیشبینی را هم متناسب با تصمیم انتخاب کنید. وقتی خرید متمرکز و تخصیص شعبهای است، تصمیم خرید به تقاضای کل شبکه و تصمیم تخصیص به تقاضای هر شعبه نیاز دارد. وقتی کالا تمام میشود، فروش بخشی از تقاضا را پنهان میکند فرض کنید فروش یک کالا در سه روز آخر هفته صفر بوده، چون موجودی آن در شعبه تمام شده است. اگر مدل این سه روز را بهعنوان روزهای بدون تقاضا یاد بگیرد، ممکن است برای دورهٔ بعد هم مقدار کمتری پیشنهاد دهد. کنار تاریخچهٔ فروش، روزهای کسری موجودی، سفارشهای تأمیننشده و زمان بازگشت کالا به چرخهٔ فروش را مشخص کنید. وقتی مقدار تقاضای ازدسترفته معلوم نیست، روزهای کسری را علامتگذاری کنید و شیوهٔ برآورد یا حذف آنها را مستند کنید. تقویم شمسی، تعطیلات، کمپینها و تغییرات قیمت هم به تفسیر فروش کمک میکنند. برای آزمون مدل فقط از اطلاعاتی استفاده کنید که در تاریخ صدور پیشبینی در دسترس بودهاند. برای نمونه، برنامهٔ تخفیف مصوب میتواند ورودی باشد. قیمت نهایی فروش که بعداً ثبت شده، نتیجهٔ آزمون را خوشبینانه میکند. مدل را در برابر روش فعلی خرید بسنجید قبل از انتخاب مدل، یک مبنا ثبت کنید. این مبنا میتواند قاعدهٔ فعلی تیم خرید، میانگین چهار هفتهٔ اخیر یا فروش دورهٔ مشابه باشد. سپس در چند تاریخ گذشته، از اطلاعات موجود تا همان تاریخ پیشبینی کنید و نتیجه را برای افقی بسنجید که تیم خرید واقعاً استفاده میکند. قدر مطلق خطا و جهت آن دو سؤال متفاوت را جواب میدهند. اولی نشان میدهد معمولاً چقدر خطا داریم. دومی نشان میدهد مدل پیوسته تقاضا را کمتر یا بیشتر برآورد میکند. کنار این اعداد، اثر پیشنهادها را بر کسری کالا، مازاد موجودی و سفارش اضطراری هم بسنجید. در کالای پرفروش، کمبرآوردی ممکن است فروش را از دست بدهد. در کالای تاریخدار، بیشبرآوردی میتواند به ضایعات منجر شود. یک مثال عددی از پیشبینی تا سفارش برای یک کالا، تقاضای دورهٔ پوشش ۶۰۰ واحد، موجودی اطمینان ۸۰ واحد، موجودی قابل فروش ۲۵۰ واحد و سفارش قطعیِ در راه ۱۰۰ واحد است. فرض میکنیم سفارش در راه بهموقع در همین دوره میرسد و تعهد معوق جداگانهای وجود ندارد. نیاز خرید اولیه ۳۳۰ واحد است (۶۰۰ + ۸۰ − ۲۵۰ − ۱۰۰). اگر تأمینکننده فقط کارتن ۲۴تایی میپذیرد و ظرفیت انبار و بودجه اجازه میدهد، پیشنهاد سفارش به ۱۴ کارتن، معادل ۳۳۶ واحد، میرسد. حالا فرض کنید پیش از رسیدن سفارش، مصرف مورد انتظار ۳۰۰ واحد است و هیچ ورودی دیگری در این فاصله نمیرسد. با موجودی فعلی ۲۵۰ واحد، احتمال کسری پیش از تحویل وجود دارد. کنار پیشنهاد ۱۴ کارتن، داشبورد باید این فاصلهٔ زمانی را نشان دهد تا تیم خرید امکان جلو انداختن تحویل یا انتقال موجودی را بررسی کند. تیم خرید در داشبورد چه چیزی باید ببیند؟ در سطح کالا و محل تأمین، پیشبینی دوره، موجودی قابل فروش، ورودی قطعی با تاریخ رسید، مقدار پیشنهادی سفارش و علت هشدار را کنار هم نشان دهید. کارشناس خرید باید بتواند پیشنهاد را تأیید یا اصلاح کند و دلیل تغییر را ثبت کند. بعد از اجرا، این سابقه کمک میکند بفهمید اختلاف از پیشبینی آمده، از شرایط تأمین یا از اطلاعات تازهای که هنگام تصمیم در اختیار تیم بوده است. در چکیده، کار را از یک گروه کالا و یک تصمیم خرید پرتکرار شروع میکنیم. روش فعلی و دادههای موجود را بررسی میکنیم، پیشنهادها را مدتی در کنار فرایند جاری میسنجیم و نتیجه را با معیارهایی مانند کسری، مازاد و سفارش اضطراری پیگیری میکنیم.