简体中文 English
 
2009.06.29
 
商業預測完善供應鏈最後1哩庫存掌握更精準
DIGITIMES 2009/06/29-賴麗秋

乍看商業預測字眼,可能有很多人會聯想到商業智慧(Business Intelligence;BI),但就供應鏈(Supply Chain)角度來看,供應鏈下的商業預測與商業智慧,則是不同的系統,且其功能也不相同,但兩者可互相結合,為企業發揮更大效益。

台灣製造業以代工為主,供應鏈管理(Supply Chain Management;SCM)系統對台灣製造業而言,是非常重要的一環。但過去企業導入SCM,主要著重於採購、製造、配銷及客戶服務等,將資訊與物流做最佳化管理,以期達到降低成本、提升效益的目的。

這樣的SCM,專注的是供應面向的管理,如何做到及時供貨(JIT),就是對客戶最重要的服務;在此過程中,企業又同時可達到以最佳備料、庫存管理來降低成本,換個角度,等於是提升企業獲利。

若以早期製造業者的營運模式來看,這樣的SCM的確達到當初建置的目的,但是當環境改變,製造業者逐漸跳脫單純的代工生產模式,轉向ODM、OBM營運發展,偏重於供應鏈製造、運籌等面向的功能顯然已經不夠。事實上,由這次的金融海嘯即可發現,不少業者在市場反應上已出現窘況,因為多數製造業對於需求面的變化資訊,掌握度明顯不足,以致無法在第一時間發現問題並及時因應。

為瞭解客戶端需求、及時掌握企業營運狀況,幾年前市場開始有企業導入商業智慧,希望透過資料收集與資訊轉化的作業,持續且完整的匯整與分析,發掘企業面臨的潛在問題或機,以簡單報表或儀表板呈現,讓企業主可一目了然,助企業制定出最佳的策略。

供應鏈商業預測 vs.商業智慧
然商業智慧與商業預測有何不同?

聯合通商(eBizprise)專業服務處解決方案發展部產品經理陳獻豪表示,商業智慧是分析資料、報表,進而從中追蹤績效指標(KPI),是否達到初始設定的目標,藉由過去績效分析,提供企業主判斷、決策的依據。

商業智慧的好處是可做成動態報表,方便使用者依需求選擇要的數據分析,例如成本、財務等,可間接製成EPS表,便於企業主了解企業營運的變化。不過,商業智慧對於資料的分析,必須要等到事件發生後,才有比較、分析的數據,其呈現出的結果已是落後指標。

商業預測則是事前的規劃,建立平台,透過歷史資料數據分析,計算出最佳的預測結果。陳獻豪指出,商業預測希望達到的是建立領先指標,助企業調整未來預測值的精準度。如果將商業智慧與商業預測結合,則可產生更多不同維度的分析,例如成本與價格結合,就能產生各種組合,協助企業進行不同的銷售策略規劃與預測。

透過商業預測 精準掌握產銷資訊以降低庫存
以往供應鏈管理中,對於需求端的預測,在備料、安全庫存的預估,一般是由產品經理、業務負責,將他們所提出的預估值做成紀錄,於事後檢視績效時,看是否達成目標。這些預測多憑經驗值,而這些經驗值正是企業的重要資產,因此,企業必須避免在人員離開後,經驗也跟著流失。

商業預測則是透過平台的建立,由系統自動計算各種預測資料,且可隨時因應變化進行調整。劉獻豪表示,這個預測平台可代替產銷協同,方便及時溝通與討論,透過平台建立的機制與流程,讓所有供應鏈相關人員都可共同參與。藉由資料的收集,並由系統自動計算,即使沒有經驗的新進人員,也可輕易操作,企業更不會因人員的異動,而出現經驗銜接的空窗期。

陳獻豪進一步指出,精準預測在於避免缺料及庫存過高;一般預測是依各單位提供數據加以統整,不是高估就是低估,然這其中都存有風險。因為客戶服務要求速度,備料高估對出貨有利,不過,對企業營運及資金流動則是風險;相反的,備料低估在財務運作方面是降低風險,但卻可能因備料不足,無法滿足客戶服務,而造成業務流失。

這些問題在企業新產品推出的銷售預測,以及急單效應下尤其明顯。如何將庫存管理提升到以週為單位,每週都可因應最新變化更改備料、如何讓需求和安全庫存可保持在最合理的範圍,相信是企業最想達成的目標。

一般來說,在供應鏈體系中,供應商對需求預測的準確度最低,而製造端在背負庫存壓力下,掌握銷售端的預測能力就變得非常重要,若經銷商的預測能力提升,就可回饋給製造商,藉此降低庫存壓力。這正是何以銷售終端-品牌業者的知名度愈高,掌控供應鏈的力量也就愈大的原因。
以系統提升預測能力 降低人為疏失
陳獻豪表示,聯合通商的UFS預測解決方案(Uni-Forecast Solution),具有專家選擇 功能(ExpertSelection),能為企業業務、行銷或不具統計背景的人員,提供最佳分 析模型建議,透過簡單清楚的介面,快速進行高效率的商業預測;其核心引擎可以 針對歷史資料數據,偵測各種促銷活動或事件所造成的影響因子,用以調整並計算 出最佳化預測結果,同時結合專業顧問服務,協助企業達到提高獲利的終極目標。

UFS預測引擎核心功能包括:
專家選擇(Expert Selection)
可依據品項歷史資料的特性,自動選取最佳預測模型,大幅減少人工嘗試時間及 錯誤機率。

事件模型(Event Model) 偵測不同促銷、例外狀況事件,並調整偵測值以達到最佳預測結果,無須承擔人 工經驗法則預測可能帶來的風險。

多階層架構(Hierarchy) 針對具階層架構產品,提供Bottom-up與Top-down兩種預測方式,讓使用者根據 商品分類特性,快速產出各階層的預測值。 至於系統平台核心功能,則包括:個人化預測管理、預測樣本管理、預測角本管 理、預測專案管理、手動微調協同管理,及預測報表管理等6項。

UFS預測解決方案適用於消費性用品、醫療業、製造業、通訊業、電子業、電腦組裝業、食品業、物流業與零售業等不同產業,在國外已行之多年,在亞洲地區,由於業者多以代工業務為主,因此引進時間較晚,台灣目前導入業者也還不多。

至於哪些行業或何等規模的企業導入效益較佳?劉獻豪表建議,台灣雖以製造業佔大多數,且多以代工為主,對前端銷售資訊取得較不易,但並不表示製造業不需要商業預測。不過,目前對企業而言,商業預測屬加值投資,有意導入者,還是要具備一定的IT基礎建置成熟度,當然還要有充足的預算。一般來說,中型以上企業較有導入需求,且經營品項多,合作經銷商數也多,導入意義較大,因為這類業者較需要透過預測來降低庫存壓力。

一般企業導入期約在3~6個月,但仍需視導入企業建置的模組而定,模組較多,便 有可能拉長建置期。如果希望能獲得精準的預測,企業資料累積至少要有2年以 上,以利建立分析模式。
 
本文經大椽股份有限公司授權刊登
回上一頁