編者按：隨著電子商務(wù)越來(lái)越發(fā)達(dá)，我們足部出戶，也能買到各種商品。無(wú)論是日常生活必需品，快餐。還是其他商品，有時(shí)甚至是很偏的門類，下單后常常很快就能到手。亞馬遜公司也宣布提供當(dāng)天送貨上門的快遞服務(wù)。雖然這項(xiàng)服務(wù)只提供給 Prime 會(huì)員消費(fèi)者。不過(guò)，我們可以切實(shí)的感受到供應(yīng)鏈生態(tài)系統(tǒng)越來(lái)越完善。本文的主角——需求感應(yīng)技術(shù)，或許會(huì)成為不同行業(yè)企業(yè)開(kāi)啟數(shù)字化轉(zhuǎn)型的鑰匙。 本文編譯自 strategy-business 的原題為 "The Magic of Predicting Demand from Data" 的文章。
需求感知（Demand sensing）是實(shí)時(shí)互聯(lián)供應(yīng)鏈生態(tài)系統(tǒng)的的關(guān)鍵組成部分，能給數(shù)字轉(zhuǎn)型帶來(lái)強(qiáng)勁動(dòng)力。
有時(shí)候亞馬遜送貨上門的速度令人稱奇。不管你訂的物件有多無(wú)人問(wèn)津，亞馬遜常常還是能承諾當(dāng)日送達(dá)。這是怎么做到的？難道你有購(gòu)買欲的種草物件，都已經(jīng)聚集在自己附近了嗎？這倒不一定。但是很有可能，亞馬遜已經(jīng)將你有可能下單的物件運(yùn)到離你最近的倉(cāng)庫(kù)里，守株待兔了。
聽(tīng)起來(lái)很神奇，但 " 需求感知 " 這門技術(shù)已經(jīng)存在并投入應(yīng)用。需求感知利用新的數(shù)字技術(shù)來(lái)分析數(shù)據(jù)源，以找出潛在客戶身在何方，什么時(shí)候會(huì)購(gòu)買自己有興趣的物件以及購(gòu)買量，早在他們下單之前就都算出來(lái)。數(shù)據(jù)源來(lái)自商家的歷史數(shù)據(jù)和其他實(shí)時(shí)信息。
在所有企業(yè)都面臨前所未有的行業(yè) " 動(dòng)蕩 " 的時(shí)刻，需求感知技術(shù)通過(guò)理解消費(fèi)者行為及其對(duì)供應(yīng)鏈的潛在影響，能幫助企業(yè)更了解消費(fèi)者。" 下單后即刻就能收貨 "，這一點(diǎn)在改變消費(fèi)者對(duì)服務(wù)的期待上尤為重要。
這么一來(lái)，商家就能更快地將商品送到消費(fèi)者手上，保持高質(zhì)量的服務(wù)，提高銷售量，并將少數(shù)賣不出去的貨退給供應(yīng)商。需求感知能保證供應(yīng)鏈生態(tài)系統(tǒng)處于實(shí)時(shí)互聯(lián)狀態(tài)，將錯(cuò)誤率降低 45%。從我們的經(jīng)驗(yàn)看來(lái)，這能大大提高效率，讓服務(wù)更可靠，消費(fèi)者更滿意。
為什么現(xiàn)在出現(xiàn)這門技術(shù)？需求感知出現(xiàn)的基礎(chǔ)離不開(kāi)影響需求的新數(shù)據(jù)源、計(jì)算力的提升和人工智能。很多企業(yè)正使用需求感知來(lái)處理新數(shù)據(jù)，建立需求感知力，從而更好地理解消費(fèi)者行為，并據(jù)此來(lái) " 指揮 " 自己的供應(yīng)鏈。
企業(yè)銷售量越大、與客戶距離越近，需求感知就越重要。所以零售商和快消品企業(yè)是第一批吃螃蟹的。但需求感知技術(shù)對(duì)其他行業(yè)的重要性也與日俱增，比如汽車、工業(yè)品、能源和制藥企業(yè)。汽車制造業(yè)就能從不同的產(chǎn)品配置 app 中獲取很多關(guān)于消費(fèi)者偏好的有用信息，這些 app 能讓消費(fèi)者選擇車輛的具體細(xì)節(jié)。
瑞典能源集團(tuán) Vattenfall 和丹麥公司 Orsted（曾用名 Dong Energy）開(kāi)發(fā)了自己的解決方案——風(fēng)能預(yù)測(cè)系統(tǒng)，從不同源頭獲取數(shù)據(jù)輸入值，包括天氣數(shù)據(jù)和傳感器數(shù)據(jù)。這些數(shù)據(jù)用于丹麥周圍北海的風(fēng)力發(fā)電廠 Horns Rev 的運(yùn)營(yíng)。數(shù)據(jù)源通過(guò)神經(jīng)網(wǎng)絡(luò)（人工智能的一種形式）的處理，能發(fā)現(xiàn)最具影響力的參數(shù)，該參數(shù)會(huì)被用于預(yù)測(cè)系統(tǒng)。
將解決方案外包出去的企業(yè)也有很多，比如寶潔公司，多年來(lái)一直使用需求感知。 它利用銷售點(diǎn)（PoS）數(shù)據(jù)、架上庫(kù)存、倉(cāng)庫(kù)庫(kù)存變動(dòng)、分銷商數(shù)據(jù)以及零售商預(yù)測(cè)等信息，所有這些信息都會(huì)每天輸入到分析模型中。
德國(guó)零售商 Otto 投入使用的需求感知系統(tǒng)能為根據(jù)成百上千個(gè)參數(shù)，為每件商品創(chuàng)建每日預(yù)測(cè)。系統(tǒng)的主要目標(biāo)是從巨量數(shù)據(jù)萃取精華，形成實(shí)時(shí)決策。Otto 的系統(tǒng)在每件商品的預(yù)測(cè)準(zhǔn)確度上有 40% 的提高，并且講過(guò)量庫(kù)存減少了 20%.
很多企業(yè)都已經(jīng)掌握了用于提高預(yù)測(cè)準(zhǔn)確度的數(shù)據(jù)，其中很多企業(yè)也有足夠的計(jì)算力以及必要的機(jī)器學(xué)習(xí)算法，有能力把手頭的數(shù)據(jù)用起來(lái)。而那些無(wú)法獨(dú)立完成預(yù)測(cè)的企業(yè)，找合適的企業(yè)將需求感知外包出去也是可以的。目前有一個(gè)日益明顯的趨勢(shì)，很多不相干的公司之間也出現(xiàn)越來(lái)越多的數(shù)據(jù)網(wǎng)絡(luò)，讓企業(yè)能獲得本無(wú)機(jī)會(huì)得到的數(shù)據(jù)。比方說(shuō)，如果機(jī)場(chǎng)把航程終點(diǎn)的客流量分享出去，這些數(shù)據(jù)就可能進(jìn)入的士車公司或飛機(jī)生產(chǎn)商的需求感知模型。
但有一個(gè)底線，要想需求感知模型真的起作用，就必須投入時(shí)間經(jīng)歷去找出潛在的需求信號(hào)，把信號(hào)用分析引擎處理后，再將結(jié)果融入到供應(yīng)鏈規(guī)劃和執(zhí)行中。
下圖展示了在模型中有一定權(quán)重的四個(gè)比較寬泛的數(shù)據(jù)領(lǐng)域。分別是（1）結(jié)構(gòu)化的內(nèi)部數(shù)據(jù)，例如來(lái)自 PoS 系統(tǒng)，電子商務(wù)銷售和消費(fèi)者服務(wù)的數(shù)據(jù) ; （2）非結(jié)構(gòu)化內(nèi)部數(shù)據(jù)，例如來(lái)自營(yíng)銷活動(dòng)，店內(nèi)設(shè)備和應(yīng)用 ; （3）結(jié)構(gòu)化的外部數(shù)據(jù)，包括宏觀經(jīng)濟(jì)指標(biāo)，天氣模式，甚至出生率 ; （4）非結(jié)構(gòu)化外部數(shù)據(jù)，例如來(lái)自連接設(shè)備，數(shù)字私人助理和社交媒體的信息。
當(dāng)然，對(duì)于不同行業(yè)、不同地區(qū)，產(chǎn)品生命周期不同階段或消費(fèi)者類型，數(shù)據(jù)的應(yīng)用方式不會(huì)一成不變。 這些因素的影響可能會(huì)隨著時(shí)間的推移而變化，或在不同的環(huán)境下有所不同。 例如，一家全球零售商認(rèn)為，當(dāng)天氣晴朗時(shí)，位于歐洲的商店的人流量會(huì)增加，這是因?yàn)樘鞖夂?，人們?huì)出去走走。 然而，在南美洲等地區(qū)，晴天里人流量增加，是因?yàn)樯虉?chǎng)里有空調(diào)。
這就說(shuō)明一個(gè)關(guān)鍵問(wèn)題，如果不理解背景，就無(wú)法正確應(yīng)用數(shù)據(jù)。 但是，一旦理解了背景，這種理解也會(huì)成為其他活動(dòng)的基礎(chǔ)，例如，在新的數(shù)據(jù)驅(qū)動(dòng)的商業(yè)模式設(shè)計(jì)和實(shí)施中。
需求感應(yīng)應(yīng)該成為實(shí)時(shí)互聯(lián)供應(yīng)鏈的一個(gè)組成部分。需求感應(yīng)不是用來(lái)取代供應(yīng)鏈需求計(jì)劃的，二者并不矛盾，因?yàn)樾枨笥?jì)劃使用內(nèi)部結(jié)構(gòu)化數(shù)據(jù)（例如銷售歷史）來(lái)創(chuàng)建銷售預(yù)測(cè)，需求感應(yīng)能確實(shí)優(yōu)化需求計(jì)劃，使供應(yīng)鏈對(duì)需求有更強(qiáng)的響應(yīng)能力。
具體地說(shuō)，需求感應(yīng)能支撐短期計(jì)劃的自動(dòng)化，讓供應(yīng)鏈專家有更多時(shí)間制定中長(zhǎng)期戰(zhàn)略，并專注于預(yù)警和例外（例如意外缺貨情況）。 如果采購(gòu)，智能補(bǔ)貨，動(dòng)態(tài)倉(cāng)儲(chǔ)和實(shí)時(shí)生產(chǎn)調(diào)度等過(guò)程中，將需求感知的結(jié)果考慮在內(nèi)，需求感知的價(jià)值就會(huì)最大化。
應(yīng)用需求感知技術(shù)的可能帶來(lái)很大的回報(bào)。 如上所述，跨行業(yè)經(jīng)驗(yàn)表明，需求感知可以將預(yù)測(cè)誤差降低 35％到 45％，從而提高預(yù)測(cè)精度。
這有三方面的影響：首先，由于脫銷發(fā)生的次數(shù)減少，銷售額會(huì)增加 5-10％。 其次，由于人工工作量減少，至少運(yùn)營(yíng)成本降低 5-10％。 第三，就捆綁資本而言，因?yàn)榘踩珟?kù)存量較低，總體生產(chǎn)周期時(shí)長(zhǎng)減少了 10％到 20％。
另外一個(gè)回報(bào)在于，需求感知因?yàn)楹苋菀卓焖亳傁?，可以成為整個(gè)業(yè)務(wù)數(shù)字化轉(zhuǎn)型的起點(diǎn)，并且可以很快就能產(chǎn)生實(shí)實(shí)在在的好處。 總的來(lái)說(shuō)，公司數(shù)字化轉(zhuǎn)型的動(dòng)力既有的外部的 " 拉力 "（例如消費(fèi)者對(duì)即時(shí)訂單履行等要求更高），又有技術(shù)的 " 推力 "（實(shí)時(shí)數(shù)據(jù)的通用連接性和可用性）。 需求感知可以很好地開(kāi)啟了數(shù)字轉(zhuǎn)型，因?yàn)樗鼘?duì)于這兩股力量都有幫助。
但是，需求感知的應(yīng)用可能給數(shù)字化轉(zhuǎn)型帶來(lái)好的開(kāi)始，不止是因?yàn)樗鼛?lái)的收益。因?yàn)樾枨蟾袘?yīng)可以快速證明其他新工具的價(jià)值，并且通?？梢钥焖賻?lái)實(shí)實(shí)在在的好處，它還可以為整個(gè)企業(yè)提供早期的支持。 它可以提升我們所說(shuō)的 " 內(nèi)部自豪感 "，為整個(gè)供應(yīng)鏈的進(jìn)一步數(shù)字化開(kāi)辟道路，如融合規(guī)劃和執(zhí)行，供應(yīng)鏈透明或智能制造 - 然后進(jìn)一步創(chuàng)建以數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)的新商業(yè)模型。
那該如何邁出第一步呢？
任何企業(yè)首先了解自己有哪些數(shù)據(jù)可用，哪些數(shù)據(jù)點(diǎn)對(duì)消費(fèi)者需求有潛在的影響。 一旦這兩點(diǎn)得到確定，我們建議從小做起，但動(dòng)作要快。確定一個(gè)有潛在需求影響因素的業(yè)務(wù)領(lǐng)域，至少有兩年的數(shù)據(jù)。這可以是一個(gè)產(chǎn)品系列，如蘇打水，也可以是業(yè)務(wù)的某個(gè)分部，比如在比利時(shí)的零售點(diǎn)。 測(cè)試一下流程，找到具有最高的預(yù)測(cè)價(jià)值和時(shí)間跨度的數(shù)據(jù)源，然后去除影響不大的數(shù)據(jù)源。
應(yīng)用需求感測(cè)算法和機(jī)器學(xué)習(xí)，先用第一年的數(shù)據(jù)來(lái)構(gòu)建引擎。 然后假設(shè)自己不知道第二年的情況，對(duì)比第二年的真實(shí)數(shù)據(jù)與算法給出的預(yù)測(cè)，并作出調(diào)整。 算法給出的預(yù)測(cè)與真正發(fā)生的情況有怎樣的區(qū)別？算法學(xué)的越多，預(yù)測(cè)就越準(zhǔn)確。 如果有越多年的經(jīng)驗(yàn)和更多的數(shù)據(jù)源，效果就越好，這樣你的引擎能得到更精準(zhǔn)具體的數(shù)據(jù)。
從可以快速獲得結(jié)果的小范圍業(yè)務(wù)開(kāi)始，降低區(qū)域和市場(chǎng)特定差異的復(fù)雜性，并好好利用第一次迭代得出的經(jīng)驗(yàn)教訓(xùn)。
市場(chǎng)情況變化迅速，保持靈活性和應(yīng)用迭代過(guò)程也至關(guān)重要。 隨著時(shí)間推移，一些數(shù)據(jù)有用性減小 , 也會(huì)有其他新的、未知的數(shù)據(jù)來(lái)源將出現(xiàn)，可以根據(jù)需要添加。
然而，在許多公司在采用需求傳感技術(shù)時(shí)，會(huì)遇到一些阻礙。 一是，公司領(lǐng)導(dǎo)人根本不知道它能提供的價(jià)值。 對(duì)于這樣的企業(yè)來(lái)說(shuō)，至少應(yīng)該運(yùn)行上面描述的那種原型，看看將可用的數(shù)據(jù)利用起來(lái)，能提供什么樣的價(jià)值。
另一個(gè)障礙是許多公司對(duì)于自動(dòng)化系統(tǒng)非常警覺(jué)。 這是有道理的。 畢竟，公司已經(jīng)聘用、培訓(xùn)培育了最好的人才。 但人類在處理大量數(shù)據(jù)，以及在規(guī)劃對(duì)目前供應(yīng)鏈需求時(shí)考慮相關(guān)因素時(shí)，實(shí)在能力有限。而處理這種復(fù)雜性正是機(jī)器擅長(zhǎng)的。
并行測(cè)試是培養(yǎng)信任的好方法。 在有可用歷史數(shù)據(jù)的業(yè)務(wù)上，對(duì)比分析模型給出的結(jié)果和人類當(dāng)時(shí)的預(yù)測(cè)結(jié)果。
無(wú)論如何，規(guī)劃者都有權(quán)否定系統(tǒng)的結(jié)果。 你可以稍后再比較系統(tǒng)和人的預(yù)測(cè)，看哪個(gè)更準(zhǔn)確。 最重要的是，自動(dòng)化系統(tǒng)能經(jīng)驗(yàn)和人力投入中學(xué)習(xí)，不斷調(diào)整算法，時(shí)間越長(zhǎng)，預(yù)測(cè)會(huì)變得越準(zhǔn)確。
在接下來(lái)的幾年中，任何企業(yè)如果希望保持或擴(kuò)大其當(dāng)前市場(chǎng)地位，都需要接受需求感知為支撐的實(shí)時(shí)互聯(lián)供應(yīng)鏈，才能持續(xù)提供可靠的服務(wù)。 傳統(tǒng)模式依賴的是對(duì)歷史數(shù)據(jù)的統(tǒng)計(jì)分析，但是現(xiàn)在市場(chǎng)變化速度太快，影響因素太多。
需求感知能帶來(lái)的好處，本文只是稍作概括，這只是一個(gè)開(kāi)始。 需求感應(yīng)為更廣泛的數(shù)字化轉(zhuǎn)型奠定基礎(chǔ)，實(shí)現(xiàn)端到端供應(yīng)鏈確實(shí)互相連接，需求感應(yīng)不僅在采購(gòu)，制造，倉(cāng)儲(chǔ)和分銷方面帶來(lái)巨大利益，而且為數(shù)據(jù)為動(dòng)力的新商業(yè)模型打下基礎(chǔ)，建立一個(gè)企業(yè)與消費(fèi)者互動(dòng)增加的模型。
如果采用需求感應(yīng)，能帶來(lái)很多收益，那么不用這門技術(shù)，企業(yè)會(huì)失去更多。 隨著需求感應(yīng)逐漸進(jìn)入目前尚未開(kāi)發(fā)的行業(yè)，這些行業(yè)的早期采用者市場(chǎng)地位將迅速提高，而沒(méi)能抓住機(jī)會(huì)的企業(yè)會(huì)落后，最后可能發(fā)現(xiàn)就永遠(yuǎn)掉隊(duì)了。
原文鏈接：https://www.strategy-business.com/article/The-Magic-of-Predicting-Demand-from-Data
編譯組出品。編輯：郝鵬程
聯(lián)系客服
