PDF《案例：上新结束后,预测怎么做？》

第1页(共5页) 案例:上新结束后,预测怎么做? 刘宝红 作者按:这些案例是基于一些学员公司的挑战而开发的,旨在阐述 从数据分析开始,由职 业判断结束 的决策流程,不管是需求预测,还是库存计划;

不管是新产品,还是老产品.

对于 大部分案例,我也把原始数据放到网站上,供大家下载、分析,更深入地了解数据模型.这些案 例还是半成品,希望大家发表自己的看法,让案例更加完善.您可以直接留言,或法 email 给我 ――刘宝红,136

5127 1450(微信同)| [email protected]. 案例企业的产品是快消品,生命周期从

2 个月到

2 年,但以几个月居多.该企业以电商业务 为主,在导入新产品时,前3周会进行大幅度的上新促销活动,比如通过微信公众号、平台网 站、粉丝群宣传,并借助打折等促销措施,所以这

3 周的需求一般较高.促销活动结束了,从第

4 周进入正常后,后续的需求就会回落,有的产品回落幅度很大,有的产品回落幅度较小,但整 体趋势是逐步回落,直到没有. 图1:新品数据有限,预测后续需求充满挑战 图1就是该企业的一个典型产品.对案例企业来说,上新促销结束后,首要问题就是要不要 补货,要补的话该补多少?这是个需求预测问题,特别是预测上新结束后未来

4 个星期的需求, 因为这对补货决策的影响最大.而企业的挑战呢,就是销售数据太少,而且受促销等因素影响, 需求历史扭曲严重,波动太大,图1中的产品可以说是典型的例子:为时

3 周的上新促销后,只有3个数据点,就靠这样的

3 个数据点来推测未来(虚线表示),真是难上加难. 对于这种情况,有些人自然想到的就是分析一些产品,看上新促销和正常销售期间的需求有 没有某种关系,以预测未来的需求.拿图

1 中的产品为例,该企业进行复盘,把21 周的实际销量 第2页(共5页) 导入 SPSS 统计软件,让软件分析数据,用各种不同的方程来拟合.如下图

2 所示,SPSS 尝试了 线性、对数、复合、二次和三次函数等多种方程,每种方程的拟合度通过 R 方来表示:R 方越 大,表明拟合度越高,即该方程能更好地匹配实际值. 看得出,二次、三次方程比较好地拟合了实际数据.这是不是说我们 从数据开始 ,就找 到了合适的预测模型?不是,因为这种做法有两个问题. 其一,需求历史的代表性问题.在正常销售期间,上新阶段的各种促销行为是不可重复的, 因而相应的需求没有代表性.基于需求历史的预测模型有个最基本,也是最重要的假设,那就是 需求历史的可重复性,或者说,至少有相当的可重复性.在这个案例中,这一假设很难成立.再 想想,即便假设成立,就靠这

3 个有限的数据点,要预测未来那么多周的需求,可靠度能有多 高? 其二,过度拟合的问题.新品导入与正常阶段的需求模式大不相同,如果用同一个方程来模 拟,往往得用次数更高的二次、三次甚至四次方程.或者说,只要你用足够高的方程次数和足够 复杂的多项式,你总能找到拟合度足够高的方程.但是,这些高次方程虽然增加了拟合度,很好 地匹配历史需求,对未来的预测准确度却很低.这就是过度拟合,是数理统计领域常见的误区. 图2:新品数据有限,很难通过数据模型来预测 所以说,我们很难光通过数据模型,来预测上新结束后的需求.这后面有着共性问题,那就 是业界尝试各种各样的数据模型,来预测新品的需求情况,却忽略了新品的根本挑战:你没法从 数据开始,由数据结束,做好新品导入的预测;