SlideShare uma empresa Scribd logo
1 de 72
Baixar para ler offline
www.jaguar-aps.com
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Využití dostupných dat k vyšší efektivitě
zásobovacího řetězce.
Charles.Novak@Jaguar-APS.com
Pavel.Cerny@Jaguar-APS.eu
Copyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
2
Kdo jsme a co děláme...
Naši zákazníci...
www.jaguar-aps.com Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Úvodem
Kdo potřebuje forecasting?
3
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Kdo potřebuje forecasting?
4
 Předpovídání časových řad je používáno téměř všemi
organizacemi, které pracují se strukturovanými daty.
 Řetězce – retail – předpovídají prodej
 FMCG předpovídají zásilky, objednávky, poptávku
 Elektrárny předpovídají poptávku a ceny, výrobu a rezervy, …
 Dopravní společnosti předpovídají budoucí cestování, …
 Vzdělávací instituce předpovídají zápisy nových studentů
 Banky předpovídají nákup nových domů, objem půjček, …
 Nemocnice předpovídají operace
 Služby předpovídají počet zaměstnanců podle poptávky
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Fakta o řízení pomocí analytiky
 Analytika řeší rozdíly v
názorech.
 Počáteční diskuse je na
základě stanovisek, ale
musí být podporována
čísly.
 Zapojení napříč organizací
vylepší zarovnání.
 Vedení pomocí analytiky je
typicky velká změna.
 Týmy fungují nejlépe tam,
kde analytika řídí diskusi.
 Analytika je mnohem více
než reporting.
 Tradiční zásobovací
řetězce jsou reakční bez
schopnosti „vnímat“ trh.
 Organizace nepoužívají
analytiku k „naslouchání“.
 Ve světě nové analytiky
budou moci vnímat,
testovat a učit se a
organizovat odpověď na
změny trhu.
5
www.jaguar-aps.com Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Vytěžování dat
Data Mining
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Vytěžování dat
 Deskriptivní analýza
 Asociace – vyhledávání
vzorů, ve kterých je jedna
událost spojena s další.
Posloupná analýza –
vyhledávání událostí, které
způsobují další události.
 Klasifikace – vyhledávání
nových vzorů (může to
znamenat reorganizaci dat)
 Seskupování – vyhledávání a
vizualizace skupin skutečností,
které nebyly dříve známé –
viditelné.
 Prediktivní analýza
 Forecasting – vyhledávání
datových vzorů, které mohou
být použity k přijatelné
předpovědi budoucnosti
7
Vytěžování dat je
třídění dat za účelem
identifikace vzorů a
ustanovení vztahů.
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Nedávný vývoj...
• k odhalení šablon v chování spotřebitelů.
• k měření efektivity marketingových investic.
• k optimalizaci finanční výkonnosti.
• k tvarování a aktivnímu řízení poptávky pomocí
‚what-if‘ simulací.
• k vnímání poptávkových signálů a tvarování budoucí
poptávky za podpory technologií vytěžování dat.
Prediktivní analytika slouží:
8
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Prediktivní analytika a zásobovací řetězce
• Náklady se zdají vysoké.
• Zaměření na investice přinášející
okamžité a hmatatelné výsledky.
• Spojit datové uzly celého
rozšířeného řetězce je příliš složité.
• Big data způsobují v této chvíli
roptýlení pozornosti.
• Schopnosti v zásobovacím řetězci a
IT jsou omezené.
• IT a ostatní firemní oddělení nejsou
zajedno v identifikování potřeby.
• Plánování poptávky není
klasifikováno jako ‚základní
kvalifikace‘.
• ...
Proč ne?
• Silný potenciál způsobu vedení
funkce dodavatelského řetězce.
• Potřeba vrcholového vedení
budovat růst se ziskem.
• Pro efektivní funkci multi-
echelonových zásobovacích řetězců
je nutno mít správné a rychlé
signály.
• Varování na pomoc vnímání,
tvarování a analýzy dat pro lepší
reakci změn na trhu.
• Data jsou informace a informace
jsou zisk.
• ...
Proč ano?
9
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Forecasting & Supply Chain řízené poptávkou
Demand
Sensing
Demand
Shaping
Demand
Translating
Demand
Shifting
Demand
Orchestration
10
Vnímání poptávky - Demand sensing
• Zkrácení doby k vycítění skutečných tržních
údajů k pochopení skutečných posunů na trhu
v reakci poptávky.
• Data pro cyklus ‚objednávka-zaslání‘ mohou
být 1-3 týdny zpožděna v překladu skutečné
poptávky trhu.
• Vývoj forecastu na základě tržní spotřeby.
Překlad poptávky - Demand translation
• Překlad poptávky trhu pro jednotlivé
role v rámci organizace.
• Systémový design rozpozná, že
požadavky pro každou roli –
distribuce, výroba, nákup – jsou různé.
• V tomto procesu je forecast založen na
‚prodejních položkách‘ podle trhu
(ship-to modeling.)
• Poptávka je pak přeložena to ‚ship-
from‘ fomátu na základě potřeb
konkrétní role.
Orchestrace a přesouvání poptávky - Demand
orchestration and shifting
• Kompromisy podle jednotlivých trhů na
základě správné rovnováhy rizika poptávky
a příležitostí.
• Tato rozhodnutí závisí na schopnosti
pokročilé analytiky současně tvarovat a
vnímat poptávku.
• Znalost domény versus názor.
Tvarování poptávky - Demand shaping
• Znalost domény versus názory.
• Aplikace technik pro stimulaci poptávky na
trhu.
• Propojení poptávky se zásobovacím
řetězcem.
• Eliminace politiky a zaujatosti ve forecastu.
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Krok č. 1
Generujte
frorecastingové
reporty
Krok č. 2 Fáze
plánování
poptávky
Krok č. 3 Fáze
plánování zásob
Krok č. 4 Pre-S&OP/
GAP mítink
Krok č. 5 Exekutivní
mítink
Konec
měsíce
• Nahrát master data
• Nahrát historii
• Výpočet stat. forecastu
• Řešení problémů
• What-if modely
• Reporty pro exekutivní
mítink
• Marketingový forecast
• Obchodní forecast
• Konsensní forecast
• Plánování zásob
• Plánování kapacit
• Balancování poptávky
a zásob
• Revize problémů a rizik
• Vyhodnocení možností
• Odsouhlasení konečných plánů
Struktura S&OP procesu
11
Source:
Přesouvání poptávky
Tvarování poptávky
Přesouvání poptávky
Tvarování poptávky
Cítění poptávky
Tvarování poptávky
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Forecastingový proces řízený poptávkou
12
 Zaměření na poptávkou řízenou organizaci včetně
vyhodnocení strategických, operačních a taktických plánů
za účelem konsolidace vstupů jednotlivých oddělení pomocí
identifikace, vyhodnocení a uzavření finančních mezer.
 Poskytuje realistický pohled na skutečnou neomezenou
poptávku.
 Ja založen na základě marketingového a obchodního
konsensu, který byl finančně analyzován a je použit na
podporu S&OP procesu.
 Limity zásobování jsou řešeny pomocí přesouvání poptávky
(shifting) s cílem nákladově efektivního uspokojení
poptávky.
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Problémy tradiční strategie „zevnitř ven“(“push”)
 Poptávka trhu je akumulována
a prezentována ve formě
celkového úhrnu.
 Informace o počáteční
poptávce původního
zákazníka je zpožděna.
 Servisní úroveň je stanovena
jako průměr.
 Centrální zdroje by měly být
na 100% úrovni služeb.
„Jestliže doplňování skladu řeší své problémy, tak co
způsobilo hlavní problémy ve skladu?“
Dodavatel DC
Prodejna
Prodejna
Prodejna
Zásoby
Informace
13
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Otázky pro strategii „zevnitř ven“
 Je poptávka výsledkem spotřeby na úrovni prodejen?
 Je poptávka výsledkem zákaznické poptávky nebo je to
akumulovaná poptávka skladu-distributora?
 Jak dlouho to trvá než se forecast stane skutečnou
poptávkou?
 Protože si myslíte, že je to lepší, stane se poptávkový
signál realitou?
 Máte dostatek času reagovat na skutečnou poptávku
jakmile se konečně stane známou?
14
Plánování Výroba Prodej
PUSH
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Lepší využití tržních dat
 Měnící se pohled na to, jak
vidět data a sloužit
zákazníkům
 Od strategie ‚zevnitř ven‘ k
‚zvenku dovnitř‘
 Jde o vlastnictví celého
dodavatelského řetězce, včetně
kanálů, řízení produktů a jejich
výroby až po jejich konečné
použití.
 Současné zásobovací řetězce
‚chytají‘ objednávky a
dodávky a předpokládají,
že jsou reprezentativní pro
daný trh.
15
Plánování Výroba Prodej
PULL
Lídři dodavatelského
řetězce mohou vnímat
dynamiku trhu a přeložit
tyto signály do formátu
potřebného specifickými
lidmi a odděleními v době,
kdy je třeba reagovat na
danou změnu.
www.jaguar-aps.com Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Datová analýza
Jak chápat svá data.
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Rozpoznávání vlastností dat
17
 Spojnicový graf je ideální pro zobrazení vývoje časové
řady.
0
2,000,000
4,000,000
6,000,000
8,000,000
10,000,000
12,000,000
14,000,000
Dec-01
Jan-02
Feb-02
Mar-02
Apr-02
May-02
Jun-02
Jul-02
Aug-02
Sep-02
Oct-02
Nov-02
Dec-02
Jan-03
Feb-03
Mar-03
Apr-03
May-03
Jun-03
Jul-03
Aug-03
Sep-03
Oct-03
Nov-03
Dec-03
Jan-04
Feb-04
Mar-04
Apr-04
May-04
Jun-04
Jul-04
Aug-04
Sep-04
Oct-04
Nov-04
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Rozpoznávání vlastností dat
18
Úroveň
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
0
2,000,000
4,000,000
6,000,000
8,000,000
10,000,000
12,000,000
14,000,000
Dec-01
Jan-02
Feb-02
Mar-02
Apr-02
May-02
Jun-02
Jul-02
Aug-02
Sep-02
Oct-02
Nov-02
Dec-02
Jan-03
Feb-03
Mar-03
Apr-03
May-03
Jun-03
Jul-03
Aug-03
Sep-03
Oct-03
Nov-03
Dec-03
Jan-04
Feb-04
Mar-04
Apr-04
May-04
Jun-04
Jul-04
Aug-04
Sep-04
Oct-04
Nov-04
Rozpoznávání vlastností dat
19
Trend
Úroveň
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
-
0.200
0.400
0.600
0.800
1.000
1.200
1.400
1.600
1.800
0
2,000,000
4,000,000
6,000,000
8,000,000
10,000,000
12,000,000
14,000,000
Dec-01
Jan-02
Feb-02
Mar-02
Apr-02
May-02
Jun-02
Jul-02
Aug-02
Sep-02
Oct-02
Nov-02
Dec-02
Jan-03
Feb-03
Mar-03
Apr-03
May-03
Jun-03
Jul-03
Aug-03
Sep-03
Oct-03
Nov-03
Dec-03
Jan-04
Feb-04
Mar-04
Apr-04
May-04
Jun-04
Jul-04
Aug-04
Sep-04
Oct-04
Nov-04
Rozpoznávání vlastností dat
20
Trend
Úroveň
Sezónnost
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Rozpoznávání vlastností a proměnlivosti dat
21
Total All 36 months Last 24 months Last 12 months
Trend @ 36, 24, & 12 měsíců
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Rozpoznávání proměnlivosti dat
22
Nový výrobek – nerealistický trend
Očekávaný trend
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Rozpoznávání proměnlivosti dat
23
Negativní prodej – hodnota-
množství vrácených výrobků
převýšila aktuální prodej.
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Rozpoznávání proměnlivosti dat
24
Trend a intervence (náhlé změny)
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Rozpoznávání proměnlivosti dat
25
Chybějící data
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Rozpoznávání proměnlivosti dat
26
Přerušovaná – nepravidelná poptávka
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Rozpoznávání proměnlivosti dat
27
Velká variabilita – krátká historie
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Datové vzory
28
Obsahují data změny,
které je třeba včlenit
do předpovědi?
Jsou v datech
odchylky, které je
třeba opravit?
Je tento výrobek
stabilní nebo
dynamický?
Sezónnost?
Trend?
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Datové vzory
29
Obsahují data změny,
které je třeba včlenit
do předpovědi?
Je tento výrobek stabilní
nebo dynamický?
Jsou v datech
odchylky, které je
třeba opravit?
Sezónnost?
Trend?
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Rozpoznávání proměnlivosti dat: sigma 𝜎 varování
30
 Směrodatná odchylka 𝜎 posledních šesti měsíců je výrazně
jiná než 𝜎 předchozích 18 měsíců.
 Poukazuje na změnu v dynamice nedávné historie, kterou je
třeba analyzovat a buď upravit data nebo včlenit do
forecastingového modelu.
-
50,000.00
100,000.00
150,000.00
200,000.00
250,000.00
P1 P7 P13 P19 P25 P31
Sales Cleansed History
𝝈 varování
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Výkyvy dat / Odlehlá pozorování (Outliers)
31
 Odlehlé pozorování se projeví osamělou třídou (v grafu jde o
osamělý sloupec nebo bod) extrémně nízkých, nebo naopak
extrémně vysokých hodnot.
 Nejedná se o exaktní metodu, je však vhodným a jednoduchým
začátkem před použitím přesnějších, ale složitějších metod.
 Tato pozorování mohou být sezónní výkyvy – očekávané, nebo
výkyvy způsobené nějakou událostí, kterou je potřeba správně
vysvětlit (upravit/vyčistit).
 Speciální příklad odlehlých pozorování jsou body blízko střední
hodnoty (průměr nebo medián), které mají neočekávané
hodnoty v porovnání s předchozím nebo následným
porovnatelným obdobím. (Inliers).
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Kontrolní graf: identifikace vzorů a výkyvů
32
Spodní kontrolní limit LCL
Průměr nebo medián
Výkyv
(Outlier)
Výkyv
(Outlier)
Normální
variabilita
Střední hodnota a UCL/LCL definice: průměr nebo medián?, 1𝜎 nebo 3 𝜎, …
doporučení – začněte s 18 měsíčním průměrem a 1.5 𝝈
Trend ???
Horní kontrolní limit UCL
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Analýza poptávkové křivky
 Poskytuje celkový pohled na
data, která mají být použita
pro statistickou předpověď.
 Umožňuje prozkoumání
problematických oblastí.
 Provádí segmentaci souboru
do smysluplných skupin na
základě atributů a
proměnlivosti dat.
 Provádí rychlý přístup k
položkám (SKU), které musí
být ověřeny při implemtaci
nového forecastingového
SW.
33
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Analýza křivky poptávky - vzorek výstupu
34
Sample size: 14,271 SKUs
www.jaguar-aps.com Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Excelové příklady
Analýza poptávkové křivky
• Test na sezónnost
• Test dat pro typ forecastingového modelu
• Test trendu: růst rok od roku a diferencování
• Test střední hodnoty (průměr a medián) a
určení kontrolních limitů
• Variabilita poptávky a její aplikace v
předpovídání
• Základní doporučení pro čistění dat
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Segmentace výrobků pro volbu vhodné metody
předpovědi
36
 Analýza časových řad  vzory poptávky 
předpovídatelnost/forecastability.
 Hodnota pro firmu + forecastability  správná metoda
forecastingu.
Source: Charles Chase, SAS
Data
Segmentace
Dat
Datové vzory
Trend, sezónnost,
cyklus, nahodilost.
Variabilita.
Hodnota
Vysoká, nízká.
Marketing
Nový, Růst,
Zralost, Úpadek
Forecastability
Hodnota pro
firmu
+
+
Metody forecastu
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Segmentace dat - Forecastability
37
Vysoký objem / Nízká
proměnlivost
• Top selling
• Komodity
• Předvídatelné
Nízký objem / Nízká proměnlivost
• Low selling
• Delší životní cyklus
• Předvídatelné
• Narušení může mít velký dopad
(často související s dodacím
časem)
Nízký objem / Vysoká
proměnlivost
• Speciální produkty
• Zakázkové objednávky
• Můžou mít vysokou marži
• Častá narušení
• Často propojené s jinými SKU
Vysoký objem / Vysoká
proměnlivost
• Sezónní výrobky
• Akce
• Krátký životní cyklus
• Jestliže je proměnlivost
předvídatelná, pak je sezónní
Proměnlivost potávkyNízká Vysoká
ObjemNízkýVysoký
Source:
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Segmentace dat: forecastability (možnost předpovědí)
38
HIGH VARIABILITY, HIGH
VOLUME, 16
HIGH VARIABILITY, LOW
VOLUME, 393
LOW VARIABILITY, HIGH
VOLUME, 38
LOW VARIABILITY, LOW
VOLUME, 287
HIGH VOLUME
LOW VOLUME
LOW VARIABILITY HIGH VARIABILITY
Nízký objem
Vysoký objem
Malá variabilita,
nízký objem, 287
Velká variabilita,
nízký objem, 393Nízká variabilita,
vysoký objem, 38
Velká variabilita,
vysoký objem, 16
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Čtyři kvadranty založené na managementu portfolia
39
Source: Charles Chase, SAS
Produkty nízké priority:
 Silný trend
 Vysoce sezónní
 Možné cykly
 Prříležitostné obchodní akce
Nízká priorita, oblastní speiality:
 Částečný trend
 Sezónní fluktuace
 Nepravidelná poptávka
 Lokálně zaměřená reklama
Product Line Extensions:
(Evoluční nové výrobky).
‘Podobná’ Historie existuje (sporadicky).
Výrobky s krátkým životním cyklem:
Mnoho ‘podobných’ Výroků k dispozici.
Nové výrobky:
(Revoluční nové výrobky)
Žádná ‘podobná’ Historie neexistuje.
Produkty vysoké priority:
 Silný trend
 Sezónní fluktuace
 Možné cykly
 Obchoní akce
 Marketing akce
 Celonárodní reklama a inzerce
 Vysoce konkurenční
Hvězdy (Growth Brands)
Specifický segment (Niche Brands) Dojné krávy (Harvest Brands)
Nové produktyHodnotprofirmu
Forecastability
Vysoká hodnota
Nízká
předvídatelnost
Nízká hodnota
Nízká
předvídatelnost
Vysoká hodnota
Vysoká
předvídatelnost
Nízká hodnota
Vysoká
předvídatelnost
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Volba statistických metod založená na segmentaci
managementu portfolia
40
Source: Charles Chase, SAS
ARIMAX
ARIMA s externími and
interními proměnnými
Jednoduchá regrese
Vícenásobná regrese
Kombinace průměrů:
Názor, exponenciální, kauzální
Kombinace vážených:
Názor, exponenciální, kauzální
Croston’s Intermittent
ARIMA Box-Jenkins
Winters 2 / 3 parametry
Dekompozice
Simple Moving Average
Holt’s Dvojité exponenciální
vyhlazení
Exekutivní názor
Delphi výbory
Sumace obchodních předpovědí
Nezávislý názor
Kauzální Modeling
Vícenásobné Methody Time Series/Časové řady
Názor - Judgmental
Hodnotaprofirmu
Forecastability
Nové produkty
Vysoká hodnota
Nízká
předvídatelnost
Speciální segment
(Niche Brands)
Nízká hodnota
Nízká
Předvídatelnost
Hvězdy (Growth
Brands)
Vysoká hodnota
Vysoká
předvídatelnost
Dojné krávy
(Harvest Brands)
Nízká hodnota
Vysoká
předvídatelnost
www.jaguar-aps.com Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Předpovídání za použití časových řad
Time Series Forecasting
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Datové
informace
Čištění dat a
synchronizace
Příprava
statistické
předpovědi
Zpracování
výjimek
Ověření
základních
informací
Dosažení
souhlasu
Finální
předpověď
Forecasting KPI
Aktualizace
předpovědi
Forecastingový Proces
42
Kombinace
analýzy dat,
jejich
zpracování a
tvarování.
Velmi závislý
na spolupráci
s interními a
externími
partnery.
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Přehled forecastingových metod
43
Příčinyanásledky
(Cause&Effect)
Časovéřady
Forecast
Statistický
nebo
kvantitativni
přístup
Názorový
nebo
kvalitativní
přistup
Vyhlazení
• Naivní
• Klouzavý
průměr
• Jednoducé exp.
vyhlazení
• Dvojíté exp.
vyhlazení
• Trojité exp.
vyhlazení
Box-Jenkins
(ARIMA)
Dekompozice
časových řad
Jednoduchá
regrese
Vícenásobná
regrese
Ekonometrie
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Časové řady
44
 Nejčastěji užívané
 Jednorozměrné metody – potřebujete jen jednu sadu dat
(např. zásilky nebo objednávky)
 Budoucí zásilky jsou funkcí minulých zásilek
 Výhody a omezení
 Dobré pro forecast krátkých termínů (příští měsíc)
 Snadno porozumitelné a aplikovatelné metody
 Matematicky přesnější než názor, nepotřebují tak mnoho dat
jako regresní modely
 Limitované do míry v jaké lze historické zásilky použít v izolaci
(např. bez tržních či demografických dat)
Časové řady – základní předpoklad:
STABILITA
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Klouzavé průměry
45
Klouzavé průměry se řadí mezi
nejoblíbenější techniky pro předzpracování
časových řad. Používají se pro filtraci
náhodného „bílého šumu" z dat tak, aby
časová řada byla vyrovnanější, nebo ke
zdůraznění určitých informačních
komponentů obsažených v dané časové
řadě.
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
 Jednoduché exponenciální vyhlazení
 𝐹𝑡+1 = 𝛼𝐴 𝑡 + (1 − 𝛼)𝐹𝑡
 Kde
 Ft+1 = forecast, příští perioda
 α = vyrovnávací konstanta (0≤α≤1)
 At = aktualizovaná hodnoda časové řady (in period t)
 Ft = hodnota forecastu pro periodu t
 Klouzavé průměry dávají stejnou váhu minulým
pozorováním, vyhlazení dává větší váhu na nedávné
periody.
Časové řady: exponenciální vyhlazení
46
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Časové řady: exponenciální vyhlazení
47
Forecast pro
další periodu
se rovná
forecast pro
minulou +
vyhlazená
chyba
𝐹𝑡+1 = 𝛼𝐴 𝑡 + 1 − 𝛼 𝐹𝑡
= α𝐴 𝑡 + 𝐹𝑡 − 𝛼𝐹𝑡
= 𝐹𝑡 + 𝛼𝐴 𝑡 − 𝛼𝐹𝑡
= 𝐹𝑡 + 𝛼(𝐴 𝑡 − 𝐹𝑡)
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Časové řady: exponenciální vyhlazení
48
 Holtovo exponenciální vyhlazení
 Používá se pro data vykazující trend v průběhu času. (±)
 Data nejsou sezónní.
 Složitější výpočty, ale snadné jako jednoduché exp. vyhlazení
za použití software.
 Zahrnuje dvě vyhlazovací konstanty. (Úroveň a trend, alfa a
beta).
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Časové řady: exponenciální vyhlazení
49
 Holtovo exponenciální vyhlazení
𝐹𝑡+1 = 𝛼𝐴 𝑡 + 1 − 𝛼 𝐹𝑡 + 𝑇𝑡
𝑇𝑡+1 = 𝛽(𝐹𝑡+1 𝑡
−𝐹𝑡) + (1 − 𝛽)𝑇𝑡
𝐻𝐹𝑡+𝑚 = 𝐹𝑡 + 1 + 𝑚𝑇𝑡+1
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Časové řady: exponenciální vyhlazení
50
 Holtovo-Wintersovo exponenciální vyhlazení
 Model přizpůsoben pro trend and sezónnost.
 Ještě složitější výpočty a opět velmi snadné za
pomocí softwaru.
 Zahrnuje použití tří
vyhlazovacích konstant:
𝜶 alfa = úroveň
𝜷 beta = trend
𝜸 gama = sezónnost
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Časové řady: exponenciální vyhlazení
51
 Holtovo-Wintersovo exponenciální vyhlazení
 𝐹𝑡 = 𝛼(𝐴 𝑡/𝑆𝑡−𝑝) + (1 − 𝛼)(𝐹𝑡−1 + 𝑇𝑡−1)
 𝑆𝑡 = 𝛽(𝐴 𝑡/𝐹𝑡) + (1 − 𝛽)𝑆𝑡−𝑝
 𝑇𝑡 = 𝛾(𝐹𝑡 − 𝐹𝑡−1) + (1 − 𝛾)𝑇𝑡−1
 𝑊𝐹𝑡+𝑚 = (𝐹𝑡 + 𝑚𝑇𝑡)𝑆𝑡 + 𝑚 − 𝑝
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Vyrovnávací metody pro časové řady
52
1. Určete forecastingovou metodu
použitou pro jednotlivé časové
řady.
2. Kterou z nich byste vybrali pro
danou časovou řadu?
Jednoduché exp. vyhlazení
Trojité (Holtovo-Wintersovo) exp. vyhlazení
Dvojité (Hotlovo) exp. vyhlazení
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Exponenciální vyhlazení
53
 Váha 𝛼(1 − 𝛼) 𝑡 klesá exponenciálně s časem
(geometricky).
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
α=0.1 α=0.3 0.9
www.jaguar-aps.com Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Regresní modely
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Přehled forecastingových metod
55
Příčinyanásledky
(Cause&Effect)
Časovéřady
Forecast
Statistický
nebo
kvantitativní
přístup
Názorový
nebo
kvalitativní
přístup
vyhlazení
• Naivní
• Klouzavý
průměr
• Jednoduché
exp. vyhlazení
• Dvojité exp.
vyhlazení
• Trojíté exp.
vyhlazení
Box-Jenkins
(ARIMA)
Dekompozice
časových řad
Jednoduchá /
vícenásobná
regrese
Lineární /
nelinární regrese
Modely umělých
neuronových sítí
Ekonometrie
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Regresní analýza / kauzální modely
 Kauzální modely se snaží
vysvětlit minulost a vytvořit
forecast na základě
matematických vztahů
mezi proměnnými ve
spojení se specifickou
časovou řadou-proměnnou.
Identifikace
Odhad
Kontrola
Předpověď
56
Regresní model je výrazem
způsobu jakým závislá
proměnná (vaše data) reaguje
na změny v každé z
nezávislých proměnných (vaše
nebo externí data).
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Nezávislé (vysvětlující) proměnné
57
• Také známé jako taktické
proměnné, mohou být řízené
manažerskými rozhodnutími a
budoucí hodnoty mohou být
nastaveny na základě taktik a
strategie firmy.
• Příkladem jsou ceny produktů,
výdaje na propagaci, metody
distribuce, aj.
Interní
• Úroveň a vliv nejsou pod
kontrolou firmy.
• Příkladem jsou demografie
(věk, pohlaví, populace v
dané oblasti, ekonomicky růst,
inflace, nezaměstnanost, aj.)
Externí
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Typy lineární regrese
58
 Jednoduchá lineární regrese je
odhad nejmenších čtverců lineárního
regresního modelu s jednou
nezávislou proměnnou.
 Jinými slovy, jednoduchá lineární
regrese proloží přímku přes skupinu n
bodů takovým způsobem, který
minimalizuje reziduální chyby.
 Vícenásobná regrese je model s
jednou závislou a dvěma nebo více
nezávislými proměnnými.
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Regresní modely
59
 Úspěšná regresní analýza poskytne odhady toho, jaký vliv
měly předchozí změny v každé z vysvětlujících proměnných
na závislou proměnnou.
 Vliv HDP na prodej produktů, reklama v médiích, konkurenční
činnost, změny v demografii, aj.
Jako forecastingový přístup, regresní analýza
může poskytnout nejen forecast závislé
proměnné, ale je také užitečná jako manažerská
informace pro přizpůsobení firemní taktiky ke
změnám v externích proměnných způsobující
změny v ‚chování‘ závislé proměnné.
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Regresní analýza
• Lze modelovat trend, cyklus,
sezónnost a další faktory ovlivňující
poptávku (vysvětlující proměnné).
• Může využívat zpožděné účinky.
• Může využívat intervenční
proměnné.
• Může vycítit signály poptávky.
• Podporuje ‚what-if‘ analýzy.
• Všeobecně je přesnější v predikci
poptávky v porovnání s exp.
metodami.
Silné stránky
• Vyžaduje více dat a více
prostoru pro ukládání dat.
• Tyto modely vyžadují znalost
statistických modelů a
analýzy a jejich aplikace.
• Nedají se snadno
automatizovat.
Slabé
stránky
www.jaguar-aps.com Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Minimalizace chyb v předpovídání
Bias, Abs Error, APE, MAPE, Weighted Error, Forecast Quality, Rolling Errors, Tracking Signal
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS 62
Analýza chyb
 Co měříme?
 Výkon statistického modelu.
 Výkon finální schválené předpovědi.
 Jednotlivé vstupy do konsensuální předpovědi (např.
Marketing, obchod, ..., vrcholný management) –
Forecast Value Added Analysis FVA („analýza
přidané hodnoty předpovědí“).
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
 Důležité k zapamatování:
 Použijte stejnou sadu dat
pro každou metodu.
 Časová prodleva (nebo
dodací lhůta) od přípravy
předpovědi a časová
perioda, pro kterou je
předpověď připravena,
musí být stejná pro všechny
použité metody.
 Matematický vzorec
použitý pro výpočet
základní chyby a jejího
procentuálního vyjádření
musí být stejný pro
všechny metody.
63
Různá měření chyb předpovědi
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Časová prodleva (Forecast Lags)
64
Waterfall chart
Copyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
65
Měření chyby předpovědi
Vyhodnocení předpovědi a modelů
Chyba/Bias Absolutní
chyba
Průměrná
chyba (ME)
Průměrná
absolutní
chyba
(MAE)
Průměrná %
chyba (MPE)
Průměrná
absolutní %
chyba
(MAPE)
Vážená
MAPE
Vydhodnocení
modelů:
umocněná
měření chyby
Chyba na
druhou (SE)
Průměrná
chyba na
druhou
(MSE)
Odmocnina
průměrné
chyby na
druhou
(RMSE)
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Důvody pro chybu předpovědi
66
 Nedostatek účasti, motivace a odpovědnosti.
 Je to příliš těžké pochopit.
 Nedostatek kompatibility mezi systémem a
organizací.
 Nepřesné údaje.
 Údaje nevhodné k předpovídání.
 Nedostatek kontroly.
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
 Klíčové otázky související s metrikou chyb:
 Jak interpretujeme chybu na základě pozitivní předpovědi a nulového
prodeje?
 Jak interpretujeme chybu na základě nulové předpovědi a pozitivního
prodeje?
 Jak interpretujeme negativní prodej?
 Jak interpretujeme příčinu chyby?
 Které metriky jsou nedůležitější pro analytiky a jejich manažery?
 Které metriky jsou nedůležitější pro vrcholové vedení?
 Které metriky jsou nejlepší pro spolupráci s marketingem a obchodem?
 Jaké podněty provádí firma pro marketing a obchod, aby je
motivovala ke kvalitnímu přispění jejich znalostmi k tvorbě konsensuální
předpovědi?
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Zlepšení přesnosti předpovědí
68
 Přiřaďte odpovědnost za předpovědi (napříč všemi
skupinami zúčastněných stran).
 Stanovte reálné cíle přesnosti.
 Propojte hodnocení výkonosti s cíly.
 Zajistěte dobré prognostické nástroje-software.
 Generujte předpovědi na správné úrovni výrobkové
struktury.
 Pravidelně sledujte přesnost předpovědí.
 Posuďte a zlepšete oblasti špatných předpovědí.
Využijte proces vycházející z výjimek.
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Ukázka zprávy of chybě forecastu
69
Prodej a
forecast
Chyba
forecastu/
Bias
% Bias /
% Chyba
Absolutní
% chyba WMAPE
Kvalita forecastu –
počet položek v
cílovém rozsahu chyby
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Šest klíčů ke zlepšení předpovědí
70
Lidé, proces,
technologie.
Statistické
předpovědi. Segmentatce dat.
Agregace dat. Spolupráce.
Měření a zprávy o
výjimkách.
www.jaguar-aps.com Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS
Chyba forecastu je vaše zpětné zrcátko, ne osud.
Copyright: Jaguar-APSCopyright: Jaguar-APS
®
Copyright: Jaguar-APS
®
Děkujeme
Charles Novak
charles.novak@jaguar-aps.com
+1(416) 806-7302
www.jaguar-aps.com
Naše služby
• Školení
• Opportunity Assessment
• Plánování poptávky a provozu (S&OP/IBP)
• Výběr a podpora využití systémů pro plánování a forecasting
• Změnová řízení
http://www.jaguar-aps.com/services/index.html

Mais conteúdo relacionado

Destaque

Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Search Engine Journal
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summarySpeakerHub
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next Tessa Mero
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentLily Ray
 
Time Management & Productivity - Best Practices
Time Management & Productivity -  Best PracticesTime Management & Productivity -  Best Practices
Time Management & Productivity - Best PracticesVit Horky
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project managementMindGenius
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...RachelPearson36
 
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Applitools
 
12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at Work12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at WorkGetSmarter
 
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...DevGAMM Conference
 
Barbie - Brand Strategy Presentation
Barbie - Brand Strategy PresentationBarbie - Brand Strategy Presentation
Barbie - Brand Strategy PresentationErica Santiago
 
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them well
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them wellGood Stuff Happens in 1:1 Meetings: Why you need them and how to do them well
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them wellSaba Software
 
Introduction to C Programming Language
Introduction to C Programming LanguageIntroduction to C Programming Language
Introduction to C Programming LanguageSimplilearn
 
The Pixar Way: 37 Quotes on Developing and Maintaining a Creative Company (fr...
The Pixar Way: 37 Quotes on Developing and Maintaining a Creative Company (fr...The Pixar Way: 37 Quotes on Developing and Maintaining a Creative Company (fr...
The Pixar Way: 37 Quotes on Developing and Maintaining a Creative Company (fr...Palo Alto Software
 
9 Tips for a Work-free Vacation
9 Tips for a Work-free Vacation9 Tips for a Work-free Vacation
9 Tips for a Work-free VacationWeekdone.com
 

Destaque (20)

Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
 
How to have difficult conversations
How to have difficult conversations How to have difficult conversations
How to have difficult conversations
 
Introduction to Data Science
Introduction to Data ScienceIntroduction to Data Science
Introduction to Data Science
 
Time Management & Productivity - Best Practices
Time Management & Productivity -  Best PracticesTime Management & Productivity -  Best Practices
Time Management & Productivity - Best Practices
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project management
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
 
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
 
12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at Work12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at Work
 
ChatGPT webinar slides
ChatGPT webinar slidesChatGPT webinar slides
ChatGPT webinar slides
 
More than Just Lines on a Map: Best Practices for U.S Bike Routes
More than Just Lines on a Map: Best Practices for U.S Bike RoutesMore than Just Lines on a Map: Best Practices for U.S Bike Routes
More than Just Lines on a Map: Best Practices for U.S Bike Routes
 
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
 
Barbie - Brand Strategy Presentation
Barbie - Brand Strategy PresentationBarbie - Brand Strategy Presentation
Barbie - Brand Strategy Presentation
 
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them well
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them wellGood Stuff Happens in 1:1 Meetings: Why you need them and how to do them well
Good Stuff Happens in 1:1 Meetings: Why you need them and how to do them well
 
Introduction to C Programming Language
Introduction to C Programming LanguageIntroduction to C Programming Language
Introduction to C Programming Language
 
The Pixar Way: 37 Quotes on Developing and Maintaining a Creative Company (fr...
The Pixar Way: 37 Quotes on Developing and Maintaining a Creative Company (fr...The Pixar Way: 37 Quotes on Developing and Maintaining a Creative Company (fr...
The Pixar Way: 37 Quotes on Developing and Maintaining a Creative Company (fr...
 
9 Tips for a Work-free Vacation
9 Tips for a Work-free Vacation9 Tips for a Work-free Vacation
9 Tips for a Work-free Vacation
 

Využití dostupných dat k vyšší efektivitě zásobovacího řetězce

  • 1. www.jaguar-aps.com ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Využití dostupných dat k vyšší efektivitě zásobovacího řetězce. Charles.Novak@Jaguar-APS.com Pavel.Cerny@Jaguar-APS.eu
  • 2. Copyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® 2 Kdo jsme a co děláme... Naši zákazníci...
  • 3. www.jaguar-aps.com Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Úvodem Kdo potřebuje forecasting? 3
  • 4. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Kdo potřebuje forecasting? 4  Předpovídání časových řad je používáno téměř všemi organizacemi, které pracují se strukturovanými daty.  Řetězce – retail – předpovídají prodej  FMCG předpovídají zásilky, objednávky, poptávku  Elektrárny předpovídají poptávku a ceny, výrobu a rezervy, …  Dopravní společnosti předpovídají budoucí cestování, …  Vzdělávací instituce předpovídají zápisy nových studentů  Banky předpovídají nákup nových domů, objem půjček, …  Nemocnice předpovídají operace  Služby předpovídají počet zaměstnanců podle poptávky
  • 5. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Fakta o řízení pomocí analytiky  Analytika řeší rozdíly v názorech.  Počáteční diskuse je na základě stanovisek, ale musí být podporována čísly.  Zapojení napříč organizací vylepší zarovnání.  Vedení pomocí analytiky je typicky velká změna.  Týmy fungují nejlépe tam, kde analytika řídí diskusi.  Analytika je mnohem více než reporting.  Tradiční zásobovací řetězce jsou reakční bez schopnosti „vnímat“ trh.  Organizace nepoužívají analytiku k „naslouchání“.  Ve světě nové analytiky budou moci vnímat, testovat a učit se a organizovat odpověď na změny trhu. 5
  • 6. www.jaguar-aps.com Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Vytěžování dat Data Mining
  • 7. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Vytěžování dat  Deskriptivní analýza  Asociace – vyhledávání vzorů, ve kterých je jedna událost spojena s další. Posloupná analýza – vyhledávání událostí, které způsobují další události.  Klasifikace – vyhledávání nových vzorů (může to znamenat reorganizaci dat)  Seskupování – vyhledávání a vizualizace skupin skutečností, které nebyly dříve známé – viditelné.  Prediktivní analýza  Forecasting – vyhledávání datových vzorů, které mohou být použity k přijatelné předpovědi budoucnosti 7 Vytěžování dat je třídění dat za účelem identifikace vzorů a ustanovení vztahů.
  • 8. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Nedávný vývoj... • k odhalení šablon v chování spotřebitelů. • k měření efektivity marketingových investic. • k optimalizaci finanční výkonnosti. • k tvarování a aktivnímu řízení poptávky pomocí ‚what-if‘ simulací. • k vnímání poptávkových signálů a tvarování budoucí poptávky za podpory technologií vytěžování dat. Prediktivní analytika slouží: 8
  • 9. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Prediktivní analytika a zásobovací řetězce • Náklady se zdají vysoké. • Zaměření na investice přinášející okamžité a hmatatelné výsledky. • Spojit datové uzly celého rozšířeného řetězce je příliš složité. • Big data způsobují v této chvíli roptýlení pozornosti. • Schopnosti v zásobovacím řetězci a IT jsou omezené. • IT a ostatní firemní oddělení nejsou zajedno v identifikování potřeby. • Plánování poptávky není klasifikováno jako ‚základní kvalifikace‘. • ... Proč ne? • Silný potenciál způsobu vedení funkce dodavatelského řetězce. • Potřeba vrcholového vedení budovat růst se ziskem. • Pro efektivní funkci multi- echelonových zásobovacích řetězců je nutno mít správné a rychlé signály. • Varování na pomoc vnímání, tvarování a analýzy dat pro lepší reakci změn na trhu. • Data jsou informace a informace jsou zisk. • ... Proč ano? 9
  • 10. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Forecasting & Supply Chain řízené poptávkou Demand Sensing Demand Shaping Demand Translating Demand Shifting Demand Orchestration 10 Vnímání poptávky - Demand sensing • Zkrácení doby k vycítění skutečných tržních údajů k pochopení skutečných posunů na trhu v reakci poptávky. • Data pro cyklus ‚objednávka-zaslání‘ mohou být 1-3 týdny zpožděna v překladu skutečné poptávky trhu. • Vývoj forecastu na základě tržní spotřeby. Překlad poptávky - Demand translation • Překlad poptávky trhu pro jednotlivé role v rámci organizace. • Systémový design rozpozná, že požadavky pro každou roli – distribuce, výroba, nákup – jsou různé. • V tomto procesu je forecast založen na ‚prodejních položkách‘ podle trhu (ship-to modeling.) • Poptávka je pak přeložena to ‚ship- from‘ fomátu na základě potřeb konkrétní role. Orchestrace a přesouvání poptávky - Demand orchestration and shifting • Kompromisy podle jednotlivých trhů na základě správné rovnováhy rizika poptávky a příležitostí. • Tato rozhodnutí závisí na schopnosti pokročilé analytiky současně tvarovat a vnímat poptávku. • Znalost domény versus názor. Tvarování poptávky - Demand shaping • Znalost domény versus názory. • Aplikace technik pro stimulaci poptávky na trhu. • Propojení poptávky se zásobovacím řetězcem. • Eliminace politiky a zaujatosti ve forecastu.
  • 11. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Krok č. 1 Generujte frorecastingové reporty Krok č. 2 Fáze plánování poptávky Krok č. 3 Fáze plánování zásob Krok č. 4 Pre-S&OP/ GAP mítink Krok č. 5 Exekutivní mítink Konec měsíce • Nahrát master data • Nahrát historii • Výpočet stat. forecastu • Řešení problémů • What-if modely • Reporty pro exekutivní mítink • Marketingový forecast • Obchodní forecast • Konsensní forecast • Plánování zásob • Plánování kapacit • Balancování poptávky a zásob • Revize problémů a rizik • Vyhodnocení možností • Odsouhlasení konečných plánů Struktura S&OP procesu 11 Source: Přesouvání poptávky Tvarování poptávky Přesouvání poptávky Tvarování poptávky Cítění poptávky Tvarování poptávky
  • 12. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Forecastingový proces řízený poptávkou 12  Zaměření na poptávkou řízenou organizaci včetně vyhodnocení strategických, operačních a taktických plánů za účelem konsolidace vstupů jednotlivých oddělení pomocí identifikace, vyhodnocení a uzavření finančních mezer.  Poskytuje realistický pohled na skutečnou neomezenou poptávku.  Ja založen na základě marketingového a obchodního konsensu, který byl finančně analyzován a je použit na podporu S&OP procesu.  Limity zásobování jsou řešeny pomocí přesouvání poptávky (shifting) s cílem nákladově efektivního uspokojení poptávky.
  • 13. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Problémy tradiční strategie „zevnitř ven“(“push”)  Poptávka trhu je akumulována a prezentována ve formě celkového úhrnu.  Informace o počáteční poptávce původního zákazníka je zpožděna.  Servisní úroveň je stanovena jako průměr.  Centrální zdroje by měly být na 100% úrovni služeb. „Jestliže doplňování skladu řeší své problémy, tak co způsobilo hlavní problémy ve skladu?“ Dodavatel DC Prodejna Prodejna Prodejna Zásoby Informace 13
  • 14. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Otázky pro strategii „zevnitř ven“  Je poptávka výsledkem spotřeby na úrovni prodejen?  Je poptávka výsledkem zákaznické poptávky nebo je to akumulovaná poptávka skladu-distributora?  Jak dlouho to trvá než se forecast stane skutečnou poptávkou?  Protože si myslíte, že je to lepší, stane se poptávkový signál realitou?  Máte dostatek času reagovat na skutečnou poptávku jakmile se konečně stane známou? 14 Plánování Výroba Prodej PUSH
  • 15. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Lepší využití tržních dat  Měnící se pohled na to, jak vidět data a sloužit zákazníkům  Od strategie ‚zevnitř ven‘ k ‚zvenku dovnitř‘  Jde o vlastnictví celého dodavatelského řetězce, včetně kanálů, řízení produktů a jejich výroby až po jejich konečné použití.  Současné zásobovací řetězce ‚chytají‘ objednávky a dodávky a předpokládají, že jsou reprezentativní pro daný trh. 15 Plánování Výroba Prodej PULL Lídři dodavatelského řetězce mohou vnímat dynamiku trhu a přeložit tyto signály do formátu potřebného specifickými lidmi a odděleními v době, kdy je třeba reagovat na danou změnu.
  • 16. www.jaguar-aps.com Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Datová analýza Jak chápat svá data.
  • 17. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Rozpoznávání vlastností dat 17  Spojnicový graf je ideální pro zobrazení vývoje časové řady. 0 2,000,000 4,000,000 6,000,000 8,000,000 10,000,000 12,000,000 14,000,000 Dec-01 Jan-02 Feb-02 Mar-02 Apr-02 May-02 Jun-02 Jul-02 Aug-02 Sep-02 Oct-02 Nov-02 Dec-02 Jan-03 Feb-03 Mar-03 Apr-03 May-03 Jun-03 Jul-03 Aug-03 Sep-03 Oct-03 Nov-03 Dec-03 Jan-04 Feb-04 Mar-04 Apr-04 May-04 Jun-04 Jul-04 Aug-04 Sep-04 Oct-04 Nov-04
  • 18. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Rozpoznávání vlastností dat 18 Úroveň
  • 19. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® 0 2,000,000 4,000,000 6,000,000 8,000,000 10,000,000 12,000,000 14,000,000 Dec-01 Jan-02 Feb-02 Mar-02 Apr-02 May-02 Jun-02 Jul-02 Aug-02 Sep-02 Oct-02 Nov-02 Dec-02 Jan-03 Feb-03 Mar-03 Apr-03 May-03 Jun-03 Jul-03 Aug-03 Sep-03 Oct-03 Nov-03 Dec-03 Jan-04 Feb-04 Mar-04 Apr-04 May-04 Jun-04 Jul-04 Aug-04 Sep-04 Oct-04 Nov-04 Rozpoznávání vlastností dat 19 Trend Úroveň
  • 20. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® - 0.200 0.400 0.600 0.800 1.000 1.200 1.400 1.600 1.800 0 2,000,000 4,000,000 6,000,000 8,000,000 10,000,000 12,000,000 14,000,000 Dec-01 Jan-02 Feb-02 Mar-02 Apr-02 May-02 Jun-02 Jul-02 Aug-02 Sep-02 Oct-02 Nov-02 Dec-02 Jan-03 Feb-03 Mar-03 Apr-03 May-03 Jun-03 Jul-03 Aug-03 Sep-03 Oct-03 Nov-03 Dec-03 Jan-04 Feb-04 Mar-04 Apr-04 May-04 Jun-04 Jul-04 Aug-04 Sep-04 Oct-04 Nov-04 Rozpoznávání vlastností dat 20 Trend Úroveň Sezónnost
  • 21. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Rozpoznávání vlastností a proměnlivosti dat 21 Total All 36 months Last 24 months Last 12 months Trend @ 36, 24, & 12 měsíců
  • 22. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Rozpoznávání proměnlivosti dat 22 Nový výrobek – nerealistický trend Očekávaný trend
  • 23. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Rozpoznávání proměnlivosti dat 23 Negativní prodej – hodnota- množství vrácených výrobků převýšila aktuální prodej.
  • 24. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Rozpoznávání proměnlivosti dat 24 Trend a intervence (náhlé změny)
  • 25. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Rozpoznávání proměnlivosti dat 25 Chybějící data
  • 26. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Rozpoznávání proměnlivosti dat 26 Přerušovaná – nepravidelná poptávka
  • 27. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Rozpoznávání proměnlivosti dat 27 Velká variabilita – krátká historie
  • 28. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Datové vzory 28 Obsahují data změny, které je třeba včlenit do předpovědi? Jsou v datech odchylky, které je třeba opravit? Je tento výrobek stabilní nebo dynamický? Sezónnost? Trend?
  • 29. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Datové vzory 29 Obsahují data změny, které je třeba včlenit do předpovědi? Je tento výrobek stabilní nebo dynamický? Jsou v datech odchylky, které je třeba opravit? Sezónnost? Trend?
  • 30. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Rozpoznávání proměnlivosti dat: sigma 𝜎 varování 30  Směrodatná odchylka 𝜎 posledních šesti měsíců je výrazně jiná než 𝜎 předchozích 18 měsíců.  Poukazuje na změnu v dynamice nedávné historie, kterou je třeba analyzovat a buď upravit data nebo včlenit do forecastingového modelu. - 50,000.00 100,000.00 150,000.00 200,000.00 250,000.00 P1 P7 P13 P19 P25 P31 Sales Cleansed History 𝝈 varování
  • 31. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Výkyvy dat / Odlehlá pozorování (Outliers) 31  Odlehlé pozorování se projeví osamělou třídou (v grafu jde o osamělý sloupec nebo bod) extrémně nízkých, nebo naopak extrémně vysokých hodnot.  Nejedná se o exaktní metodu, je však vhodným a jednoduchým začátkem před použitím přesnějších, ale složitějších metod.  Tato pozorování mohou být sezónní výkyvy – očekávané, nebo výkyvy způsobené nějakou událostí, kterou je potřeba správně vysvětlit (upravit/vyčistit).  Speciální příklad odlehlých pozorování jsou body blízko střední hodnoty (průměr nebo medián), které mají neočekávané hodnoty v porovnání s předchozím nebo následným porovnatelným obdobím. (Inliers).
  • 32. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Kontrolní graf: identifikace vzorů a výkyvů 32 Spodní kontrolní limit LCL Průměr nebo medián Výkyv (Outlier) Výkyv (Outlier) Normální variabilita Střední hodnota a UCL/LCL definice: průměr nebo medián?, 1𝜎 nebo 3 𝜎, … doporučení – začněte s 18 měsíčním průměrem a 1.5 𝝈 Trend ??? Horní kontrolní limit UCL
  • 33. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Analýza poptávkové křivky  Poskytuje celkový pohled na data, která mají být použita pro statistickou předpověď.  Umožňuje prozkoumání problematických oblastí.  Provádí segmentaci souboru do smysluplných skupin na základě atributů a proměnlivosti dat.  Provádí rychlý přístup k položkám (SKU), které musí být ověřeny při implemtaci nového forecastingového SW. 33
  • 34. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Analýza křivky poptávky - vzorek výstupu 34 Sample size: 14,271 SKUs
  • 35. www.jaguar-aps.com Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Excelové příklady Analýza poptávkové křivky • Test na sezónnost • Test dat pro typ forecastingového modelu • Test trendu: růst rok od roku a diferencování • Test střední hodnoty (průměr a medián) a určení kontrolních limitů • Variabilita poptávky a její aplikace v předpovídání • Základní doporučení pro čistění dat
  • 36. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Segmentace výrobků pro volbu vhodné metody předpovědi 36  Analýza časových řad  vzory poptávky  předpovídatelnost/forecastability.  Hodnota pro firmu + forecastability  správná metoda forecastingu. Source: Charles Chase, SAS Data Segmentace Dat Datové vzory Trend, sezónnost, cyklus, nahodilost. Variabilita. Hodnota Vysoká, nízká. Marketing Nový, Růst, Zralost, Úpadek Forecastability Hodnota pro firmu + + Metody forecastu
  • 37. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Segmentace dat - Forecastability 37 Vysoký objem / Nízká proměnlivost • Top selling • Komodity • Předvídatelné Nízký objem / Nízká proměnlivost • Low selling • Delší životní cyklus • Předvídatelné • Narušení může mít velký dopad (často související s dodacím časem) Nízký objem / Vysoká proměnlivost • Speciální produkty • Zakázkové objednávky • Můžou mít vysokou marži • Častá narušení • Často propojené s jinými SKU Vysoký objem / Vysoká proměnlivost • Sezónní výrobky • Akce • Krátký životní cyklus • Jestliže je proměnlivost předvídatelná, pak je sezónní Proměnlivost potávkyNízká Vysoká ObjemNízkýVysoký Source:
  • 38. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Segmentace dat: forecastability (možnost předpovědí) 38 HIGH VARIABILITY, HIGH VOLUME, 16 HIGH VARIABILITY, LOW VOLUME, 393 LOW VARIABILITY, HIGH VOLUME, 38 LOW VARIABILITY, LOW VOLUME, 287 HIGH VOLUME LOW VOLUME LOW VARIABILITY HIGH VARIABILITY Nízký objem Vysoký objem Malá variabilita, nízký objem, 287 Velká variabilita, nízký objem, 393Nízká variabilita, vysoký objem, 38 Velká variabilita, vysoký objem, 16
  • 39. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Čtyři kvadranty založené na managementu portfolia 39 Source: Charles Chase, SAS Produkty nízké priority:  Silný trend  Vysoce sezónní  Možné cykly  Prříležitostné obchodní akce Nízká priorita, oblastní speiality:  Částečný trend  Sezónní fluktuace  Nepravidelná poptávka  Lokálně zaměřená reklama Product Line Extensions: (Evoluční nové výrobky). ‘Podobná’ Historie existuje (sporadicky). Výrobky s krátkým životním cyklem: Mnoho ‘podobných’ Výroků k dispozici. Nové výrobky: (Revoluční nové výrobky) Žádná ‘podobná’ Historie neexistuje. Produkty vysoké priority:  Silný trend  Sezónní fluktuace  Možné cykly  Obchoní akce  Marketing akce  Celonárodní reklama a inzerce  Vysoce konkurenční Hvězdy (Growth Brands) Specifický segment (Niche Brands) Dojné krávy (Harvest Brands) Nové produktyHodnotprofirmu Forecastability Vysoká hodnota Nízká předvídatelnost Nízká hodnota Nízká předvídatelnost Vysoká hodnota Vysoká předvídatelnost Nízká hodnota Vysoká předvídatelnost
  • 40. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Volba statistických metod založená na segmentaci managementu portfolia 40 Source: Charles Chase, SAS ARIMAX ARIMA s externími and interními proměnnými Jednoduchá regrese Vícenásobná regrese Kombinace průměrů: Názor, exponenciální, kauzální Kombinace vážených: Názor, exponenciální, kauzální Croston’s Intermittent ARIMA Box-Jenkins Winters 2 / 3 parametry Dekompozice Simple Moving Average Holt’s Dvojité exponenciální vyhlazení Exekutivní názor Delphi výbory Sumace obchodních předpovědí Nezávislý názor Kauzální Modeling Vícenásobné Methody Time Series/Časové řady Názor - Judgmental Hodnotaprofirmu Forecastability Nové produkty Vysoká hodnota Nízká předvídatelnost Speciální segment (Niche Brands) Nízká hodnota Nízká Předvídatelnost Hvězdy (Growth Brands) Vysoká hodnota Vysoká předvídatelnost Dojné krávy (Harvest Brands) Nízká hodnota Vysoká předvídatelnost
  • 41. www.jaguar-aps.com Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Předpovídání za použití časových řad Time Series Forecasting
  • 42. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Datové informace Čištění dat a synchronizace Příprava statistické předpovědi Zpracování výjimek Ověření základních informací Dosažení souhlasu Finální předpověď Forecasting KPI Aktualizace předpovědi Forecastingový Proces 42 Kombinace analýzy dat, jejich zpracování a tvarování. Velmi závislý na spolupráci s interními a externími partnery.
  • 43. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Přehled forecastingových metod 43 Příčinyanásledky (Cause&Effect) Časovéřady Forecast Statistický nebo kvantitativni přístup Názorový nebo kvalitativní přistup Vyhlazení • Naivní • Klouzavý průměr • Jednoducé exp. vyhlazení • Dvojíté exp. vyhlazení • Trojité exp. vyhlazení Box-Jenkins (ARIMA) Dekompozice časových řad Jednoduchá regrese Vícenásobná regrese Ekonometrie
  • 44. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Časové řady 44  Nejčastěji užívané  Jednorozměrné metody – potřebujete jen jednu sadu dat (např. zásilky nebo objednávky)  Budoucí zásilky jsou funkcí minulých zásilek  Výhody a omezení  Dobré pro forecast krátkých termínů (příští měsíc)  Snadno porozumitelné a aplikovatelné metody  Matematicky přesnější než názor, nepotřebují tak mnoho dat jako regresní modely  Limitované do míry v jaké lze historické zásilky použít v izolaci (např. bez tržních či demografických dat) Časové řady – základní předpoklad: STABILITA
  • 45. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Klouzavé průměry 45 Klouzavé průměry se řadí mezi nejoblíbenější techniky pro předzpracování časových řad. Používají se pro filtraci náhodného „bílého šumu" z dat tak, aby časová řada byla vyrovnanější, nebo ke zdůraznění určitých informačních komponentů obsažených v dané časové řadě.
  • 46. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS  Jednoduché exponenciální vyhlazení  𝐹𝑡+1 = 𝛼𝐴 𝑡 + (1 − 𝛼)𝐹𝑡  Kde  Ft+1 = forecast, příští perioda  α = vyrovnávací konstanta (0≤α≤1)  At = aktualizovaná hodnoda časové řady (in period t)  Ft = hodnota forecastu pro periodu t  Klouzavé průměry dávají stejnou váhu minulým pozorováním, vyhlazení dává větší váhu na nedávné periody. Časové řady: exponenciální vyhlazení 46
  • 47. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Časové řady: exponenciální vyhlazení 47 Forecast pro další periodu se rovná forecast pro minulou + vyhlazená chyba 𝐹𝑡+1 = 𝛼𝐴 𝑡 + 1 − 𝛼 𝐹𝑡 = α𝐴 𝑡 + 𝐹𝑡 − 𝛼𝐹𝑡 = 𝐹𝑡 + 𝛼𝐴 𝑡 − 𝛼𝐹𝑡 = 𝐹𝑡 + 𝛼(𝐴 𝑡 − 𝐹𝑡)
  • 48. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Časové řady: exponenciální vyhlazení 48  Holtovo exponenciální vyhlazení  Používá se pro data vykazující trend v průběhu času. (±)  Data nejsou sezónní.  Složitější výpočty, ale snadné jako jednoduché exp. vyhlazení za použití software.  Zahrnuje dvě vyhlazovací konstanty. (Úroveň a trend, alfa a beta).
  • 49. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Časové řady: exponenciální vyhlazení 49  Holtovo exponenciální vyhlazení 𝐹𝑡+1 = 𝛼𝐴 𝑡 + 1 − 𝛼 𝐹𝑡 + 𝑇𝑡 𝑇𝑡+1 = 𝛽(𝐹𝑡+1 𝑡 −𝐹𝑡) + (1 − 𝛽)𝑇𝑡 𝐻𝐹𝑡+𝑚 = 𝐹𝑡 + 1 + 𝑚𝑇𝑡+1
  • 50. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Časové řady: exponenciální vyhlazení 50  Holtovo-Wintersovo exponenciální vyhlazení  Model přizpůsoben pro trend and sezónnost.  Ještě složitější výpočty a opět velmi snadné za pomocí softwaru.  Zahrnuje použití tří vyhlazovacích konstant: 𝜶 alfa = úroveň 𝜷 beta = trend 𝜸 gama = sezónnost
  • 51. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Časové řady: exponenciální vyhlazení 51  Holtovo-Wintersovo exponenciální vyhlazení  𝐹𝑡 = 𝛼(𝐴 𝑡/𝑆𝑡−𝑝) + (1 − 𝛼)(𝐹𝑡−1 + 𝑇𝑡−1)  𝑆𝑡 = 𝛽(𝐴 𝑡/𝐹𝑡) + (1 − 𝛽)𝑆𝑡−𝑝  𝑇𝑡 = 𝛾(𝐹𝑡 − 𝐹𝑡−1) + (1 − 𝛾)𝑇𝑡−1  𝑊𝐹𝑡+𝑚 = (𝐹𝑡 + 𝑚𝑇𝑡)𝑆𝑡 + 𝑚 − 𝑝
  • 52. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Vyrovnávací metody pro časové řady 52 1. Určete forecastingovou metodu použitou pro jednotlivé časové řady. 2. Kterou z nich byste vybrali pro danou časovou řadu? Jednoduché exp. vyhlazení Trojité (Holtovo-Wintersovo) exp. vyhlazení Dvojité (Hotlovo) exp. vyhlazení
  • 53. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Exponenciální vyhlazení 53  Váha 𝛼(1 − 𝛼) 𝑡 klesá exponenciálně s časem (geometricky). 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 α=0.1 α=0.3 0.9
  • 54. www.jaguar-aps.com Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Regresní modely
  • 55. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Přehled forecastingových metod 55 Příčinyanásledky (Cause&Effect) Časovéřady Forecast Statistický nebo kvantitativní přístup Názorový nebo kvalitativní přístup vyhlazení • Naivní • Klouzavý průměr • Jednoduché exp. vyhlazení • Dvojité exp. vyhlazení • Trojíté exp. vyhlazení Box-Jenkins (ARIMA) Dekompozice časových řad Jednoduchá / vícenásobná regrese Lineární / nelinární regrese Modely umělých neuronových sítí Ekonometrie
  • 56. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Regresní analýza / kauzální modely  Kauzální modely se snaží vysvětlit minulost a vytvořit forecast na základě matematických vztahů mezi proměnnými ve spojení se specifickou časovou řadou-proměnnou. Identifikace Odhad Kontrola Předpověď 56 Regresní model je výrazem způsobu jakým závislá proměnná (vaše data) reaguje na změny v každé z nezávislých proměnných (vaše nebo externí data).
  • 57. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Nezávislé (vysvětlující) proměnné 57 • Také známé jako taktické proměnné, mohou být řízené manažerskými rozhodnutími a budoucí hodnoty mohou být nastaveny na základě taktik a strategie firmy. • Příkladem jsou ceny produktů, výdaje na propagaci, metody distribuce, aj. Interní • Úroveň a vliv nejsou pod kontrolou firmy. • Příkladem jsou demografie (věk, pohlaví, populace v dané oblasti, ekonomicky růst, inflace, nezaměstnanost, aj.) Externí
  • 58. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Typy lineární regrese 58  Jednoduchá lineární regrese je odhad nejmenších čtverců lineárního regresního modelu s jednou nezávislou proměnnou.  Jinými slovy, jednoduchá lineární regrese proloží přímku přes skupinu n bodů takovým způsobem, který minimalizuje reziduální chyby.  Vícenásobná regrese je model s jednou závislou a dvěma nebo více nezávislými proměnnými.
  • 59. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Regresní modely 59  Úspěšná regresní analýza poskytne odhady toho, jaký vliv měly předchozí změny v každé z vysvětlujících proměnných na závislou proměnnou.  Vliv HDP na prodej produktů, reklama v médiích, konkurenční činnost, změny v demografii, aj. Jako forecastingový přístup, regresní analýza může poskytnout nejen forecast závislé proměnné, ale je také užitečná jako manažerská informace pro přizpůsobení firemní taktiky ke změnám v externích proměnných způsobující změny v ‚chování‘ závislé proměnné.
  • 60. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Regresní analýza • Lze modelovat trend, cyklus, sezónnost a další faktory ovlivňující poptávku (vysvětlující proměnné). • Může využívat zpožděné účinky. • Může využívat intervenční proměnné. • Může vycítit signály poptávky. • Podporuje ‚what-if‘ analýzy. • Všeobecně je přesnější v predikci poptávky v porovnání s exp. metodami. Silné stránky • Vyžaduje více dat a více prostoru pro ukládání dat. • Tyto modely vyžadují znalost statistických modelů a analýzy a jejich aplikace. • Nedají se snadno automatizovat. Slabé stránky
  • 61. www.jaguar-aps.com Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Minimalizace chyb v předpovídání Bias, Abs Error, APE, MAPE, Weighted Error, Forecast Quality, Rolling Errors, Tracking Signal
  • 62. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS 62 Analýza chyb  Co měříme?  Výkon statistického modelu.  Výkon finální schválené předpovědi.  Jednotlivé vstupy do konsensuální předpovědi (např. Marketing, obchod, ..., vrcholný management) – Forecast Value Added Analysis FVA („analýza přidané hodnoty předpovědí“).
  • 63. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS  Důležité k zapamatování:  Použijte stejnou sadu dat pro každou metodu.  Časová prodleva (nebo dodací lhůta) od přípravy předpovědi a časová perioda, pro kterou je předpověď připravena, musí být stejná pro všechny použité metody.  Matematický vzorec použitý pro výpočet základní chyby a jejího procentuálního vyjádření musí být stejný pro všechny metody. 63 Různá měření chyb předpovědi
  • 64. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Časová prodleva (Forecast Lags) 64 Waterfall chart
  • 65. Copyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® 65 Měření chyby předpovědi Vyhodnocení předpovědi a modelů Chyba/Bias Absolutní chyba Průměrná chyba (ME) Průměrná absolutní chyba (MAE) Průměrná % chyba (MPE) Průměrná absolutní % chyba (MAPE) Vážená MAPE Vydhodnocení modelů: umocněná měření chyby Chyba na druhou (SE) Průměrná chyba na druhou (MSE) Odmocnina průměrné chyby na druhou (RMSE)
  • 66. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Důvody pro chybu předpovědi 66  Nedostatek účasti, motivace a odpovědnosti.  Je to příliš těžké pochopit.  Nedostatek kompatibility mezi systémem a organizací.  Nepřesné údaje.  Údaje nevhodné k předpovídání.  Nedostatek kontroly.
  • 67. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS  Klíčové otázky související s metrikou chyb:  Jak interpretujeme chybu na základě pozitivní předpovědi a nulového prodeje?  Jak interpretujeme chybu na základě nulové předpovědi a pozitivního prodeje?  Jak interpretujeme negativní prodej?  Jak interpretujeme příčinu chyby?  Které metriky jsou nedůležitější pro analytiky a jejich manažery?  Které metriky jsou nedůležitější pro vrcholové vedení?  Které metriky jsou nejlepší pro spolupráci s marketingem a obchodem?  Jaké podněty provádí firma pro marketing a obchod, aby je motivovala ke kvalitnímu přispění jejich znalostmi k tvorbě konsensuální předpovědi?
  • 68. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Zlepšení přesnosti předpovědí 68  Přiřaďte odpovědnost za předpovědi (napříč všemi skupinami zúčastněných stran).  Stanovte reálné cíle přesnosti.  Propojte hodnocení výkonosti s cíly.  Zajistěte dobré prognostické nástroje-software.  Generujte předpovědi na správné úrovni výrobkové struktury.  Pravidelně sledujte přesnost předpovědí.  Posuďte a zlepšete oblasti špatných předpovědí. Využijte proces vycházející z výjimek.
  • 69. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Ukázka zprávy of chybě forecastu 69 Prodej a forecast Chyba forecastu/ Bias % Bias / % Chyba Absolutní % chyba WMAPE Kvalita forecastu – počet položek v cílovém rozsahu chyby
  • 70. ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Šest klíčů ke zlepšení předpovědí 70 Lidé, proces, technologie. Statistické předpovědi. Segmentatce dat. Agregace dat. Spolupráce. Měření a zprávy o výjimkách.
  • 71. www.jaguar-aps.com Copyright: Jaguar-APSCopyright: Jaguar-APSCopyright: Jaguar-APS Chyba forecastu je vaše zpětné zrcátko, ne osud.
  • 72. Copyright: Jaguar-APSCopyright: Jaguar-APS ® Copyright: Jaguar-APS ® Děkujeme Charles Novak charles.novak@jaguar-aps.com +1(416) 806-7302 www.jaguar-aps.com Naše služby • Školení • Opportunity Assessment • Plánování poptávky a provozu (S&OP/IBP) • Výběr a podpora využití systémů pro plánování a forecasting • Změnová řízení http://www.jaguar-aps.com/services/index.html