Your SlideShare is downloading. ×
Využití dostupných dat k vyšší efektivitě zásobovacího řetězce
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Introducing the official SlideShare app

Stunning, full-screen experience for iPhone and Android

Text the download link to your phone

Standard text messaging rates apply

Využití dostupných dat k vyšší efektivitě zásobovacího řetězce

69
views

Published on

Využití dat v rámci zásobovacího řetězce - jak lze pracovat s daty, s jakými daty lze vlastně pracovat a co z nich lze všechno vyčíst? Jak vlastně dostat z dat informaci, která má význam pro naše …

Využití dat v rámci zásobovacího řetězce - jak lze pracovat s daty, s jakými daty lze vlastně pracovat a co z nich lze všechno vyčíst? Jak vlastně dostat z dat informaci, která má význam pro naše rozhodnutí? Aneb výtah ze semináře Analýza Dat a předpověď poptávky doplněný o informace ze semináře Demand Sensing. Více informací a plánované semináře na www.jaguar-aps.com.

Published in: Services

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
69
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 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