驾驭风险：市场预测新思路——市场风云多变幻需求不确定市场预测新思路——助君驾驭风险，本文主要内容关键词为：市场预测论文,新思路论文,风险论文,不确定论文,多变论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
市场预测的失误，往往源于企业对市场预测的错误认识——许多经营者要么把市场需求当做完全不可预测的，要么则把市场需求当做完全可以预测的。因此，他们要么无视各种科学的预测方法，完全“跟着感觉走”，要么则把市场预测结果奉为金科玉律。
在市场预测问题上，恰恰是观念的错误导致了方法的错误，为了解决预测失误的问题，需要明确市场需求既不是完全不可以预测的，又确实存在着不确定性；需要同时改进预测方法和计划过程，寻求一种贯穿预测、计划和生产全过程的新方法，最大限度地减少预测失误的影响。下面我们就从一个案例说起。
〔案例〕
在流行滑雪服经营中，需求高度依赖于种种难以预测的因素，如气候、流行趋势、经济发展等，而且，零售高峰期只有两个月。但是，美国的奥伯梅尔公司却通过改进预测和计划方法，几乎完全消除了滑雪服生产与顾客需求不平衡所造成的损失。
奥伯梅尔公司是美国流行滑雪服市场上的主要供应商。它在儿童滑雪服市场上占有支配性的45%的份额，在成人滑雪服市场上占有11%的份额。它的产品是由远东、欧洲、加勒比海以及美国的一些企业加工的。
该公司几乎所有产品，每年都要重新设计，以适应款式、面料和颜色的变化。直到80年代中期，公司的设计和销售周期都是相对简单的。它包括设计产品，生产样品，3月份向零售商展示样品； 接受零售商定货后，在3、4月份接受供应商定货；9、10 月份在奥伯梅尔公司的配送中心收货；然后立即向零售商店送货。这种方法有效地运用了30多年。加工合同是以确认的定单为依据签订的。而秋季交货又为有效的生产提供了充分的时间。
然而，80年代中期，这种方法不再有效。首先，随着公司的销售量增加，它在生产高峰期受到生产能力的制约。在夏季关键的几个月中，它无法从高质量的滑雪服加工厂预订到足够的生产能力，以保证加工出满足全部定货要求的产品。结果，它只得根据对零售商定货的预测，在前一年的11月份，或者在商品销售之前大约一年，就开始预订加工能力。
其次，降低生产成本和增加产品品种的压力，迫切要求公司建立更加复杂的供应链。如今，在美国销售的一件风雪大衣，从面料到辅助材料，如拉链、按扣、扣形饰物以及缝线，可能是在中国缝制的，而这些原材料又来源于日本、韩国和德国。这样一种供应链，有效地保证了花色品种的增加和产品的改进，但也大大延长了交货时间。最后，也是最重要的，对于流行儿童滑雪服产品，经销商们开始要求提早交货，因为十分景气的儿童滑雪服的一大部分销售额在8 月份的返校期就已开始实现。
为了克服供应链变长、供应商能力限制以及零售商要求尽早交货的困难，奥伯梅尔公司采用各种方法来缩短交货期。首先，它引进计算机系统来缩短处理定单和计算原材料需求的时间。其次，由于所需原材料的交货时间难以缩短，于是，公司就预先购进原材料存放在远东的仓库中。这样，公司一接到定单就能开始生产。第三，当交货日期迫近时，公司就把远东的货物快速运送到丹佛的配送中心。截止1990年，上述改革已经把交货时间缩短了一个多月。
另外，公司说服一些最重要的零售商客户尽可能早地定货，从而能够较早地了解当年可能流行哪些款式。从1990年起，每年2月份， 公司邀请25家最大的零售商客户，提前向它们展示当年的新产品并征求早期定货。每年来自于这一程序的早期定单，合计占到该公司总销售额的20%。
然而，这些努力并未解决缺货和不断降价的问题。公司生产仍有约一半是根据需求预测安排的。在生产高度复杂多变的时髦产品的行业，这是很大的冒险。奥伯梅尔公司依靠一个由其各个职能部门经理组成的专家小组，对公司每一种产品的需求进行一致性预测。但是，这项活动并不特别有效。例如，在1991—1992年度销售期，有几款女式风雪大衣比原先的预测多销了200%，同时， 其他款式的销售量比预计销售量低了15%。
那么，能够改进预测吗？能够进一步缩短交货时间吗？能够更好地利用“早期定货程序”所获得的信息吗？能够劝说更多的零售商提早定货吗？
奥伯梅尔公司组成专人来考察这些问题，由此提出了“正确响应”（Accurateresponse）的方法。他们认识到，问题在于公司不能预测人们将买什么。生产风雪大衣的决策，实质上是就“风雪大衣会有销路”这一判断在打赌。为了规避这种风险，必须寻求一种方法，来确定在“早期定货”之前生产哪些产品是最安全的，哪些产品应该延期到从“早期定货”搜集到可资利用的信息后再生产。
同时，他们发现，专家小组的初步预测尽管有些是不符合实际的，但约有一半是相当准确的，与实际销售量的误差不到10%。为了在获得实际定货之前确定哪些预测可能是准确的，他们考察了专家小组的工作方式。专家小组传统上是对每一种款式和颜色都通过广泛的讨论达成一致性预测。于是，公司决定请专家小组的每一位成员对每一种款式和颜色作出独立预测。采用这种方法，个人要对自己的预测负责。
这种改革非常有价值。首先，一致性预测往往并非真正意义上的一致。小组中的主要成员，如资深经理，常常过度地影响集体预测的结果；如果每个人都必须提出自己的预测，就可消除这种过度的影响。其次，而且更重要的是，新方法有利于对预测结果进行统计处理，以得出更精确的预测结果。
通过独立预测过程确实获得了重要发现。例如，虽然对两种款式大衣预测的平均趋势可能是一样的，但个人预测值的离中趋势却截然不同。例如，每个人对Pandro大衣的预测值都接近平均值，而对Entice宽松大衣的预测值却是分散的。 因此， 对Pandro 大衣的预测可能比对 Entice宽松大衣的预测更可靠。1992—1993年度销售期末，公司验证了上述假设——当专家小组每个人所作的预测相类似时，所获得的一致性预测将趋于更加精确。因此，利用个人预测之间的差异，可以有效地估计预测精度。
对于如何处理需求不可预测的品种，公司也获得了重要发现，即尽管零售商需求是不可预测的，从而使精确预测成为不可能，但是，奥伯梅尔公司零售商的总体购买模式却惊人地相似。例如，只要根据最初的20%的定货来修正专家小组的预测，预测精度就能显著提高。随着定货的增加，预测精度会不断改善。
接着，他们开始着手设计一种能够识别和利用上述信息的生产计划方法。设计这种方法关键是要认识到，在销售初期，当公司还未接到定货时，所预订的加工能力是“非反应性”的，即生产决策完全是根据预测而不是根据实际市场需求作出的。以“早期定货程序”为起点，随着定货信息的渗入，所确定的加工能力变得具有“反应性”了。这时，公司可以根据市场信息提高预测精度，从而作出生产决策。
公司采用了所谓“风险型生产顺序”的策略，充分利用非反应性生产能力来生产最有可能精确预测需求的产品，这样，就可以把反应性生产能力用于生产尽可能多的不可预测产品。这使公司能够尽可能对最有利可图的市场领域作出响应。
公司开发了一种在计算机上实现的数学模型，来生成最优生产计划。该模型能够确定应该在非反应期生产的产品及其最优产量。然后，在根据早期需求信息修正了初步预测值之后，它能合理地确定反应性生产计划。公司实施了模型的建议方案，并将其与以往的实际加以比较，发现执行模型建议方案的成本降低额约为销售额的2%。 由于该行业平均销售利润率为3%，所以这种改进使利润增加了三分之二。
该公司利用实际的早期需求信息，提高了反应性生产能力的可利用量，并把1992—1993年度销售期的数据代入模型，估计了缺货损失和降价损失的降低额。以风雪大衣为例，如果所有生产决策都在没有任何定货信息之前就做出，则缺货和降价损失将占销售额的10.2%。相反，如果所有生产决策都在有了某些定货信息之后再做出，则上述损失将下降到1.8%。
把所有的产品都推迟到获得早期需求信息之后再生产是不可能的。由此得到的重要推论是：即使少量的反应性生产能力，也会对成本产生显著的影响。在奥伯梅尔公司的案例中，利用反应性能力生产的产量仅占销售期总销售量的30%，所减少的成本就几乎占了有可能降低的成本总额的一半。
在模型的指导下，该公司还不断地对它的供应链和产品设计做了大量的精心改进，这些改进聚合在一起产生了显著的影响。供应链的改进重点在于，尽可能地保持原材料和加工能力相一致。例如，除了储备原材料，该公司还为生产高峰期顺利生产提前预定加工能力，但在未获得进一步信息之前，并不确定把这些生产能力用来生产哪些品种。
该公司还改进了它的设计策略。例如，公司原先总是要求拉链及其带基的颜色要与衣服的颜色相称；现在，它则在好几个品种上使用黑色拉链，把引进能够反衬衣服款式的颜色作为一种时髦。这样，就把所需要的拉链种数减少了五分之四。由于高质量拉链供货的限制会导致产品交货时间过长，一种特定长度和颜色的拉链缺货，可能会使整个一款产品停产几个月，所以，这种改进很有意义。
公司发现，顾客一般并不注意颜色的微小差别，但对服装的总体外观、质量和特色却要注意得多。因此，公司鼓励设计师使用同类原材料。以往，设计师在设计一种服装时，可能选择各种深浅不同的红色，因此公司不得不用五到六种深浅不同的红色来加工产品。现在，在一定的设计周期中，设计师们固定使用两到三种深浅不同的颜色。
〔启示〕
（一）区别相对可预测的产品与需求相对不可预测的产品
弄清产品是否可以预测，企业就可以分别采用不同的方法来生产不同的产品。对于相对可预测的产品，应该尽可能提前生产，从而为在接近销售期时生产不可预测的产品，积蓄较大的生产能力。对那些最难以预测的产品，则可推迟决策，直到获得某些市场信息。这样有助于使供求相适应。当然，企业可以提前生产少量需求不可预测的产品，以便在销售季节的初期就能了解各种商品的销售前景，然后根据这些信息来确定哪些产品更重要。
（二）重视由于预测失误所造成的机会损失
预测失误将导致库存过少或过多。库存过少导致缺货可能失去潜在的顾客，造成销售额损失。库存过多可能导致不得不降价促销，减少企业的利润。因此，必须估计缺货和降价所造成的损失。但是，我国企业通常缺乏这方面的信息，特别是由于缺货所造成的销售额损失的信息。然而，估计销售额损失是非常重要的，即使粗略的估计也十分有用。例如，奥伯梅尔公司发现，在零售季节，有些由于产品缺货不能供货的定单并没有输入计算机，而这些信息对于改进预测和测算缺货损失都十分有价值。于是，它就改进了定货登记系统，以便抓住那些由于库存不足而难以满足的定货要求。
又如，美国的狄拉德百货公司提供了一个很好的范例。当顾客在该公司的一家商店没有买到所需的商品时，公司就从它的另一家商店把那种商品邮寄给顾客，而且不增加额外的费用。公司起初的目的只在于改进顾客服务，从而增加销售额。然而，它却附带得到一个重要的收获——更好地了解到每一家商店的真实需求，从而能更好地估计销售额损失和预测需求。
（三）缩短生产和销售的交货时间
显然，缩短交货时间，使人们可以把生产决策推迟到获得更多的信息和更好的预测时进行，从而有可能降低缺货和降低损失。然而，实现这种可能，要求企业对产品设计、生产计划、供应网络和配置等每一个重要方面，都要进行仔细的分析和检查，做出大量精心细致的改进。例如，使企业能够灵活地在各种产品之间转换生产；能够及时地获取所需的原材料和零部件。为了达到最大灵活性，可能需要更换生产设备，或者要求把风险型生产顺序限制于那些在相同设备上加工的产品类别。为了保证原材料和零部件的适时供应，可能需要与供应商进行协商，以寻求一种符合双方利益的方法。
当然，所有的供应链和生产计划改革，必须基于一种可能的需求模型所建立的基本框架。
（四）更多地利用需求指示器来改进预测
销售初期的数据是可以用来修正和改进预测的一个信息源。但是，它们只是需求指示器的一种。企业应该努力寻求甚至创造更好的需求指示器。例如，几年前，美国的National bicycle公司发现，比赛用的自行车和山地车成了时髦商品。其部分原因在于，这类自行车鲜艳、多样的色彩设计每年都有变化。由于无法预测每一年会流行哪些颜色，结果，它的某些颜色的产品生产过剩，而另一些则生产不足，从而造成巨大损失。为了解决这个预测难题，该公司建立了一个顾客定货系统，用来测定令顾客满意的设计标准，并邀请顾客在众多的方案中选择他们所青睐的颜色。两周以后，顾客理想的自行车就可生产出来，并送货上门。
这种方法非常受欢迎，以致于现在该公司的比赛用车，几乎有一半都是顾客定购的。而且，该公司还发现，最受定购自行车顾客欢迎的颜色，对于确定当期整个市场的流行色，也是一种出色的指示器。现在，它利用这种信息来指导制定大量生产的计划，从而减少了生产不足和生产过剩所造成的损失。
（五）建立追踪预测失误的方法
企业在着手改进预测的同时，还必须检查预测的失误。应该注意，预测是何时作出的，是根据哪些信息作出的，其细致程度如何？而且，事后应把预测值与实际需求进行比较。
如果现行产品至少有一期的销售历史，那么就能根据过去的预测失误来估计预测精度。否则，可采用奥伯梅尔公司的方法，组织专家小组进行独立预测，根据他们预测的差异来测定预测精度。
只要遵循上述思路和方法来改进市场预测，那么，尽管市场需求的不确定性仍是难以完全预测的，但它将成为一种可以驾驭的风险。