ניהול תחזית – ניתוח סטטיסטי של הפעילות ההיסטורית

מאת: צור אמיתי

השיטה המקובלת לבניית תחזית הינה שימוש בכלים לניתוח סטטיסטי של היסטוריית פעילות המוצרים. תוצאות הניתוח הסטטיסטי משמשים כבסיס המרכזי לבנית התחזית, בעזרת בסיס זה אנו מבצעים שינויים לקבלת תחזית אמינה ככל הניתן.

במאמר הקודם (גיליון 52 יוני 2014) הצגתי כיצד בונים את בסיס נתונים של הפעילות ההיסטורית של המוצרים ושיטות פשוטות לחישוב סטטיסטי . במאמר זה אציג את הכלים המקובלים לניתוח סטטיסטי של הפעילות ההיסטורית ובניית בסיס לתחזית העתידית של פעילות המוצרים.

חישוב ה Baseline כבסיס לניהול תחזית

לבסיס התחזית אנו קוראים "Baseline ", בדרך כלל אנו מחשבים את ה Baseline בעזרת ניתוח סטטיסטי של הפעילות ההיסטורית, ועל כך נדון בפרק זה.  במקרים מיוחדים נשתמש ב Baseline שאינו מחושב על בסיס ההיסטוריה אלה על נתון אחר, בנושא ניהול Baseline המבוסס על נתונים אחרים נדון במאמרים הבאים.

ובכן, כיצד נחשב את ה Baseline של התחזית על בסיס ניתוח סטטיסטי ? כדי לבצע חישוב לתחזית אנו צרכים לדעת באיזו שיטת חישוב סטטיסטי כדאי לנו להשתמש. התשובה לשאלה זו היא אולי אחת ההחלטות החשובות ביותר שיש לקבל בתהליך ניהול התחזית.

 

השיטות המקובלות לחישוב סטטיסטי לתחזית

השיטות השונות לחישוב סטטיסטי מתבססות על נוסחאות סטטיסטיות שונות. לכל קבוצת נוסחאות ישנו היתרון והחיסרון היחסי והן מתאימות להתנהגות היסטורית שונה.

 

החלקה מעריכית "Exponential smoothing"

החלקה מעריכית  – קבוצת הנוסחאות המקובלת ביותר נקראת החלקה מעריכית או בשמה הלועזי החלקה אקספוננציאלית "Exponential smoothing". החלקה אקספוננציאלית היא משפחה של נוסחאות המחולקות ל 12 נוסחאות שונות המטפלות כל אחת בהתנהגות שונה של המוצרים. הנוסחאות של החלקה אקספוננציאלית מבוססות על חישוב מספר גורמי התנהגות:

• רמה " Level " – זהו מספר קבוע המציין את הרמה הקבועה של הפעילות למוצר, חישוב הרמה מתבצע לאחר החלקת הנתונים ו"ניטרול" הרעשים" הנובעים מהתנהגות של מגמה ועונתיות.
• מגמה "Trend " – הנוסחה מחשבת את המגמה המקומית " Local Trend " שהיא למעשה המגמה של פעילות המוצר בנקודת זמן מסוימת. ישנם 4 סוגי מגמות: ללא מגמה, מגמה לינארית, מגמה מרוסנת " Damped Trend "  ומגמה מעריכית  " Exponential Trend" .
• עונתיות " Seasonal " – הנוסחה מחשבת את ההתנהגות העונתית של המוצר על פני ציר הזמן. ישנן 3 התנהגויות עונתיות שונות: ללא עונתיות, עונתיות פשוטה " Additive Seasonal " ועונתיות מרובה "  Multiplicative Seasonal".

בסך הכל קיימות 12 נוסחאות מובילות של החלקה אקספוננציאלית המגדירות התנהגויות שונות של שלושת המרכיבים (4 סוגי מגמות, 3 סוגי עונתיות ורמה אחת, לכן: 4 X 3 X 1 = 12)

ניתן לצפות בטבלאות בצילום המאמר המודפס, מופיע בלינק מטה "פרטים נוספים".

 

 

חלק מהנוסחאות של החלקה אקספוננציאלית מוכרת יותר מהאחרות לעוסקים בחיזוי והן נלמדות בקורסים לניתוח סטטיסטי באקדמיה, הנוסחאות היותר ידועות הנן: SIMPLE, HOLT, ו WINTERS. ניתן לראות בברור בטבלה את סוג ההתנהגות שמבטאת כל אחת מהן. יש לזכור כי במקרים רבים פונקציית החיזוי האופטימלית אינה משתייכת לאחת משלושת הפונקציות המוכרות, אלה לפונקציה אחרת ממשפחת הפונקציות של ההחלקה האקספוננציאלית.

שיטת ההחלקה אקספוננציאלית  מאפשרות לנו לחשב את ההשפעה של אירועים על התנהגות המוצר "  Event Effects". אירועים הנם פעילויות על ציר הזמן המשפיעים על התנהגות המוצר כגון: חגים, מבצעים, פרסום, חוסר במלאי וכו… . השימוש באירועים עוזר לנו לנתח נכון יותר את התנהגות המוצר בעבר ולחשב באופן מדויק יותר את התחזית לעתיד. על נושא ניהול האירועים והשימוש שלהם בניהול תחזיות ארחיב באחד מהמאמרים הבאים.

 

שיטת Box-Jenkins

שיטת Box-Jenkins הינה שיטה חדשה יחסית והיא מבוססת על מודל סטטיסטי הנקרא ARIMA. המודל הסטטיסטי ARIMA משלב שני שיטות חישוב יחד: חישוב ממוצע נע משוכלל  MA וחישוב רגרסיה לינארית אוטומטית Autoregressive AR . המודל מנסה למצוא דפוסי התנהגויות היסטוריות של המוצר על פני הזמן.

כדי לחשב תחזית בשיטת Box-Jenkins נידרש להשתמש בלפחות 40 תקופות היסטוריות (בקובץ הנתונים ההיסטוריים), כלומר אם אנו מנהלים תחזית חודשית, צריך לחשב את התחזית למוצר על בסיס 40 חודשי היסטוריה לפחות.

חישוב תחזית בשיטת Box-Jenkins באופן ידני או בעזרת אקסל הנה משימה מורכבת הדורשת ידע סטטיסטי מעמיק וזמן רב, לכן בפועל ניתן להשתמש בשיטה זאת בעזרת כלים אוטומטים כדוגמת מערכת Forecast Pro.

ראה מטה הצגה של חישוב תחזית בעזרת מודל Box-Jenkins. (ניתן לצפות בתמונה הצילום המאמר המודפס, המופיע בלינק מטה.

 

 

שיטות ניתוח סטטיסטי פשוטות

את שיטות החיזוי הפשוטות הצגתי בחלקן בפרק הקודם והן כוללות את המודלים הבאים:

• תחזית קבועה (Fixed Forecast) – קביעת תחזית קבועה לתקופות התחזית הבאות.

• ממוצע נע (Moving Average) – חישוב ממוצע על פני מספר תקופות. השיטה מאפשרת לחשב מחדש בכל תקופה את הממוצע על פי מספר תקופות קודמות. מקובל לחשב ל 3 עד 5 תקופות קודמות את הממוצע. ישנם ממוצעים משוכללים יותר הניתנים לחישוב כגון: ממוצע נע משוקלל לינארי Linear Weighted) Moving Average), המגדיר משקל שונה לכל תקופה, משקל גבוה יותר לתקופה קרובה יותר ומשקל נמוך לתקופה מרוחקת, וישנו ממוצע מתקדם יותר ממוצע נע מעריכי (Exponential Moving Average).

• כמו לפני שנה – בניית תחזית על פי הפעילות בתקופה המקבילה בשנה שעברה. ניתן לשכלל את השיטה ולהוסיף כמות קבועה (חיובית או שלילית) או לשנות באחוז קבוע (חיובי או שלילי) את התחזית ביחס לתקופה המקבילה בשנה שעברה. לדוגמה: בשנה שעברה מכרנו בחודש נובמבר ממוצר A 1000 יחידות, לכן התחזית השנה למוצר A לחודש נובמבר תהיה 1000 יחידות, או 1000+ 15% במידה והחלטנו להוסיף השנה 15% לפעילות המוצר ביחס לשנה שעברה.

 

בחירת השיטה הסטטיסטית המתאימה ביותר לחישוב התחזית

כיצד ניתן לדעת באיזו שיטה לבחור לצורך חישוב התחזית? כאמור זאת אחת מהשאלות החשובות ביותר בבואנו לבנות תחזית. התשובה לשאלה זאת פשוטה: אנו  מבצעים מעין "תחרות" בין השיטות הסטטיסטיות השונות כדי לבדוק מי מהן מתאימה יותר למוצרים שלנו. התחרות בין השיטות בוחנת את התוצאות שמתקבלות ואת השגיאות הסטטיסטית שנחשב לכל תחזית. השיטה שתיבחר תהיה השיטה עם הטעויות הסטטיסטיות הקטנות ביותר. כלומר אנו עורכים מספר חישובים של התחזית לאותו המוצר על ידי שיטות סטטיסטיות שונות ובודקים לאיזו שיטה התקבלה הטעות הסטטיסטית הקטנה ביותר.

אין ספק שזאת עבודה קשה וסיזיפית, היא דורשת מאתנו לבצע לכל מוצר (או לכל שורה בקובץ ההיסטוריה) מספר רב של חישובים, את החישובים יש לבצע בכל עדכון מחדש של התחזית (בדרך כלל כל שבוע או כל חודש). אם לדוגמה ישנם בקובץ ההיסטוריה אלפי שורות של מוצרים, אנו נידרש לבצע עשרות אלפי חישובים סטטיסטים בכל חודש. לשם כך נהוג להשתמש בכלים אוטומטיים לחישוב התחזית כדוגמת Forecast Pro, המבצעים אלפי חישובים במהלך שניות בודדות ובוחרים את השיטה האופטימאלית לחישוב הסטטיסטי של כל שורה בקובץ ההיסטוריה.

בדרך כלל נגלה כי לכל מוצר (או שורה בקובץ הנתונים ההיסטוריים) מתאימה שיטת חיזוי סטטיסטית אופטימלית שונה. כדי לבחון את תוצאות החישובים אנו צרכים לבחון את השגיאות הסטטיסטיות ולהבין איזו תחזית טובה יותר, אל כך ועל הכלים לבחינת טיב התחזית והשגיאות הסטטיסטיות ארחיב בפרק הבא.

 

 

צור אמיתי, מנכ״ל חברת הייעוץ ASC, המתמחה בליווי חברות וארגונים לשיפור התחרותיות והרווחיות, תוך התמקדות בייעול שרשרת האספקה ובשיפור תהליכים בניהול הרכש, ניהול הייצור, ניהול המלאי, ניהול ההפצה, ניהול התכנון וניהול המכירות והשיווק.

ליצירת קשר: 08-9300363     amitai@asc-il.co.il    www.asc-il.co.il

לפרטים נוספים