ניהול תחזית – קובץ נתונים היסטוריים לניתוח סטטיסטי

מאת: צור אמיתי

היכולת לנהל תחזית לדרישות עתידיות של המוצרים שמספק הארגון ללקוחותיו הינו הכלי המרכזי של הארגון לפעול ביעילות ולעמוד ביעדיו. על כך זה דנו במאמר הקודם.

כיצד ניתן לבנות תחזית ? מה הם הכלים העומדים לרשות ארגון לצורך בנייה וניהול תחזית למוצרו ? על כך נדון במאמר זה.

בדרך כלל אנו נדרשים לבנות תחזית למוצרים (או שירותים) המסופקים על ידי הארגון מזה תקופה מסוימת. כלומר למוצרים (או שירותים) שאנו מספקים קיימת פעילות היסטורית שניתן לקבל אותה ממערכת הניהול של הארגון (בדרך כלל מערכת ה ERP).

במקרים מסוימים אנו נדרשים לבנות תחזית לפריטים חדשים ללא פעילות היסטורית כלל או עם פעילות קצרה מאוד, בבעיה זאת של חיזוי מוצרים חדשים נעסוק בנפרד באחד מהמאמרים הבאים.

את נתוני הדרישות היסטוריות ניתן לבנות בהתאם למוצרים שאנו מעוניינים לבנות להם תחזית: אם אנו מעוניינים לבנות תחזית למוצרים הנמכרים ללקוחות, נשתמש בנתוני המכירות ההיסטוריים של אותם המוצרים. אם נרצה לבנות תחזית לפריטי תחזוקה המנוהלים בחברה, נשתמש בנתוני ניפוק הפריטים מהמלאי לתחזוקה, ואם נרצה לבנות תחזית לשירות, נשתמש בצריכת השירות המסופק ללקוחות.

קובץ הנתונים

לנתוני העבר של המוצרים שנבנה נקרא "קובץ נתונים" (Data File) והוא יהיה קובץ נתוני הבסיס שממנו נבנה את התשתית לתחזית המוצרים.

מהו משך הזמן היסטורי שכדאי לנו להתייחס בבניית קובץ הנתונים ? האם מספקי חודש קודם, שנה קודמת, חמש שנים אחרונות ?) התשובה לכך תלויה במספר גורמים:

• מהי מידת הזמן (התקופה) שאנו מעוניינים לחזות? האם אנו מעוניינים לנהל תחזית יומית / או תחזית שבועית / או תחזית חודשית ? וישנם תחזיות רבעוניות ושנתיות.
• למשך כמה תקופות זמן אנו מעוניינים לייצר את התחזית? האם לתקופה אחת, או ל 12 תקופות, לדוגמה: תחזית לחודש אחד או תחזית ל 12 חודשים מהיום, או ל 20 שבועות.
• באיזו שיטה סטטיסטית אנו מעוניינים להשתמש לצורך בנית התחזית? על שיטות אילו נרחיב במאמר זה ובמאמרים הבאים
•  התנהגות היסטורית של הפריטים החזויים: האם ישנה מגמה ? האם ישנם מחזורים ? ואם ישנה מחזוריות באיזו תדירות מתקיימת המחזוריות (יומית, שבועית, חודשית, שנתית וכו)

במקרים מסוימים צריך לפצל את הנתונים ההיסטוריים של צריכת המוצר לסדרות נתונים שונות. זאת כיוון שההתנהגות ההיסטורית וגם העתידית של המוצר מתנהגת בצורה שונה במקרים שונים. לדוגמה: מוצר מסוים נמכר ללקוחות שונים. לכל לקוח ישנה התנהגות צריכה שונה. לכן אם ננתח את היסטורית המכירות של המוצר לכל לקוח בנפרד, נקבל תחזית שונה מאשר אם ננתח את היסטוריית מכירת המוצר לכל הלקוחות יחד.

קובץ נתונים במבנה היררכי

בבניית תחזית ישנה חשיבות לניתוח והצגת הנתונים במבנה היררכי. הכוונה לבנית קובץ הנתונים במבנה היררכי המסכם את נתונים ההיסטוריים תחת משפחות.

לדוגמה: בחברה המייצרת מוצרי הלבשה תחתונה ומוכרת את התוצרת לשווקים, ניתן לבנות קובץ נתונים על פי ערוץ המכירה: המוצרים תחתונים 1 ותחתונים 2 נמכרים לשלושה ערוצי הפצה שונים, לסופרמרקט, לסוכנים וליצוא.

נוכל לסדר את נתוני המכר בקובץ הנתונים במבנה שטוח או במבנה היררכי, כפי שמופיע בתרשים מטה.

את הנתונים במבנה היררכי אפשר לסדר בצורות שונות בהתאם לצרכים. למשל סידור שונה של המבנה ההיררכי, כאשר החלפתי בסדר בין ערוץ המכירה למשפחת המוצרים, ראה תרשים מטה

קובץ נתונים היררכי מאפשר לבנות ולנהל תחזית היררכית. היתרונות לתחזית היררכית הנם:

• תחזית מדויקת יותר המזהה התנהגות שונה לכל משפחה
• יכולת בניית תחזית לפי שיטת חישוב Top Down ו חישוב Indexes למשפחה, את נושא זה אציג בהרחבה במאמרים הבאים.
• התאמה לצורת ניהול הפעילות בארגון, לדוגמה: אם בחברת המייצרת מוצרי הלבשה תחתונה מנוהלים את התחזיות ותוכנית העבודה על פי ערוץ המכירה (לפי התרשים העליון) או לפי המוצרים (לפי התרשים התחתון). חשוב שמבנה התחזית יתאים ככל הניתן לצורת ניהול הפעילות בארגון כדי שניתן יהיה לשתף את כל הגורמים בהתייחסות לתחזית המנוהלת, כפי הנהוג בשיטת ניהול מתקדמות כדוגמת S&OP, את נושא זה אציג בהרחבה במאמרים הבאים.
• ניהול אירועים בצורה מדויקת. אירועים הנם פעילויות המשפיעות על התנהגות המוצר. לדוגמה: חגים / מבצעים / פרסומת / חוסר במלאי וכו. למשל, כאשר אנו מנהלים אירועים למוצר על פי ערוץ הפצה, אנו נידרש להפריד את ניהול היסטורית המוצר לערוצי הפצה. את נושא ניהול אירועים אציג בהרחבה במאמרים הבאים.

שיטות סטטיסטיות לניתוח נתונים היסטוריים לצורך בנית תחזית

את קובץ הנתונים צריך לנתח ובעזרתו לבנות תחזית חדשה לתקופות הבאות.

קיימות שיטות ניתוח שונות לחישוב תחזיות, חלקן שיטות פשוטות המאפשרות לחשב תחזית בעזרת אקסל או כפונקציה פשוטה הנכתבת במערכת ה ERP, וחלקן שיטות מתקדמות הדורשות להשתמש בכלים ייעודיים לניהול תחזית, כדוגמת מערכת Forecast Pro.

השיטות הפשוטות לחישוב תחזית כוללות את הפונקציות הבאות:

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)

שיטה פשוטה נוספת המקובלת בארגונים רבים הנה "כמו מה שהיה +" – לדוגמה: תחזית המחושבת לפי המכירות שבוצעו בשנה שעברה פלוס 20%.

בפרק הבא אציג את השימוש בשיטות מתקדמות המקובלות לחישוב תחזיות:

• החלקה מעריכית (או בשם המוכר יותר: החלקה אקספוננציאליתExponential Smoothing) על כל ניגזרותיה: Simple , Holt , Winters ,
•  Box-Jenkinsו ARMA (autoregressive moving average).

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 וניהול המכירות והשיווק.

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

לפרטים נוספים