חיזוי ביקוש הוא ניחוש של כמה אנשים ירצו, שנעשה מספיק מוקדם כדי לפעול לפיו: להזמין מלאי, לתכנן משמרת או להזמין משאית. השיטות נעות משורה אחת של חשבון עד מודלים גדולים. כדאי להבין קודם את הפשוטות, כי הן נכשלות בדרכים שרואים, והגדולות נכשלות באותן דרכים בצורה פחות גלויה.
הרשימה הזו מריצה חמש מהן על סדרה אחת מומצאת ונותנת לכל אחת ציון באותה דרך.
הנתונים והמבחן
שנים עשר שבועות של ביקוש, עולה עם קצת רעש: 20, 22, 19, 24, 23, 26, 25, 27, 30, 28, 31, 33.
כל שיטה חוזה שבוע אחד קדימה רק מהשבועות שלפניו, לשבועות 5 עד 12. זה שמונה תחזיות לכל אחת, וכל אחת נעשית בלי לראות את השבוע שהיא חוזה. זה חשוב: תחזית שמקבלת ציון על הנתונים שממנה נבנתה מקבלת ציון טוב יותר ממה שהיא תקבל אי פעם במציאות.
כל שיטה מקבלת ציון לפי MAE, הגודל הממוצע של ההחטאה, ולפי הטיה, ההחטאה הממוצעת עם הסימן שלה. השגיאה היא תחזית פחות בפועל, אז הטיה שלילית אומרת נמוך מדי.
חמש שיטות
- ממוצע ההיסטוריה. חוזים את הממוצע של כל השבועות עד עכשיו. כל השבועות נחשבים רלוונטיים באותה מידה.
- נאיבית. חוזים את הערך של השבוע שעבר. כל מה שישן יותר נזרק.
- ממוצע נע. חוזים את הממוצע של 3 השבועות האחרונים. פשרה בין השתיים.
- החלקה מעריכית פשוטה. שומרים רמה L, ואחרי כל שבוע מזיזים אותה חלק מהדרך לכיוון מה שקרה: L = α · y + (1 − α) · L. עם α = 0.5 היא זזה חצי מהדרך. התחזית היא L.
- השיטה של הולט. אותו דבר, ועוד מגמה T שמוחלקת באותה דרך, עם משקל משלה β. התחזית היא L + T. כאן α = 0.5 ו־β = 0.3, ומתחילים מ־L = 20 ו־T = 2, משני השבועות הראשונים.
| שיטה, שבועות 5 עד 12 | MAE | הטיה |
|---|---|---|
| ממוצע ההיסטוריה | 4.81 | −4.81 |
| ממוצע נע של 3 שבועות | 2.38 | −2.38 |
| החלקה מעריכית פשוטה, α = 0.5 | 2.31 | −2.31 |
| נאיבית, השבוע שעבר | 2.13 | −1.13 |
| הולט, α = 0.5, β = 0.3 | 1.39 | +0.11 |
מה המספרים אומרים
תסתכלו על שלוש השורות הראשונות. ההטיה שווה בדיוק למינוס ה־MAE. זה קורה רק כשכל שגיאה ושגיאה שלילית: כל שמונה התחזיות נמוכות מדי, כל פעם. השיטות האלה ממצעות שבועות קודמים, ובסדרה שעולה העבר תמיד קטן מההווה. ככל שממוצע כולל יותר היסטוריה, הוא נשאר יותר מאחור, ולכן ממוצע כל ההיסטוריה הכי גרוע.
הנאיבית מצליחה יותר כי היא משתמשת רק בשבוע שעבר, אז היא רק שבוע אחד מאחור. השיטה של הולט הכי טובה, MAE של 1.39 מול 2.31 להחלקה מעריכית בלי מגמה, ירידה של 40 אחוז, וההטיה שלה קרובה לאפס. היא היחידה מבין החמש שיש לה איבר בשביל מה שהנתונים באמת עושים.
אזהרה אחת לגבי הציון של הולט. לשני המשקלים שלה יש משמעות. עם α = 0.3 ו־β = 0.1 היא עוברת את הביקוש במקום: MAE 1.74, הטיה 1.72+. בפועל מתאימים את המשקלים על ההיסטוריה, לפני שבועות המבחן, ולא בוחרים אותם לפי איזה זוג מקבל ציון הכי טוב עליהם. לבחור אותם לפי ציון המבחן זו אותה טעות כמו לבחור seed אקראי לפי התוצאה שלו.
הצורה קובעת את השיטה
אף אחת מהשיטות האלה היא לא טובה או רעה באופן כללי. כל אחת מניחה צורה. ממוצע מניח שהרמה שטוחה והתנודות הן רעש. הולט מניח רמה שזזה בקו ישר. ביקוש עם מחזור שבועי או שנתי צריך איבר עונתי מעל זה, וזה מה ש־Holt–Winters מוסיף. על ביקוש שטוח הממוצע היה מנצח, והולט היה רודף אחרי רעש.
אז הצעד הראשון הוא לא לבחור מודל. הוא לצייר את ההיסטוריה ולשאול אם היא שטוחה, במגמה, עונתית, או מושפעת מדברים שאתם יודעים עליהם, כמו מבצעים וחגים. עמודת ההטיה היא הבדיקה הכי מהירה שההנחה של שיטה לא נכונה: הטיה שנשארת בצד אחד, שבוע אחרי שבוע, אומרת שהשיטה מפספסת דפוס.
אותו דבר נכון גם בין פריטים, לא רק לאורך זמן. בחנות אחת של וולמארט בנתוני M5, מודל של למידת מכונה ניצח ממוצע נע על הפריטים היציבים והפסיד בבערך 10 אחוז על הפריטים לסירוגין והמקוטעים, וזה מחושב ברשימה על ערך מוסף לפי סוג ביקוש.
שני דברים שהשיטה לא יכולה לתקן
ההיסטוריה צריכה להיות ביקוש, לא מכירות. ביום שהמלאי נגמר, המכירות נעצרות במלאי שהיה, וכל השיטות כאן ילמדו שאנשים רצו פחות ממה שרצו באמת. זה מחושב ברשימה על ביקוש מצונזר.
ותחזית היא לא הזמנה. התחזית אומרת מה הביקוש צפוי להיות. כמה להחזיק במלאי תלוי בכמה עולה לחסור מול כמה עולה לעודף, וזה מודל מוכר העיתונים. תחזית טובה עם הזמנה לא נכונה היא עדיין כמות לא נכונה של מלאי.