גיליון ההזמנות הוא המסמך הכי אמין בעסק הפצה, והוא רישום של מה שהצלחתם למכור.
אלה אינם אותו דבר, וההבדל אינו קטן. הוא גם אינו אקראי, וזה החלק שגורם נזק אמיתי.
אם יש לכם תחזית ביקוש שמותאמת על היסטוריית המכירות שלכם עצמכם, זו רשימה על מה שההיסטוריה הזו רושמת.
מכירות אינן ביקוש
כל מערכת דיווח שראיתי סופרת מכירות. מכירות הן מה שיצא מהמחסן. ביקוש הוא מה שאנשים רצו. השניים מחוברים בשורה אחת:
מכירות = מינימום(ביקוש, מה שהיה לכם)
בכל יום שלא נגמר לכם, אלה אותו מספר וההבחנה אקדמית. בכל יום שכן נגמר לכם, המכירות מפסיקות למדוד את השוק שלכם ומתחילות למדוד את המחסן שלכם. הנתון שנוחת במערכת הוא עובדה על המלאי שלכם, לא על התיאבון של מישהו.
לסטטיסטיקה יש שם לתצפית שנקטמת בגבול: היא מצונזרת. מצונזרת מימין, ליתר דיוק, משום שהערך האמיתי נמצא איפשהו מעל למה שרשמתם ואינכם יודעים כמה מעל. מה שההיסטוריה שלכם מכילה, אם כן, הוא ביקוש מצונזר.
שום דבר ברישום אינו מסמן זאת. השורה של יום שבו נגמר לכם והשורה של יום שבו במקרה מכרתם בדיוק את הכמות הזו זהות.
השגיאה מצביעה לכיוון אחד
אילו הפער היה רעש אקראי, יכולתם להתעלם ממנו ולתת לו להתמצע. הוא אינו אקראי, והוא אינו מתמצע.
צנזור קורה רק כשנגמר לכם. נגמר לכם רק כשהביקוש גבוה. אז הימים שבהם הנתונים שלכם מציגים ביקוש נמוך מדי הם בדיוק הימים שבהם הביקוש היה הגבוה ביותר.
למאגר הנתונים שלכם חסר הזנב העליון שלו עצמו, והוא חסר מתוקף הבנייה ולא במקרה.
כל דבר שמותאם להיסטוריה הזו לומד שוק קטן ורגוע יותר מן האמיתי. לא רועש יותר: קטן יותר. הממוצע נמשך למטה והפיזור נמשך פנימה, משום שהחריגות נגזרו לפני שמישהו רשם אותן. מודל יכול להיות שאפתן רק כמו נתוני האימון שלו, ולנתוני האימון קיצצו את הימים הטובים ביותר.
ואז זה מזין את עצמו
הלולאה קצרה מספיק כדי לכתוב אותה במלואה.
- חזו מתוך ההיסטוריה המצונזרת. התחזית יוצאת נמוכה.
- הזמינו לפי התחזית. אתם מחזיקים פחות.
- כשאתם מחזיקים פחות, נגמר לכם מוקדם יותר, וביותר ימים מאשר בעונה שעברה.
- יותר ימי חוסר פירושם יותר צנזור, ולכן המכירות הרשומות יורדות שוב.
- התחזית של העונה הבאה, שמותאמת לזה, נמוכה עוד יותר.
כל שלב מוצדק בפני עצמו. כל אחד הוא החלטה סבירה שמתקבלת על המספרים הטובים ביותר שיש. הבעיה היא שהמספרים שיש הם התוצר של ההחלטה בשלב הקודם, כך שכל הדבר הוא מערכת שקוראת את פליטת העשן של עצמה ומתייחסת אליה כמזג אוויר.
אין באג בשום מקום בלולאה הזו. שום דבר אינו שבור, שום דבר אינו זורק חריגה, שום התראה אינה נורית. זו שרשרת של חשבון נכון שמתכנסת לתשובה השגויה, והיא תעשה זאת לאט מספיק כדי שאף עונה בודדת לא תיראה שגויה.
מוצרים מתכלים הופכים את זה למבני
בשרשרת שבה שום דבר אינו מתקלקל, זו מטרד שאפשר לקנות ממנו יציאה. חוסר מלאי עולה לכם מכירה, עודף מלאי עולה לכם קצת הון חוזר וקצת מקום במחסן, ומשום שעודף הוא הטעות הזולה בהרבה אתם פשוט מחזיקים יותר. החיץ גם מגן על השירות וגם, אגב, שומר על יושר הנתונים שלכם, משום שאתם כמעט לא מצנזרים דבר.
פרחים אינם מרשים לכם לעשות זאת. היחידה שלא נמכרה אינה מועברת לשבוע הבא בעלות קטנה. היא מושמדת, ושילמתם עליה.
התוצאה הקלאסית כאן היא בעיית מוכר העיתונים, ושווה לנסח אותה משום שהחשבון אינו סלחני. כתבו Cu לעלות של חוסר יחידה אחת, שהיא המרווח שלא הרווחתם, ו־Co לעלות של יחידה אחת שנשארה. רמת המלאי שממקסמת רווח צפוי היא זו שבה ההסתברות לעמוד בביקוש שווה ל־Cu / (Cu + Co).
עבור מוצר מתכלה, Co קרוב לכל העלות הנחיתה של היחידה, בעוד ש־Cu הוא רק המרווח עליה. זה מציב את היחס הרבה מתחת לחצי. המתמטיקה אומרת לכם, בצדק, לתכנן שייגמר לכם יותר פעמים מאשר לא.
לכו בעצה הזו, וכדאי לכם, ומצאתם את עצמכם מחויבים לצנזר את נתוני הביקוש של עצמכם ברוב הימים. בעיית המדידה אינה כשל של משמעת. היא תופעת לוואי של ההחלטה התפעולית הנכונה, והיא מחמירה ככל שמדיניות המלאי שלכם טובה יותר.
זה החלק שאני מוצא מעניין באמת, וזו הסיבה שאיני חושב שזה נפתר בלהתאמץ יותר. שתי מטרות שנראות שתיהן כמו נוהג טוב מושכות זו נגד זו: להריץ את השרשרת ביעילות, ולשמור רישום של מה שהשוק באמת רצה. אי־אפשר לקבל את שתיהן מאותו מספר.
מה ראיתי, ומה אני מסיק
כדאי שאדייק לגבי אילו חלקים מזה ראיתי ואילו חלקים אני מסיק, משום שאינם אותו דבר וההבדל חשוב.
מה שראיתי: שנה של מכירת פרחים לחנויות, עסק לעסק, בצד קבלת ההזמנות. לא ניהלתי את התחזית של אף אחד ולא ראיתי את הפנים של מערכת התכנון שלהם.
מה שראיתי קורה, שוב ושוב, הוא חנות שמבקשת משהו שלא היה לי. מה שהיא עשתה אחר כך היה לקחת תחליף, או לקחת פחות, או לומר לא נורא ולהתקשר למישהו אחר. כמעט שום דבר מזה לא הגיע לשום מערכת. לא היה שדה לכך ולא הייתה עסקה לתלות זאת עליה. ההזמנה שנרשמה הייתה זו שאפשר היה לספק, ולבקשה האמיתית של החנות לא נשאר זכר.
הצעד משם אל "התחזית לומדת שוק קטן יותר" הוא הסקה על האופן שבו מערכות כאלה עובדות ולא מדידה שביצעתי בתוך החברה ההיא. התייחסו אליו כמנגנון שכדאי ללכת ולבדוק בנתונים שלכם, לא כממצא על ענף הפרחים.
הבדיקה זולה. ספרו את הימים שבהם הגעתם לאפס בפריט. אם התחזית שלכם הותאמה על תקופה עם מספר משמעותי מהם, ואיש לא לקח זאת בחשבון, אז היא הותאמה להתפלגות גזורה והיא מספרת לכם בביטחון על שוק שאינו קיים.
מה באמת יתקן את זה
שני דברים, ורק הראשון קשה.
רשמו את הבקשה שלא יכולתם לספק. תאריך, פריט, כמות שהתבקשה. זו כל הסכמה. זה לא זוהר ואין מה לחייב מולו, וזו בדיוק הסיבה שכמעט אף אחד לא קולט את זה: כל שורה אחרת במערכת מתאימה לכסף שזז, וזו מתאימה לכסף שלא זז. צריך לשכנע מישהו לרשום מכירה שלא קרתה.
ואז הפסיקו להתייחס לימים האלה כאל תצפיות רגילות. החלק הזה הוא בעיה פתורה שמושאלת ממקום אחר. ניתוח הישרדות מטפל בנתונים מצונזרים מימין כבר עשרות שנים, משום שחולה שעדיין חי בסוף מחקר הוא אותה צורת בעיה כמו פריט שנגמר בארבע אחר הצהריים: אתם יודעים שהערך האמיתי הוא לפחות מה שראיתם, ואינכם יודעים יותר מזה. משפחת מודלי טוביט עושה את אותה עבודה לרגרסיה מצונזרת. השיטות ישנות, מובנות היטב ויושבות בכל ספריית סטטיסטיקה.
אז החלק היקר אינו המתמטיקה. המתמטיקה ממתינה מאז שנות החמישים. החלק היקר הוא הלוח והעט.
החלק שאינו על פרחים
כתבתי בעבר על מודל שלי שקיבל ציון מושלם על סט הבדיקה ולמד כמעט כלום. הכישלון שם היה בהערכה: המבחן מדד את הדבר הלא נכון, והתיקון היה לבנות מבחן קשה יותר.
זה גרוע יותר, ושום כמות של הערכה אינה תופסת אותו. כאן נתוני האימון עצמם הם רישום מוטה, כך שמודל יכול להיות מתוקף למופת, להחזיק מעמד יפה על ימים שהוחזקו בחוץ, ועדיין להיות מותאם לשוק שמעולם לא נצפה. כל מבחן ישר שתריצו יסכים איתו, משום שלכל סט בדיקה אפויה אותה הטיה כמו לסט האימון.
אין מדד ציון שמזהה את זה. זה אינו נראה מבפנים הנתונים. הדרך היחידה לראות זאת היא לדעת איך הנתונים נוצרו ולשים לב שלתהליך היצירה היה מכסה.
אז השאלה אינה אם התחזית שלכם מדויקת מול ההיסטוריה שלכם. היא כנראה כן. השאלה היא אם ההיסטוריה שלכם היא רישום של השוק שלכם או רישום של המחסן שלכם.
מקורות
- Huh, W. T. and Rusmevichientong, P. A Nonparametric Asymptotic Analysis of Inventory Planning with Censored Demand. Mathematics of Operations Research 34(1), 2009. הטיפול הפורמלי בבעיה שהרשימה הזו מתארת מרצפת המחסן: מה עדיין אפשר ללמוד כשהנתונים רושמים מכירות ולא ביקוש.
- Huh, W. T., Levi, R., Rusmevichientong, P. and Orlin, J. B. Adaptive Data-Driven Inventory Control with Censored Demand Based on Kaplan-Meier Estimator. Operations Research 59(4), 2011. משתמש באומד מניתוח הישרדות כדי לתקן את הצנזור, וזה הכיוון שהפרק האחרון מצביע אליו.