編者按：隨著電子商務越來越發達，我們足部出戶，也能買到各種商品。無論是日常生活必需品，快餐。還是其他商品，有時甚至是很偏的門類，下單後常常很快就能到手。亞馬遜公司也宣佈提供當天送貨上門的快遞服務。雖然這項服務隻提供給 Prime 會員消費者。不過，我們可以切實的感受到供應鏈生態系統越來越完善。本文的主角——需求感應技術，或許會成為不同行業企業開啟數字化轉型的鑰匙。 本文編譯自 strategy-business 的原題為 "The Magic of Predicting Demand from Data" 的文章。
需求感知（Demand sensing）是實時互聯供應鏈生態系統的的關鍵組成部分，能給數字轉型帶來強勁動力。
有時候亞馬遜送貨上門的速度令人稱奇。不管你訂的物件有多無人問津，亞馬遜常常還是能承諾當日送達。這是怎麼做到的？難道你有購買欲的種草物件，都已經聚集在自己附近瞭嗎？這倒不一定。但是很有可能，亞馬遜已經將你有可能下單的物件運到離你最近的倉庫裡，守株待兔瞭。
聽起來很神奇，但 " 需求感知 " 這門技術已經存在並投入應用。需求感知利用新的數字技術來分析數據源，以找出潛在客戶身在何方，什麼時候會購買自己有興趣的物件以及購買量，早在他們下單之前就都算出來。數據源來自商傢的歷史數據和其他實時信息。
在所有企業都面臨前所未有的行業 " 動蕩 " 的時刻，需求感知技術通過理解消費者行為及其對供應鏈的潛在影響，能幫助企業更瞭解消費者。" 下單後即刻就能收貨 "，這一點在改變消費者對服務的期待上尤為重要。
這麼一來，商傢就能更快地將商品送到消費者手上，保持高質量的服務，提高銷售量，並將少數賣不出去的貨退給供應商。需求感知能保證供應鏈生態系統處於實時互聯狀態，將錯誤率降低 45%。從我們的經驗看來，這能大大提高效率，讓服務更可靠，消費者更滿意。
為什麼現在出現這門技術？需求感知出現的基礎離不開影響需求的新數據源、計算力的提升和人工智能。很多企業正使用需求感知來處理新數據，建立需求感知力，從而更好地理解消費者行為，並據此來 " 指揮 " 自己的供應鏈。
企業銷售量越大、與客戶距離越近，需求感知就越重要。所以零售商和快消品企業是第一批吃螃蟹的。但需求感知技術對其他行業的重要性也與日俱增，比如汽車、工業品、能源和制藥企業。汽車制造業就能從不同的產品配置 app 中獲取很多關於消費者偏好的有用信息，這些 app 能讓消費者選擇車輛的具體細節。
即使是在銷量較低的行業，比如航空航天，需求感知也有其用處，可用於找到維修服務和零件需求。飛機引擎生產商能獲得自己產品在飛行時的實時數據流，讓他們能實時監測產品狀態，進行調整，並設定零件庫存量。就目前需求感知的接受度而言，企業分為兩大陣營：自己利用開源算法（社區會不斷有更新維護），在公司內部開發解決方案；直接使用從第三方數據挖掘和供應鏈專傢的 SaaS 雲解決方案。
瑞典能源集團 Vattenfall 和丹麥公司 Orsted（曾用名 Dong Energy）開發瞭自己的解決方案——風能預測系統，從不同源頭獲取數據輸入值，包括天氣數據和傳感器數據。這些數據用於丹麥周圍北海的風力發電廠 Horns Rev 的運營。數據源通過神經網絡（人工智能的一種形式）的處理，能發現最具影響力的參數，該參數會被用於預測系統。
將解決方案外包出去的企業也有很多，比如寶潔公司，多年來一直使用需求感知。 它利用銷售點（PoS）數據、架上庫存、倉庫庫存變動、分銷商數據以及零售商預測等信息，所有這些信息都會每天輸入到分析模型中。
德國零售商 Otto 投入使用的需求感知系統能為根據成百上千個參數，為每件商品創建每日預測。系統的主要目標是從巨量數據萃取精華，形成實時決策。Otto 的系統在每件商品的預測準確度上有 40% 的提高，並且講過量庫存減少瞭 20%.
很多企業都已經掌握瞭用於提高預測準確度的數據，其中很多企業也有足夠的計算力以及必要的機器學習算法，有能力把手頭的數據用起來。而那些無法獨立完成預測的企業，找合適的企業將需求感知外包出去也是可以的。目前有一個日益明顯的趨勢，很多不相幹的公司之間也出現越來越多的數據網絡，讓企業能獲得本無機會得到的數據。比方說，如果機場把航程終點的客流量分享出去，這些數據就可能進入的士車公司或飛機生產商的需求感知模型。
但有一個底線，要想需求感知模型真的起作用，就必須投入時間經歷去找出潛在的需求信號，把信號用分析引擎處理後，再將結果融入到供應鏈規劃和執行中。
下圖展示瞭在模型中有一定權重的四個比較寬泛的數據領域。分別是（1）結構化的內部數據，例如來自 PoS 系統，電子商務銷售和消費者服務的數據 ; （2）非結構化內部數據，例如來自營銷活動，店內設備和應用 ; （3）結構化的外部數據，包括宏觀經濟指標，天氣模式，甚至出生率 ; （4）非結構化外部數據，例如來自連接設備，數字私人助理和社交媒體的信息。
通常，我們用算法處理這些數據，得出社交媒體的 " 情緒 " 分析，來確定人們發的內容是積極、消極還是中性的，從而瞭解消費者的感知。
當然，對於不同行業、不同地區，產品生命周期不同階段或消費者類型，數據的應用方式不會一成不變。 這些因素的影響可能會隨著時間的推移而變化，或在不同的環境下有所不同。 例如，一傢全球零售商認為，當天氣晴朗時，位於歐洲的商店的人流量會增加，這是因為天氣好，人們會出去走走。 然而，在南美洲等地區，晴天裡人流量增加，是因為商場裡有空調。
這就說明一個關鍵問題，如果不理解背景，就無法正確應用數據。 但是，一旦理解瞭背景，這種理解也會成為其他活動的基礎，例如，在新的數據驅動的商業模式設計和實施中。
需求感應應該成為實時互聯供應鏈的一個組成部分。需求感應不是用來取代供應鏈需求計劃的，二者並不矛盾，因為需求計劃使用內部結構化數據（例如銷售歷史）來創建銷售預測，需求感應能確實優化需求計劃，使供應鏈對需求有更強的響應能力。
具體地說，需求感應能支撐短期計劃的自動化，讓供應鏈專傢有更多時間制定中長期戰略，並專註於預警和例外（例如意外缺貨情況）。 如果采購，智能補貨，動態倉儲和實時生產調度等過程中，將需求感知的結果考慮在內，需求感知的價值就會最大化。
應用需求感知技術的可能帶來很大的回報。 如上所述，跨行業經驗表明，需求感知可以將預測誤差降低 35％到 45％，從而提高預測精度。
這有三方面的影響：首先，由於脫銷發生的次數減少，銷售額會增加 5-10％。 其次，由於人工工作量減少，至少運營成本降低 5-10％。 第三，就捆綁資本而言，因為安全庫存量較低，總體生產周期時長減少瞭 10％到 20％。
另外一個回報在於，需求感知因為很容易快速駛下，可以成為整個業務數字化轉型的起點，並且可以很快就能產生實實在在的好處。 總的來說，公司數字化轉型的動力既有的外部的 " 拉力 "（例如消費者對即時訂單履行等要求更高），又有技術的 " 推力 "（實時數據的通用連接性和可用性）。 需求感知可以很好地開啟瞭數字轉型，因為它對於這兩股力量都有幫助。
但是，需求感知的應用可能給數字化轉型帶來好的開始，不止是因為它帶來的收益。因為需求感應可以快速證明其他新工具的價值，並且通常可以快速帶來實實在在的好處，它還可以為整個企業提供早期的支持。 它可以提升我們所說的 " 內部自豪感 "，為整個供應鏈的進一步數字化開辟道路，如融合規劃和執行，供應鏈透明或智能制造 - 然後進一步創建以數據驅動業務的新商業模型。
那該如何邁出第一步呢？
任何企業首先瞭解自己有哪些數據可用，哪些數據點對消費者需求有潛在的影響。 一旦這兩點得到確定，我們建議從小做起，但動作要快。確定一個有潛在需求影響因素的業務領域，至少有兩年的數據。這可以是一個產品系列，如蘇打水，也可以是業務的某個分部，比如在比利時的零售點。 測試一下流程，找到具有最高的預測價值和時間跨度的數據源，然後去除影響不大的數據源。
應用需求感測算法和機器學習，先用第一年的數據來構建引擎。 然後假設自己不知道第二年的情況，對比第二年的真實數據與算法給出的預測，並作出調整。 算法給出的預測與真正發生的情況有怎樣的區別？算法學的越多，預測就越準確。 如果有越多年的經驗和更多的數據源，效果就越好，這樣你的引擎能得到更精準具體的數據。
從可以快速獲得結果的小范圍業務開始，降低區域和市場特定差異的復雜性，並好好利用第一次迭代得出的經驗教訓。
市場情況變化迅速，保持靈活性和應用迭代過程也至關重要。 隨著時間推移，一些數據有用性減小 , 也會有其他新的、未知的數據來源將出現，可以根據需要添加。
然而，在許多公司在采用需求傳感技術時，會遇到一些阻礙。 一是，公司領導人根本不知道它能提供的價值。 對於這樣的企業來說，至少應該運行上面描述的那種原型，看看將可用的數據利用起來，能提供什麼樣的價值。
另一個障礙是許多公司對於自動化系統非常警覺。 這是有道理的。 畢竟，公司已經聘用、培訓培育瞭最好的人才。 但人類在處理大量數據，以及在規劃對目前供應鏈需求時考慮相關因素時，實在能力有限。而處理這種復雜性正是機器擅長的。
並行測試是培養信任的好方法。 在有可用歷史數據的業務上，對比分析模型給出的結果和人類當時的預測結果。
無論如何，規劃者都有權否定系統的結果。 你可以稍後再比較系統和人的預測，看哪個更準確。 最重要的是，自動化系統能經驗和人力投入中學習，不斷調整算法，時間越長，預測會變得越準確。
在接下來的幾年中，任何企業如果希望保持或擴大其當前市場地位，都需要接受需求感知為支撐的實時互聯供應鏈，才能持續提供可靠的服務。 傳統模式依賴的是對歷史數據的統計分析，但是現在市場變化速度太快，影響因素太多。
需求感知能帶來的好處，本文隻是稍作概括，這隻是一個開始。 需求感應為更廣泛的數字化轉型奠定基礎，實現端到端供應鏈確實互相連接，需求感應不僅在采購，制造，倉儲和分銷方面帶來巨大利益，而且為數據為動力的新商業模型打下基礎，建立一個企業與消費者互動增加的模型。
如果采用需求感應，能帶來很多收益，那麼不用這門技術，企業會失去更多。 隨著需求感應逐漸進入目前尚未開發的行業，這些行業的早期采用者市場地位將迅速提高，而沒能抓住機會的企業會落後，最後可能發現就永遠掉隊瞭。
原文鏈接：https://www.strategy-business.com/article/The-Magic-of-Predicting-Demand-from-Data
編譯組出品。編輯：郝鵬程
