استشعار الطلب لن يُصلح تنبؤًا لا يثق فيه أحد
التقنية حقيقية ومكاسب الدقة موثوقة. لكنها أيضًا غير ذات صلة إن كانت مؤسستك ستتجاوز التنبؤ الأفضل على أي حال - وهو ما تقول الأدلة إنه الأرجح.
كل بائع لأدوات استشعار الطلب يقدّم نفس الحساب: خفض خطأ التنبؤ قصير المدى بنسبة 30 إلى 50 بالمئة، انخفاض في مخزون الأمان، وارتفاع في مستوى الخدمة. التقنية حقيقية فعلًا - تستخدم بيانات نقاط البيع، والطلبات المفتوحة، والطقس، وإشارات الويب مع التعلم الآلي لتحسين التنبؤ لفترة صفر إلى اثني عشر أسبوعًا. الأرقام ليست خاطئة. الإطار الذي تُعرض فيه هو الخاطئ.
الادعاءات سهلة العثور عليها. تذكر e2open أن استشعار الطلب لديها يحسّن دقة التنبؤ قصير المدى بنسبة 30 إلى 40% مقارنة بالطرق التقليدية. وتضع Arkieva تخفيض خطأ التنبؤ قصير المدى عند ما يصل إلى 40 إلى 50%، مع ارتفاع دقة المخزون بنسبة 15 إلى 20%. هذه النطاقات موثوقة في ظروف التجربة التجريبية. لكنها أيضًا غير ذات صلة بالمشكلة الفعلية لدى معظم المؤسسات، لأن أي تحسّن في استشعار الطلب لا يهم إلا إذا كان التنبؤ الناتج موثوقًا ومُستخدَمًا.
وهنا البيانات التي ينبغي أن تعيد صياغة النقاش بأكمله.
في دراسة ستيف مورليدج التي شملت أكثر من 300,000 تنبؤ واقعي عبر ثماني شركات في سلاسل التوريد، كانت 52% منها أسوأ من تنبؤ المسار العشوائي الساذج - أي أسوأ من مجرد استخدام رقم الفترة الماضية الفعلي. وأظهرت أعمال المتابعة عبر أكثر من عشرين شركة أن 30 إلى 50% من التنبؤات على المستوى التفصيلي كانت بشكل روتيني أسوأ من التنبؤ الساذج.
توقف عند هذا. إذا كان نصف تنبؤاتك يخسر بالفعل أمام "استخدم رقم الأسبوع الماضي"، فإن تحسّنًا بنسبة 30 إلى 40% في استشعار الطلب لا يعدو كونه استرجاعًا لأرضية ما كان ينبغي التخلي عنها أصلًا. إنه علاج للعرَض لا للمرض.
وللعرَض سبب لا تعالجه أي خوارزمية. على مدى أربعة عشر عامًا، رأيت بالضبط أربعة أسباب جذرية لفشل التنبؤ، لا واحد منها إحصائي:
- لا مالك واحد للرقم. كل من المبيعات، والمالية، والتسويق، وسلسلة التوريد يحتفظ بتنبؤه الخاص ويتم التقاضي حول الفروقات في اجتماع لا يحسم شيئًا.
- حوافز غير متوافقة مع الدقة. يُدفع للمبيعات لتحقيق الحصة، وللمالية لتحقيق الميزانية، ولسلسلة التوريد لتحقيق الخدمة. لا أحد يُدفع له للتنبؤ بالواقع.
- التعديل الحُكمي الذي يدمّر القيمة. هذا هو القاتل، وهو قابل للقياس.
- لا حلقة تغذية راجعة. معظم الشركات لا تتتبع أبدًا أي خطوة - المحرك، أم المحلل، أم اجتماع الإجماع، أم التنفيذي - هي التي أضعفت التنبؤ، لذا لا يمكنها إصلاحه.
بخصوص النقطة الثالثة، البحث قاسٍ. وجدت دراسة عام 2024 في المجلة الدولية للتنبؤ (International Journal of Forecasting) أن التعديلات الحُكمية حسّنت الدقة لأكثر بقليل من نصف وحدات حفظ المخزون فقط، وأن التعديلات الإيجابية كانت أكثر عرضة لإضعاف الأداء. استشعار الطلب ينتج تنبؤًا إحصائيًا أفضل. إذا كانت مؤسستك لا تثق بالتنبؤات الإحصائية، فستتجاوز التنبؤ الأفضل أيضًا - والأدلة تقول إنها على الأرجح ستجعله أسوأ.
لذا قبل أن تشتري استشعار الطلب، أجرِ تحليل القيمة المضافة للتنبؤ (Forecast Value Added). قِس كل خطوة من عمليتك مقابل ذلك المعيار الساذج. إذا كانت عمليتك الحالية تدمّر القيمة مقارنة بالمسار العشوائي - وهو احتمال يقارب رمية العملة وفق أدلة مورليدج - فإن الاستثمار الصحيح ليس خوارزمية أفضل. إنه ملكية واضحة للرقم، وحوافز مرتبطة بالدقة، وتعديلات تُراقَب عبر تحليل القيمة المضافة للتنبؤ، والانضباط اللازم لإزالة التجاوز التنفيذي الذي يدمّر القيمة باستمرار.
اشترِ استشعار الطلب بعد أن تفعل ذلك. لا قبله. تنبؤ أدق يُسلَّم لمؤسسة لا تثق بالتنبؤات هو طريقة مكلفة لتوليد رقم سيتجاهله الناس على أي حال.
المصادر
- Morlidge, S. FVA and the Limits of Forecastability, IBF Amsterdam — مذكورة في Gilliland, Tashman & Sglavo, Business Forecasting: Practical Problems and Solutions (Wiley, 2015).
- Fildes, R. et al. (2024). Forecast value added in demand planning. International Journal of Forecasting. sciencedirect.com
- e2open. Demand Sensing Software. e2open.com
- Arkieva. 6 Ways You Can Improve Forecast Accuracy with Demand Sensing. blog.arkieva.com
- Kinaxis. What is demand sensing? kinaxis.com