[全台供應鏈調查 – 上]
2022年市場持續動盪，企業如何預測客戶需求做好避震？

疫情讓全球供應鏈從管理，轉為「瘋狂應戰」

根據《全台供應鏈需求預測調查》結果，高達 9成企業表示持續蔓延的疫情對需求預測與管理帶來巨大挑戰，超過1/4表示高度變化的市場環境導致現有方法無法準確預測需求量（26%），也有近2成提出因為法規改變或疫情流行等事件導致現有預測準確率大幅下降（17%），以及因為供應鏈規模擴大導致交貨時間增加（15%）；另外還有包含預測不準確導致毛利下降（12.7%）以及時常缺貨導致無法滿足客戶需求（12.2%）等挑戰。而高達78% 企業表示受疫情影響，決定投入更多人力與預算在優化需求預測與管理的流程跟系統。

萊爾富便利商店行銷處商品部經理李士弘表示，萊爾富早在數年前便透過銷售站點系統（POS）內建的預測模組進行需求預測與管理，不過，因為過去沒有類似事件，再加上疫情變化太快，去年疫情間仍需大量倚靠專家經驗應對市場變化，並投入大量資源以確保對消費者的服務水準如常維持，包括犧牲利潤拉升進口原物料庫存量以滿足市場需求、找尋在地原物料作替換料，還有開始供應口罩物資、提供電商店到店服務等。

而全球電聲領導廠美律實業主管也表示，受到疫情影響，交貨時間不僅從50周延長到100周，此外，還得因應各國鎖國封城狀況即時轉換供應鏈夥伴以避免交貨時間受到延誤、或者是庫存積壓成本高。幸好美律因為具規模，以及供應鏈生態系廣大而穩定渡過，但相信對台灣不少製造業者是很嚴峻考驗。

對此，SAS台灣業務顧問部副總經理陳新銓說明，需求預測可分為「預測」與「庫存規劃」兩部分:「預測」指對未來區間的規劃；而「庫存規劃」則是包含對原料、半成品與成品的管控，「『預測』本來難度就高，而疫情還打亂原先運行已久的『庫存規劃』機制，在此狀況下，廠商只能拉高庫存，以高額的存貨成本因應變化莫測的市場需求，可說苦不堪言。」 

陳新銓進一步解釋，過去多數企業的需求預測採行的是階層累計方式，亦即，從單一國家的需求估算開始，彙整成區域市場、全球市場需求，每一層都會抓緩衝，導致預測數據遞交到總部時，落差已大，失真的數據也帶來失準的成本與業績制定標準。「最佳解方是利用新科技如人工智慧部署(AI)進階分析機制，提高相對的精準度，來快速地預測需求數量，讓後續的庫存規劃更有意義。」舉例來說，某國際知名的筆電與手機製造大廠在面臨CPU跟被動零件缺料等衝擊後，解決之道是打造可納入多變因的預測系統，模擬各類情況下的需求量，進行各國家的產銷協調，避免材料交期延誤，影響產線生產達交率。

挺過第一波震盪的領先者，做對了那些事?

而在這場混戰中，我們也透過本次調查檢視台灣企業的韌性與準備程度，我們根據資料品質、資料(排程)自動化、預測準確性、納入外生事件能力、情境模擬規劃與前後端整合…等八大面向，請受訪者自評表現分數，調查結果區分出了三大族群:領先者、追隨者及落後者^(註2)。其中我們看到幾個有趣的現象:

第一，這三個族群皆表示有受到疫情影響，比例大致相同(皆約90%)。但若探鑽各項能力後，會發現受疫情影響程度較低的企業，在自評「納入外生因素與事件」能力、「具備充足人才」這兩面向分數較高。顯示有辦法在預測中加考慮重大事件影響與充足人才庫的企業，確實能在疫情的影響中獲得緩衝。

第二，無論是領先者還是落後者，都自認為發展得最不好的是「能納入計算外生因素(如: 天氣、自然災害、競爭對手的行為)或事件(如: 促銷、節日、廣告宣傳)的影響程度」(3.8/10分)，以及「能透過情境模擬(What-if)分析產生預測值，以協助後續規劃」(4/10分)兩種能力。顯示即使具備一定基礎的供應鏈管理系統或人力，整體產業對於能擁有「整合外生因素/事件」還有「情境模擬規劃」的能力，技術上仍尚需補強。

第三，使用技術上，領先者相較於落後者，有較高的「商用預測軟體」(高出20%)與「進階統計/預測軟體」(高出18%)使用率，Excel的使用率較低(減少15%)；從自評中可以看到，透過「進階統計或專業預測工具」進行預測的企業，在「納入外生因素與事件」與「情境模擬規劃」的分數較高。另外，不論三個族群都有超出5成的受訪企業指出，除了導入專業系統，專家經驗仍是他們在預測的過程中仰賴的重要方法。

第四：領先者相對其他兩個族群，仍維持較高的意願額外投入資源發展、改善需求預測系統。推測過往在預測系統與流程的輔助上確實有讓營運受惠，帶來正向循環。

想跟上卻難以複製? 從自身的1%做起!

解析上述現象，領先者或理當說較能挺過震盪的企業，共通點在於早前即投入資料品質或預測系統，加以專家經驗因此能做出較敏捷的回應。然而目前市場多變，即使有資深人才也難以預測多重且不斷動態變化的原物料來源與消費者需求。

「具備快速運算能力，納入多重變因做到即時模擬各類『情境』，已是國際零售大廠如家樂福與雀巢現行的共通作法。」陳新銓指出。擁有做好情境模擬，才可以規劃出相應的產品組合與定價、庫存最佳化以及做到一定的精準採購。

然而就目前尚未穩定、難以大舉投資AI或進階分析的產業環境，陳新銓也建議企業可以沉澱一下思維，「從1%做起」。

其建議企業先初步模擬提升1%的需求預測精準度可以帶來的成效。接著思考如何提升1%精準度?要具備多少區間且哪些類型的資料?目前人工掌握度與投入人力成本會是多少? 接著先投入資源試行1%的影響力，如有初步成效就可以將累積的流程與痛點，改善與優化，「再來就可以從1%到很多%!」

總的來說，在瞬息萬變的疫後新世界，需求預測跟以往大不相同，疫情為我們上了一課，就看各企業是否有領略轉機，裝備好技能掌握「預測力」，反轉市場份額。

^{_{註1:調查期間為2021/10/05-2021/12/30，總計237家台灣企業參與調查，其中70%為中階以上職等主管。}}

^{註2:針對受訪者，進行包含資料品質、資料（排程）自動化、預測準確性、納入外生事件（指天氣、災害、競爭者行為、促銷、節日、廣告宣傳等）、情境模擬規劃、工具易用性、充足人才跟前後端整合等8等面向，以1-10分的自我評分結果，透過K-means做出三類分群:領先者、追隨者與落後者。}