Mogu li vaši voditelji trgovina reći zašto je prognoza potražnje pogrešna? Studija iz 2009. godine, provedena na više od 60 000 prognoza opskrbnog lanca, otkrila je da male ljudske prilagodbe računalnim prognozama često pogoršavaju te prognoze, stoga je vještina koju treba obučiti procjena kada i koliko prilagoditi. To je srž obuke za prognozu zaliha pomoću umjetne inteligencije. Prognoza potražnje je predviđanje koliko će proizvoda kupci kupiti u određenom razdoblju, a alat za prognoziranje pomoću umjetne inteligencije gradi ga na temelju prošlih prodaja i drugih signala. Ovaj vodič pokazuje kako dizajnirati obuku oko jednog zadatka: procjene prognoze potražnje i pretpostavki koje stoje iza nje. Obuhvaća pripremu, vježbu s povratnim informacijama, razrađeni slučaj s ponovnim pokušajem, bodovnu rubriku i provjeru prijenosa. Napisan je za direktore obuke u maloprodaji i voditelje poslovanja trgovina. Slučaj i rubrika su ilustracije, stoga bi ih stručnjak za poslovanje trgovine trebao pregledati prije nego što netko bude ocijenjen.
Brze činjenice
| Pitanje | Kratak odgovor |
|---|---|
| Što treniraš? | Provjera prognoze potražnje u odnosu na ono što menadžer zna o trgovini. |
| Što menadžer proizvodi? | Odluka (prihvatiti, prilagoditi ili eskalirati) s dokazima i pretpostavkama koje stoje iza nje. |
| Kako to ocjenjujete? | Rubrika od 0 do 2 s definiranim kritičnim pogreškama. |
| Što nije obuhvaćeno? | Izrada modela ili povezivanje alata za predviđanje sa sustavima zaliha. |
| Što trening ne može popraviti? | Loši podaci, kruta pravila naručivanja i nedostatak ovlasti za prilagodbu narudžbi. |
| Tko potvrđuje slučaj? | Voditelj poslovanja trgovine, prije upotrebe. |
1. Opišite problem s performansama
Zamislite menadžericu koja otvara svoju tjednu preporuku za narudžbe za trgovinu. Alat predlaže normalnu količinu flaširane vode i toplih napitaka za sljedeći tjedan. Zna da će humanitarna utrka zatvoriti glavnu ulicu u nedjelju. Vremenska prognoza to ne spominje.
Zadatak nije koristiti alat. Voditelj mora pročitati preporuku, pronaći pretpostavke koje stoje iza nje, usporediti ih s onim što zna lokalno i odlučiti što učiniti i što pitati. Preporuke dolaze iz modela koji vidi samo ono što mu je dano. Voditelj vidi ulicu.
Ovaj uvod je izmišljen scenarij, a ne stvarni incident kupca. Pokazuje zašto je ova vještina važna za razmišljanje. Voditelj može savršeno razumjeti zaslone alata i dalje prihvatiti broj koji lokalni događaj, kašnjenje dobavljača ili promjena prostora na policama čini pogrešnim. Ova obuka se odnosi na procjenu predviđanja. Ne pokriva kako se alat za predviđanje povezuje sa sustavima zaliha, što je zasebna tema s vlastitim vlasnicima.
2. Dijagnosticirajte nedostatke u učenju i kontekstu
Usporedite što je potrebno za tu ulogu s današnjim testovima obuke. Kviz o alatima i testovima podsjeća na: "Gdje pronalazite tjednu preporuku?" Ne može pokazati može li menadžer uočiti sumnjivu pretpostavku. To je analiza i evaluacija. Naš vodič za usklađivanje aktivnosti učenja s Bloomovom taksonomijom objašnjava kako pročitati kognitivni zahtjev zadatka poput ovog.
Zatim provjerite uzroke koje trening neće riješiti:
- Podaci. Vidi li alat promocije, lokalne događaje, vremensku prognozu i rokove isporuke ili samo prošle prodaje?
- Tijelo. Može li menadžer promijeniti narudžbu ili samo odobriti preporuku?
- Alati. Može li menadžer vidjeti zašto je alat preporučio broj ili samo broj?
- Postupci. Postoji li način da se prijavi loša prognoza i dobije odgovor?
- Praksa. Je li ikada od nekog menadžera zatraženo da ospori prognozu i objasni zašto?
Samo posljednji je obična praznina u obuci. Ostale navedite sponzorima i dogovorite se tko je vlasnik svakog. Menadžer koji je obučen da preispituje prognozu, ali ne može promijeniti redoslijed, brzo će odustati.
3. Osmislite svrsishodnu pripremu i praksu
Tri sloja, svaki sa svojim zadatkom.
Priprema: provjerite preduvjete. Dajte kratku dijagnostiku pojmova koji se koriste u slučaju, kao što su prognoza, vrijeme isporuke, sigurnosne zalihe i povećanje promocije. Provjera opoziva potvrđuje da su preduvjeti ispunjeni. Nemojte to prijaviti kao spremnost.
Vježba: laboratoriji uravnotežene tablice rezultata, s povratnim informacijama vezanim uz odluke. Umjesto da procjenjujete prognozu na temelju jednog broja, dajte menadžerima malu tablicu rezultata koju mogu obraditi. Mogla bi pitati četiri stvari: koliko su točne bile posljednje prognoze, naginje li prognoza u jednom smjeru (teži li precijeniti ili podcijeniti), koliki je trošak iscrpljivanja u odnosu na trošak zadržavanja prevelike količine i koje pretpostavke menadžer može potvrditi ili posumnjati. Svaki laboratorij traži odluku i razlog.
Povratne informacije trebaju ukazivati na odluku: "Naveli ste događaj, ali niste rekli za koliko jedinica biste promijenili redoslijed" korisnije je od "Dobro razmišljanje". Naš vodič za osmišljavanje interaktivne prakse s korisnim povratnim informacijama ide dalje.
Pregled i prijenos: raspravite o dvosmislenom izboru. Uživo doprinos regionalnog menadžera ili planera popunjavanja zaliha najviše doprinosi tamo gdje su obje odluke opravdane, poput male prilagodbe ili eskalacije. Asinkroni pregled dovoljan je za jednostavne provjere, poput provjere je li polaznik naveo pretpostavke. Naš vodič za povezivanje pripreme vlastitim tempom s coachingom uživo pokazuje kako razdvojiti to dvoje.
Riječ o dokazima, jer oni oblikuju ono što treba poučavati. U studiji iz 2009. u International Journal of Forecasting, Fildes, Goodwin, Lawrence i Nikolopoulos analizirali su više od 60 000 prognoza i ishoda četiriju tvrtki u lancu opskrbe, promatrajući što se događa kada ljudi prilagođavaju računalno generirane prognoze. Prilagodbe su u prosjeku poboljšale točnost u većini slučajeva, ali male prilagodbe često su pogoršavale prognoze, a prilagodbe prema gore su imale manje šanse pomoći od onih prema dolje, što autori tumače kao pristranost optimizma. To je bila studija planera lanca opskrbe, a ne voditelja trgovina, tako da to nije dokaz o vašim trgovinama. Predlaže što treba vježbati: prilagodite se kada imate pravi razlog, recite koliko je velika promjena i zašto te promatrajte vlastiti optimizam.
4. Obrađen slučaj s povratnim informacijama i ponovnim pokušajem
Ilustracija. Voditelj poslovanja trgovine trebao bi provjeriti slučaj i kriterije odgovora prije upotrebe.
Slučaj. Alat preporučuje naručivanje iste količine flaširane vode i toplih napitaka kao prošle nedjelje. Dosje slučaja pokazuje osam tjedana prodaje. U petom tjednu promocija je naglo povećala prodaju. Humanitarna akcija zatvorit će glavnu ulicu u nedjelju, a trgovina je na ruti. Isporuke dobavljača stižu u četvrtak.
Zadatak. Objasnite odluku, navedite dokaze koje ste koristili i navedite koje dodatne informacije ili potpora su vam potrebne.
Prvi pokušaj. „Prognoza se temelji na stvarnoj prodaji, pa ću je prihvatiti.“ Recenzent pita što prognoza pretpostavlja o tjednu promocije, zna li za nalet prodaje i što se događa ako se trgovina rasproda do ručka. Učenik nema odgovor ni na jedno od ta tri pitanja.
Povratne informacije i ponovni pokušaj. Recenzent ukazuje na tjedan promaknuća u spisu predmeta i obavijesti o događaju te traži od učenika da prepiše odluku s njezinim pretpostavkama.
Jači pokušaj. Učenik primjećuje da peti tjedan izgleda prenapuhan promocijom i pita je li model uklonio tu ponudu. Označava da je događaj izvan granica onoga što je model mogao vidjeti i predlaže povećanje narudžbe vode za navedeni iznos, a tople napitke ostaviti na miru, jer jutarnja narudžba vjerojatno više pomiče hladne napitke od toplih. Kažu što bi ih predomislilo, poput odgovora iz glavnog ureda o prošlogodišnjoj narudžbi, i pitaju voditelja područja mogu li napraviti dodatnu narudžbu prije isporuke u četvrtak. Bilježe promjenu kako bi je sljedeći pregled mogao usporediti s onim što je prodano.
Zašto je svaki odgovor opravdan ili nepotpun. Prosudite prema odobrenim kriterijima. Prvi pokušaj može biti točan, ali to ne može pokazati jer nijedna pretpostavka nije provjerena. Drugi je jači jer pokazuje što se pretpostavljalo, što je prilagođeno i zašto, te gdje završava ovlast voditelja. Dodajte varijantu koja se prilagođava za malu količinu bez razloga i pitajte grupu kako bi se rezultat trebao promijeniti.
5. Procijenite kapacitete i planirajte prijenos
Ocijenite svaki kriterij od 0 do 2. Prilagodite kriterije sa svojim specijalistom: ova rubrika je predložena početna točka koju bi vaš specijalist trebao potvrditi.
| Kriterij | 0: odsutno ili nije podržano | 1: djelomično, s izostavljenim dijelovima | 2: potpuno i opravdano |
|---|---|---|---|
| Provjere pretpostavki | Prihvaća broj bez pitanja. | Dovodi u pitanje jednu pretpostavku, propušta drugu. | Navodi glavne pretpostavke i što bi ih testiralo. |
| Obrazloženje odluke | Nisu navedeni razlozi. | Navedeni razlozi, veličina promjene neobjašnjena. | Objašnjena je odluka, veličina promjene, alternative i neizvjesnost. |
| Korištenje dokaza | Ignorira spis predmeta. | Koristi dio dokaza. | Koristi podatke i lokalno znanje te kaže što je što. |
| Granice | Planira promjenu izvan ovlasti menadžera. | Nedosljedno spominje ograničenja. | Radi unutar odobrenih procedura i traži pomoć kada nedostaju informacije ili ovlaštenja. |
Kritične pogreške definirajte zasebno, na primjer, redoslijed preko sigurnosnog ili prostornog ograničenja. Ukupni rezultat nikada ne smije skrivati kritični neuspjeh. Provjerite daju li dva ocjenjivača isti rezultat istom odgovoru prije nego što se oslonite na rezultate. Naš vodič za procjenjivanje prosudbe i rješavanje problema u obuci detaljnije pokriva sidra i kalibraciju procjenitelja.
Za provjeru prijenosa, svakom menadžeru dajte novi slučaj nakon kašnjenja, a zatim dodajte praćenje na radnom mjestu: sljedeći stvarni pregled prognoze u njihovoj radionici, napisan s pretpostavkama i odlukom, raspravljen s regionalnim menadžerom i bodovan prema istoj rubrici.
Dvije mjere odgovaraju ovom dizajnu: provjere kvalitete pretpostavki i kvaliteta obrazloženja odlukeUsporedite osnovnu liniju s nevidljivim naknadnim zadatkom i definirajte populaciju, nazivnik i vrijeme prije nego što započnete. Zatim potražite istodobne promjene, kao što je izdanje novog alata za predviđanje, sezona ili promjena pravila redoslijeda, prije nego što pripišete zasluge za obuku. Bolji rezultat je dokaz samo o zaključivanju.
Koji bi dokazi pokazali da učenici mogu procijeniti prognozu?
U nevidljivom slučaju potražite tri stvari: voditelj imenuje pretpostavke koje stoje iza broja, daje razlog i veličinu bilo kakve prilagodbe te kaže što bi trebao znati ili koga bi pitao. Kasnije provjerite vlastite zapise radionice: jesu li pregledane prognoze bile raspravljene i jesu li bilješke sačuvane? Budite oprezni samo s rezultatima zaliha, jer ih mnoge stvari pokreću.
Gdje interaktivna dostava pomaže
Interaktivni formati pomažu tamo gdje se ljudi trebaju obvezati na odgovor prije nego što vide grupu. U sesiji uživo, facilitator može prikazati prognozu i spis slučaja, zamoliti svakog menadžera da glasa o prihvaćanju, prilagodbi ili eskalaciji i doda razlog u jednom retku, a zatim otkriti raspored prije rasprave. Isti slučaj može se odvijati vlastitim tempom radi pripreme i nevidljivog praćenja. AhaSlides, sveobuhvatna platforma za timove i učionice, podržava interaktivno učenje i prelazak s nastave uživo na nastavu vlastitim tempom. Usporedite svaku specifičnu funkciju autorstva, povratnih informacija ili izvještavanja na koju se planirate osloniti u odnosu na vlastiti tijek rada i tretirajte umjetnu inteligenciju, simulatore i integracije kao vanjske ili nepotvrđene dok ih ne vidite u radu.
Što trening neće popraviti
- Loši podaci. Ako alat nikada ne vidi promocije ili događaje, nijedan tečaj neće dati potpun rezultat.
- Kruta pravila naručivanja. Fiksni raspored narudžbi ograničava ono što menadžer može prilagoditi.
- Tijelo. Voditelj koji ne može izvršiti dodatnu narudžbu može samo prijaviti problem.
- Ograničenja koja ostaju nakon poboljšanja vještina. I dalje vrijede rokovi isporuke dobavljača, prostor na policama i pravila glavnog ureda.
Često postavljana pitanja
Što bi trebala obuhvaćati obuka za predviđanje zaliha umjetne inteligencije?
Kako pročitati preporuku, pronaći njezine pretpostavke, usporediti ih s lokalnim znanjem i odlučiti što učiniti. Izrada modela i povezivanje alata sa sustavima zaliha su odvojene teme.
Trebaju li voditelji trgovina razumjeti algoritam?
Ne u detalje. Moraju znati što je alatu dano, što nije mogao vidjeti i kako prepoznati kada broj izgleda pogrešno.
Kako procjenjujete vještine procjene prognoza?
Ocijenite odluku s njezinim pretpostavkama i obrazloženjem prema eksplicitnoj rubrici i zasebno definirajte kritične pogreške.
Kako znate da je trening uspio?
Nakon odgode, uporedite novi, neviđeni slučaj s istom rubrikom, usporedite ga s početnom vrijednošću i provjerite što se još promijenilo u međuvremenu.
Tko bi trebao pregledati slučaj i rubriku?
Voditelj poslovanja trgovine koji poznaje vaš asortiman, pravila naručivanja i ograničenja odobrenja prije nego što itko bude na temelju njih ocijenjen.
Gdje započeti
Odaberite jednu prognoznu odluku koju vaši menadžeri donose svaki tjedan. Napišite jedan slučaj sa sumnjivom pretpostavkom, prilagodite rubriku s četiri kriterija s voditeljem poslovanja trgovine i provedite je s malom grupom. Ocijenite novi slučaj mjesec dana kasnije prije nego što ga skalirate.
Da biste vidjeli kako bi se ovakav slučaj mogao pokrenuti uživo i ponovno upotrijebiti vlastitim tempom nakon toga, isprobajte ga u AhaSlides.
