הדרכת תחזיות מלאי בבינה מלאכותית: כיצד ללמד מנהלי חנויות להעריך תחזיות ביקוש

האם מנהלי החנויות שלכם יכולים לומר מדוע תחזית ביקוש שגויה? מחקר משנת 2009, שנערך על יותר מ-60,000 תחזיות שרשרת אספקה, מצא כי התאמות קטנות של בני אדם לתחזיות ממוחשבות לעיתים קרובות החמירו אותן, ולכן המיומנות הדרושה לאימון היא לשפוט מתי ובאיזו כמות להתאים. זוהי ליבת האימון לתחזית מלאי מבוססת בינה מלאכותית. תחזית ביקוש היא ניבוי של כמה ממוצר יקנו קונים בתקופה נתונה, וכלי חיזוי מבוסס בינה מלאכותית בונה אותה ממכירות קודמות ואותות אחרים. מדריך זה מראה כיצד לתכנן אימון סביב משימה אחת: הערכת תחזית ביקוש וההנחות העומדות מאחוריה. הוא מכסה הכנה, תרגול עם משוב, מקרה שעובד עם ניסיון חוזר, רובריקה עם ניקוד ובדיקת העברה. הוא נכתב עבור מנהלי הדרכה קמעונאית ומנהלי תפעול חנויות. המקרה והרובריקה הם המחשות, ולכן מומחה תפעול חנות צריך לעיין בהם לפני שמישהו מקבל ניקוד.

עובדות מהירות

1. תאר את בעיית הביצועים

דמיינו מנהלת פותחת את המלצת ההזמנה השבועית שלה לחנות. הכלי מציע כמות רגילה של מים בבקבוקים ומשקאות חמים לשבוע הקרוב. היא יודעת שאירוע צדקה יסגור את הרחוב הראשי ביום ראשון. התחזית לא מזכירה זאת.

המשימה אינה להפעיל את הכלי. המנהל צריך לקרוא המלצה, למצוא את ההנחות העומדות מאחוריה, להשוות אותן למה שהיא יודעת באופן מקומי, ולהחליט מה לעשות ומה לבקש. המלצות מגיעות ממודל שרואה רק את מה שניתן לו. המנהל רואה את הרחוב.

פתיחה זו היא תרחיש מומצא, לא אירוע אמיתי של לקוח. היא מראה מדוע המיומנות היא מיומנות הנמקתית. מנהל יכול להבין את מסכי הכלי בצורה מושלמת ועדיין לקבל מספר שאירוע מקומי, עיכוב אצל ספק או שינוי מקום על המדף שגוי. הכשרה זו עוסקת בשיפוט תחזית. היא אינה מכסה כיצד כלי חיזוי מקשר למערכות מלאי, שהוא נושא נפרד עם בעלים משלו.

2. אבחון פערים בלמידה ובהקשר

השוו את מה שהתפקיד דורש עם מה שמבחנים את ההכשרה כיום. בוחן על מאפייני הכלי, מבחני, מזכיר: "היכן אתה מוצא את ההמלצה השבועית?" הוא לא יכול להראות האם מנהל יכול לזהות הנחה מפוקפקת. זהו ניתוח והערכה. המדריך שלנו ל התאמת פעילויות למידה לטקסונומיה של בלום מסביר כיצד לקרוא את הדרישה הקוגניטיבית של משימה כזו.

לאחר מכן, בדקו סיבות שאימון לא יפתור:

• נתונים. האם הכלי רואה מבצעים, אירועים מקומיים, מזג אוויר וזמני אספקה, או רק מכירות קודמות?
• רָשׁוּת. האם מנהל יכול לשנות הזמנה, או רק לאשר את ההמלצה?
• כלים. האם המנהל יכול לראות מדוע הכלי המליץ ​​על מספר מסוים, או רק על המספר?
• נהלים. האם יש דרך לדווח על תחזית גרועה ולקבל תשובה?
• תרגול. האם מנהל כלשהו התבקש אי פעם לערער על תחזית ולהסביר מדוע?

רק האחרון הוא פער אימון פשוט. ציינו את האחרים לספונסרים והסכימו מי הבעלים של כל אחד מהם. מנהל שאומן להטיל ספק בתחזית אך אינו יכול לשנות את הסדר יוותר במהירות.

3. תכננו הכנה ותרגול מכוונים

שלוש שכבות, לכל אחת מהן תפקיד משלה.

הכנה: בדקו את הדרישות המוקדמות. תן אבחון קצר על המונחים בהם משתמש המקרה, כגון תחזית, זמן אספקה, מלאי בטיחות והגדלת מבצע. בדיקת קריאה חוזרת מאשרת כי התנאים המוקדמים קיימים. אין לדווח על כך כמוכנות.

תרגול: מעבדות של כרטיסי ניקוד מאוזנים, עם משוב הקשור להחלטות. במקום לשפוט תחזית על סמך מספר אחד, תנו למנהלים כרטיס ניקוד קטן לעבוד עליו. הוא עשוי לשאול ארבעה דברים: עד כמה התחזיות האחרונות היו מדויקות, האם התחזית נוטה לכיוון אחד (נוטה לחזות יתר או חסרה), מהי העלות של מימוש לעומת העלות של החזקת יותר מדי, ואילו הנחות המנהל יכול לאשר או לפקפק בהן. כל מעבדה מבקשת החלטה וסיבה.

המשוב צריך להצביע על ההחלטה: "נתת שם לאירוע אבל לא אמרת בכמה יחידות תשנה את הסדר" שימושי יותר מ"חשיבה טובה". המדריך שלנו ל עיצוב תרגול אינטראקטיבי עם משוב שימושי הולך רחוק יותר.

סקירה והעברה: דיון בבחירה מעורפלת. קלט בזמן אמת ממנהל אזורי או מתכנן חידוש מלאי מוסיף הכי הרבה במקרים בהם שתי החלטות ניתנות להגנה, כגון התאמה קטנה או הסלמה. סקירה אסינכרונית מספיקה לבדיקות פשוטות, כגון האם הלומד פירט את ההנחות. המדריך שלנו ל חיבור הכנה בקצב עצמי עם אימון חי מראה כיצד לחלק בין השניים.

מילה על ראיות, כי הן מעצבות את מה ללמד. במחקר משנת 2009 בכתב העת הבינלאומי לחיזוי, פילדס, גודווין, לורנס וניקולופולוס ניתחו יותר מ-60,000 תחזיות ותוצאות מארבע חברות שרשרת אספקה, ובחנו מה קרה כאשר אנשים התאימו תחזיות שנוצרו על ידי מחשב. התאמות שיפרו את הדיוק בממוצע ברוב המקרים, אך התאמות קטנות לעתים קרובות החמירו את התחזיות, והתאמות כלפי מעלה נטו פחות לעזור מאשר התאמות כלפי מטה, מה שהמחברים קראו כהטיה אופטימית. זה היה מחקר של מתכנני שרשרת אספקה, לא של מנהלי חנויות, כך שזה לא ראיה לגבי החנויות שלכם. זה כן מציע מה לתרגל: להתאים כאשר יש לכם סיבה אמיתית, לציין כמה גדול השינוי ומדוע, ולשים לב לאופטימיות שלכם.

4. מקרה עובד עם משוב וניסיון חוזר

לדוגמה. מנהל תפעול בחנות צריך לאמת את המקרה ואת קריטריוני התשובה לפני השימוש.

המקרה. כלי ממליץ להזמין את אותה כמות של מים בבקבוקים ומשקאות חמים כמו ביום ראשון שעבר. תיק המקרה מראה שמונה שבועות של מבצעים. בשבוע החמישי, מבצע העלה את המכירות בצורה חדה. מרוץ צדקה יסגור את הרחוב הראשי ביום ראשון, והחנות נמצאת על המסלול. משלוחי הספקים יגיעו ביום חמישי.

המשימה. הסבר את ההחלטה, צטט את הראיות בהן השתמשת וציין איזה מידע או תמיכה נוספים אתה זקוק.

ניסיון ראשון. "התחזית מבוססת על מכירות אמיתיות, אז אקבל אותה." הסוקר שואל מה התחזית מניחה לגבי שבוע המבצע, האם היא יודעת על המבצע, ומה קורה אם החנות תימכר עד ארוחת הצהריים. ללומד אין תשובה לאף אחת משלוש.

משוב וניסיון חוזר. הבודק מצביע על שבוע הקידום בתיק ובהודעת האירוע, ומבקש מהלומד לכתוב מחדש את ההחלטה עם הנחותיה.

ניסיון חזק יותר. הלומד מציין ששבוע חמש נראה מנופח בגלל המבצע ושואל האם הדוגמן הסיר אותו. הוא מסמן שהאירוע חורג מכל מה שהדוגמן יכל לראות, ומציע להעלות את הזמנת המים בכמות שצוינה ולהניח למשקאות החמים להיות ללא שינוי, מכיוון שריצה בבוקר כנראה מזיזה משקאות קרים יותר מאשר משקאות חמים. הוא אומר מה ישנה את דעתו, כמו תשובה מהמשרד הראשי לגבי הריצה של השנה שעברה, ושואל את מנהל האזור האם הוא יכול לבצע הזמנה נוספת לפני המשלוח ביום חמישי. הוא רושמת את השינוי כדי שהסקירה הבאה תוכל להשוות אותו למה שנמכר.

מדוע כל תגובה ניתנת להגנה או אינה שלמה. שפטו על פי הקריטריונים שאושרו. ייתכן שהניסיון הראשון צודק, אך הוא אינו יכול להראות זאת, מכיוון שלא נבדקה אף הנחה. השני חזק יותר משום שהוא מראה מה הונח, מה הותאם ומדוע, והיכן מסתיימת סמכותו של המנהל. הוסיפו גרסה שמתאימה בכמות זעירה ללא סיבה, ושאלו את הקבוצה כיצד הציון אמור להשתנות.

5. הערכת יכולות והעברת תוכנית

דרג כל קריטריון מ-0 עד 2. התאם את הקריטריונים עם המומחה שלך: רובריקה זו היא נקודת התחלה מוצעת שהמומחה שלך צריך לאמת.

הגדירו שגיאות קריטיות בנפרד, לדוגמה, הזמנה מעבר למגבלת בטיחות או גבול שטח. ציון כולל לעולם לא חייב להסתיר כשל קריטי. בדקו ששני מעריכים נותנים את אותו הציון לאותה תשובה לפני שאתם מסתמכים על הציונים. המדריך שלנו ל הערכת שיקול דעת ופתרון בעיות באימון מכסה עוגנים וכיול מעריכים ביתר עומק.

כדי לבדוק את ההעברה, תנו לכל מנהל מקרה חדש לאחר עיכוב, ולאחר מכן הוסיפו מעקב במקום העבודה: סקירת התחזית האמיתית הבאה במפעל שלהם, כתובה יחד עם ההנחות וההחלטות שלה, נדונה עם מנהל אזורי וניתנת לה ציון מול אותה רובריקה.

שני מדדים מתאימים לתכנון זה: איכות בדיקות ההנחות ו איכות נימוקי ההחלטההשוו ציון בסיסי עם משימת מעקב שלא נראתה, והגדירו את האוכלוסייה, המכנה והתזמון לפני שאתם מתחילים. לאחר מכן חפשו שינויים מקבילים, כגון השקת כלי חיזוי חדש, עונה או שינוי בכללי הסדר, לפני שאתם נותנים קרדיט לאימון. ציון טוב יותר הוא ראיות לגבי הנמקה בלבד.

אילו ראיות יעידו כי לומדים יכולים להעריך תחזית?

חפשו שלושה דברים במקרה שלא נראה לעין: המנהל מציין את ההנחות מאחורי המספר, נותן סיבה וגודל לכל התאמה, ואומר מה עליו לדעת או את מי עליו לשאול. בהמשך, בדקו את הרישומים של החנות עצמה: האם התחזיות שנבדקו נדונו, והאם ההערות נשמרו? היזהרו מתוצאות המלאי בלבד, מכיוון שדברים רבים משפיעים עליהן.

היכן שהעברת מידע אינטראקטיבית עוזרת

פורמטים אינטראקטיביים עוזרים במקרים בהם אנשים צריכים להתחייב לתשובה לפני שהם רואים את הקבוצה. בפגישה חיה, מנחה יכול להציג את התחזית ואת תיק המקרה, לבקש מכל מנהל להצביע על קבלה, התאמה או הסלמה ולהוסיף סיבה בת שורה אחת, ולאחר מכן לחשוף את הפריסה לפני הדיון. ניתן לנהל את אותו מקרה בקצב אישי לצורך הכנה ולמעקב שלא נראה לעין. AhaSlides, פלטפורמת מעורבות הכל-באחד לצוותים ולכיתות, תומכת בלמידה אינטראקטיבית ובמעבר בין למידה חיה ללמידה בקצב אישי. בדקו כל פונקציית כתיבה, משוב או דיווח ספציפית שאתם מתכננים להסתמך עליה מול זרימת העבודה שלכם, והתייחסו לבינה מלאכותית, סימולטורים ואינטגרציות כחיצוניים או לא מאושרים עד שתראו אותם פועלים.

מה אימון לא יתקן

• נתונים גרועים. אם הכלי לעולם לא רואה מבצעים או אירועים, אף קורס לא ישלים את הפלט שלו.
• כללי סדר נוקשים. לוח זמנים קבוע של הזמנות מגביל את מה שמנהל יכול להתאים.
• רָשׁוּת. מנהל שלא יכול לבצע הזמנה נוספת יכול רק לסמן בעיה.
• אילוצים שנותרים לאחר שיפור המיומנויות. זמני אספקה, שטח מדף וכללי המשרד הראשי עדיין חלים.

שאלות נפוצות

מה צריכה לכלול הכשרה בתחום תחזיות מלאי של בינה מלאכותית?

כיצד לקרוא המלצה, למצוא את ההנחות שלה, להשוות אותן לידע מקומי ולהחליט מה לעשות. בניית מודלים וקישור כלים למערכות מניות הם נושאים נפרדים.

האם מנהלי חנויות צריכים להבין את האלגוריתם?

לא בפירוט. הם צריכים לדעת מה ניתן לכלי, מה הוא לא יכל לראות ואיך לזהות מתי מספר נראה שגוי.

כיצד מעריכים מיומנויות הערכת תחזיות?

דרג החלטה עם ההנחות והרציונל שלה מול רובריקה מפורשת, והגדר שגיאות קריטיות בנפרד.

איך אתה יודע שהאימון עבד?

דרג מקרה חדש, שלא נראה, לאחר עיכוב, מול אותה רובריקה, השווה אותו לקו בסיס ובדקי מה עוד השתנה בינתיים.

מי צריך לבדוק את המקרה ואת הרובריק?

מנהל תפעול בחנות שמכיר את המגוון, כללי ההזמנה ומגבלות האישור, לפני שמישהו מקבל עליהם ניקוד.

איפה להתחיל

בחרו החלטה אחת לחיזוי שהמנהלים שלכם מקבלים בכל שבוע. כתבו מקרה אחד עם הנחה מפוקפקת, התאימו את רובריקה בת ארבעת הקריטריונים עם מנהל תפעול בחנות והפעילו אותו עם קבוצה קטנה. תנו ניקוד לתיק חדש חודש לאחר מכן לפני שאתם מגדילים אותו.

כדי לראות כיצד ניתן להפעיל מקרה כזה בזמן אמת ולשימוש חוזר בו בקצב אישי לאחר מכן, נסו זאת ב AhaSlides.