Kan era butikschefer säga varför en efterfrågeprognos är fel? En studie från 2009 av mer än 60 000 leveranskedjeprognoser visade att små mänskliga justeringar av datoriserade prognoser ofta försämrade dem, så färdigheten att träna är att bedöma när och med hur mycket man ska justera. Det är kärnan i utbildning i AI-lagerprognoser. En efterfrågeprognos är en förutsägelse av hur mycket av en produkt som kunder kommer att köpa under en given period, och ett AI-prognosverktyg bygger den från tidigare försäljningar och andra signaler. Den här guiden visar hur man utformar utbildning kring en uppgift: att utvärdera en efterfrågeprognos och antagandena bakom den. Den täcker förberedelser, övning med feedback, ett bearbetat fall med ett omförsök, en poängsatt matris och en överföringskontroll. Den är skriven för utbildningschefer i detaljhandeln och butikschefer. Fallet och matrisen är illustrationer, så en butiksdriftsspecialist bör granska dem innan någon poängsätts.
Snabb fakta
| Fråga | Kort svar |
|---|---|
| Vad tränar du? | Jämföra en efterfrågeprognos med vad chefen vet om butiken. |
| Vad producerar chefen? | Ett beslut (acceptera, justera eller eskalera) med de bevis och antaganden som ligger bakom det. |
| Hur poängsätter man det? | En 0 till 2-matris med definierade kritiska fel. |
| Vad täcks inte? | Bygga modeller, eller koppla ett prognosverktyg till aktiesystem. |
| Vad kan träning inte åtgärda? | Dålig data, rigida beställningsregler och saknad befogenhet att justera beställningar. |
| Vem bekräftar fallet? | En butikschef, före användning. |
1. Beskriv prestandaproblemet
Föreställ dig en chef som öppnar sin veckovisa beställningsrekommendation för butiken. Verktyget föreslår en normal mängd flaskvatten och varma drycker för den kommande veckan. Hon vet att ett välgörenhetsevenemang kommer att stänga huvudgatan på söndag. Prognosen nämner det inte.
Uppgiften är inte att använda verktyget. Chefen måste läsa en rekommendation, hitta antagandena bakom den, jämföra dem med vad hen vet lokalt och bestämma vad hen ska göra och vad hen ska fråga. Rekommendationer kommer från en modell som bara ser vad den fick. Chefen ser gatan.
Denna öppning är ett påhittat scenario, inte en verklig händelse från en kund. Den visar varför färdigheten är en resonemangsbaserad sådan. En chef kan förstå verktygets skärmar perfekt och ändå acceptera ett nummer som en lokal händelse, en leverantörsförsening eller en hyllutrymmesändring gör fel. Denna utbildning handlar om att bedöma en förutsägelse. Den täcker inte hur ett prognosverktyg länkar till lagersystem, vilket är ett separat ämne med egna ägare.
2. Diagnostisera inlärnings- och kontextuella luckor
Jämför vad rollen behöver med vilka utbildningstester som finns idag. Ett quiz om verktygsfunktioner och tester återger: "Var hittar du veckans rekommendation?" Det kan inte visa om en chef kan upptäcka ett tvivelaktigt antagande. Det är analys och utvärdering. Vår guide till matcha läraktiviteter med Blooms taxonomi förklarar hur man läser den kognitiva kraven för en uppgift som denna.
Kontrollera sedan orsaker som träning inte kommer att åtgärda:
- Data. Ser verktyget kampanjer, lokala evenemang, väder och leveranstider, eller bara tidigare försäljningar?
- Auktoritet. Kan en chef ändra en order, eller bara godkänna rekommendationen?
- Verktyg. Kan chefen se varför verktyget rekommenderade ett nummer, eller bara numret?
- Förfaranden. Finns det något sätt att rapportera en dålig väderprognos och få svar?
- Öva. Har någon chef någonsin blivit ombedd att ifrågasätta en prognos och förklara varför?
Bara det sista är en tydlig lucka i träningen. Nämn de andra till sponsorerna och kom överens om vem som äger var och en. En chef som är tränad att ifrågasätta prognosen men inte kan ändra ordningen kommer att ge upp snabbt.
3. Utforma målinriktad förberedelse och övning
Tre lager, vart och ett med sin egen uppgift.
Förberedelse: kontrollera förkunskapskraven. Ge en kort diagnos av de termer som används i ärendet, såsom prognos, ledtid, säkerhetslager och kampanjökning. En återkallelsekontroll bekräftar att förutsättningarna är på plats. Rapportera det inte som beredskap.
Övning: laborationer med balanserade styrkort, med feedback kopplad till beslut. Istället för att bedöma en prognos utifrån ett enda nummer, ge chefer ett litet styrkort att arbeta igenom. Det kan ställa fyra frågor: hur exakta de senaste prognoserna var, om prognosen lutar åt ett håll (tenderar att över- eller underskatta), vad kostnaden för att göra slut är jämfört med kostnaden för att hålla för mycket, och vilka antaganden chefen kan bekräfta eller tvivla på. Varje labb frågar efter ett beslut och en anledning.
Feedback bör peka på beslutet: "Du namngav händelsen men sa inte hur många enheter du skulle ändra ordningen med" är mer användbart än "Bra tänkt". Vår guide till utforma interaktiv praktik med användbar feedback går längre.
Granska och överför: diskutera ett tvetydigt val. Liveinput från en regional chef eller en påfyllningsplanerare ger mest effekt där två beslut båda är försvarbara, såsom en liten justering eller en eskalering. Asynkron granskning räcker för enkla kontroller, såsom om eleven listade antagandena. Vår guide till koppla ihop förberedelser i egen takt med live coachning visar hur man delar upp de två.
Ett ord om evidens, eftersom det formar vad man ska undervisa om. I en studie från 2009 i International Journal of Forecasting, Fildes, Goodwin, Lawrence och Nikolopoulos analyserade mer än 60 000 prognoser och utfall från fyra företag inom leveranskedjor och undersökte vad som hände när folk justerade datorgenererade prognoser. Justeringar förbättrade noggrannheten i genomsnitt i de flesta fall, men små justeringar försämrade ofta prognoserna, och uppåtgående justeringar var mindre benägna att hjälpa än nedåtgående, vilket författarna tolkade som optimismbias. Det var en studie av planerare inom leveranskedjor, inte butikschefer, så det är inte bevis för dina butiker. Den föreslår vad du bör öva på: justera när du har en riktig anledning, säg hur stor förändringen är och varför, och var uppmärksam på din egen optimism.
4. Ett bearbetat fall med feedback och ett nytt försök
Illustrativt. En butikschef bör validera ärendet och svarskriterierna före användning.
Fallet. Ett verktyg rekommenderar att man beställer samma mängd flaskvatten och varma drycker som förra söndagen. Fallet visar åtta veckors rea. Under vecka fem ökade en kampanj försäljningen kraftigt. En välgörenhetskampanj kommer att stänga huvudgatan på söndag, och butiken ligger längs vägen. Leveranser från leverantörer anländer på torsdag.
Uppgiften. Förklara beslutet, citera de bevis du använde och ange vilken ytterligare information eller stöd du behöver.
Ett första försök. ”Prognosen är baserad på faktisk försäljning, så jag accepterar den.” Recensenten frågar vad prognosen antar om kampanjveckan, om den känner till loppet och vad som händer om butiken säljer slut vid lunchtid. Eleven har inget svar på någon av de tre frågorna.
Feedback och försök igen. Granskaren pekar på befordringsveckan i ärendet och evenemangsmeddelandet och ber eleven att skriva om beslutet med dess antaganden.
Ett starkare försök. Eleven noterar att vecka fem ser uppblåst ut av kampanjen och frågar om modellen tog bort den. De markerar att händelsen ligger utanför allt som modellen kunde ha sett och föreslår att höja vattenbeställningen med en viss mängd och låta varma drycker vara, eftersom en körning på morgonen förmodligen flyttar kalla drycker mer än varma. De säger vad som skulle få dem att ändra sig, till exempel ett svar från huvudkontoret om förra årets körning, och de frågar områdeschefen om de kan lägga en extra beställning före torsdagens leverans. De registrerar ändringen så att nästa granskning kan jämföra den med vad som såldes.
Varför varje svar är försvarbart eller ofullständigt. Bedöm mot de godkända kriterierna. Det första försöket kan råka vara rätt, men det kan inte visa det, eftersom inget antagande har kontrollerats. Det andra är starkare eftersom det visar vad som antogs, vad som justerades och varför, och var chefens auktoritet slutar. Lägg till en variant som justerar med en liten mängd utan anledning och fråga gruppen hur poängen ska förändras.
5. Bedöm kapacitet och planöverföring
Poängsätt varje kriterium från 0 till 2. Anpassa kriterierna med din specialist: denna matris är en föreslagen utgångspunkt som din specialist bör validera.
| Kriterium | 0: saknas eller stöds inte | 1: delvis, med utelämnanden | 2: fullständig och motiverad |
|---|---|---|---|
| Antagandekontroller | Tar emot numret utan frågor. | Ifrågasätter ett antagande, missar ett annat. | Nämner de viktigaste antagandena och vad som skulle testa dem. |
| Beslutsmotivering | Inga skäl angivna. | Angivna skäl, förändringens storlek oförklarad. | Beslut, förändringens storlek, alternativ och osäkerhet förklarade. |
| Bevisanvändning | Ignorerar ärendeakten. | Använder en del av bevisen. | Använder data och lokal kunskap och säger vilken som är vilken. |
| Gränser | Planerar en förändring utanför chefens befogenhet. | Nämner gränser inkonsekvent. | Arbetar inom godkända rutiner och ber om hjälp när information eller befogenheter saknas. |
Definiera kritiska fel separat, till exempel att beordra bortom en säkerhets- eller utrymmesgräns. En övergripande poäng får aldrig dölja ett kritiskt fel. Kontrollera att två bedömare ger samma poäng till samma svar innan du förlitar dig på poängen. Vår guide till utvärdering av omdöme och problemlösning i utbildning behandlar ankare och kalibrering av bedömare mer ingående.
För att kontrollera överföringen, ge varje chef ett nytt ärende efter en fördröjning och lägg sedan till en uppföljning på arbetsplatsen: nästa riktiga prognosgranskning i deras verkstad, nedskriven med dess antaganden och beslut, diskuterad med en regional chef och poängsatt mot samma matris.
Två mått passar denna design: kvaliteten på antagandekontroller och kvaliteten på beslutsmotiveringenJämför en baslinje med en osynlig uppföljningsuppgift och definiera populationen, nämnaren och tidpunkten innan du börjar. Leta sedan efter samtidiga förändringar, såsom en ny lansering av prognosverktyget, en säsong eller en ändring i ordningsreglerna, innan du tillgodoräknar utbildningen. Ett bättre resultat är endast bevis på resonemang.
Vilka bevis skulle visa att elever kan utvärdera en prognos?
Leta efter tre saker i ett osedd fall: chefen anger antagandena bakom siffran, anger en orsak och en storlek på eventuella justeringar och säger vad de skulle behöva veta eller vem de skulle fråga. Kontrollera senare butikens egna register: diskuterades de granskade prognoserna och fördes anteckningarna? Var försiktig med enbart lagerresultat, eftersom många saker påverkar dem.
Där interaktiv leverans hjälper
Interaktiva format hjälper till där personer bör förbinda sig till ett svar innan de ser gruppen. I en livesession kan en handledare visa prognosen och ärendefilen, be varje chef att rösta om att acceptera, justera eller eskalera och lägga till en enradig orsak, och sedan avslöja spridningen före diskussionen. Samma ärende kan köras i egen takt för förberedelser och för den osynliga uppföljningen. AhaSlides, en allt-i-ett-plattform för engagemang för team och klassrum, stöder interaktivt lärande och växling mellan live- och självstudier. Kontrollera eventuella specifika funktioner för redigering, feedback eller rapportering som du planerar att förlita dig på mot ditt eget arbetsflöde och behandla AI, simulatorer och integrationer som externa eller obekräftade tills du har sett dem fungera.
Vad träning inte kommer att lösa
- Dålig data. Om verktyget aldrig ser kampanjer eller evenemang kommer ingen kurs att göra sin produktion komplett.
- Strikta beställningsregler. Ett fast orderschema begränsar vad en chef kan justera.
- Auktoritet. En chef som inte kan lägga en extra beställning kan bara flagga ett problem.
- Begränsningar som kvarstår efter att färdigheterna förbättrats. Leverantörernas ledtider, hyllutrymme och regler för huvudkontor gäller fortfarande.
Vanliga frågor och svar
Vad bör utbildning i AI-inventeringsprognoser omfatta?
Hur man läser en rekommendation, hittar dess antaganden, jämför dem med lokal kunskap och bestämmer vad man ska göra. Att bygga modeller och koppla verktyg till aktiesystem är separata ämnen.
Behöver butikschefer förstå algoritmen?
Inte i detalj. De behöver veta vad verktyget fick, vad det inte kunde se och hur man ser när ett nummer ser fel ut.
Hur bedömer du förmågan att utvärdera prognoser?
Poängsätt ett beslut med dess antaganden och motiveringar mot en explicit matris och definiera kritiska fel separat.
Hur vet du att träningen fungerade?
Poängsätt ett nytt, osedd fall efter en fördröjning mot samma matris, jämför det med en baslinje och kontrollera vad mer som ändrats under tiden.
Vem ska granska ärendet och bedömningskriterierna?
En butikschef som känner till ert sortiment, beställningsregler och godkännandegränser, innan någon får poäng på dem.
Var ska man börja
Välj ett prognosbeslut som dina chefer fattar varje vecka. Skriv ett fall med ett tveksamt antagande, anpassa fyra-kriteriersmatrisen med en butikschef och kör det med en liten grupp. Poängsätt ett nytt fall en månad senare innan du skalar upp det.
För att se hur ett sådant här fall skulle kunna köras live och återanvändas i egen takt efteråt, prova det i AhaSlides.
