供应链需求预测项目如何设定合理的KPI、准确率指标（十四）

本篇文章适合希望优化供应链管理的读者，尤其是对KPI的选择与应用有兴趣的人。文章的亮点在于揭示了不当KPI使用可能导致的风险，如狭隘的关注、协作减少和与业务目标不一致等，同时提供了如何选择合适KPI的最佳实践。

本文整合自文章：How to set Forecasting Accuracy Targets、How to set Forecasting Accuracy Targets、How to Select Supply Chain KPIs

手动推荐关联文章

作者Nicolas Vandeput、SupChains技术团队、供应链相关文章还有：

SupChains技术团队零售产品销量预测建模方案解析（一）
SupChains技术团队回答：模型准确率提高 10%，业务可以节省多少钱？（二）
SupChains团队: 衡量Forecast模型结果在供应链团队内的传递质量（三）
SupChains团队:供应链数据的异常特征管理指南（四）
SupChains技术团队：需求预测中减少使用分层次预测（五）
SupChains团队：全局机器学习模型在需求预测中的应用（六）
VN1 供应链销量预测建模竞赛技巧总结与分享（七）
SupChains团队：供应链新品预测建模的一些策略（八）
供应链团队设置安全库存的五层境界（九）
供应链项目中产品的ABC XYZ分类法弊端（十）
供应链项目中库存管理与优化指南（十一）
端到端供应链优化案例研究：需求预测 + 库存优化（十二）

1 供应链项目设置KPI的必要性

How to Select Supply Chain KPIs

关键绩效指标（KPI）是捕捉运营状态、跟踪进展、指导数据驱动决策以及围绕共同目标整合团队的重要工具。如果没有可衡量的目标和指标，供应链经理将如同盲人摸象。

指标使我们能够跟踪功效（做正确的事）和效率（正确地做事），它们构成了卓越流程的基础。例如，一位S&OP经理可能会同时监控预测增值（功效）和完善预测所花费的时间（效率）。

不幸的是，即使跟踪指标对于供应链管理至关重要，它也是一把双刃剑，可能导致意想不到的后果。如果我们对实现特定数字的执着追求，反而让我们对创造真正的商业价值视而不见，那该怎么办？

本文探讨了跟踪不当KPI以及过度施压团队以实现特定目标所带来的意想不到的后果，然后为您提供了一套选择适合团队的指标的最佳实践。首先，我们将简要回顾为什么监控KPI对供应链至关重要。其次，通过多个供应链故事，我们将阐述KPI滥用的案例，以及规划师如何操纵指标或篡改数据以实现目标。然后，我们将详细阐述关于某些目标为何会被操纵的通用理论。最后，我们将讨论如何利用KPI同时避免任何滥用的最佳实践。

1.1 当KPI设定目标出错时会发生什么

关键绩效指标和衡量标准对于评估流程的功效、效率和进展至关重要。然而，如果过度强调KPI和目标，可能会适得其反。让我们通过我多年来亲身经历的一些故事来说明由此产生的问题。在所有案例中，你都会看到团队如何偏离了对业务重要的事情，转而通过寻找捷径或篡改数据，仅仅专注于目标。在下一节中，我们将结构化地阐述通过KPI向团队施压所带来的风险和弊端。

需求计划。 在交付准确预测的压力下，一家国际饮料公司的规划师们与我分享了他们操纵预测准确性的独特方法：如果他们的预测显示有销售但实际并未发生，他们就会将这些情况归类为“销售差异”，并将其标记为100%准确。
需求计划。 许多公司会激励销售团队超越销售目标，这些目标通常是根据需求预测设定的。遗憾的是，这些公司也让销售团队负责生成这些预测。这种做法总是导致预测不切实际地偏低，不适合有效的供应计划。
库存计划。 我曾遇到一家公司，他们用过剩库存来衡量多余库存。过剩库存量化了超出未来三个月预期需求的库存。为了人为地减少过剩库存，规划师会故意夸大过剩商品的预测。
生产计划。 在一位同事职业生涯的早期，公司强调满载率是最重要的指标。（如果你不熟悉满载率，我在这篇文章中解释过。）值得注意的是，它与年度激励计划挂钩。为了应对这一情况，一位工厂经理为了优化这个指标，决定主要关注高周转产品。这个策略确实在一段时间内提高了满载率。然而，它无意中导致了慢周转产品的积压——这些产品单独价值不高，但总体上却意义重大。当这个策略的后果变得明显时，这位工厂经理被解雇了。善后工作是工厂处理积压的小批量订单的艰苦过程。这一事件促使了重组：S&OP与运营分离，新的指标开始与满载率一起使用：预测准确性、逾期项目、提前期和库存周转率。最终实现了真正的商业价值。
客户服务。 我曾见过客服代表在订单管理系统中更改最初请求的交货日期，以向高级管理层展示高服务水平（在中层管理层的同意下）。这种操纵不仅会描绘出误导性的业务图景，还会通过引入错误的订单历史模式（这些模式可能被预测引擎捕捉为趋势和季节性）来扭曲未来的预测。
S&OP。 在许多公司中，在月末最后一周重新安排客户订单是常见的做法，以操纵月度销售目标、需求预测和库存KPI。（我曾亲眼目睹过类似的操纵，通过应计成本和收入来使每个季度的业绩与预算对齐。）
S&OP。 一家上市的国际快速消费品食品公司的高管团队选择根据服务、现金和成本来评估其供应链绩效。为了衡量这些方面，他们在每个季度末（当他们必须向投资者汇报时）监控多个KPI。一个值得注意的KPI是现金效率，由库存天数决定——而这只在季度末报告。为了通过令人印象深刻的销售与库存比率来美化他们的资产负债表，生产在季度末经常放缓甚至停滞。然而，这种策略意味着下一个季度开始时总是手忙脚乱，团队面临服务水平下降和工厂运营激增。最终，成本更高，服务更差，压力更大。

1.3 哪里出了问题

当一个衡量标准变成一个目标，它就不再是一个好的衡量标准。
古德哈特定律

让我们来结构化地分析过度强调KPI的常见弊端：

视野狭窄（或盲点）。 专注于某个特定KPI可能导致隧道视野：规划师只关注被衡量的内容，而忽视了更广泛的商业机会（或威胁）。过度关注单一KPI很可能会损害整体业务绩效。

示例：你只关注即时满载率，而让一些积压订单开放数月。

请注意，视野狭窄也可能源于仅在特定时间点跟踪指标。
示例：库存水平仅在季度末衡量，因此生产（和供应订单）在此期间总是放缓。

协作减少。 KPI的隧道视野会滋生部门壁垒，阻碍协作。供应链协作的精髓在指标竞赛中丧失。当不同的KPI发生冲突时，这种缺乏合作的情况会恶化：改进一个指标可能会无意中损害由另一个职能部门负责的另一个指标。这些指标是连通器：你可以优化一个指标，但代价是牺牲另一个。对团队施压以实现相互冲突的KPI会造成压力、怨恨和冲突。

示例：库存规划师会争取减少库存并要求频繁、短期的生产运行。生产规划师拒绝，因为他们报告的是运行时间。

与业务目标不符。 一个经典的陷阱是追逐一个不能完美反映供应链实际业务目标的指标。

示例：库存和生产经理被激励达到100%的服务水平。不幸的是，这导致了大量的库存，最终造成了库存过时和浪费。

操纵指标。 个人、团队甚至组织可能会找到方法（并最终选择）操纵指标、篡改数据或钻系统漏洞。这可能完全适得其反，并损害公司的价值。我们将在后续章节《供应链KPI：当激励和奖金变得有害时》中进一步讨论这方面。
缺乏主人翁精神和责任感。 某些指标虽然相关，但可能过于宽泛，无法归因于单个团队。当多个个人或团队对相同的KPI负有共同责任时，所有权变得模糊，导致责任稀释。

示例：考虑跟踪大型企业的整体盈利能力或成本。单个规划师可能不会对这个KPI负有直接的日常责任，尤其是在一个拥有数千名员工的公司中，因为其整体盈利能力超出了他们的直接职责范围。

请注意，这种效应也可能反向发生：一些团队可能由于与自身工作（或与其他团队工作）无关的原因而实现了具有挑战性的目标。

示例：你给库存经理设定了95%的满载率目标。同时，需求规划团队正在启动一项机器学习计划，将预测准确性提高了15%。你现在实现了97%的满载率。

缺乏自主权和控制权。 当团队在没有获得必要工具、控制权和自主权的情况下被迫达到特定目标时，会导致沮丧和无力感。供应链经理应确保团队拥有资源和权限，以有意义地影响他们所负责的KPI。

示例：你让你的库存规划团队负责OTIF（准时足量交付），但他们无法控制预测准确性、生产计划和分销。

示例：2020年初，你给你的需求规划团队设定了70%的预测准确率目标，并制定了奖励计划。由于新冠疫情，他们从未实现过。

此外，如果目标被用来欺压团队和个人（甚至可能在同事面前），他们会尽一切可能展示良好的数字——包括篡改数据和操纵指标。我们将在后续文章中进一步讨论有毒管理。

示例：每周一次，高级管理层会召集所有团队。未能达到目标的个人将被质问，并必须在同事面前提供解释。

虽然KPI和目标是无价的，但它们并非没有陷阱和风险。追求不当的KPI很可能会适得其反，带来意想不到的后果。现在让我们讨论避免我们强调的缺点的最佳实践。

1.4 如何定义供应链管理KPI：选择正确的指标集

跟踪KPI对于供应链管理至关重要。然而，追逐错误的指标可能会导致意想不到的后果。幸运的是，供应链领导者有两个主要杠杆来正确设置KPI：

KPI的特异性与广度。 KPI应该具体还是全面？
KPI的数量。 你为每个团队选择多少个KPI？

KPI：特异性与广度
KPI可以绘制在从具体到整体的连续光谱上。

具体与整体KPI

具体KPI提供精确、可操作的洞察。它们明确的性质使得建立清晰的所有权变得简单，使团队能够控制指标并对结果负责。然而，正如第一节所讨论的，过度强调过于具体的指标可能导致视野狭窄、协作减少和与业务目标不符。

示例：管理层仅根据M+2来审查需求规划团队的预测准确性。需求规划师可能会因此忽略丰富M+1和M+3的预测。

宽泛（整体）KPI，如盈利能力或总成本，更符合总体业务目标。然而，它们广泛的性质会稀释个人责任、问责制和所有权。

示例：规划师可能难以感受到与改进一个拥有数千名员工的公司的整体盈利能力的直接联系和责任。

在具体KPI和整体KPI之间找到正确的平衡至关重要。虽然更具体的KPI可能导致隧道视野和孤立操作，但过于宽泛的KPI可能导致缺乏责任和团队方向不明。

将KPI与角色对齐
运营规划师受益于与战术执行相关的指标，而高级管理层和高管则更适合整体指标。自上而下的方法确保了这种对齐，因为高层目标会层层下达到组织中。这有助于员工理解他们的个人努力如何有助于实现更广泛的战略目标，从而更清晰地理解他们在更大使命中的作用。

通过这种深思熟虑的层层分解过程，战略领导者可以监控整体KPI，而运营团队则专注于他们直接负责的任务。通过这种方式，个人KPI成为实现集体组织目标的基础要素。

正确数量的KPI
引入多样化的具体KPI可以缓解具体性的一些缺点（更多的指标使得更难陷入视野狭窄、阻碍协作、操纵指标，并整体上与业务目标不符），同时提供出色的控制和问责制。

在引入多个KPI时，选择相互平衡和互补的指标。理想情况下，同一个团队应该对完整的相关KPI集负责——否则你可能会面临冲突。例如，平衡服务指标与库存指标可能会在客户服务和库存规划师之间引发冲突。更好的方法是将库存水平指标（如周转率）与库存百分比等互补指标结合起来，这加强了库存规划团队内部的责任。关键点是：

具体的KPI应该相互平衡/互补。
当一个团队拥有完整的相关KPI集时，问责制效果最佳。
跨团队的平衡可能导致问题。

然而，你不应该通过选择过多的指标来过度推动这一点。这可能导致混乱、缺乏重点，并使优先级排序变得困难。（请记住，它被称为关键绩效指标。）

示例：管理层现在通过查看滞后+1到+6的预测增值来审查需求规划团队。这是一个公平且可操作的KPI：每个区域都根据其增值能力（而非绝对准确性）进行评估，并且可操作，因为规划师知道如何提高这些滞后的准确性。

1.5 背景和管理至关重要

除了选择正确的指标之外，如何向团队引入KPI以及如何管理他们的进展（和失败）也至关重要。

目的与对齐。 目标应在个人、职能和公司层面保持一致。目标不匹配会产生冲突。将每个目标与总体战略联系起来，以便人们理解其更广泛的影响。
自主权、控制和精通。 确保团队感到有能力影响他们所衡量的流程和结果。提供必要的资源、工具和培训，以灌输对其职责的权威感、控制感和熟练感。无法实现的目标会滋生挫败感。
有毒管理。 不要将KPI用作惩罚工具。公开羞辱的有毒管理方式会引发焦虑和不道德行为。相反，应建设性地指导、辅导和带领团队前进。关注进步和成长——而不是指责失败。

在适当的背景和管理下，团队会将KPI视为公平的评估，而非武器。KPI是管理绩效的关键工具，但它们不能替代人员管理。与团队的互动以及基于事实和数据的讨论，体现了对团队成员及其工作的尊重和认可。

1.6 KPI设定的最佳平衡点

虽然KPI是无价的导航工具，但它们需要在特异性与广度之间以及数量多寡之间进行仔细的选择和平衡。

在实施新的KPI时，明智的做法是问自己：“这个指标可能无意中激励哪些行为，以及可能导致哪些潜在的负面后果？”给你的规划师一个具体的KPI很可能会导致多个弊端（视野狭窄、协作减少和与业务目标不符）。同样，使用整体指标管理规划师很可能会导致缺乏主人翁精神、控制权和责任感。

相反，我们建议选择几个具体的KPI，因为：

特异性有助于问责和可操作性。
选择多个指标可以限制与使用过于具体的指标相关的大多数风险。

在我们的下一篇《供应链KPI：当激励和奖金变得有害时》中，我们将讨论在KPI定义后如何管理和激励团队。

2 供应链KPI：当激励和奖金变得有害时

出自：How to set Forecasting Accuracy Targets

2.1 前言

追踪关键绩效指标（KPI）对于管理供应链至关重要，但如果根据指标来激励个人，可能会适得其反。本文将通过历史案例和供应链案例，说明激励措施如何导致积极性降低、不道德行为，甚至加剧了它们旨在解决的问题。我们建议平衡内在和外在激励因素，谨慎实施奖励，并避免惩罚。遵循最佳实践，以优化绩效，而非仅仅优化指标。
正如我们所说，使用KPI对于管理供应链至关重要。但如果选择不当，它们也会带来陷阱。过度具体的KPI可能导致视野狭窄、协作减少以及与业务目标不符。相反，整体性KPI（如全球收入或成本）会稀释责任，同时在指导日常个人决策方面表现不佳。我们通过建议为每个团队分配几个KPI来应对使用具体KPI的风险，从而结束了那篇文章。

本文从“如何选择KPI”转向“如何通过KPI管理团队”，探讨了过度强调目标和奖励可能带来的意想不到的后果——以及如何避免这些后果
第一部分阐述了激励如何影响动机和创造力。
第二部分展示了有时激励措施如何讽刺性地加剧了它们旨在解决的问题。
我们将通过多个团队成员操纵数据和指标以获取奖金的第一手案例来说明这一点。在第三部分结束时，我们将为您提供使用目标和激励来有效监督供应链和领导团队的最佳实践。

2.2 外在动机与内在动机

在尝试激励团队时，管理者通常会诉诸于激励和奖励——外在动机。但人类也拥有源于内心的内在动机。理解两者的区别对于提升绩效至关重要：

内在动机源于热情、兴趣和价值观。它们包括学习新事物的乐趣、掌握技能的动力或使命感。内在动机下，活动本身就是一种奖励。
外在动机则来自外部因素，如金钱、奖品或避免惩罚。它们可以提供外部压力，促使我们完成那些我们可能不觉得本身有趣或有吸引力的任务。

内在动机和外在动机都有其作用，但过度强调外在奖励可能会损害内在乐趣。

2.3 供应链中的内在动机与外在动机

内在动机（如目的、精通或自主性）和外在动机（激励或晋升）都根据具体情境发挥作用。内在动机驱动热情，但可能无法提供完成紧急任务所需的冲劲。外在激励可以驱动行动，但如果过度强调，可能会损害创造力和长期热情。

关键在于促进内在动机，并仅在不足时才使用外在动机。如果过于依赖奖金等外在奖励，你可能会面临短期思维、不道德行为、规避风险和积极性下降的风险——我们将在下一节中讨论其中一些。然而，忽视外在动机可能会让你在面对那些不那么光鲜但却必不可少的工作时缺乏激励。我们将在接下来的章节中讨论设定激励的最佳实践。

努力通过工作设计来激发内在动机，允许自主性、控制权和精通。换句话说，确保技能发展和主人翁精神。避免有毒的管理实践（如施压要求达到特定数字、指责心态），并促进讨论，引导团队成员反思他们的表现并随着时间的推移取得进一步的进步。

2.4 负面事件：为了获取奖励而操纵指标

多年来，我收集了许多关于个人或整个团队如何为了获取奖励而操纵指标的类似故事。以下是一些例子。

需求计划。 在一次演示中，一家世界知名的咨询公司向我们的共同客户（一家国际制造商）的高管团队展示了其预测模型令人印象深刻的准确性。然而，一个小小的脚注引起了我的注意：他们排除了数据中“表现最差的5% SKU”。深入挖掘后，我发现他们的高准确性仅在用于评估的三个特定月份中保持一致。这家咨询公司签署了一份基于绩效的合同：他们的报酬与报告的准确性挂钩。交付成果的压力如此之大，以至于他们想出了多种方法来显示人为的高准确性。（经过六个月的谈判，他们成功地做到了，并收取了六位数的费用。）
库存管理。 管理层给库存规划师设定了严格的98%库存充足率目标。那些未能达到98%库存充足率的人被要求解释库存水平低的原因并详细说明其纠正措施。因此，一些规划师找到了一个变通办法：在库存报告运行的前一天，他们会将大多数缺货商品标记为非活跃状态。
库存管理。 为了评估预测准确性，一家公司的管理团队会在特定时间点冻结预测，以跟踪和审查准确性。规划师实现的准确性被用来决定年终奖金。整体实现的服务水平也被纳入奖金考量，但不幸的是，库存管理做得不好：库存天数是根据去年的平均值确定的。为了确保库存可用性，当地分公司的高级需求规划师通过例行地将预测增加20%来操纵预测。但仅在预测冻结以供评估的那一天之后。这种操作是一种巧妙的方式，确保他达到了准确性目标，同时在固定库存目标的情况下获得了更多的供应。年底时，他将获得服务水平和预测准确性的奖金。

从殖民时期的印度和河内街头到现代企业董事会，（考虑不周的）奖励体系的危险显而易见。无论是饲养更多的眼镜蛇还是操纵数据，其根本教训是明确的：激励措施可能导致意想不到且往往有害的结果。鉴于这些教训，让我们探讨如何使用目标来管理团队，同时避免激励用户钻系统漏洞。

2.5 设定目标的注意事项

当一个衡量标准变成一个目标，它就不再是一个好的衡量标准。
古德哈特定律

KPI和指标是无价的工具，但像任何工具一样，它们也可能被过度使用：旨在通过奖励或激励来提高绩效的善意努力可能会适得其反。特别是当这些KPI过于具体或不充分时。

当这些数字从单纯的指标转变为奖励或惩罚的标准时，问题就出现了：员工可能会钻系统漏洞（眼镜蛇效应），失去积极性和创造力（内在动机降低），进行短视的局部优化，或为了达到目标而做出可疑的权衡。

请记住：

奖励团队成员达到特定目标会激励他们对此短视。
惩罚团队成员未达到目标会产生更强——但也更有毒——的激励，因为损失厌恶是一种常见的认知偏差（人类倾向于避免损失而非寻求同等收益）。
有毒管理（通过恐吓、欺凌或羞辱迫使员工达到目标）给员工施加的压力堪比严厉的惩罚。有毒管理很可能导致更多团队成员操纵指标、破坏数据或追求极其狭窄的重点（以及其他负面后果）。

简而言之，激励之于目标，就像财务杠杆之于投资。（杠杆是指利用债务或借入资本来增加投资回报。）杠杆带来更大的回报和风险：如果你不确定一项金融资产的质量和预期增长，你不会想对其进行杠杆操作。同样，激励可以推动你的团队所交付的业务价值，但前提是指标经过仔细选择。如果指标不充分（例如，因为它们过于具体），你将面临陷阱：最好的情况是短视行为，缺乏业务价值，或者更糟的是，眼镜蛇效应。

只有在你确定了一套稳健健康的KPI后，你才应该使用激励或奖金——这个过程可能需要数年时间。过早地根据指标激励个人可能会放大问题行为，如狭隘的焦点或不道德的做法。这种风险类似于在资产稳定性不足的情况下承担过多的财务杠杆。然而，一旦建立了一套与组织价值观相符的稳健、可靠的KPI，基于这些指标的奖金就可以激励团队。即便如此，即使是成熟的KPI，也要谨慎行事。如果指标随着时间的推移变得过于短视，推动团队实现特定目标可能会适得其反。如果你想了解更多关于选择正确KPI的信息，我们在文章《如何选择供应链KPI》中讨论了最佳实践。

2.6 设定的KPI奖励公平吗？

许多目标的实现或未实现是由于与团队工作质量无关的外部因素造成的。以下是一些例子：

你的库存规划团队本月可能由于异常准确的预测而实现了97%的满足率。
你的需求规划可能因为新冠疫情未能实现60%的预测准确率。

奖励那些幸运的团队（或因他人的工作而受益）或因为外部事件不给团队奖金，这将被视为不公平。而人类对（不）公平的感知极其敏感。

总而言之，尽管KPI和指标对于管理供应链至关重要，但必须审慎使用。这应分两个主要步骤进行。

首先，选择适当的KPI来监控流程的效率和效益。我们在上一篇文章《如何选择供应链KPI》中讨论了这一点。
指标应主要用于讨论、跟踪、思考和改进。
应避免或非常谨慎地使用KPI来奖励或激励团队。只有在指标被确认为健康后才能这样做。
目标和KPI不应被用来惩罚团队成员。

3 如何设定需求预测的准确率KPI

出自文章：How to set Forecasting Accuracy Targets

3.1 概述

供应链领导者应如何设定预测准确性目标？本文将首先回顾三种设定目标的技术（行业基准、需求变异性和统计基准）。然后，我将讨论为什么预测增值思维比绝对准确性目标更稳健、更公平——实际上，我并不建议使用准确性目标。最后，我们将评估预测引擎和流程能带来多少增值。

您的需求计划团队的预测应该有多准确？ 这个问题至关重要，很可能会让供应链经理们深思。即使预测准确性仅提高10%，也能带来巨大的业务效益。准确的预测至关重要。

供应链经理希望设定预测准确性（和偏差）目标，主要出于两个原因：

驱动团队绩效。设定清晰、可实现的目标有助于激励和指导规划人员持续改进。（然而，请注意，设定硬性激励以达到准确性目标可能会适得其反。）
衡量可实现准确性。了解实际可达到的预测质量，有助于更有效地选择和规划改进项目。

然而，挑战在于如何适当设定这些目标。许多销售与运营计划（S&OP）经理默认使用历史数据或行业基准来设定这些目标。正如我们将在以下章节中讨论的，这些方法不仅过时，而且可能具有误导性。事实上，销售可预测性因产品、渠道和地理区域而异，因此一刀切的方法是无效的。1

3.2 为什么评估可预测性很困难

可预测性因产品、市场和销售渠道而异。有几个因素会影响可预测性：

市场条件。随着市场条件的变化，可预测性也会随之变化。2020年预测销售对每个人来说都带来了独特的挑战。同样，当主要竞争对手即将推出新产品线并辅以大量营销活动时，预测销售的复杂性可想而知。
产品生命周期。预测新产品发布具有挑战性，并且会让大多数统计模型束手无策。
欲深入了解，请参阅这篇新品预测的综合指南。
业务驱动因素。促销、价格变动和短缺会使销售模式更加波动（阻碍预期的预测准确性）。
间歇性。低销量商品难以预测，特别是当它们表现出需求间歇性时。

现在我们了解了为什么每个产品的可预测性不同且随时间变化，接下来我们来回顾评估它的技术。

3.3 评估可预测性的好方法与差方法

如果可预测性因SKU而异且会发生变化，那么您如何设定切合实际的准确性目标？

许多S&OP经理默认使用行业基准（由各种外部组织销售）或跟踪需求变异性（或需求变异系数，COV）。然而，这些方法存在显著的缺点。让我们深入探讨原因。

行业基准。这些基准不可靠，原因如下：

行业基准通常依赖于不一致或有缺陷的关键绩效指标（KPI）——例如[MAPE]。
不同的公司在不同的市场运营，拥有独特的产品和分销策略，这使得直接比较不适用。
这些基准通常在不同的数据聚合级别或预测期内衡量准确性。

需求变异性（COV）。这是另一个具有误导性的指标。COV不是一种预测技术，也未能考虑趋势和季节性。不幸的是，许多软件供应商和顾问仍然使用并推荐这种过时且不适用的指标。
此外，请注意，使用COV将产品划分为ABC XYZ类别也是不可取的。

相反，存在一种更有效、更直接的方法：使用移动平均线。
正如下一节所讨论的，这种方法可以帮助您了解固有的需求变异性，并为设定预测目标提供更可靠的基础。

3.4 采用预测增值 (FVA)

可参考：SupChains技术团队回答：模型准确率提高 10%，业务可以节省多少钱？（二）

在确定了如何评估每个SKU的可预测性（通过使用移动平均线作为基准）之后，下一步是将重点从预测准确性目标转向预测增值（FVA）目标。让我们通过一个简单的例子来分解这两种方法的区别：

预测准确性目标。如果您为所有市场设定70%的预测准确性目标，一些规划人员可能很容易达到这个目标（得益于稳定的市场条件）。然而，其他人可能会很吃力，因为他们必须在波动的环境中预测需求。简而言之，统一的准确性目标是不公平的。
预测增值目标。相反，可以要求您的团队比预测基线（由您的预测引擎生成）的预测准确性提高10%。这种方法使竞争环境公平化，使目标更具普遍适用性。（尽管如此，有些市场比其他市场更容易实现增值——我们将在下一节进一步讨论这一点。）

关键在于从仅仅在需求计划周期结束时评估预测准确性，转变为通过衡量预测过程的每个阶段为整体准确性增加的价值来监控FVA。在我的培训课程中，我总是强调实施FVA应该是所有S&OP领导者的首要任务。

如果您正在使用统计模型或机器学习等预测工具，那么不仅要衡量您的团队增加的价值，还要衡量您的模型与统计基准（移动平均线）相比所提供的额外准确性，这一点至关重要。我曾与许多供应链经理交流过，他们在听取我的建议后发现他们的预测工具并没有超越简单的移动平均线。对他们来说，是时候做出改变了。

3.5 一些基准指标参考

很明显，重点应该放在增值而不是仅仅原始准确性上。这种方法允许您为团队设定更实际、更公平、更可实现的目标。公平性是设定适当目标的关键要素。

您应该以何种程度的增值为目标？以下是一些通用基准：

模型。根据我们的经验，高级预测模型通常可以比移动平均线高出20%到40%，具体取决于各种因素。让我们快速回顾一下将影响您对预测引擎增值期望的主要因素。
1. 机器学习。正确实施的机器学习模型可以将预测误差比移动平均线降低10%到20%——即使没有任何额外信息。
2. 季节性。在处理季节性模式时，预计误差可减少10%。移动平均线通常无法很好地捕捉季节性，因此您的模型应该提供显著的优势。
3. 促销。如果您的业务严重依赖促销活动，并且您将其纳入预测引擎，预计会额外提升5%到10%。
4. 定价。价格变化与促销类似，但影响通常较小。价格调整可以使预测误差减少1%到5%。
5. 缺货。从数据集中删除历史短缺数据可以再提高1%到10%。
规划人员。根据我们的经验，遵循[最佳实践]的熟练规划人员通常可以将预测误差减少5%到15%。您对规划人员增值的期望应基于不同因素：
1. 您的预测引擎有多复杂。丰富由简单模型做出的预测可能很容易，但您将很难在结合了定价、促销、营销和近期短缺等独立变量的机器学习模型上增加价值。
2. 当地业务环境。在某些市场，由于当地信息和需求动态，您的规划人员可能更容易实现增值。例如，他们可能从您的客户那里获得信息——这使得他们更容易丰富基线预测。另一方面，招标驱动的市场可能更难预测。