CMA需求预测对从业者的影响

文章来源：CMA官方订阅号

发布时间：2021-09-28 11:37

阅读：962次

需求预测对从业者的影响

我们的研究结果表明，分解预测可以成为提升预测准确率的有效工具，但运用这一工具需要考虑一些因素。举例来说，如果在一个分解流程中添加过多的步骤而导致任务更加复杂，这样的分解实际上是在增加认知负荷，很可能会降低判断质量。相反，分解一项相对简单的任务所带来的价值远不及其所造成的麻烦。任务越是复杂，分解预测带来的好处也会越大（见“有效运用需求预测分解”）。

微信图片_20210928113436.jpg

很显然，实现准确预测需求是一道复杂的难题，需要多管齐下。分解预测可以也确实应该与其他改进举措结合使用，来降低预测误差。例如，许多组织在利用大数据革命所带来的信息量、信息种类和信息速率，虽然大数据已整合到复杂的具备超强处理能力的预测分析模型中，但即便是复杂的分析模型也带有一些缺陷。

接入并整合大数据成本不菲，更重要的是，这些模型在偶然事件或条件快速变化的情况下的预测准确率很低，谷歌在预测流感走势时所犯的错误就是很好的例证（bit.ly/2OdUOeR）。在获得预测准确率高、速度快且无需人为判断的称赞后，这个被称为“谷歌流感趋势”（GFT）的模型在2013年流感季的预测中大失水准，误差比率最高达140%。

人为因素【点击免费下载>>>更多CMA学习相关资料】

调查谷歌GFT失败原因的研究人员发现，GFT容易对有限的数据集进行过度拟合，且在随时纳入用户搜索行为变化方面反应过慢。在这个案例以及许多其他类似案例中，在新出现的或偶然事件中加入人为判断，能够提升整体决策的质量。在大数据时代，决策者通常要面对海量信息，而分解预测可以帮助减轻决策者的认知负荷，帮助个人聚焦于与预测最相关的事情。

提高需求预测准确性的另一个方法，是推出相关激励机制。实验研究已然表明，惩罚机会主义乐观预测误差的激励措施能够减少有意的偏见（见Lisa M.Scheel、Ulrich W.Thoneman和Marco Slikker合著的“Designing Incentive Systems for Truthful Forecast Information Sharing Within a Firm”一文，Management Science，2018年8月刊）。但是这些类型的激励机制在实践中都不常见，可能是因为许多组织担心销售经理将更多的工作放在预测准确性上，而牺牲创收。

在考虑这些研究成果的同时，我们发现了一种能够克服这些挑战的可行方法，即决策者之间的反复互动会引发人们对谎言的更大反感，而这可以显著降低预测误差，甚至于不需要金钱上的激励。将分解需求预测系统与要求决策者集体定期审查分解预测的治理机制相结合，可以进一步提高预测中的诚实度、减少有意的偏见。

此外，许多组织试图缩短生产交付周期，尽可能降低不可避免的预测误差的影响。这些工作既耗时又复杂，通常是组织内的跨部门项目。运用分解需求预测系统中的数据，可以帮助确定哪些类型的事件和产品将会从交付时间缩短中最大受益。最终，身处组织规划流程核心的财务和会计人员，将能够把需求预测分解作为一个实用的需求预测工具，改善内部决策并协调各部门间的利益。

Alexander Brüggen，博士，马斯特里赫特大学管理会计教授。

Ewelina Forker，埃默里大学会计系博士研究生。

Isabella Grabner，博士，维也纳经济大学战略与管理会计教授。

Karen Sedatole，博士，埃默里大学John H.Harland临时主任、Goizueta Advisory Board聘用教授。