分析與數據科學利用不確定性建模，更準確地預測需求
利用不確定性建模，更準確地預測需求
Using Uncertainty Modeling to Better Predict Demand
想像一下：某顧客A每三週下一次單，每次需要的貨品數量都不同，而且要立即交貨。為了降低風險，你調出最近五個月來A的購買數據，分析後發現，A每個月平均購買2,100件產品，所以你打算按這個結論準備庫存……如果你覺得這麼做是對的，就要小心了，因為真實的情況是：A每次下單，都會在前一次的基礎上固定再加500件，亦即A下一次極有可能會需要3,500件產品。類似這樣的狀況，對於所有的製造業來說幾乎天天上演，該如何解決？
新冠肺炎疫情在全球引發大規模的供應鏈中斷情況︰晶片短缺正迫使汽車和醫療設備製造商減產，而蘇伊士運河（Suez Canal）的堵塞和海運貨櫃的缺乏，導致交貨的前置時間（lead time）大幅拉長，而且運輸價格飆漲。一些管理實務如「及時生產」（ just-in-time manufacturing）等，加重了前述的效應；這類管理實務的目標，是要減少營運作業當中的冗餘（redundancy），而隨著冗餘消除，企業供應鏈過去具有的安全緩衝能力也消失了。
當然，企業都了解消除供應鏈中的緩衝會帶來什麼風險，因此他們擴大投資於精密複雜的數據分析。他們的想法是，理論上，如果能夠更清楚地了解供應鏈中的瓶頸，公司就可以在冗餘較少的情況下營運，而不會招致額外的風險。但供應鏈的中斷仍然持續發生。
我們對於製藥和快速消費品（fast-moving consumer goods）等多個產業的研究顯示，供應鏈持續中斷的原因，比較不在於供應鏈軟體的缺點，而更加是因為執行面的問題。首先，經理人往往在部門單位內進行分析。銷售團隊和行銷團隊可以提供重要的見解和數據，但營運決策主管常常沒有徵詢他們的意見。
此外，分析法解決方案只...
