预测增值：管理业务预测流程的关键

业务主管希望他们的流程有效、高效且没有浪费。他们不想将公司的时间和资源浪费在对客户或他们自己的底线没有好处的活动上。那么当涉及到业务预测过程时，他们如何区分好的和坏的表现呢？他们如何知道通过使预测更准确，从而为客户提供更好的服务并赚取更多收入，所做的努力正在“增加价值”？

业务预测可能是公司资源的重要消费者。可能会有预测软件来授权、安装和维护，预测分析师可以雇佣和培训来生成预测。也很常见的是，销售、营销、财务、运营或其他地方的利益相关者会审查和调整预测，这是一个精心设计的共识或协作过程。还可以进行最终的执行审查和签字，总经理或首席执行官可以在“批准”预测之前进行最终调整。

所有这些都是高成本的管理时间。我们倾向于假设这些额外的审查、输入和调整使预测更好。但现实是，每个人的接触点只是偏见、政治和个人议程会对预测准确性产生负面影响的另一个地方。不幸的是，我们传统的预测指标本身无法告诉我们这一点。

传统的预测性能指标，例如平均绝对百分比误差 (MAPE)，会告诉您预测误差的大小。但是 MAPE 没有告诉您错误应该是什么 - 您可以期望做的最好的事情是什么？而 MAPE 没有告诉您您在实现预测准确度水平方面的效率如何。传统指标本身不足以正确评估和管理预测过程性能。

预测增加值 (FVA) 是一种已获得广泛行业采用的预测性能指标。FVA 被定义为“可归因于预测过程中特定步骤或参与者的绩效指标的变化”。FVA 适用于您使用的任何传统指标（通常是 MAPE、平均绝对偏差、偏差等）。FVA 担心由于预测过程中的某些活动而导致的指标变化。考虑一个简单预测过程的例子：

销售历史→预测模型→统计预测→分析师覆盖→最终预测
在这个过程中，历史销售信息被读入预测软件，该软件对历史进行建模并生成我们所说的“统计预测”（即软件生成的预测）。此时，预测分析师可以查看和调整统计预测，从而得出最终预测。

FVA 分析是基本科学方法在业务预测过程中的应用。就像对新药的评估一样，它涉及将治疗（例如，新药或统计预测）与安慰剂进行比较。如果服用新药的患者比服用安慰剂的患者表现更好，我们可能会得出结论，该药通过帮助治愈他们的病痛来“增加价值”。类似地，如果统计预测比“朴素预测”（如下所述）更准确，那么我们可以得出结论，我们的软件和建模工作通过使预测更好来“增加价值”。

朴素的预测是计算简单的事情，需要最少的努力，并且在 FVA 分析中充当“安慰剂”。例如，使用上个月的实际销售额作为本月销售额的预测。可以在几乎没有组织成本的情况下生成这样的预测。那么，如果我们的资源消耗预测过程没有比朴素预测表现得更好，那又何必呢？只需使用朴素的预测并释放这些资源来做更有成效的活动（或只是消除那些已用于预测的资源）。

在进行 FVA 分析时，我们对预测过程中的每个连续步骤进行这种比较。在上面的流程示例中，我们将统计预测与朴素预测进行比较，并将分析师覆盖的最终预测与统计预测进行比较。例如，我们可能会发现统计预测比朴素预测更好（鉴于我们在预测软件上花费了多少，我们当然应该希望找到这一点！），但分析师的覆盖只会让情况变得更糟。

FVA 是一种采用“精益”方法进行业务管理的工具。FVA 允许组织识别浪费——那些未能改善预测甚至可能使预测变得更糟的流程步骤。通过从预测过程中消除非增值步骤或参与者，可以将这些资源重新定向到更具生产力的活动中。通过消除那些实际上会使预测变得更糟的步骤，您无需额外投资即可获得更好的预测。