采购帮商学院

如何提高判断的一致性,提高判断质量

发表时间:2022-05-27 16:59

众多研究表明,对重复性的常规决策,依据决策标准,简单模型的预测准确度高过人工判断。不管是做需求预测,还是医疗诊断,大学录取,都是如此。

比如同样的预测者,同样的产品,同样的环境,每次的预测都可能不一样。没有别的原因,根源就是人做判断时的不一致性:每次决策,人总是想调整些什么,否则觉得就跟没有增加价值似的。有个专门的名词,叫“虚幻的控制感”,就是用来描述人的这种心理。做了点什么,让你心里感觉更踏实;但因为每次的决策标准都有不同,决策的一致性就成了问题。

对于这种不一致性,我们可以考虑把预测拆分为两部分,有重复性的(存量)交给数据模型,没有重复性的(增量)拆分出来让判断。这样对于存量部分,就根本不让人来碰:如果预测模型都从数据中找不出规律的话,让人从数据里面看出则纯属徒劳。拆分以后,即便判断有不一致性,也只影响增量部分。试想想,存量是100,增量是20个,都让判断的话,误差10%就相当于12个;但如果只判断增量的话,误差就变成了2个,对整体的影响显著更小。

对于增量部分,我们要尽可能地借助统一的标准和决策流程,采取更加结构化的方式来应对。前面讲过的德尔菲专家判断法,从定义问题到组建专家团队、提供背景信息、循环判断等,就是这样的流程。再比如在定期的S&OP会议上,让各职能单列增量,加上基准预测,得到最终预测,也是结构化的做法。

此外,还有一系列的方法,也可以提高判断的质量:

  • 在“从数据开始”上,人脑算不过电脑,不要调整数理统计的结果。如果数据有问题,直接调整数据,比如清除一次性需求,清洗短缺、过剩造成的需求异动等。

  • 只做大的调整。制定严格的调整规则,什么能调整,什么不能,也有助于避免为了调整而调整(虚幻的控制感)。人工做的小调整往往让准确度更低,做还不如不做[1]。

  • 调整百分比,而不是数量。百分比更加符合一般人的直觉。比如问某产品的销量可能增加多少,与问可能增长的百分比,后者一般更加容易判断。

  • 避免过于乐观——研究表明,悲观的调整更准确,所以尽量不要拔高基准预测[2]。

  • 采用费米估算法,把大的问题层层分解然后适当估算,即便在微小要素上误差较大,也不会显著影响整体的判断质量。百度一下“芝加哥有多少钢琴调音师”就知道了。

  • 聚焦背后的故事和假设,而不是数字。甚至让一线业务人员讲故事,由计划人员来量化(做判断)。这就相当于孩子放学回家,妈妈问饿还是不饿,很饿还是很不饿,而不是孩子究竟要吃几碗饭。

  • 大的调整,以书面形式记录下来。一方面,这促使调整者更加认真对待;另一方面,这有利于后续闭环分析。管理层的主要调整,让他们签字确认——他们往往远离需求预测,调整的准确度不一定高。

  • 形成闭环,反馈学习、改善。结果出来后,对比预测和实际值,反馈给判断者。比如哪些假设实现了,哪些没有;哪些估计准确,哪些不准确。判断能力是可以培养的。向失败学习:失败的例子让大家变得更聪明。

作者:刘宝红   来源:供应链管理专栏