【文沥连载3】利用供应链业务可预测性数据进行风险管理

时间: 2017-06-19 09:19:52 来源:   网友评论 0
  • 前言:先前供应链金融设计大法的连载中曾提及,供应链金融的本质是资产方通过资金资源优化企业供应链的运作效能,同时,资金方在确保风险可控的前提下取得一定的金融收益。

前言:先前供应链金融设计大法的连载中曾提及,供应链金融的本质是资产方通过资金资源优化企业供应链的运作效能,同时,资金方在确保风险可控的前提下取得一定的金融收益。

其中,从贸易流和物流特点入手涉及结构设计和权责定义,通过信息流升级涉及在线化和数据化,最终以资金流优化供应链涉及现金管理和资金引入。本文将着重探讨关于“数据化”的部分。


供应链和供应链金融的趋势都是数据驱动,也是供应链业务数据从采集、交换、经过清洗、汇总(脱敏),到分析、建模的完整加值过程。


图片1.png


数据采集和交换是基础,包含通过数据库、加速器、文档、爬虫等方式自ERP、WMS、采购门户、订购门户、对账、预测、返利等系统,取得核心企业和上下游的业务交互信息,并利用AS2、HTTPS、FTPS等加密协议将数据由互联网安全地传送到数据中心。


清洗和汇总是初步加值,例如经销商销售核心企业的产品时,经销商和核心企业提供出来的产品编码、门店编码、计量单位等主数据势必会存在差异,以致无法判别其实是同一个产品、门店或包装,通过人工加机器的匹配,可以将各经销商的数据清洗为符合核心企业要求的格式和统一视图。清洗过的数据简单汇总即可供核心企业业务决策参考,如果提供给金融机构作为供应链金融使用,通常需要利用按固定的时间周期(例如每月)、按下级渠道客户等条件汇总,以将价格等敏感数据脱敏。


分析和建模则是高级加值,分析是指将清洗或汇总后的数据,依照品类、区域、时间等维度进行检视,形成有决策价值的观点。对供应链金融而言则可进一步延伸至差异比较和预警,例如当销售金额环比下滑超过30%时,相关信息即推送给客户经理,并将贷款的经销商列入重点监控对象,采取实地观察等方式及时掌握企业业务衰退的实际情况。


建模的第一种用法是预测,例如利用过去三年的历史销售金额合理预估今年的潜在销售金额,再结合企业成长目标以最终形成年度销售计划。业务数据的可预测性一方面可以协助推断业务是否在正常运作的轨道上,另一方面则可看出企业对承诺达成目标的重视程度和目标实践达成的状况。


供应链业务数据的预测,大部分属于时间序列预测的范畴,最常使用的是简单移动平均和指数平滑,再加上季节指数调整。之所以必须考量季节指数,有供给、需求、节假日、促销等几种原因。供给面的原因更多的发生在农林渔牧等初级产品,例如春天盛产草苺、羔羊秋天集中出栏等;需求面的原因,则受到自然环境、市场节奏等影响,例如夏天需求空调、蚊香,冬天需求羽绒服等,高科技电子业有“五(月)穷六(月)绝“这种需求淡季的说法;节假日原因比较容易理解,例如农历春节、暑假、十一长假、圣诞节、复活节、母亲节、端午节、中秋节、情人节等,特定的产品会迎来销售高峰,但部分节日在公历上不是固定日期,往往会造成预测上的偏差;最后,促销活动也会造成供需的波动,大到著名的电商双十一促销,小到简单的便利店买一送一活动,同时也会增加预测的困难度和季节指数调整的必要。


以年度销售金额的预测为例,我们先将历史销售数据按周和月整理,利用之前五周已经发生的实际销售金额的平均,推算本周的预计销售金额。使用五周或其他时间周期则必须参考企业的库存周转天数。接着以过去3年的月均销售金额计算季节指数(月),从季节指数可以看出所谓“大小月”,即哪些月份销售畅旺、哪些月份销售平平。最后把周预测销售金额乘上季节指数(月),可得到经季节指数调整的销售金额预估。以上是年度计划时的做法,每周结算实际销售金额时也需要更新数据,这样可确保预测的销售金额有更高的可参考性。


图片2.png


建模的第二种用法是则是综合各种具有统计相关性的指标、设定指标的计分原则,并给予指标合适权重的过程,例如行业毛利率是10%,当企业毛利率介于10%~12%可得70分,又假设毛利率的权重为8%,则企业毛利率指标对总得分的贡献为5.6分。据此可以量化计算出贷款主体的业务健康度、还款能力、数据可信度等风控评分或评级。


图片3.png


现今已是消费者和终端需求驱动供应链的时代,企业不再能以产定销,而要反向以销定产,近年来文沥重视供应链业务可预测性数据,同时偕同“产业共同商务标准协会(VICS)”共同推动大消费品行业“协同计划、预测、补货(CPFR)”商业流程标准和技术平台, 促使核心企业和供应链伙伴能因一致性同步规划而降低供需差异,并因供应链效率与效益的提升而创造零供双赢局面。


在文沥和金融机构共同推动的供应链金融中,供应链业务可预测性数据也扮演了重要角色,例如利用周销售金额与预测偏差,确保经销商每周销售金额落在模型预估的合理区间中,作为贷前准入和贷后风控的重要指标;又例如利用年度采购计划和实际达成率,掌握经销商业务实绩和业绩不达标风险。在此政府发力供给侧结构性改革,从提高供给质量出发、提升对需求变化的适应性和灵活性之际,可预测性数据绝对是供应链和供应链金融业务中,必须直面和积极管理的课题。


关于作者:王志修(Woody Wang)现任上海文沥信息技术有限公司(WelinkData)高级咨询总监,自台湾大学商学研究所毕业后,十余年来持续于两岸三地推展「需求驱动供应链大数据」理念,累积逾百个高科技、消费品、家电等行业商业模式创新、数据信用融资服务、供应链电子数据互联互通、智能预测补货和精准营销大数据分析等项目实战经验。著有「i标准:揭密RosettaNet应用实务」一书。


[收藏] [打印] [关闭] [返回顶部]


分享到:
  •  验证码:
热点文章
中国贸易金融网,最大最专业的中文贸易金融平台