概念地圖・預測誤差拆解
作者 山姆（謝冠生）・喵喵書評創辦人
發布
分類：管理
這一頁不只是把一個概念解釋一遍——一張自己畫的結構圖，加上拿台灣情境從頭走一次的實例演練、這個框架什麼時候會騙你，以及它接回 P.A.I.N. 之後長什麼樣。一頁必須交付的三層 →
預測誤差拆解：一個平均誤差裡，藏著修得掉的一半
白色學生襪堆到第三個月，倉管開始把它們往走道上疊。財務問預測準不準，計畫人員調出報表：平均每個月差一成二，跟同業比不算糟。可是貨就在那裡。問題不在那個百分比算錯了，而在它把兩種完全不同的錯，壓成了同一個數字——一種是每個月都往同一邊偏，另一種是上下亂跳。前者能修到接近零，後者修不掉、只能用庫存去吸收。分不開這兩塊，就會拿吸收的手段去對付一個本來可以修好的錯。
兩塊錯，各自對應哪一種處方
把圖上的兩塊攤成文字，處方的差別會更清楚。
| 哪一塊 | 圖上長什麼樣 | 怎麼量 | 該用什麼手段治 |
|---|---|---|---|
| 系統性偏誤 | 金色那一段，十二個月一樣高 | 把帶正負號的誤差平均起來，看它離零多遠 | 調模型、修流程、拆掉讓人往上報的誘因 |
| 隨機離散 | 朱紅細條，繞著虛線上下 | 先扣掉偏誤，再平均剩下的絕對差 | 安全庫存、彈性產能、縮短前置期 |
| 兩塊混著看 | 只剩一根「平均差 12.3」的數字 | 平均絕對誤差不帶方向，兩種病算出來一樣大 | 通常會被當成散開處理，於是庫存愈疊愈高 |
最後一列才是這張圖真正要擋的事。平均絕對誤差把每個月的差取絕對值再平均，方向在第一步就被丟掉了——長期高估一成二的預測，和上下各半、平均剛好抵銷的預測，會得到同一個分數。分數一樣，該做的事卻完全相反。
動手修之前，先問這三件事
一、方向：數同號的月份有幾個。不必先算任何統計量，把最近十二個月的「預測減實際」列成一欄，數正號幾個、負號幾個。上圖那組是十一比一。如果預測真的沒有偏向，十二次裡出現十一次以上倒向同一邊的機率不到百分之一——那不是運氣不好，那是有一股力量每個月都在同一個方向推。六比六才是散開的長相。自問：我最近十二個月的誤差，是集體往同一邊倒，還是各倒各的？
二、量級：把兩塊分開量，再看誰比較大。帶正負號平均一次，得到偏誤；把偏誤從每個月扣掉，剩下的絕對值再平均一次，得到離散。上圖那組是偏誤 12.0、離散 6.8，偏誤佔了大頭。順序很重要：偏誤先修，離散才量得準，因為偏誤沒扣掉時，離散會被灌水。修完之後平均絕對誤差會從 12.3 掉到 6.8，剩下那一半才是真正需要用庫存去接住的。自問：我這條線的誤差裡，能修的那一塊佔幾成？
三、歸屬：偏誤是模型造的，還是人造的。模型造的偏誤很好認，它跟著季節或趨勢走——旺季一律低估、衰退期一律高估，那是模型追不上轉折。人造的偏誤形狀不一樣，它跟著誘因走：業務怕缺貨被念，報得比心裡的數字高一截；行銷的檔期沒進系統，於是每次促銷都變成一次「意外」的高估。兩者的修法差很遠，一個改參數，一個改的是誰要為那個數字負責。自問：這股固定的偏向，是演算法算出來的，還是有人刻意留的餘裕？
一家彰化的學生襪針織廠，十二個月攤開來看
- 先看總分：計畫人員調出十二個月的預測與實際，平均每個月差 12.3 千雙，換算約是平均月量的一成二。跟同業的水準比，這個數字拿得出手
- 加一欄差值：把「預測減實際」補成一欄，十二格裡有十一格是正的，只有八月那格是負的。十一比一，方向幾乎沒有變過
- 把偏誤算出來：帶正負號平均，每個月固定高估 12.0 千雙。一年多備了一百四十四千雙，其中大半是白色的基本款
- 扣掉偏誤再看：剩下的上下擺動平均 ±6.8 千雙，開學前那兩個月擺得最大。這一塊是真的難，本來就該用庫存接住
- 回頭追那 12.0 從哪來：業務報數時習慣往上加一成「以防萬一」，而通路每季的促銷檔期從來沒進過預測系統。兩個來源都不在模型裡，改參數改不到
- 看八月那一格：唯一低估的月份，正好是開學前的補單潮。系統性高估的廠，最缺貨的那一次還是會缺
這家廠的安全庫存設在一個月的量，理由是「預測差一成二」。可是那一成二裡，有一成是每個月都會發生、方向固定的高估——用安全庫存去接一個固定偏向，等於花錢請倉庫幫忙掩護一個可以修好的流程。真正需要庫存去接的只有 6.8 那一塊，剩下的 12.0 該回到會議室裡處理：業務報數的那一成餘裕要不要拿掉、促銷檔期要不要進系統。有意思的是，這兩件事做完不會讓八月的缺貨消失——那一格是低估，跟其他十一格是不同方向的錯。它提醒的是另一件事：偏誤修掉之後，離散還在，而離散才是安全庫存真正的工作。以上為說明結構用的示意情境，僅供理解框架之用。
這張拆解圖什麼時候會騙你
- 偏誤修掉了，離散不會跟著變小。把那固定的 12.0 從模型裡拉掉，平均絕對誤差會從 12.3 掉到 6.8，帳面上像是準了一倍。可是剩下那 6.8 一點都沒有動——它本來就不受方向影響。這時候最常發生的事，是有人根據「誤差減半」去砍安全庫存，然後在下一個擺動最大的月份缺貨。兩塊各修各的，修完 A 不能拿去當 B 的成績。
- 它預設偏誤是穩定的，而現實裡偏誤會漂移。這張圖的用法是「拿過去十二個月的偏向，去校正接下來的預測」，前提是那股力量還在。換了代理商、產品線改版、通路把補貨週期從月改成雙週，昨天的加十二可能明天就變成減八。所以量偏誤時要多做一個動作：把十二個月切成前後兩半分別算——上圖那組是 12.3 對 11.7，穩得可以校正；若前半加二十、後半減五，那兩個數字平均起來的加七點五，是一個從來沒發生過的狀態。
- 加總的層級會把偏誤藏起來。每一個品項各有各的偏向：白襪長期高估、深色長筒長期低估。加總到品類、再加總到公司，兩邊互相抵銷，總表上的偏誤會漂亮地趨近於零，看起來像一組沒有系統性問題的預測。但採購是按品項下單的，倉庫也是按品項塞滿的。判斷偏誤要在「你真的會據此下決定」的那一層看——公司層的零，往往是底下兩個方向相反的錯，在報表上握手言和。
用痛點的眼光看，修得掉的那一塊最常被放著
倉庫很少抗議，它只是愈來愈滿。
一個長期高估的預測，會在倉庫裡自己找到解法——多備的貨堆著，缺貨率不難看，客訴也不會來。於是那股每個月都在的偏向，變成一筆沒有人簽核過、卻年年續約的成本：多出來的資金、多租的空間、換季之後的折價出清。它不會出現在任何一份改善提案裡，因為它從來沒有變成一個事件。真正在痛的人也不在會議室裡——是那位月底被通知要清出十個棧板位的倉管，是那位拿著過季白襪去跟通路談折扣的業務。這張圖畫得出誤差有多大、往哪邊偏，畫不出那 12.0 千雙每個月落在誰身上：是倉庫的走道，還是業務的折扣空間。今晚就能做的動作只要三分鐘：把最近十二個月的預測與實際貼在同一張表上，加一欄相減，數一數正號幾個。十一比一跟六比六，接下來要開的是完全不同的兩場會。
關於預測誤差拆解，常被問到的幾件事
只看平均絕對誤差，真的不夠嗎？
不夠，因為它在第一步就把方向丟掉了。取絕對值的用意是讓正負不要互相抵銷，這對「誤差總量有多大」是對的做法，但也讓一個每月高估一成二的預測，跟一個上下各半、平均為零的預測拿到同一個分數。兩者的處方相反：前者去修模型與流程，後者去調庫存與產能。所以這個指標要配一個帶正負號的平均一起看，兩個數字並排，才知道那個總量是由什麼組成的。
偏誤要怎麼修，直接在預測值上減掉就好嗎？
短期可以，長期不建議。直接減掉是一種校正，它讓下個月的數字馬上變好，但那股偏向的來源還在，而且從此被藏在一個調整係數裡，換人接手就沒有人知道那個數字為什麼要減。比較穩的順序是先追來源：模型追不上季節轉折，就換方法或補變數；業務報數習慣往上加餘裕，就把餘裕拿到檯面上變成一個明確的欄位。真的來不及處理來源時再用校正，並且寫下它是暫時的、每季重算一次。
離散那一塊，除了堆安全庫存還有別的辦法嗎？
安全庫存只是最後一道。往前推有三個地方可以動：縮短前置期，讓你需要覆蓋的不確定期間變短；提高產能彈性，讓補單能在期間內插進去；以及合併需求，把分散在各通路、各倉的同一支品項合起來看，擺動會互相抵銷一部分。這三件都比堆庫存便宜，只是它們動到的是流程與合約，不像調一個安全庫存參數那麼快。
要多少個月的資料，才敢說那是偏誤而不是運氣？
看同號的比例，不是只看月數。三個月都高估很常見，那還在運氣的範圍裡；十二個月裡十一個月同號，就幾乎不可能是隨機造成的。實務上一年份是個好起點，同時要確認這段期間沒有換模型、換通路、換產品結構——資料再長，跨過一個結構性斷點之後就不是同一件事了。真的只有半年資料時，可以先看方向、先動流程那一塊，別急著把校正係數寫進系統。
順著這兩塊往下走，還有兩張圖：再訂購點與安全庫存把「離散該用多少庫存去接」畫成鋸齒圖，是這裡右下那一塊的展開；雜訊與偏誤則把同一組概念換到人的判斷上，適合在你發現偏誤來自報數習慣、而不是模型時翻開。
喜歡這篇文章嗎？
每週幫你拆二本好書，把判斷力、好書金句、好問題，直送你的信箱。
不適合你可隨時退訂 · 每週兩封，陪你把書讀進生活。
送出即表示同意我們依隱私權政策使用你的 email。