التنبؤ بالطلب (Demand Forecasting): أهم الطرق وكيف تختار الأنسب؟

كيف تعرف الشركة الكمية التي سيطلبها العملاء الشهر القادم؟ وكيف يقرر قسم التخطيط ما ينبغي إنتاجه، بينما تحدد المشتريات الكميات التي يجب توفيرها من الموردين؟

الإجابة تبدأ من التنبؤ بالطلب (Demand Forecasting)، وهو أحد أهم الأنشطة التي تربط المبيعات والتخطيط والمشتريات والمخزون والإنتاج.

لكن التنبؤ الجيد لا يعتمد على اختيار معادلة معقدة فقط، بل على فهم طبيعة الطلب وجودة البيانات ومدى مناسبة الطريقة المستخدمة.

في هذا المقال من إمداد SA، نستعرض أبرز طرق التنبؤ بالطلب، ومتى يُفضّل استخدام كل طريقة، وكيف نقيس أداء التوقعات قبل الاعتماد عليها في القرارات التشغيلية.

أولًا: ما هو التنبؤ بالطلب؟

التنبؤ بالطلب هو عملية تقدير الكميات التي قد يحتاج إليها العملاء خلال فترة مستقبلية محددة، بالاستفادة من البيانات التاريخية والعوامل التجارية والتشغيلية المتاحة.

قد يكون التوقع يوميًا أو أسبوعيًا أو شهريًا، وعلى مستوى صنف محدد أو مجموعة منتجات أو سوق كامل.

على سبيل المثال، إذا كانت شركة تبيع 10,000 وحدة شهريًا من أحد المنتجات، فهذا لا يعني بالضرورة أنها ستبيع الكمية نفسها الشهر القادم. فقد يتغير الطلب بسبب المواسم والعروض الترويجية والأسعار والمنافسة والظروف الاقتصادية.

ولهذا تسعى الشركات إلى بناء توقعات قابلة للمراجعة والتحسين، بدل الاعتماد على التخمين.

ثانيًا: لماذا يُعد التنبؤ بالطلب مهمًا؟

تؤثر جودة التوقعات في عدة قرارات داخل سلسلة الإمداد:

• تخطيط الإنتاج (Production Planning): تحديد الكميات المطلوب تصنيعها والطاقة الإنتاجية اللازمة.
• تخطيط المواد (Material Planning): تقدير احتياجات المواد الخام والمكونات.
• إدارة المخزون (Inventory Management): تقليل حالات النفاد والتكدس.
• المشتريات (Procurement): جدولة أوامر الشراء والتنسيق مع الموردين.
• التخطيط المالي (Financial Planning): تقدير الإيرادات والتكاليف والاحتياجات النقدية.
• الخدمات اللوجستية (Logistics): الاستعداد للتخزين والنقل والتوزيع.

التوقع غير الدقيق قد يؤدي إلى شراء كميات زائدة أو نقص مواد أساسية أو تغيير خطط الإنتاج في اللحظات الأخيرة.

ثالثًا: أشهر طرق التنبؤ بالطلب

توجد طرق كمية تعتمد على البيانات، وأخرى نوعية تعتمد على التقديرات والخبرة. وتختار الشركة الطريقة وفق طبيعة منتجاتها وحجم البيانات المتوفرة.

1. الطريقة الساذجة (Naive Forecast)

تستخدم آخر قيمة فعلية متاحة كتوقع للفترة التالية.

إذا كان الطلب الفعلي في سبتمبر 130 وحدة، يكون توقع أكتوبر 130 وحدة.

متى تناسب؟

تُستخدم كنقطة مرجعية بسيطة لمقارنة الطرق الأخرى، وقد تكون مقبولة عندما يكون الطلب مستقرًا نسبيًا.

لكنها لا تتعامل بفعالية مع الاتجاهات أو الموسمية دون تعديل.

2. المتوسط المتحرك (Moving Average)

تعتمد هذه الطريقة على متوسط الطلب خلال عدد محدد من الفترات السابقة.

المعادلة:

التوقع = مجموع الطلب الفعلي للفترات المختارة ÷ عدد الفترات

لنفترض أن مبيعات أحد الأصناف خلال آخر ثلاثة أشهر كانت:

توقع أكتوبر باستخدام متوسط متحرك لثلاثة أشهر:

(110 + 120 + 130) ÷ 3 = 120 وحدة

متى تناسب؟

عندما يكون الطلب مستقرًا نسبيًا ولا توجد تغيرات موسمية أو اتجاهات قوية.

أبرز قيودها: تتأخر في الاستجابة للتحولات السريعة، خصوصًا عندما يرتفع الطلب أو ينخفض باستمرار.

3. المتوسط المتحرك المرجّح (Weighted Moving Average)

تشبه الطريقة السابقة، لكنها تعطي وزنًا أكبر لبعض الفترات، وغالبًا تكون الفترات الأحدث.

باستخدام البيانات نفسها، نفترض الأوزان التالية:

يكون التوقع:

(110 × 0.20) + (120 × 0.30) + (130 × 0.50)

= 22 + 36 + 65

= 123 وحدة

لاحظ أن النتيجة أصبحت أقرب إلى آخر طلب فعلي، لأننا أعطينا سبتمبر الوزن الأكبر.

متى تناسب؟

عندما ترى الشركة أن البيانات الحديثة أكثر تعبيرًا عن الطلب المتوقع، مع ضرورة اختبار الأوزان وعدم اختيارها عشوائيًا.

4. التمهيد الأسي البسيط (Simple Exponential Smoothing)

تستخدم هذه الطريقة التوقع السابق والطلب الفعلي الأخير لحساب توقع جديد.

المعادلة:

التوقع الجديد = α × الطلب الفعلي الأخير + (1 − α) × التوقع السابق

يرمز α إلى معامل التمهيد، وتتراوح قيمته عادةً بين صفر وواحد.

مثال:

• الطلب الفعلي الأخير: 130 وحدة.
• التوقع السابق للفترة نفسها: 118 وحدة.
• معامل التمهيد: 0.30.

التوقع الجديد:

(0.30 × 130) + (0.70 × 118)

= 39 + 82.6

= 121.6 وحدة

قد تُقرب الكمية إلى 122 وحدة عند الحاجة إلى أعداد صحيحة.

متى تناسب؟

عندما يكون الطلب مستقرًا نسبيًا، دون اتجاه تصاعدي أو تنازلي واضح أو موسمية مؤثرة.

أما البيانات التي تحتوي على اتجاه أو موسمية فقد تحتاج إلى نماذج أكثر ملاءمة، مثل نماذج Holt أو Holt-Winters.

5. التنبؤ الموسمي (Seasonal Forecasting)

تظهر الموسمية عندما يتكرر ارتفاع الطلب أو انخفاضه في فترات محددة.

فمثلًا قد ترتفع مبيعات بعض المنتجات في رمضان أو الصيف أو مواسم العودة إلى المدارس.

تستخدم النماذج الموسمية بيانات تاريخية تكفي لتحديد النمط المتكرر، ثم تُدخل أثر الموسم في التوقع.

ولا يُفضّل تفسير كل ارتفاع مؤقت باعتباره موسمية؛ فقد يكون ناتجًا عن عرض ترويجي أو طلب استثنائي.

رابعًا: كيف تختار طريقة التنبؤ المناسبة؟

ليست هناك طريقة واحدة تحقق أفضل النتائج لكل الأصناف.

هذه إرشادات أولية وليست قواعد مطلقة.

الاختيار الأفضل يعتمد على مقارنة أداء الطرق باستخدام بيانات تاريخية لم تُستخدم في بناء التوقع، مع مراعاة تكلفة الخطأ وطبيعة المنتج.

على سبيل المثال، قد تكون طريقة بسيطة أكثر فائدة من نموذج معقد إذا كانت البيانات محدودة أو غير موثوقة.

خامسًا: كيف تقيس دقة التنبؤ بالطلب؟

لا يكفي إنشاء توقعات شهرية؛ يجب مقارنتها بالطلب الفعلي وقياس الأخطاء.

من المقاييس المستخدمة WAPE — Weighted Absolute Percentage Error، الذي يقارن مجموع الأخطاء المطلقة بمجموع الطلب الفعلي.

المعادلة:

WAPE = مجموع |الطلب الفعلي − التوقع| ÷ مجموع الطلب الفعلي × 100

مثال حسابي

WAPE = 30 ÷ 460 × 100

= 6.52% تقريبًا

كلما انخفضت قيمة WAPE كان مجموع الأخطاء المطلقة أقل مقارنة بإجمالي الطلب الفعلي، بشرط المقارنة على أساس بيانات وفترات متجانسة.

لكن هذا المؤشر وحده لا يكفي؛ لأنه لا يوضح ما إذا كانت الشركة تبالغ باستمرار في التوقع أو تقلل منه.

لهذا يُفضّل متابعة انحياز التوقع (Forecast Bias) إلى جانب مؤشرات الخطأ الأخرى.

كما أن WAPE لا يكون مناسبًا عندما يكون مجموع الطلب الفعلي صفرًا، وقد تكون المقارنة بين مجموعات مختلفة الحجم أو الخصائص مضللة.

سادسًا: لماذا تخطئ التوقعات رغم استخدام معادلات صحيحة؟

قد تكون المعادلة صحيحة حسابيًا، لكن نتيجة التنبؤ ضعيفة بسبب البيانات أو الافتراضات.

من أبرز الأسباب:

1. الخلط بين المبيعات والطلب الحقيقي

إذا نفد المنتج من المخزون، فقد تكون المبيعات المسجلة أقل من الطلب الذي كان العملاء مستعدين لشرائه. لذلك لا ينبغي دائمًا اعتبار المبيعات التاريخية ممثلة بالكامل للطلب.

2. عدم معالجة العروض الترويجية

قد يتسبب عرض استثنائي في ارتفاع الطلب خلال شهر واحد، ثم تعود المبيعات إلى مستوياتها الطبيعية.

3. تجاهل الموسمية

الاعتماد على متوسط سنوي بسيط قد يخفي فترات الذروة والانخفاض.

4. عدم فصل الطلبات الاستثنائية

قد يؤدي طلب كبير وغير متكرر إلى تضخيم التوقعات المستقبلية.

5. استخدام مستوى تفصيلي غير مناسب

التنبؤ بمبيعات مجموعة منتجات كاملة قد يكون أكثر استقرارًا من التنبؤ لكل صنف منفرد، لكن قرارات التوريد قد تحتاج إلى مستوى تفصيلي أدق.

سابعًا: كيف تُطبق الشركات التنبؤ بالطلب ضمن إجراءات العمل؟

في الشركات الحديثة، لا يُفترض أن تكون توقعات الطلب مجرد ملف تعدله إدارة واحدة بمعزل عن الآخرين.

يمكن تطبيق عملية شهرية منظمة على النحو التالي:

1. جمع البيانات: استخراج الطلب والمبيعات والمرتجعات وحالات نفاد المخزون.
2. تنظيف البيانات: مراجعة الأخطاء والقيم الاستثنائية والتغييرات في تعريف الأصناف.
3. إنشاء توقع أساسي: استخدام طريقة كمية مناسبة لطبيعة البيانات.
4. مراجعة المدخلات التجارية: مناقشة العروض والمشاريع الجديدة وتغيرات السوق مع المبيعات والتسويق.
5. اعتماد توقع متفق عليه: توثيق التعديلات وأسبابها والجهة المسؤولة عنها.
6. ربط التوقع بخطط التشغيل: استخدامه في تخطيط المواد والإنتاج والمخزون والقدرات.
7. قياس الأداء والتحسين: مقارنة النتائج الفعلية بالتوقعات، ثم مراجعة أسباب الانحراف.

وقد تكون هذه العملية جزءًا من S&OP — Sales and Operations Planning أو IBP — Integrated Business Planning، حسب حجم المؤسسة ومستوى نضجها.

ثامنًا: ما دور Excel في التنبؤ بالطلب؟

يمكن استخدام Excel لبناء أداة تساعد فريق التخطيط على:

• استيراد بيانات الطلب التاريخية وتنظيمها.
• حساب المتوسطات المتحركة والمرجّحة.
• تطبيق التمهيد الأسي البسيط.
• مقارنة التوقعات بالنتائج الفعلية.
• حساب مؤشرات WAPE والانحياز.
• عرض الاتجاهات في رسوم بيانية.
• مراجعة التوقعات حسب الأصناف والفترات.
• توثيق التعديلات والأسباب.

ومن المهم اختبار النموذج على بيانات تاريخية مستقلة قبل الاعتماد عليه، وتحديد طريقة التعامل مع الأصناف الجديدة والطلب الصفري والموسمية.

أسئلة شائعة

هل يمكن الوصول إلى توقع دقيق بنسبة 100%؟

لا يمكن ضمان ذلك عمليًا؛ لأن الطلب المستقبلي يتأثر بعوامل غير مؤكدة. الهدف هو تحسين جودة القرار وتقليل الأخطاء المؤثرة، وليس إلغاء عدم اليقين.

ما الفرق بين Demand Forecasting وDemand Planning؟

التنبؤ بالطلب يركز على تقدير الطلب المستقبلي، بينما يشمل تخطيط الطلب مراجعة التوقعات والتنسيق بين الإدارات واعتماد خطة طلب قابلة للاستخدام التشغيلي.

هل يُفضّل استخدام Excel أم نظام ERP؟

يعتمد ذلك على حجم العمل وتعقيده. يمكن أن يكون Excel أداة تحليل ومراجعة مفيدة، بينما توفر أنظمة التخطيط المؤسسية إمكانيات أوسع للتكامل والحوكمة وإدارة البيانات.

هل تحتاج جميع الأصناف إلى طريقة تنبؤ واحدة؟

لا. تختلف أنماط الطلب ومخاطر النقص وقيمة الأصناف، لذلك قد تستفيد الشركة من تقسيم الأصناف إلى مجموعات وتطبيق أساليب مناسبة لكل مجموعة.

الخلاصة

التنبؤ بالطلب ليس مجرد اختيار معادلة تنتج رقمًا للشهر القادم، بل عملية مستمرة تجمع بين البيانات والتحليل والخبرة والتنسيق بين الإدارات.

والشركة التي تختبر توقعاتها وتقيس أخطاءها وتراجع افتراضاتها بانتظام تكون أكثر قدرة على اتخاذ قرارات مدروسة بشأن الشراء والإنتاج والمخزون.

إمداد SA — من المعرفة إلى التطبيق.