分享

艾瑪人肉學習週記(Week05):憶當年

 
6/13上課前我把蔡炎龍老師的講義很快看過一遍,老師還真的是被數學耽誤的漫畫家,近400頁的講義畫風超親民的,我心裡的os被老師做成對話框!從之前不太有系統地看一些書和文章,到開始上課後,之前的碎片慢慢被撿起來。上週五預習過半後,覺得上課前還先跟老師培養一下感情,看了以下影片,擊中我心的是「問題可能不會一次就問對」。
https://youtu.be/T6fLbiV57_0
上完他的課,老師在課中不斷耳提面命地提醒,「model很少第一次就成功」。若沒有高層支持,要對抗私人企業裡各層主管急於求成的壓力,這些需要時間的反覆嘗試通常是頂不到真的拿可用的那天,更不要說之前要給員工的教育訓練,不論是觀念上的或技術上的,想知道的人汲汲營營,不想知道的人就持續敷衍了事。 
舉例來說,我申請AI的教育訓練的費用補助,以課程名稱中沒有「採購」這個字眼被拒,即便我們的工作最重要的部分就是「預測」,而上了一個月,也幾乎是每堂老師一開始就會說我們的目標就是預測,興許台灣人工智慧學校開的課名是「預測價格一次上手」、「手把手價格預測」,這樣主管比較容易看懂,那沒有「採購」這個字眼還是理由嗎?某天早上,聽到同一個同事在外聘講師開在公司內時上一遍談判課,再用公司經費到外面報課程上一遍談判課,體質強健的公司就是可以這樣分配資源,我白眼早就不知道翻去哪,但我希望我聽到他們要去上課時的反應還是盡可能地有禮貌。
我之前的採購工作中,最主要的部分就是預測價格,目的是買低避高,由於主原料佔成本高,買得好不好對獲利頗有影響,工作輪調後,我買的原料不需要採購現貨,預測價格的重要性降低,但我還是想把之前的做看看有沒有機會。
2013年年底,我從投資界來到製造業裡主原料採購的這項功能,被借重的是產業分析的經歷,但一段短時間後,我定位自己是帶入的是金融市場上,交易心理和風險管理的概念,同時盡量看數字說話、不要憑「感覺」、完善做出每個決定的流程並且實踐這個流程。在交易心理和風險管理部分,從金融市場轉進原物料市場,觀念上還是在極度悲觀時建議買進、在極度樂觀時建議觀望,並且盡量不希望極端行為發生,在原物料市場上,不應該看好時買到要去借桶槽來放,或是看壞時大量向同業借料(講白話就是往往會遇到空頭回補時漲很兇),一些人做得還不錯的,可以做到順勢或逆勢,極少數業界裡的行家才能做到兩者兼具、長期表現穩定,因為在每個做決定的當下,結果都是未知。
舉幾個時點上發生的事來當例子,說明這些行為非常需要透過機器來去除人心的浮動,並且需要工具來幫忙我們找到變數之間的細微互動,或有機會可以提高預測能力。
例一:
2015年11月,當價格下行一段時間且原料價格已接近成本,下跌風險不是沒有但已經轉低,我向管理團隊建議買進較大量,但我們實際的作法是操作到極端,不僅買進固定價的遠洋貨,就連工廠都拉高產率把原料做成成品更容易在租借倉庫來推放(原料是放在桶槽裡,桶槽數量短期內無法改變),我的同事們認為價格如預期上漲,但我認為是實現下跌機率已低、買進贏面較大,這次建議的結果是正面的,就反應在2016年上半年的財報上,財報就躺在公開資訊觀測站裡。
例二:
2016年第三季,我們的團隊計畫簽訂遠洋合約,當時每噸運費算低,我支持簽這個約的原因是跨區採購原料可以使採購組合多元化(不限於淨進口的亞洲、往淨出口的歐洲買)、我們所在的亞洲區價格有可能因此降低波動(我們自以為喊水會結凍)、商談中合約貨的運費比買現貨的運費明顯低上一大段,在歐洲出差的晚上與美國子公司的同事都一起聊過都認同這個合約,最好是能把握時間簽訂,然後我就去休上年假去美國玩了,我並沒有預期到2016年下半年的瘋漲、或是2017年第一季的急轉直下。
玩回來後發現,去之前就該訂下的約不僅還沒簽定,要簽的合約數竟然還從一個變成兩個、合約運費也上漲三成,因為那段期間亞洲價格大漲,每家子公司都來說他們也要分到比較多的歐洲貨,只好多簽(我也不清楚為什麼不能說不),由於價格是訂在發船的月份,在價格上漲期間極為有利。然而,2017年3月價格從頂點下跌,至第二季最低點已剩下高點價格的1/3,子公司們改口說不要這些原料,我們則是相當然爾的焦頭爛額。下跌期間,原料單價結算起來通常會高於市價,但之後來年年初結算,子公司買的當地貨單價與亞洲市價差異,是歐洲合約貨與亞洲市價的2倍,也就是說,歐洲合約貨單價高於到港當月市價$100/mt時,他們當地貨高$200/mt,不過,在價格波動這麼大的期間,這個40年來沒簽過的遠洋合約,倒是甩鍋的最佳標的。
這次結果極慘,但若沒有買這些合約貨,每噸高於市價$100/mt的數量,都變成高$200/mt了,所以我也不知道是否還不是最糟的狀況。至今我仍堅定地認為使採購組合多元化和低運費的一個合約是好的開始,檢討時自然是採購團隊如何地辦事不力、預測不準,後見之明的人也未免多了去。
例三:
2018年8月,主管買了一船貨後問我之後怎麼看,當時價格已經上漲一段期間(討論時這些期間的長度、價格變化的服務都是統計過的),我說往後看我們其實沒有立即的現貨採購需求,我建議盡量把下一船貨的買進時間往後延,我的建議不是因為我知道之後價格會跌,而是統計上,從那個時點往短期的未來看,續漲的期間不容易太久、價格上漲的幅度也不會太高,轉折點不知道確切是哪週,但就是靠近了,倘若價格ㄧ飛沖天,由於到末升段,急漲時會量縮,特別是採購實體的買家,我們的確沒有敞開了買的必要。接著就很短的時間內,也許是兩週內,我收到貿易商確認交易的salse confirmation letter2封(也就是兩船),在收到賣方來信之前,我完全不知道主管正在商談,我不清楚以往每筆採購都是經過大家討論,為何這兩船需要這樣秘密成交。結果是9月市價較8月下跌$240/mt、10月較9月再跌390/mt,而我們的財報數字可想而知。
以上案例已經發生時間至今,都已經超過一年,只由我的角度,提到其他人的地方我只寫實際發生的言行,與我自己相關的才有想法上的紀錄,我必須坦承自己並沒有神奇的預測能力,所以我非常希望能夠在這些決策過程中,找到需要改進的地方,否則,無法複製成功,也無法減少失敗。 
當我回頭看,在兩個不同的年度,我們預測下個月漲或跌的正確率分別是50%與75%(這是真的發生的),理論上應該要懷疑,這兩年,做出這些決策的過程到底哪裡不一樣?其實沒有。再往前推一步,正確率比較高的那年就能有明顯的較多節省嗎?也沒有。如果都沒有的話,我們在追求預測價格的正確率,到底是在追求什麼?
明眼人一看,就知道以上這些管理的核心是「人」,但人的素質就是會有參差,我認為營運的好壞要仰賴的不能是否有「人」福至心靈地做對決定,而是制度與資料驅動的決策流程,錯總難免,我們要預防的是不至於錯到偏離太遠。
回到預測上,之前我們曾經兩次嘗試使用模型預測價格的經驗,一次是我們讓SAP來推銷他們預測價格的模型,要價不菲,且大家對training data和test data中的結果一樣沒信心,我認為信心缺乏,很可能來自我們對於黑盒子發生了什麼,完全不了解,當我們向SAP提議,不要收費,而是省下的錢我們拆分來付,以過去採購績效為正數的年頭來看,抓個均數分10%,都是費用的10倍,或是部分顧問費先付與部分績效分潤後付的方式,然而,SAP也不接受,我不知道該不該幫他們解釋他們也沒信心,還是先收齊工錢保險,儘管有公司制度等種種說辭,在我們看來就是沒有信心的表現。
台商企業的強項是,找個大學生來做個像的。有一個來自資料科學系的大學生,暑假來實習,模型剛做成的1-3個月,看起來還有照著走,但再過段時間,方向開始失準,因為公司裡面並沒有能夠修改模型的人,而多數人對預測模型的容錯度很低,只要有一小段時間覺得不對,便棄之不用(敝組就是幾個月都不看一眼的不用),但要求一個實習生做一個暑假的模型就千秋萬世,有點太不切實際了。
後來,今年我在Coursera中上了一堂「大數據分析:商業應用與策略管理」中,聽到玉山的數位金融長李正國在上課提到過,他們的模型一開始至少60天就需要有一次模型修正,並且在建模之前不惜重本地將資料庫整理乾淨(資料前處理的大工程啊),而不總是向IT提出申請拉資料、拉出資料分析過產生想法又再來申請試試看新想法、然後來來往往中,幾個月過去,當玉山這樣子在處理數位金融時,我還真不曉得應不應該對我接下來計畫學以致用的想法要有什麼期望,而且在6/13的課程中,老師非常強調極少在第一次就能訓練出可用的模型。(我們那時定是以為自己神功護體、可一次到位)
白頭宮女回憶到此,這週都要結束了。這週除了學校課程外,伴讀與補充的內容越來越明確,已做的有:
1.台大李宏毅老師的ML(2020)-Regression
2.政大蔡炎龍老師的Python課「成為python數據分析達人的第一課」(1.5/7)
(做了拍拍機器人但還不會做自己想到的正妹機器人)
3.註冊了Kaggle,收到了邀我上鐵達尼的信。(鐵達尼存活率的分析)
4.之後想把公司過去兩次做過主原料價格預估的分析資料、結果找出來,實習生做的那次有留python的程式碼。
分類:學習

評論
上一篇
  • 下一篇
  • 更多文章
    載入中... 沒有更多了