本文摘自書籍，作者：劉寶紅、趙玲。

所有的預測都是錯的，我們要做的是兩點：第一，盡量少錯：“從數據開始，由判斷結束”，整合了歷史信息和未來判斷的需求預測錯得最少；第二，盡快糾錯：盡快知道錯在哪里，及時調整預測，采取糾偏措施，把損失降到最低。我們的挑戰呢，一方面是預測準確度低，另一方面是預測錯了但知道得太晚。

需求預測的結果要么是短缺，要么是過剩。但問題是，因為供應鏈上的庫存有冗余，信息傳遞有延遲，等我們知道了，已經太晚了。比如短缺，等你接到客戶的催貨電話時，安全庫存已經消耗殆盡，供應鏈上已經是“無險可守”；對于過剩，等你發現一堆呆滯庫存時，客戶的設計變更已經落地兩三個月了，要消耗老庫存已斷無可能。

要知道，大多數變化不是突然發生，而是有個過程的。如果我們跟蹤需求，識別變化，及時了解變化背后的原因，我們可以及早發現問題，及早糾偏。當然，公司業務一直處于變動中，變是絕對的，不變是相對的。你不能事無巨細都發出預警，因為供應鏈有相當的庫存、產能冗余，能夠消化大多變動。實際上，絕大多數變化是“噪音”，就如身處火山帶上的日本，每隔5分鐘就有個輕微的地震，你不用采取任何行動，因為房子做得足夠結實。我們真正需要應對的，就是那些震級高，破壞性大的地震。放到企業業務中，就是那些變化幅度大，變化金額高的“大石頭”。 我們需要的是一套監測系統，跟蹤需求變化，及時識別這樣的“大石頭”，驅動供應鏈的前端和后端盡快響應。

這里的邏輯就如日本的地震預警系統：地震發生后，震源附近的地震儀首先監測到地震波，立刻估算出震源位置、地震強度等，通過廣播電視、電信運營商、地震安全服務廠商等，迅速向公眾發出地震警報。地震波每秒傳播幾公里，地震預警信息每秒傳遞30萬公里，兩者之間的速度差讓大眾多爭取幾秒乃至數十秒的逃生時間。不要小看這點時間，訓練有素的話，幾秒鐘是足夠關閉煤氣，逃出家門了[1]。

圖1：日本的地震應急系統：及早發現，盡快啟動應急機制

對于需求來說，這就是監控每個產品、每個客戶的需求，發現顯著變化的端倪，就及時提醒計劃、銷售、市場、產品管理等，讓他們確認是一次性變化，還是需要調整預測。比如客戶導入了競爭對手，對我們產品的需求會減少，這從需求歷史就可以看出。我們及早識別，讓銷售盡快跟進客戶，即使挽救不了市場份額，也至少讓客戶把現有的庫存都消耗掉。如果等到客戶的需求都沒了，我們手頭一大堆呆滯庫存，再去找客戶，就太晚了。

我們在這里設計了一套預警機制，通過監測實際需求，盡早探知那些關鍵的需求變化（“大石頭”），及時驅動銷售判斷未來需求走向，調整需求預測，并和供應鏈一道采取應急措施。

案例公司有幾千上萬個料號，幾百個客戶。隨著客戶產品生命周期的縮短，客戶的產品頻繁更迭，意味著關鍵原材料的頻繁更迭，短缺、過剩的風險都很大。該企業的挑戰呢，就是沒法及時探知變動，調整預測，短缺與過剩并存。

對于該公司來說，最終的變化，不管大小，都是由具體的客戶開始，即使有多個客戶在改變，最大的麻煩一定是由其中為數不多的一兩個造成。就如人很少給亂棍打死；人總是被其中的一根棍子打死。如果你覺得你是處于被亂棍打死的境地，八成是因為你沒有識別那根關鍵的棍子，而這正是真正的問題所在。

所以，為了探知變化的根源，一定要落實到具體的客戶上。也就是說，針對每個料號，一定要分解到相應的每個客戶上。這就是我們這里講的料號—客戶層面。比如一個料號有3個客戶，那么就有3個料號—客戶的組合。對于案例企業來說，很多料號只是供應給有限的幾家客戶，但料號—客戶組合也有32000多個。你當然沒有能力管理這3萬多條數據；你得層層過濾，一步步來縮小管理范圍，就如圖2所示。

我們的第一道過濾器是銷量的變化幅度（百分比）。供應鏈有相當的冗余，比如安全庫存，可以有效應對一定幅度的變化；我們需要識別的是超出一定變化幅度的。比如對比最近3個月與之前3個月的銷量變化，升降超過15%的只有20000個左右，占60%的料號—客戶組合。這里選擇15%作為下限，只是用作例子，具體的下限取決于供應商的交期、需求變動等因素。比如交期越長，表明供應鏈響應能力越弱，能夠有效承受的變化比例就越小；反之亦然。建議大家按照自己行業、公司的情況來確定。我們選用3個月（13周）、6個月（26周）的需求也是作為示例，業務變動越劇烈，建議的時段就越短，比如3周、6周；反之亦然。

對于這20000多個料號—客戶組合，你還是沒法都當做例外來管理，那就繼續縮小。于是我們就導入第二道過濾器：銷貨成本[2]。我們依據過去3個月的銷貨成本，把銷貨成本下降超過1萬元（意味著最多可能有1萬元的庫存積壓）或者上升超過5萬元（意味著可能有短缺）的篩選出來，得到1700個料號—客戶組合。這些變化有顯著的庫存影響，要么短缺，要么過剩，因而對業務影響更大，是“大石頭”。

在這里，銷貨成本下降的門檻之所以是1萬元，顯著低于上升門檻的5萬元，是因為造成呆滯庫存的風險不容易被注意到，而短缺呢，我們可以通過更多的反饋渠道獲知。但不管怎樣，這都是經驗值，要按照自己公司的情況來調整。

圖2：層層篩選，尋找高影響、高風險的“大石頭”

這1700個料號—客戶占總數的5%，分配給成成百個一線銷售人員，每人平均一二十個，可操作度相對高多了。如果1700個料號—客戶組合還有點多的話，我們可提升銷貨成本下降的門檻，比如提升到5萬元時，就得到713個料號—客戶組合，只占總數的2%，但覆蓋了20%的客戶，占了50%的銷貨成本變化。這對企業來說是“大石頭”，影響大，風險高，需要及時驅動相應的銷售來確認需求、管理需求變化、調整預測。同時，供應鏈也要采取行動，比如驅動供應商增加產能，應對短缺；或者讓供應商停止未完工的訂單，這樣萬一出現呆滯庫存，我們也可能把半成品做成別的產品，最壞的情況下，也只用給供應商支付半成品的錢。

這就是個簡單的需求變動預警系統，用來識別那些重要的需求變化，找到合適的銷售，獲取他們的職業判斷，以更好地調整計劃和執行方案。其基本思路是，我們沒法管理所有的變化；我們得篩選出那些影響最大的“大石頭”，把有限的資源投入到回報最高的產品、客戶上。當然，有些變化我們是知道的，比如季節性需求，比如促銷，比如新市場、新客戶的開拓，可以把這些很快剔除，讓我們的“大石頭”清單便得更短、更具體。

需要說明的是，這不是在客戶層面上針對這些料號做預測——那會陷入預測顆粒度太小、預測準確度太低的陷阱；這是給相關的銷售人員提示，讓他們做出判斷：你的客戶在這幾個料號上的需求變動很大，你知道嗎？這是短暫的變化，還是會持久？如果持久，未來的變化會更大，還是更小？大多少，小多少？要知道，不變的不需要管理；小的變化可以通過現有的系統、流程來對付；而顯著的變化呢，系統和流程沒法有效應對，必須有人的介入（組織措施），不但是計劃團隊，而且是銷售人員。

還要說明的是，這里尋找“大石頭”的過程，并不是為取代日常的計劃流程，而是作為日常計劃流程的補充，即單純從數據分析角度識別影響大、風險高的變化，驅動銷售和供應鏈及時應對。在一個稍有規模的企業，產品動輒幾十幾百個，每個產品有成十個規格、型號，后面跟著成百成千的客戶時，把需求歷史分解到產品、型號、客戶層面，按周排列，包括過去13周、26周，數據量相當大，這后面動輒就是成十、成百萬行的數字，一般的人根本沒有能力駕馭這么大的數據。建議由計劃團隊在公司層面統一完成。這也是“從數據開始”的一部分。