- 序 -繞不開的需求預測

既然這個世界運行的底層邏輯都離不開預測，你說我們的供應鏈能不做預測嗎？我認為：不能！而且永遠都需要預測，除非供應鏈都不存在了，就不需要供應鏈預測了。

為什么我們這么篤定需要預測，供應鏈的作用是啥？簡單來說就是實現從原材料獲取到成品交付客戶的全過程。在這個全鏈的過程中你敢說沒有一個環節使用預測嗎？即使所謂精益思想的鼻祖豐田汽車公司也不敢說吧，只要你的供應鏈上有長周期物料就必然涉及預測。當今的汽車行業都受芯片之苦，現在的芯片產能鎖定都是至少2-3月以上，長的甚至長達1-2年。哪家公司敢說他完全不用預測？

客戶真實訂單拉動式生產？有人說那是因為汽車供應鏈太長、太復雜，如果我的產業鏈很短，而且我能更柔性的定制化生產客戶需要的產品就不需要預測了。你說這個是理論上存在，但現實中難以存在。OK，我知道一種產品幾乎沒有長周期物料，供應鏈夠短到幾乎沒有“鏈”的概念，同時能按用戶需求直接快速生產，也不需要成品運輸。公園里面做糖畫的，基本原材料就是糖，基本工藝就是熬糖汁+做

畫，成品交付也快基本無需物流。就這樣一個“敏捷”的行業，你能說他不要預測嗎？最起碼每天要多少斤糖需要預測吧，不能等客戶下單你再準備吧，預測時需要考慮是否節假日、天氣是否好吧。

所以，說不需要預測的都是鬼話，目前還沒有一家公司供應鏈能力能強到所用資源是無限的、產能是無限的、供應鏈供給效率是一眨眼之間的事兒，一切如同魔術，瞬間實現。人類總是在不確定中尋求確定性，又通過已知的確定去預見未知的、不確定的未來。按自然規律辦事吧，我們來看看既然繞不開預測，那么我們供應鏈人應該如何正確地對待預測？

- 1 -需求預測第一定律

“有預測和沒預測是不一樣的”，理解了前面說的供應鏈不能沒有預測，那么就不難理解這個定律了。就是說一家公司有預測和沒預測結果是不同，這個很好理解，小到一個人做事的計劃、大到一個公司的戰略或國家的五年規劃等，其實就是基于未來的預測做的。有這些計劃的人和公司，那么最終取得的成就和沒有的人和公司那大概率是不一樣的。同時，有持續預測的供應鏈，各供應鏈參與方的協同能力和滿意度也是更高的。從個人網購就能感受到，你是喜歡以前郵政包裹時代的沒有到貨預測的物流，還是現在能給你到貨預測的物流。

但在這里需要提醒大家，很多公司有這樣的坑，用銷售目標代替預測（目標≠預測），銷售往往年初就制定了一些挑戰性甚至“拍腦袋”的目標，而且在全年過程中即使出現了較大的偏差，也礙于面子或領導“淫威”不敢調整目標。所以這種情況下，目標就是目標，不能用我們目標不變來代替預測。這個時候，這個目標更多是主觀性的東西，而預測永遠是基于客觀事實對未來的科學判斷，應該更為客觀。

還有一類坑容易出現在新產品上市的場景中，就是用項目預算代替預測（預算≠預測），新產品項目階段的預測很多公司都是產品部門或項目部門而非銷售或供應鏈部門做預算，他們為力達成ROI或股東預期，將項目的經濟性體現出來，預測往往虛高，完全是依照項目能獲批的經濟性來“人造”的預測。

- 2 -需求預測第二定律

“所有預測都是錯的，但準確度高和低還是不一樣的”，有人說所有預測都是錯的，所以沒有必要做需求，這個問題請見定律一，就不多說了。另一些人說所有預測都是錯的，那我就隨便拍一個就行。請見定律后半部分“準確度高和低還是不一樣的”，這個準確度實際上說的是偏差，你做的預測偏差越小，對供應鏈帶來的好處和作用就越大。那些胡亂拍的需求預測比如帶來供應鏈的劇烈波動，產生高額的糾錯成本，類似“猛踩油門、急剎車”的騷操作本質上也就帶來了嚴重的牛鞭效應。

要做出偏差小的預測需要有科學的方法，本文不詳細展開這些技術和步驟，但做出好的需求預測必須要用好這些框架思維：

1. 預測對象的維度。也就是你做需求預測的產品是只做總量預測，還是按產品線，還是按每個SKU，或者全都要做。這個要首先考慮好，不同的行業和企業這個維度和顆粒度是不同的，考慮的原則還是根據你的供應鏈需求，哪些因素是影響供應鏈滿足客戶需求的就需要做哪些的預測。歸根結底做需求預測是為了提前作為滿足客戶需求的準備嘛，這還是一個用戶思維。

2. 預測的時間跨度。政府常做5年規劃，相應的央企、大的地方國企也跟隨做五年規劃；別的企業有做2年、3年規劃的，幾乎每家公司都會做年度規劃；當然到具體操作層月度計劃通常是必須的。

3. 預測的頻次。就是預測更新的間隔，是周周更新還是月月更新，有的預測可能是每年更新，同時還是一些突發事件發生后需要不定期更新。一個需求預測做得好的企業通常都有比較完善的需求預測機制。

4. 適配相應的需求預測方法。需求預測的方法很多，同樣沒有最完美的，只有最適合的，但都有弊端，需要靈活選擇。

   4.1 定性預測。通常在新品上市、外邊環境突變、定制型項目產品等場景下適合用。這樣的情況可以參考的歷史數據較少，或相關性不大，通常需要多部門參與，征求不同群體意見。比如，德爾菲法。當你看到一家企業針對這樣的情況就一個項目或產品部門說了算，老板一拍腦袋完事兒，其它部門也覺得這個和我沒關系，是項目和產品的事兒。那么，這樣的企業需求預測管理多半也是缺位的。

   4.2 定量預測。這類預測不像定性預測那樣需要更多的部門參與，它是根據歷史數據用一些算法和模型來尋找規律。通常是銷售和供應鏈部門參加的常規例行工作。比較常見的做法就是，針對有時間/季節性規律的產品選用一些時間序列預測方法，例如：簡單平均法、移動平均法、指數平滑法等；針對在時間維度基礎上，還有別的影響因素的（例如打折、雙11），我們就需要選用一些回歸分析法來做。

- 3 -需求預測第三定律

“需求預測是技術，更是管理”，從前面的定律中可以看到，目前從技術角度來說還沒有一個完美的解決需求預測的技術。也就是說，解決好需求預測的問題，不只是引入技術的問題，管理甚至更為重要。高層管理者對需求預測的正確理解至關重要，一個不懂以上三大定律的老板，你就別給他去談什么需求預測吧，否則難受的是你自己。劉寶紅老師的書中也提到過：

需求預測是一個跨職能協同過程。... ...在很多需求計劃比較優秀的公司，你會發現，他們并沒有什么特殊的技術手段，而是靠規范的流程和強大的溝通規則，將預測準確性提到相當高的程度，而這恰恰是最難被模仿的管理能力。

劉寶紅、趙玲著《供應鏈的三道防線》

可見，沒有公開透明、團隊協作、共創共贏的管理文化；沒有或不遵守相關流程規則的組織，無論你使用什么高科技手段和高大上的方法，我是不相信他們能做好需求預測管理的。這是供應鏈這個復雜系統的客觀事實決定的。

什么叫復雜系統？

復雜性科學中對復雜系統的描述性定義：復雜系統是具有中等數目基于局部信息做出行動的智能性、自適應性主體的系統。

北京師范大學系統科學學院，張江 ，2015-06-04

供應鏈就是一個復雜系統，這不是一個1+1=2的簡單公式和讓計算機就能解決的問題，他是1個組織行為+1個組織行為+... ... =?的問題。2021年的諾貝爾物理學獎得主之一意大利羅馬的喬治·帕里西（Giorgio Parisi）就因對復雜物理系統的理解做出開創性貢獻而獲獎。對復雜系統感興趣的朋友可以去看看諾貝爾物理學獎得主的著作《隨椋鳥飛行：復雜系統的奇境》，對供應鏈復雜性的研究會很有幫助。