供應(yīng)鏈管理就是要讓供應(yīng)和需求相互匹配。需求是所有供應(yīng)鏈活動的源頭，了解、預(yù)測需求信息是非常重要的，這將幫助我們更好地規(guī)劃供應(yīng)鏈，實現(xiàn)產(chǎn)銷平衡，達成各項財務(wù)指標，比如銷售、庫存和運費等。

需求驅(qū)動Demand Driven的供應(yīng)鏈已是主流的模式，替代了傳統(tǒng)的以產(chǎn)定銷的模式。供應(yīng)鏈管理需要一套有效的預(yù)測流程，這是今天文章重點討論的內(nèi)容。

1.明確預(yù)測的目的

為什么要做預(yù)測？因為我們想要知道未來的趨勢會是怎么樣的，月末庫存金額會有多少？運費是否會超出預(yù)算？逾期訂單數(shù)量是否會降低？這些是我們想要了解的情況。

我們不是為了預(yù)測而去預(yù)測，而是出于某種原因，所以一定要明確目的是什么。預(yù)測是某個供應(yīng)鏈流程中的一部分，比如它是S&OP中很重要的一個步驟，用于預(yù)測和管理未來的需求，然后在公司內(nèi)部建立一座橋梁，與供應(yīng)形成平衡。

因此，預(yù)測是工具，而不是目的。

2.明確預(yù)測的內(nèi)容和時間范圍

首先來看預(yù)測的內(nèi)容，也就是預(yù)測什么東西。最常見的內(nèi)容是產(chǎn)品的銷售量、需求、庫存。

我們還要定義預(yù)測的層級，是某款產(chǎn)品SKU，是整個產(chǎn)品系列Product family，還是公司Overall的總體情況？這是第一個要明確的事情。

接下來就是預(yù)測的時間范圍，也叫做Time horizon。這是什么概念？預(yù)測是對未來的一種估計，所以時間是一個維度。

在繪制預(yù)測圖表時，時間是在X軸上的，由近到遠，向著右側(cè)延伸出去，構(gòu)成了一道水平線，這就是Time horizon的意思，通常我們把它叫做時間范圍或是跨度。

時間是有單位的，小時、天、周、月和年，我們會根據(jù)預(yù)測的目的來選擇合適的時間單位。

當我們要做公司的五年規(guī)劃時，這是戰(zhàn)略層面的，所以時間跨度是最長的。有一些大型基礎(chǔ)設(shè)施的投資建設(shè)周期很長，需要預(yù)見到十年、二十年后的需求情況。

在戰(zhàn)術(shù)層面通常是以月或是周為單位，我們需要考慮短期的產(chǎn)能規(guī)劃、 主 生產(chǎn)計劃和庫存計劃等。例如，S&OP一般是以月度為單位執(zhí)行，它屬于是戰(zhàn)術(shù)層面的流程。

執(zhí)行層面是每天或每小時的具體活動，包括具體要生產(chǎn)什么商品，或每天需要安排幾輛卡車運貨之類的事情。

3.選擇預(yù)測的方法和模型

我們可以選擇定性的或定量的方法，或把兩者混合起來使用。定性是一種主觀的判斷方法，最貼近預(yù)測對象的人群能提供較為準確的預(yù)測。

我們會詢問銷售人員關(guān)于市場需求的情況，因為他們是離客戶最近，也是最懂市場的人。一線人員能夠反饋最真實的信息，所以他們的輸入信息質(zhì)量很高。

主觀判斷的基本邏輯是“總會有人知道情況”，具體的方法就是讓合適的人來做判斷。

還有一種定性的方法是專家判斷，也就是著名的德爾菲法Delphi method。

這是讓一群專家通過匿名調(diào)查的方式來進行集體判斷，群策群力可以避免踩坑。俗話說“三個臭皮匠，頂個諸葛亮”，何況是專家的智慧呢。

我們更多地使用定量方法，其中最著名的就是時間序列Time series。正如前文所述，我們是在預(yù)測未來，時間是基本的維度。組成時間序列的元素有需求的基線、季節(jié)性因素、趨勢和其他因素。

時間序列預(yù)測的方法有“好天真”的Na?ve、“被平均”的移動平均Moving average和“很靈活”的指數(shù)平滑Exponential Smoothing。

還有一個定量的方法就是因果模型。凡事有因必有果。天氣轉(zhuǎn)熱了，羽絨服的需求就會下降。

2021年足壇巨星梅西、C羅轉(zhuǎn)會去了新的足球俱樂部，他們的新球衣銷量直線飆升。需求是由一些潛在因素引起的，我們可以通過數(shù)學(xué)模型，建立起因果之間的聯(lián)系，推算出需求數(shù)量。

如果我們有歷史數(shù)據(jù)，而且趨勢比較穩(wěn)定，可以使用時間序列預(yù)測。如果沒有數(shù)據(jù)，或者趨勢經(jīng)常變化，最好的辦法是根據(jù)引起趨勢變化的因素，來制定一個有關(guān)聯(lián)性的預(yù)測。

4.收集數(shù)據(jù)

數(shù)據(jù)是最重要的輸入信息，我們需要根據(jù)預(yù)測的內(nèi)容來收集對應(yīng)的數(shù)據(jù)。

如果要預(yù)測運輸費用，我們需要收集的信息有歷史運輸費用、工廠未來的訂單數(shù)量、貨物的體積重量、送貨和發(fā)貨頻率和原材料采購量等。

如果要預(yù)測原材料庫存金額，我們需要的數(shù)據(jù)包括SKU清單和采購單價、未來12個月的需求、采購的前置時間Lead time、運輸時間和頻次等。

與預(yù)測內(nèi)容無相關(guān)性的數(shù)據(jù)就不需要收集。在收集數(shù)據(jù)時，我們要注意數(shù)據(jù)的質(zhì)量，先要進行數(shù)據(jù)清理，把不合理或是錯誤的數(shù)據(jù)剔除掉。除此之外，如果數(shù)據(jù)顯示出很強的季節(jié)性，就用去季節(jié)性的方法將其暫時去除。

5.使用歷史數(shù)據(jù)測試模型

預(yù)測模型是否有效？我們要測試一下選用的模型。如果我們有歷史數(shù)據(jù)，準備一個從現(xiàn)在開始的，持續(xù)幾個時間段的預(yù)測結(jié)果，并將它與實際歷史結(jié)果進行比較。

我們可以用實際的數(shù)值減去預(yù)測值，得到誤差值，然后進行分析。常用的檢驗預(yù)測數(shù)據(jù)的方法有以下這三種：

• Mean Absolute Deviation (MAD)

• Root Mean Squared Error (RMSE)

• Mean Absolute Percent Error (MAPE)

我們可以使用多種方法進行預(yù)測，然后找到最合適的方法。

6.實施預(yù)測

我們在進行了必要的調(diào)整后，使用合適的預(yù)測模型。如果季節(jié)性因素在之前的數(shù)據(jù)清理中去除了，現(xiàn)在就把它重新加進去。

任何定性的調(diào)整都將在這時進行，可以在最后的結(jié)果之上乘以一個系數(shù)，用來解決“噪音”，或者說是給預(yù)測留一些容錯的空間。執(zhí)行此類調(diào)整需要聽取一線人員的建議，單純依賴于模型，可能會出現(xiàn)偏離現(xiàn)實的情況。

7.定期回顧，提高預(yù)測模型的準確性

正如預(yù)測中著名的原理“預(yù)測永遠都是錯誤的”，預(yù)測存在一定的錯誤區(qū)間，也就是預(yù)測值和實際值之間的差。我們需要定期審查和改進模型，提高準確性、避免預(yù)測過高或過低的傾向。