需求预测怎么做：始于数据，终于判断

如果说计划是供应链的引擎的话，那么需求预测就是计划的引擎。如何提高需求预测的准确度，提高首发命中率？我们得先从需求预测怎么做开始，然后解决由谁做、错了怎么办的问题，如图1-2所示。

图1-2　需求预测要从怎么做开始，然后才是由谁做，错了怎么办

需求预测怎么做？从数据开始，由判断结束——分析历史数据，制定基准预测，然后整合业务端的判断调整，得到最终的预测。对于需求相对稳定、有章可循的，要选择合适的数据模型，争取做到精益求精，在提高服务水平的同时，降低库存水平；对于不确定性非常大的，要群策群力，整合销售、产品和供应链的最佳智慧，争取避免大错特错。

需求预测由谁做？在管理粗放的企业，我们会经常看到一线销售、一线用户提需求（做预测），总部计划做调整的情况，导致预测准确度低下。企业的管理能力提高了，需求预测上就更可能采取差异化的解决方案，比如短尾产品由计划来主导，销售、市场、产品来协助；长尾产品由销售、项目主导，计划来配合等。

那预测错了怎么办？我们有一系列的方法来应对。首先是滚动预测，尽快纠偏——快速响应不能光靠执行，更重要的是要尽快调整计划，以最准确的计划驱动供应链有序响应；其次是设立安全库存，应对需求和供应的不确定性；最后是计划的先天不足要靠执行来弥补，那就是加急赶工，驱动工厂和供应商快速响应。

对于需求预测怎么做、由谁做、错了怎么办，我们在后文还会详细阐述。需要注意的是，这里有严格的顺序：我们先要解决“怎么做”，然后才是“由谁做”，因为不管由谁做，问题的解决方法（怎么做）都是一样的；怎么做的问题不解决，那么不管是谁做都做不好，这个问题就在不同的职能之间来回扯皮。

集中采购就是典型的例子：企业为了省钱就集中采购，把对供应商的选择权集中到总部，但对供应商“有选择，没管理”，供应绩效自然没法保证，各分公司就开始抱怨；老总的耳朵实在受不了了，就开始分散采购，把对供应商的选择权下放给分公司；分公司的管理能力更弱，对供应商还是“有选择，没管理”，供应绩效当然还是不行，它们无非“自己做饭自己吃”，不好吃也不会到老总那里去告自己，但老总从结果上看出来了，比如成本降不下去，交付做不上来，于是就又开始集中采购。就这样，企业在集中与分散之间轮回。根本原因呢，就是没有解决“怎么做”的问题，即对供应商不但要有选择，而且要有管理——怎么做的问题不解决，由谁做也做不好。[1]

有趣的是，企业里跨职能团队开会讨论问题，一般都是从“由谁做”开始。对于简单的问题来说，确定了合适的对口职能，问题就解决了；对于复杂的问题则不然，特别是那些需要跨职能协作的问题，比如设计优化、供应商的选择与管理、需求预测等，“怎么做”的问题是无法回避的。此外，聚焦“由谁做”，每个职能都是“守土有责”，力争把球踢给别的职能，这也会把大家的注意力从“怎么做”转移开，成为解决“怎么做”问题的一大障碍。

在“需求预测怎么做”部分，我们主要分三大块来讲。首先我们会阐述需求预测的基本方法论，即“从数据开始，由判断结束”，平衡数据的理性和人的感性，来提高预测的准确度。然后我们会谈到需求历史较多的情况下，如何选择合适的预测模型，力求做到精益求精；不确定性非常大的时候，如何群策群力，整合跨职能的最佳智慧，尽量避免大错特错。最后我们会谈到“由判断结束”，需要判断什么，由谁来判断，以及如何提高判断的质量。此外，我们还有个专题，就是在合适的颗粒度[2]上做预测，让数据和判断完美地结合，提高预测准确度。

[1] 关于供应商的“有选择，有管理”，可以参考我的《采购与供应链管理：一个实践者的角度》（第3版）。简单地讲，供应商就如同孩子，不但要“优生”，而且要“优育”：选择是解决“优生”问题，而后续管理是解决“优育”问题。

[2] “颗粒度”这个概念会在本书中多次出现。颗粒度越大，需求的聚合效应越明显，预测准确度也越高。比如预测全国的需求，一般要比预测东莞市长安镇的需求更准确。