2020年2月29日，那個4年一度的日子，我在一個ERP用戶交流群里做了一個視頻直播分享《供應鏈實戰(zhàn)中的需求預測》。就分享的內(nèi)容，我整理了一份文稿，供朋友們參考與討論。

分享主題。

今天我分享的主題是供應鏈實戰(zhàn)中的需求預測思路，在正式分享開始，我先說明一下，既然我們的主題是思路，那么，今天就只談預測的思路。不談具體的預測技巧，不談要不要做預測，也不談管理。

不是所有的需求都值得做預測。

在供應鏈實踐中，不是所有的需求都值得做預測。（注：我這里說的是值得，不是說不能做或者不做預測，而是不值得做預測。）

什么叫不值得做呢？無非是兩點，要么預測成本太高，得不償失；要么，預測做出來沒啥用（不準或太不準）。

那么，怎么區(qū)分值得與不值得呢？哪些預測才叫值得呢？為解決這個問題，我提出一個需求可預測矩陣。這個需求可預測矩陣的作用，就是確定哪些需求可以做預測，哪些需求值得做預測。

需求可預測矩陣。

我以數(shù)據(jù)的穩(wěn)定性為橫坐標，以數(shù)據(jù)量的多少為縱坐標，得到一個矩陣，我將這個矩陣命名為“需求可預測矩陣”。

關(guān)于這個矩陣，我們首先需要解決一個問題，即什么是數(shù)據(jù)穩(wěn)定性強，什么是數(shù)據(jù)量多？這兩個都沒有固定的標準，可以根據(jù)自家企業(yè)的實際情況而確定，以下為我的建議（我確定的標準）。

1、數(shù)據(jù)量多與少，我暫定達到或者超過一個季節(jié)周期的數(shù)據(jù)，為數(shù)據(jù)量多，不足一個季節(jié)周期的數(shù)據(jù)，為數(shù)據(jù)量少。

2、穩(wěn)定性我們一般用變異系數(shù)進行判定（變異系數(shù)=標準差除以平均值），我暫定變異系數(shù)大于等于0.4的，為穩(wěn)定性弱，小于0.4的，為穩(wěn)定性強。

需求可預測矩陣的四個象限說明。

我們先看第三象限，數(shù)據(jù)穩(wěn)定性差并且歷史數(shù)據(jù)少。

這一象限一般是公司的新產(chǎn)品。這一類產(chǎn)品的需求是不值得做預測的，因為，對定量預測尤其是時間序列來說，數(shù)據(jù)缺乏穩(wěn)定性差的這類產(chǎn)品做預測就是個災難。

在大多數(shù)情況下，這一類產(chǎn)品的需求預測，我們聽聽市場部或銷售部拍腦袋的結(jié)果就可以。當然，這拍腦袋也可以叫做定性預測。

第二象限，數(shù)據(jù)穩(wěn)定性差但歷史數(shù)據(jù)較多。

這一類一般為公司的小眾產(chǎn)品、冷門產(chǎn)品或呆滯產(chǎn)品。這一類產(chǎn)品，盡管有數(shù)據(jù)，但穩(wěn)定性差，也不值得做預測。

為什么呢？因為，這類產(chǎn)品特別難預測（預測準確率那叫慘不忍睹）。既然難預測，預測做不好，那還不如不做。在知道較勁的結(jié)果不好的情況下（或事實上不好），如果還花費大量的精力和成本與這一類產(chǎn)品較勁，我想，除了腦袋進水之外，恐怕沒有別的原因。

不過，這一類產(chǎn)品的預測不做也不行，沒有預測后續(xù)的計劃也不好安排，怎么辦呢？最好的做法是定性預測，即大家一起拍腦袋，組織市場部、產(chǎn)品部、銷售部、供應鏈等等部門一起拍腦袋，得出我們的預測結(jié)果。

第四象限，數(shù)據(jù)穩(wěn)定性強但歷史數(shù)據(jù)較少。

這一類產(chǎn)品，一般為公司的成長型產(chǎn)品。這類產(chǎn)品盡管穩(wěn)定性強，但因為歷史數(shù)據(jù)少，其穩(wěn)定性有很大的不確定。所以，這一類產(chǎn)品需要謹慎的做預測，有限的值得做預測。

這一類產(chǎn)品，因為數(shù)據(jù)少并且穩(wěn)定，我們用簡單的預測方法即可，采用移動平均或一次指數(shù)平滑都可以。如果不嫌麻煩，用Holt雙參數(shù)指數(shù)平滑更好。不過，不管采用哪種方法，我們都需要密切關(guān)注實際需求動向，以便及時調(diào)整與糾偏。

最后看第一象限，數(shù)據(jù)穩(wěn)定性強且歷史數(shù)據(jù)較多。

這一象限一般是公司的成熟產(chǎn)品，這類產(chǎn)品對公司的整體業(yè)績貢獻往往超過80%。因為這類產(chǎn)品穩(wěn)定性強且歷史數(shù)據(jù)較多，所以是強預測性的，又因為它們業(yè)績貢獻大，所以進行需求預測特別有價值。

這一類產(chǎn)品，最值得做需求預測。

按照著名的二八原則，我們需要抓住關(guān)鍵的多數(shù)，我們需要有重點的管理。無疑，對于需求預測來說，我們最重點的就是第一象限貢獻80%業(yè)績的產(chǎn)品。

所以，我接下來所講的需求預測的思路，都是針對這第一象限成熟產(chǎn)品而進行。

供應鏈實戰(zhàn)中需求預測的整體思路。

1、以時間序列做初步預測。做預測其實有如建房子，很難一蹴而就。我們老家建房子，往往分幾步走，第一步是建立起房子的整體框架，然后再內(nèi)外粉刷，再裝修，最后入住。這個初步預測，就是建立起房子的整體框架。

2、定量調(diào)整。建房的第二步是進行內(nèi)外墻粉刷，并做一定的改造與修補。需求預測也一樣，第二步進行定量調(diào)整，即采用定量的方法對我們以時間序列做出的初步預測進行改造和調(diào)整。什么是定量的方法？就是以數(shù)據(jù)說話，經(jīng)計算得出結(jié)果的方法。

3、定性調(diào)整。這就是建房子的裝修了，裝修是一個大工程，需求預測中，定性調(diào)整也是非常關(guān)鍵的一步。我等會會詳細講述我提出的一個定性方法（專家意見加權(quán)評估法），這里暫不深入。

4、預測糾偏。房子裝修好入住后，肯定還會有一些問題，我們需要及時的發(fā)現(xiàn)這些問題，改正、彌補或解決這些問題，這，就是預測糾偏。

一、以時間序列做初步預測。

隨著一些軟件的普及，目前，一般來說，企業(yè)的數(shù)據(jù)都會有一些，尤其是那些歷史的銷售數(shù)據(jù)，這為我們以時間序列做初步預測打下了基礎。

不過，現(xiàn)今是VUCA時代，銷售區(qū)域整合快，產(chǎn)品更新更快，有些區(qū)域盡管有數(shù)據(jù)，有些產(chǎn)品盡管有數(shù)據(jù)，但數(shù)據(jù)可能不太多。所以，我們不能套用一種單一的時間序列方法來預測。

那么，具體用哪種時間序列方法來做初步預測呢，我按數(shù)據(jù)的多少提以下建議。

如果該產(chǎn)品有三個季節(jié)長度或以上的數(shù)據(jù)，不管有沒有季節(jié)性，都建議使用Holt-Winters三參數(shù)指數(shù)平滑法。

這里，可能有人會說，要三年的數(shù)據(jù)，我哪有啊。這里說明一下，這個季節(jié)長度并不一定非得一年12期，只要在一個周期內(nèi)表現(xiàn)出季節(jié)性就可以（也可理解為周期性）。

比如，我之前呆過一個公司，每個星期，一到周五業(yè)績就開始下滑，周六降到最低，然后周日開始上揚，周一達到最高峰，周二三四緩慢下降。那時候，幾乎每一周都是這樣。這就是典型的季節(jié)性，季節(jié)長度就是一周，7天。

如果只有1-2個季節(jié)長度的數(shù)據(jù)，建議使用簡單的移動平均法，以季度長度為移動項進行移動平均。

移動平均法，別看簡單，其實挺好用。我曾寫過一篇文章，需求預測的六脈神劍，我將移動平均法看作少沖劍。

少沖劍由右手小指使用，為六脈神劍中最“輕”的一劍。右手小指的特點的輕靈又有些遲緩，移動平均法也一樣，輕靈簡單，但往往對數(shù)據(jù)不敏感，反應遲緩。這反應遲緩，在這里我們不怕，因為，目前畢竟做的是初步預測。

如果有2-3個季節(jié)長度的數(shù)據(jù)，那么，采用Holt-Winters三參數(shù)指數(shù)平滑法和移動平均法都可以，哪個好用用哪個，哪個用得順心用哪個。當然，我們也可以進行試算，選用MAPE（平均絕對誤差百分率）較低的方法進行預測。

二、定量調(diào)整。

定量預測是客觀的預測方法，是以數(shù)據(jù)為基礎經(jīng)過分析與計算得出預測結(jié)果的預測方法。

不管是指數(shù)平滑還是移動平均，時間序列技術(shù)的缺點都是不能考慮外部因素對需求的影響，比如降價，比如促銷，比如競品上市等等，所以，我們需要對以時間序列做出的初步預測進行第一次調(diào)整，進行考慮外部因素對需求影響的調(diào)整。這一步調(diào)整，我們采用定量的方法。

最好用效果也最可靠的定量調(diào)整方法是回歸分析法，但是，在供應鏈實戰(zhàn)中，盡管我們有不少銷售記錄，但往往缺乏足以支撐進行回歸分析的數(shù)據(jù)。比如，最常見的促銷，在實際場景中，哪怕系統(tǒng)再先進，我們很少記錄也很難記錄到促銷的具體信息與數(shù)據(jù)（比如促銷投入的資源，促銷影響銷售的時間長度等等）。

沒有這些數(shù)據(jù)，就無法真正的做回歸分析，所以，定量調(diào)整中，回歸分析很美好，但是很多時候，還真的用不上。當然，如果企業(yè)數(shù)據(jù)管理較規(guī)范和先進，數(shù)據(jù)全面，那無疑，優(yōu)先采用回歸分析進行定量調(diào)整。

不能用回歸分析進行定量調(diào)整，那怎么辦呢？我們可以采用計劃人員人工選擇相關(guān)歷史數(shù)據(jù)，計算出相應的系數(shù)進行調(diào)整的方法。

比如雙11，找出去年或前年雙11前后的銷售數(shù)據(jù)，人工計算得出雙11的增長系數(shù)，以這個系數(shù)調(diào)整我們的初步預測。

再比如促銷，我們找到上兩次相類似促銷的活動，調(diào)出促銷前后的相關(guān)數(shù)據(jù)，人工計算出促銷增長系數(shù)，以這個系數(shù)進行調(diào)整。

三、定性調(diào)整。

定量方法，無論是時間序列還是回歸分析，還是我們?nèi)斯び嬎愕南禂?shù)，都對商業(yè)運行環(huán)境、市場的突變無能為力。比如這次新冠肺炎帶來的影響和后續(xù)的沖擊，定量方法幾乎不可能去預知和把握。

為避免這種情況，在初步預測經(jīng)定量調(diào)整后，我們需要再進行第二次調(diào)整，定性調(diào)整。 

定性預測是主觀的預測方法，也就是說拍腦袋預測法。但定性預測又不完全是拍腦袋，它是一個過程。

定性預測是將有豐富經(jīng)驗和相關(guān)能力的人員的意見、經(jīng)驗以及直覺轉(zhuǎn)變?yōu)檎?guī)預測結(jié)果的過程。這些有豐富經(jīng)驗的人員，一般包括計劃人員、銷售人員、公司的主管和內(nèi)部、外部專家等。 

在一些材料上，在網(wǎng)絡搜索時，較常出現(xiàn)的定性方法一般有德爾菲法、部門主管意見法、銷售人員組合法、用戶調(diào)查法等。

不過，這些定性方法我都覺得過于主觀和單調(diào)，可操作性及實用性均不是很強，基于此，我提出一種以加權(quán)的思路，進行匯集專家意見的，定量與定性相結(jié)合的預測方法。我將其命名為專家意見加權(quán)評估法。

專家意見加權(quán)評估法。

專家意見加權(quán)評估法，就是以加權(quán)的方法匯總計算各專家意見和判斷的一種預測方法。其基本思路是，給予不同的專家不同的權(quán)重，再按照權(quán)重對每一位專家給出的結(jié)果進行加權(quán)平均，得出最終的預測結(jié)果。

下面我介紹一下這個專家意見加權(quán)評估法的具體操作步驟，專家意見加權(quán)評估法的五步流程。

1、收集、整理相關(guān)數(shù)據(jù)與信息，并進行處理和分類，打包匯總，準備發(fā)給每一位專家。

2、邀請具有一定經(jīng)驗和能力的專業(yè)人員、管理人員、銷售人員或其他內(nèi)外部專家，組成定性預測專家團隊。

3、給接受邀請的每一位專家評分，給出專家的加權(quán)權(quán)重，這是最重要的一步。

給專家評分可以從三個方面考量：一是專家的能力和經(jīng)驗程度，也就是專家的水平如何；二是專家以往預測的業(yè)績，也就是他以前拍腦袋的結(jié)果如何；三是專家的參與程度，即專家花費了多少心思給我們幫忙。三方面綜合給出專家的最終得分和權(quán)重。

另外，之前我們以時間序列做出，經(jīng)定量調(diào)整后的預測，這里做為一個最重要的專家參與加權(quán)平均，建議占到70%以上的權(quán)重。至于其它30%的權(quán)重，則建議銷售端和計劃端各占15%。

4、將預測的數(shù)據(jù)和信息發(fā)給每一位專家，請他們依據(jù)經(jīng)驗、直覺和判斷，獨立的給出預測結(jié)果。這里有個關(guān)鍵詞，“獨立”，專家的意見需要他們獨立得出，不要受其他人員或外部因素的影響。

5、收集專家意見，按第三步得出的專家加權(quán)權(quán)重，加權(quán)平均計算得出最終的預測結(jié)果。

四、預測糾偏。

經(jīng)過以上三步，我們終于得到了最終預測。得到了最終預測就完事了嗎？沒有，萬里長征才走完第一步。

有一種說法，供應鏈最具挑戰(zhàn)性，并且最吃力不討好的任務就是需求預測，為什么呢？因為，預測總不準確。是的，預測總是不準的，但我們又不能不去做預測，怎么辦呢？

常見的解決思路有兩個，第一個思路是事前準備，做安全庫存，以安全庫存應對預測的不準確，這一點，在今天討論的范圍之外，我們今天不談。

第二個思路是事中與事后跟進，進行預測糾偏，即跟蹤需求預測與實際需求的全過程，以即時的調(diào)整偏差來應對預測的不準確。

需求預測的糾偏，是指我們做出需求預測后，當實際需求與我們的預測有偏離時，我們即時的發(fā)現(xiàn)這種偏離，并即時的進行糾正與調(diào)整。

預測糾偏的三步流程。

1、發(fā)現(xiàn)偏差。

發(fā)現(xiàn)偏差，也就是識別偏差，找到偏差。發(fā)現(xiàn)偏差是預測糾偏的根本，因為，發(fā)現(xiàn)不了偏差，自然也就談不上糾正偏差。

發(fā)現(xiàn)偏差的前提是跟蹤實際需求，怎么跟蹤呢？我們可以建立預測跟蹤模型，進行報警設置，以監(jiān)控每一個產(chǎn)品，每一個客戶的實際需求，以快速的發(fā)現(xiàn)偏差。特別提醒一下，建這個預測跟蹤模型沒有想像的那么難，用Excel會簡單的函數(shù)即可設計。

2、糾正偏差。

糾正偏差是我們需求預測糾偏的核心步驟，也是發(fā)現(xiàn)偏差之后的當務之急。在發(fā)現(xiàn)偏差后，糾正偏差也可以分三步。

首先，分析偏差原因，是市場有了變化還是內(nèi)部執(zhí)行出現(xiàn)了問題。

其次，根據(jù)原因采取相應的措施，比如認定為個案或者可以承受而暫不采取措施，比如拔高或降低預測等等。注意，如果預測進行了調(diào)整，必須即時知會各相關(guān)單位（當務之急）。比如物料計劃，別預測都已經(jīng)調(diào)高好久了，供應商還遲遲得不到訂單，或者預測明明下調(diào)了，采購還在拼命下單。

最后，跟蹤采取糾正措施后的結(jié)果，再回到第一步，進行糾偏循環(huán)。

3、記錄與修正。

我們需要記錄預測偏差及糾偏的每一個過程，每一組數(shù)據(jù)，以便進行匯總分析，得出一定的規(guī)律，修正我們的預測模型。

這是需求預測的持續(xù)改善。管理，是一個持續(xù)改善的過程，需求預測，也是一個持續(xù)改善的過程。

回顧與總結(jié)。

以上，我講了供應鏈實戰(zhàn)中需求預測的一種思路，我們回顧一下主要內(nèi)容。

首先，在我們供應鏈實踐中，不是所有的需求都值得做預測。我提出一個以數(shù)據(jù)的穩(wěn)定性為橫坐標，以數(shù)據(jù)量的多少為縱坐標的 “需求可預測矩陣”，來判定值不值得做預測。數(shù)據(jù)穩(wěn)定性強且歷史數(shù)據(jù)較多的第一象限產(chǎn)品是我認為最值得做需求預測的，這類產(chǎn)品的需求預測思路，按以下四個步驟進行。

第一步，以時間序列做初步預測。當有三個季節(jié)長度的數(shù)據(jù)量時，建議使用Holt-Winters三參數(shù)指數(shù)平滑法，當只有1-2個季節(jié)長度數(shù)據(jù)量時，建議使用移動平均法。2-3個季節(jié)長度，根據(jù)實際需要選擇Holt-Winters三參數(shù)指數(shù)平滑法或移動平均法。

第二步，定量調(diào)整。如果有足以支撐進行回歸分析的數(shù)據(jù)，回歸分析法是最好用最可靠的定量調(diào)整方法。否則，建議人工系數(shù)進行調(diào)整。

第三步，定性調(diào)整。定性調(diào)整我主要介紹了專家意見加權(quán)評估法，以及它的具體操作步驟。

第四步，預測糾偏。預測總是不準的，我們需要以預測糾偏來應對預測結(jié)果的不確定性，預測糾偏的過程一般為發(fā)現(xiàn)偏差、糾正偏差和記錄修正持續(xù)改善。