需求預(yù)測經(jīng)常面臨這樣的矛盾，一方面，就是對預(yù)測報以很高的期望，認(rèn)為預(yù)測能夠解決供應(yīng)鏈供需的問題，減少甚至杜絕庫存不足或者庫存過剩的問題，而另一方面，卻是對預(yù)測工作人員的努力，成果不認(rèn)同，或者預(yù)測系統(tǒng)的不信任，總而言之，就是期望太高，現(xiàn)實(shí)不能的情況。

為此，筆者也收到過不少從業(yè)人員的抱怨，就是工作難度極大，追求完美而不能，但是付出和獲得的回報（暫且不說薪酬等）不成正比，更多的是被挑不足，批評甚至某著名名企的一個KPI就是預(yù)測準(zhǔn)確率達(dá)不到某數(shù)字還要扣錢。

以下這些典型的問題，往往都是預(yù)測人員都經(jīng)常面對的，那么如何說服對方，克服為此帶來的從業(yè)壓抑感等，是一個非常關(guān)鍵的改善點(diǎn)。

1.預(yù)測的出錯總是在對方眼里

預(yù)測總是錯誤的，這點(diǎn)如果被涉及的人員所理解，那么坦白說，所處位置的從業(yè)前景不樂觀。預(yù)測，一個是追求相對準(zhǔn)確，能夠反映相關(guān)因素的預(yù)測結(jié)果，而非絕對的完美結(jié)果。預(yù)測精度出現(xiàn)的偏差，應(yīng)該有一個彼此能夠認(rèn)同的可接受范圍。

而從業(yè)人員往往面對的都是大量的SKU，某個或者某幾個SKU需求預(yù)測出錯很厲害，就容易被認(rèn)為是所有SKU的預(yù)測都不可靠，不被信任。

預(yù)測結(jié)果一定會有不如人意的地方，假如是少量的SKU（比如5%）的預(yù)測結(jié)果相當(dāng)不可靠，更是對整體的預(yù)測和預(yù)測工作失去信任，這是要克服的。

錯誤厲害的預(yù)測，讓可以把更多時間和精力投入在這些預(yù)測結(jié)果異常的SKU上，從而發(fā)現(xiàn)不足的地方，通過不斷改善來提升預(yù)測結(jié)果的可靠性，這點(diǎn)是一個準(zhǔn)確的預(yù)測態(tài)度。

預(yù)測錯誤總是很容易被當(dāng)成箭靶受到不同的指責(zé)，而合理區(qū)分出預(yù)測錯誤的可接受，和如何利用不可靠的預(yù)測結(jié)果提升，這應(yīng)該是預(yù)測人員在工作事前，和相關(guān)部門明確和確立的重點(diǎn)步驟。

2.軟件，模型和經(jīng)驗(yàn)主義

無可否認(rèn)，智能化在現(xiàn)在發(fā)展得越來越厲害，在預(yù)測區(qū)域，也開始出現(xiàn)了不少預(yù)測軟件。而有時候，總有一些人會相對排斥使用預(yù)測軟件，因?yàn)檎J(rèn)為引入這些軟件，是認(rèn)為自己的預(yù)測結(jié)果不準(zhǔn)確。

而預(yù)測軟件很多邏輯是固定設(shè)置，這也是被一些經(jīng)驗(yàn)人士所不喜的，因?yàn)槿狈φ{(diào)整的變化，但內(nèi)部始終認(rèn)定軟件輸出的結(jié)果，導(dǎo)致經(jīng)驗(yàn)人士的知識和經(jīng)驗(yàn)被忽視。

這個是工作過程中不時出現(xiàn)的矛盾。

大多數(shù)軟件，都是只會告知如何輸入?yún)?shù)，數(shù)值，如何輸出結(jié)果，而不告訴邏輯，模型設(shè)置等具體，這應(yīng)該要在工作前去了解，讓經(jīng)驗(yàn)人士認(rèn)識到軟件的價值，同時也能發(fā)現(xiàn)軟件的不足，可以允許從業(yè)人員對此調(diào)整和修正，提高模型的精度和覆蓋面，既證明軟件系統(tǒng)的有效工作，而發(fā)揮從業(yè)人員的經(jīng)驗(yàn)和知識，贏得信任。

3.新品預(yù)測

新品不單指第一次出現(xiàn)的產(chǎn)品，范圍擴(kuò)大一點(diǎn)的說，可以包括替代產(chǎn)品和一些只有很短時間的產(chǎn)品，它們的特點(diǎn)就是沒有歷史數(shù)據(jù)或者歷史數(shù)據(jù)很少，這使得采用時間序列方法進(jìn)行預(yù)測的時候，結(jié)果可能很不穩(wěn)定，預(yù)測的需求波動很大。

尤其是電商鋪貨，如何建立具備信任度的預(yù)測模型和得出可靠的預(yù)測結(jié)果，是很大程度上關(guān)系到經(jīng)營成敗的關(guān)鍵點(diǎn)。

事實(shí)上，對于新品預(yù)測一個有效的方法就是選用類似品作為參照，不過這個需要花費(fèi)一定的時間。引用合適參照品的數(shù)據(jù)，是簡單有效的方法。

當(dāng)然，在一定歷史數(shù)據(jù)產(chǎn)生之后，還是應(yīng)該轉(zhuǎn)回使用自身數(shù)據(jù)作為分析，畢竟再類似的產(chǎn)品也不能具備其完全一致的特點(diǎn)。

4.數(shù)據(jù)缺失

典型的例子就是間歇性需求，一個時期具有某單位的需求，然后接著的時期可能長時間的0需求。這樣的特性，除了是間歇性需求外，也有可能是流動很慢的滯銷產(chǎn)品。產(chǎn)品的數(shù)據(jù)特征就是并非每一個時期有需求數(shù)據(jù)，假如把0需求數(shù)據(jù)引入到計(jì)算之中，就導(dǎo)致結(jié)果異常。

除了使用針對0需求的預(yù)測方法外，也應(yīng)該和相關(guān)方面，客戶等，為這些產(chǎn)品建立一套彼此認(rèn)可的規(guī)則，比如補(bǔ)貨策略，下架策略等。

5.數(shù)據(jù)問題

數(shù)據(jù)是預(yù)測的重要基礎(chǔ)。不過比起數(shù)據(jù)處理，更多人往往把時間花費(fèi)在預(yù)測模型的建立，預(yù)測參數(shù)的設(shè)置等，而很少把時間花費(fèi)在認(rèn)識歷史數(shù)據(jù)上。

這些包括不限于歷史的真實(shí)需求數(shù)據(jù)，產(chǎn)品相關(guān)的信息需求的，都應(yīng)該與所有系統(tǒng)，尤其是預(yù)測系統(tǒng)數(shù)據(jù)保持一致，否則出來的結(jié)果就會出現(xiàn)不可靠性。

盡管數(shù)據(jù)繁多，哪怕無法全部核查驗(yàn)證，也不妨使用抽查，或者通過一些方法來檢驗(yàn)可能的異常值，從而提高所使用數(shù)據(jù)的真實(shí)和可信性。

從數(shù)據(jù)輸入開始，數(shù)據(jù)檢查的步驟就應(yīng)該開始，盡管花費(fèi)在數(shù)據(jù)的時間和成本并不見得帶來足夠的效率提升，但是一旦錯誤的數(shù)據(jù)引起的錯誤預(yù)測，這樣的損失往往也是昂貴的。

6.缺乏銷售信息的優(yōu)化

預(yù)測并非一個埋頭苦干的工作，不是對著數(shù)據(jù)，對著屏幕埋首，因?yàn)橥鶖?shù)據(jù)并不能捕捉到未來的趨勢和發(fā)現(xiàn)市場迅速而起的驅(qū)動力，尤其是時尚快消產(chǎn)品，后者的因素尤其重要。這往往是預(yù)測結(jié)果不準(zhǔn)確的一個很重要因素。

走出象牙塔，預(yù)測并非孤立的推算工作。如何和市場信息能夠緊密連接，而預(yù)測人員必修課題。而這些信息有時并不透明，或者簡單地?fù)Q成數(shù)字，這需要預(yù)測人員分析和恰當(dāng)?shù)匕盐眨瑥亩{入在預(yù)測中，否則信息記錄的錯誤，不但不能提高預(yù)測準(zhǔn)確率，反而降低預(yù)測質(zhì)量。

這些都是一些常見的問題。

認(rèn)識和克服這些問題，才更好地讓預(yù)測工作步入正軌，帶來更多的價值和獲得更多的認(rèn)同。