幾種常見的(de)需求預測(ce)方式：自上(shang)而下的(de)優勢在(zai)于在(zai)高(gao)(gao)層次所做(zuo)的(de)預測(ce)準(zhun)確率較高(gao)(gao)，適合用在(zai)銷售(shou)趨(qu)勢在(zai)高(gao)(gao)層和底(di)層都很平(ping)穩(wen)的(de)產(chan)品(pin)(pin)(pin)中，缺陷在(zai)于對于有(you)特殊(shu)銷售(shou)模(mo)式的(de)產(chan)品(pin)(pin)(pin)如新品(pin)(pin)(pin)，銷售(shou)數(shu)據斷(duan)斷(duan)續續的(de)產(chan)品(pin)(pin)(pin)等則(ze)就有(you)可(ke)能無法覆(fu)蓋。
需(xu)求預測的準(zhun)確率(lv)（FA-Forecast Accuracy）直接(jie)影響(xiang)著公司(si)的固定資本，庫存周轉率(lv)，庫存供應(ying)總天數，準(zhun)時交(jiao)付率(lv)，物流(liu)成本等重要財務指標。盡管這一概(gai)念已經(jing)深入人心(xin)，但是(shi)如何能夠提升需(xu)求預測準(zhun)確率(lv)則(ze)是(shi)很多公司(si)所困惑(huo)的，因為它確實從來都(dou)不容易。
這(zhe)項本來就帶(dai)有神(shen)秘感的工作(zuo)的目的，就是(shi)要在紛繁復雜的歷史(shi)數據(ju)中找出(chu)發展規(gui)律，同時(shi)還要考慮到現實(shi)環境中紛至沓來，幾乎難以想象的各種宏觀(guan)和微觀(guan)影響因(yin)素(su)，最后制定出(chu)最符合市場(chang)實(shi)際而(er)又能被所有人接受的未來需求(qiu)預測(ce)計劃。
這不僅需要強大的數據(ju)分析(xi)和處理能(neng)力，更是一(yi)個(ge)公司各(ge)部門相互(hu)挑戰，協調(diao)，影(ying)響，說服，平衡，配(pei)合，妥協和協作的一(yi)個(ge)流(liu)程(cheng)。
下面則是從數據分析，流程優(you)化，借助工具(ju)等角度闡(chan)述如(ru)何提升需求(qiu)預(yu)測(ce)(ce)準確率(lv)的十大方(fang)法，相信(xin)借助這(zhe)些方(fang)法需求(qiu)預(yu)測(ce)(ce)準確率(lv)會(hui)有顯(xian)著(zhu)的提升并最終影響著(zhu)公(gong)司的top-line銷售(shou)額和bottom-line利潤率(lv)。
一、歷史銷售(shou)數據的清洗
需(xu)求預測的(de)本質之一(yi)，便是對歷(li)(li)史(shi)銷(xiao)售(shou)(shou)數據分析從而(er)(er)判斷出趨勢，季節性等規律(lv)，并(bing)認(ren)為(wei)歷(li)(li)史(shi)將會(hui)重(zhong)演（history repeats）。因(yin)而(er)(er)高(gao)(gao)質量的(de)歷(li)(li)史(shi)銷(xiao)售(shou)(shou)數據則成為(wei)確保(bao)高(gao)(gao)預測準確率的(de)基礎之一(yi)。而(er)(er)在實務中(zhong)，各(ge)(ge)種各(ge)(ge)樣(yang)的(de)客(ke)觀原因(yin)如銷(xiao)售(shou)(shou)促銷(xiao)，競爭活動，天(tian)災人禍，新產品的(de)推出，國家(jia)政策的(de)突然(ran)變(bian)化(hua)等都會(hui)給(gei)銷(xiao)售(shou)(shou)數據帶來巨大的(de)影(ying)響，并(bing)且這些客(ke)觀因(yin)素(su)將來可能是不會(hui)再重(zhong)復(fu)或者重(zhong)復(fu)的(de)時(shi)間地點和方式(shi)不同，從而(er)(er)銷(xiao)售(shou)(shou)歷(li)(li)史(shi)數據的(de)清洗（data cleansing）成為(wei)需(xu)求預測工作的(de)一(yi)個必(bi)要(yao)條件。
下面(mian)的一(yi)些問題的回答(da)則可以為data cleaning指引出清晰的方向：
1、數據(ju)是(shi)否有(you)缺失現象(xiang)？數據(ju)的(de)連(lian)貫性是(shi)有(you)效(xiao)預(yu)測(ce)的(de)基(ji)礎之(zhi)一，不連(lian)貫的(de)數據(ju)往往會導致(zhi)預(yu)測(ce)模型不能發(fa)揮(hui)出(chu)*的(de)功(gong)效(xiao)。
2、數(shu)據是否能(neng)保持統一？例如當進行發(fa)貨(huo)預測(ce)（shipment forecasting）時，能(neng)否保證(zheng)所(suo)使用的(de)數(shu)據都是發(fa)貨(huo)數(shu)據而不是客戶需求的(de)數(shu)據。
3、數據是否有異(yi)常(chang)(chang)(chang)值(zhi)（outliers）？異(yi)常(chang)(chang)(chang)值(zhi)就(jiu)是由于不(bu)尋常(chang)(chang)(chang)的(de)事(shi)件所造成(cheng)的(de)異(yi)常(chang)(chang)(chang)高值(zhi)和低(di)值(zhi)，如5.12地(di)(di)震(zhen)導致速食(shi)產品作(zuo)為賑災物資在特定(ding)區域銷量(liang)激增，而相似地(di)(di)震(zhen)在同一(yi)地(di)(di)點同一(yi)時間再(zai)次發生的(de)可能性非常(chang)(chang)(chang)低(di)，該銷售增量(liang)就(jiu)可以被視為一(yi)個異(yi)常(chang)(chang)(chang)值(zhi)。而雙(shuang)11的(de)促銷活動(dong)在聯(lian)系幾年的(de)常(chang)(chang)(chang)態化(hua)(hua)和固定(ding)化(hua)(hua)后(hou)，其所帶來的(de)銷售增值(zhi)則就(jiu)不(bu)是異(yi)常(chang)(chang)(chang)值(zhi)。
4、數據是否(fou)有結構性(xing)的(de)(de)變(bian)化？數據結構性(xing)的(de)(de)變(bian)化的(de)(de)兩大特點是突(tu)然性(xing)和*性(xing)。例(li)如競爭對手由于某種(zhong)突(tu)然撤出中國市場，其所留下(xia)的(de)(de)市場份額真空被自己填補，由此所帶(dai)來的(de)(de)銷售(shou)增長就(jiu)是結構性(xing)的(de)(de)變(bian)化。
5、數據是否有季(ji)(ji)節(jie)性(xing)（seasonality）？季(ji)(ji)節(jie)性(xing)意味(wei)著銷(xiao)售(shou)數據的(de)(de)變化(hua)呈現出固(gu)定性(xing)和周期(qi)性(xing)。如圣誕節(jie)前(qian)夕的(de)(de)種種促銷(xiao)活動導致銷(xiao)售(shou)數額的(de)(de)大幅上升(sheng)；春(chun)節(jie)前(qian)的(de)(de)銷(xiao)售(shou)高(gao)峰也是典型季(ji)(ji)節(jie)性(xing)的(de)(de)表現，只不(bu)過(guo)農歷春(chun)節(jie)未必每年都在同一公歷月份從而增加(jia)了預測(ce)難度。
6、數(shu)據是否(fou)產品生命周期有聯系？產品處在(zai)生命周期不同(tong)階(jie)段（引入，增(zeng)長，成熟，下降，退市(shi)）中其銷售數(shu)據是截然不同(tong)的。
在(zai)回(hui)答完(wan)以(yi)上(shang)問(wen)題后則(ze)就可以(yi)開始對數據(ju)進行清洗，如(ru)使用平均法對遺失(shi)數據(ju)的填補；確定異常值和找到其成因，并(bing)判斷(duan)是(shi)否要人(ren)為的進行刪減和增加(jia)；對有結構性變(bian)化數據(ju)的人(ren)工(gong)修正等等。
二、在(zai)數(shu)據聚集(ji)的高層(ceng)次上做預測(ce)然后分解
需求預測(ce)的(de)(de)(de)另一(yi)個(ge)原則，就(jiu)是(shi)所謂的(de)(de)(de)“大(da)數原則（law of large number ）”即(ji)在(zai)(zai)數據(ju)聚集的(de)(de)(de)高(gao)層次上(shang)去做預測(ce)的(de)(de)(de)準確率要比在(zai)(zai)數據(ju)的(de)(de)(de)最底層上(shang)所做的(de)(de)(de)準確率要高(gao)。例如，比較容易預測(ce)出明年(nian)中國的(de)(de)(de)GDP的(de)(de)(de)增(zeng)幅是(shi)多(duo)少，即(ji)使不(bu)(bu)準確誤差(cha)也不(bu)(bu)會很大(da)，然而假(jia)如要預測(ce)具體某一(yi)個(ge)行業在(zai)(zai)某一(yi)個(ge)特定的(de)(de)(de)區域增(zeng)長(chang)或者減少的(de)(de)(de)額度是(shi)多(duo)少偏差(cha)就(jiu)可能很大(da)，更(geng)不(bu)(bu)要說多(duo)個(ge)行業和多(duo)個(ge)區域的(de)(de)(de)任意組合。
以一家快消品公(gong)司為(wei)例，其(qi)銷(xiao)售數(shu)據可以整體匯集到(dao)公(gong)司層(ceng)面，然(ran)后再(zai)可以分(fen)(fen)(fen)解到(dao)種類，品牌，包(bao)裝尺(chi)寸，SKU，事業部，銷(xiao)售區域，客戶，總倉，分(fen)(fen)(fen)倉等(deng)。根(gen)據“大數(shu)原則”，在公(gong)司層(ceng)面的(de)(de)銷(xiao)售預測的(de)(de)整體準確率(lv)相(xiang)對(dui)要(yao)(yao)高，然(ran)后再(zai)可以分(fen)(fen)(fen)解到(dao)所需要(yao)(yao)的(de)(de)層(ceng)級中去以達到(dao)最好準確率(lv)，這也就是所說的(de)(de)“top down”分(fen)(fen)(fen)解法(fa)。在分(fen)(fen)(fen)解的(de)(de)時候可以采取同(tong)比，環比，自定義等(deng)比例進行(xing)分(fen)(fen)(fen)配，但如(ru)果沒有很(hen)好工(gong)具支持的(de)(de)話，分(fen)(fen)(fen)解的(de)(de)過程還是相(xiang)當痛苦(ku)的(de)(de)。
三、使用(yong)終端銷售(shou)數(shu)據(ju)做預測
需(xu)(xu)求管理實務中(zhong)，不(bu)同的(de)公(gong)司(si)使(shi)用(yong)不(bu)同類型(xing)的(de)數(shu)據(ju)(ju)(ju)如發貨數(shu)據(ju)(ju)(ju)（shipment），客(ke)戶訂單數(shu)據(ju)(ju)(ju)(customer orders)，和終端(duan)(duan)銷售數(shu)據(ju)(ju)(ju)（POS-Point of Sale）來做預(yu)測。而在這些數(shu)據(ju)(ju)(ju)中(zhong)，用(yong)終端(duan)(duan)銷售數(shu)據(ju)(ju)(ju)來做需(xu)(xu)求預(yu)測的(de)準(zhun)確率最高因為(wei)它代表出消費(fei)者(zhe)的(de)實際需(xu)(xu)求，并且能夠(gou)真實的(de)反映的(de)市場的(de)波(bo)動(dong)和變化(hua)。
由于(yu)(yu)終端消費者的消費行(xing)為有著(zhu)“頻次(ci)高(gao)，連貫強，總量大”的特點，使終端銷售數據(ju)更(geng)加穩定和連貫，這是高(gao)預測準(zhun)確率的基礎之一。然(ran)而(er)發(fa)貨數據(ju)則由于(yu)(yu)庫存(cun)短缺，訂(ding)單積壓，物流能(neng)力的限制等(deng)因素則不能(neng)真實等(deng)同于(yu)(yu)客戶(hu)的需求。
在(zai)“牛鞭效應”中，零(ling)售(shou)商(shang)(shang)訂單的(de)(de)(de)變(bian)動(dong)性(xing)明顯大于終端消(xiao)費(fei)者需求的(de)(de)(de)變(bian)動(dong)性(xing)，為了滿足(zu)于零(ling)售(shou)商(shang)(shang)同樣的(de)(de)(de)服務水平，經銷商(shang)(shang)和代理商(shang)(shang)不得不被迫持有比(bi)零(ling)售(shou)商(shang)(shang)更多的(de)(de)(de)安全庫存(cun)，需求信息的(de)(de)(de)不真(zhen)實性(xing)會沿(yan)著供應鏈逆流(liu)而上，產生逐級放大的(de)(de)(de)現象(xiang)。
當信息(xi)達(da)到源(yuan)頭(tou)的(de)(de)供應商時，其(qi)所獲得(de)的(de)(de)需求(qiu)信息(xi)和(he)終端(duan)(duan)消(xiao)費者的(de)(de)需求(qiu)信息(xi)已(yi)經發(fa)生了(le)很大的(de)(de)偏(pian)差，所以來自客戶訂單的(de)(de)數據也(ye)不能代(dai)表(biao)真實的(de)(de)市場需求(qiu)。在(zai)(zai)一個案例(li)中，終端(duan)(duan)消(xiao)費持續低迷(mi)，零售商決定減少(shao)訂單量，供應商的(de)(de)發(fa)貨數量隨之開始(shi)減少(shao)，但(dan)終端(duan)(duan)消(xiao)費者的(de)(de)需求(qiu)還可能在(zai)(zai)相當一段時間內繼續保持低迷(mi)不變(bian)。
同理在(zai)新產品上市(shi)的(de)前期，零(ling)售商往往持有大量(liang)(liang)的(de)庫存以保持貨源充足，但終端消(xiao)費者的(de)實際需求達不到預期時，他們的(de)訂單量(liang)(liang)則開(kai)始減(jian)少，而源頭(tou)供應商的(de)發貨數量(liang)(liang)則也(ye)隨之(zhi)減(jian)少。
然而在(zai)中國的(de)(de)需(xu)求管理(li)(li)現實中，一(yi)些規模較(jiao)大管理(li)(li)水平高的(de)(de)終(zhong)(zhong)端(duan)零售商。如(ru)超市連鎖集團愿意將(jiang)其(qi)終(zhong)(zhong)端(duan)銷(xiao)售數據有償分享給(gei)供應商，以讓其(qi)對終(zhong)(zhong)端(duan)銷(xiao)售狀(zhuang)況有清(qing)楚的(de)(de)把握。然而在(zai)幅員遼(liao)闊的(de)(de)中國，此類的(de)(de)終(zhong)(zhong)端(duan)零售商只能覆蓋市場的(de)(de)一(yi)部分并且(qie)主要(yao)集中在(zai)大中型城(cheng)市中，很(hen)多區(qu)域特別是三四線城(cheng)市的(de)(de)銷(xiao)售則(ze)是由不同層(ceng)級的(de)(de)經(jing)銷(xiao)商網絡來覆蓋。
在(zai)通(tong)過經(jing)銷(xiao)商(shang)渠道(dao)的銷(xiao)售(shou)中，經(jing)銷(xiao)商(shang)往(wang)往(wang)由于稅務隱私，同業競爭，利(li)潤機密(mi)，爭取(qu)更好的銷(xiao)售(shou)政策等因素(su)而(er)不將自己(ji)的庫存和銷(xiao)售(shou)數(shu)據（sell-though）開放(fang)給上游供應商(shang)；而(er)經(jing)銷(xiao)商(shang)的終端客戶往(wang)往(wang)由于管理意識和數(shu)據搜集能力的參(can)差不齊，更是(shi)難以將自己(ji)終端銷(xiao)售(shou)數(shu)據有效利(li)用。
國內曾經(jing)(jing)有一個(ge)知(zhi)名日用(yong)品(pin)企業為(wei)自己(ji)的需求預測準(zhun)確(que)率，試圖對自己(ji)的核心經(jing)(jing)銷(xiao)商的進(jin)銷(xiao)存進(jin)行(xing)管(guan)控并(bing)找了四個(ge)經(jing)(jing)銷(xiao)商來(lai)試點，結果(guo)兩個(ge)經(jing)(jing)銷(xiao)商明確(que)拒絕，一個(ge)經(jing)(jing)銷(xiao)商雖(sui)然同意但實際提供的數據卻(que)有很大的虛假成(cheng)分，該企業最后不(bu)得不(bu)繼續使(shi)用(yong)自己(ji)的出(chu)貨數據（sell-in）來(lai)預測，預測效果(guo)就(jiu)可(ke)想而(er)知(zhi)。
雖然使用終端銷(xiao)售數(shu)據目前還(huan)有很大的障礙，但是這個方向還(huan)是要堅持的。在發達國家(jia)如澳大利亞由(you)于超過99%終端銷(xiao)售數(shu)據都能夠(gou)采集到(dao)并且能和(he)供應(ying)商分(fen)享，所以(yi)一些(xie)公司(si)的需求(qiu)預(yu)測準確率超過90%（1-MAPE）也是常見的。
四、正確選擇自(zi)上而下，自(zi)下而上和中(zhong)間(jian)開花的預測方式
幾種(zhong)常見(jian)的需求預(yu)測方(fang)式，如自(zi)上而(er)(er)下(xia)(xia)(xia)（top-down），自(zi)下(xia)(xia)(xia)而(er)(er)上（bottom-up），和中間開花（middle-out）在使用(yong)中往(wang)(wang)往(wang)(wang)出現(xian)混(hun)淆的情況，即不知道那種(zhong)方(fang)式在哪種(zhong)情況下(xia)(xia)(xia)能發揮*的效用(yong)。在自(zi)上而(er)(er)下(xia)(xia)(xia)方(fang)式中，首(shou)先(xian)在產品，市場，區域，年(nian)/季/月等因(yin)素的最高層次做需求預(yu)測，然后根據同比(bi)，環比(bi)，自(zi)定義比(bi)例等分解原則進行往(wang)(wang)下(xia)(xia)(xia)分解到種(zhong)類(lei)，品牌，SKU，周/天，顧客，DC等。
在(zai)自下而上(shang)方式中，往往先從(cong)SKU層(ceng)(ceng)(ceng)級(ji)的(de)需求(qiu)預(yu)測(ce)(ce)開始做起再逐步(bu)往上(shang)匯集(ji)。而在(zai)快消品(pin)行業中目前比較流行的(de)方式則是中間(jian)開花，即在(zai)中間(jian)層(ceng)(ceng)(ceng)級(ji)如(ru)產品(pin)種類(lei)（category）開始做預(yu)測(ce)(ce)，上(shang)可(ke)以(yi)匯集(ji)到品(pin)牌，大類(lei)，總公司(si)層(ceng)(ceng)(ceng)面(mian)，下可(ke)以(yi)分解(jie)到SKU層(ceng)(ceng)(ceng)面(mian)，這樣既可(ke)以(yi)利用的(de)高(gao)層(ceng)(ceng)(ceng)次預(yu)測(ce)(ce)的(de)準確(que)性(xing)，同時又(you)不至于在(zai)最(zui)底層(ceng)(ceng)(ceng)SKU層(ceng)(ceng)(ceng)面(mian)做預(yu)測(ce)(ce)耗費大量的(de)時間(jian)和精力。
自(zi)上(shang)(shang)(shang)而下的(de)(de)(de)優勢(shi)在(zai)(zai)于(yu)在(zai)(zai)高(gao)層次所做(zuo)的(de)(de)(de)預(yu)測準(zhun)確率較高(gao)，適合用(yong)在(zai)(zai)銷(xiao)(xiao)售(shou)趨(qu)勢(shi)在(zai)(zai)高(gao)層和(he)底層都(dou)很平穩的(de)(de)(de)產品(pin)(pin)中，缺陷(xian)在(zai)(zai)于(yu)對于(yu)有特殊銷(xiao)(xiao)售(shou)模(mo)式(shi)的(de)(de)(de)產品(pin)(pin)如新(xin)品(pin)(pin)，銷(xiao)(xiao)售(shou)數據斷斷續續的(de)(de)(de)產品(pin)(pin)等則(ze)就有可能(neng)無法覆(fu)蓋(gai)。對于(yu)高(gao)度定制化(hua)，生(sheng)命周期(qi)短，銷(xiao)(xiao)售(shou)相互(hu)抵消，每個SKU的(de)(de)(de)銷(xiao)(xiao)售(shou)趨(qu)勢(shi)都(dou)不一樣的(de)(de)(de)產品(pin)(pin)，自(zi)下而上(shang)(shang)(shang)的(de)(de)(de)方(fang)式(shi)則(ze)能(neng)發揮(hui)*的(de)(de)(de)效用(yong)。一些公司也(ye)在(zai)(zai)使(shi)用(yong)自(zi)上(shang)(shang)(shang)而下和(he)自(zi)下而上(shang)(shang)(shang)的(de)(de)(de)混合方(fang)式(shi)來(lai)更好(hao)的(de)(de)(de)確保(bao)高(gao)預(yu)測準(zhun)確率。
五、發現并剝(bo)離有(you)特殊(shu)需求(qiu)模式的SKU
不(bu)(bu)(bu)同的(de)(de)SKU即(ji)使是屬于同一(yi)種類(lei)，其銷售數(shu)據也(ye)會呈現出不(bu)(bu)(bu)同的(de)(de)模式(shi)。在將這些(xie)SKU的(de)(de)需求(qiu)預(yu)測(ce)匯集到(dao)種類(lei)層面時，則會導致種類(lei)預(yu)測(ce)的(de)(de)趨勢季度(du)不(bu)(bu)(bu)穩定，所以在預(yu)測(ce)時要將有特殊(shu)需求(qiu)模式(shi)的(de)(de)SKU，暫(zan)時從該種類(lei)中剝離(li)掉并單獨做預(yu)測(ce)。例如一(yi)個(ge)醫(yi)藥公司，在做整體需求(qiu)預(yu)測(ce)時發現自己的(de)(de)預(yu)測(ce)數(shu)據極端不(bu)(bu)(bu)穩定，很難找到(dao)規律(lv)可循。
在(zai)(zai)將(jiang)(jiang)其數據分(fen)(fen)析后發(fa)現，該(gai)公司(si)將(jiang)(jiang)自己(ji)所有的(de)(de)大類(lei)產(chan)(chan)品(pin)(pin)，如政府招投(tou)標類(lei)產(chan)(chan)品(pin)(pin)，經銷(xiao)(xiao)商渠(qu)道銷(xiao)(xiao)售(shou)產(chan)(chan)品(pin)(pin)，處(chu)(chu)方類(lei)和(he)非處(chu)(chu)方類(lei)產(chan)(chan)品(pin)(pin)完(wan)全(quan)混在(zai)(zai)一(yi)(yi)起。政府招投(tou)標類(lei)產(chan)(chan)品(pin)(pin)的(de)(de)銷(xiao)(xiao)售(shou)額占到總銷(xiao)(xiao)售(shou)額的(de)(de)近三分(fen)(fen)之一(yi)(yi)，而(er)其銷(xiao)(xiao)售(shou)的(de)(de)時間和(he)數量幾乎沒有任何規律(lv)可(ke)言(yan)；但是其通過(guo)經銷(xiao)(xiao)商渠(qu)道銷(xiao)(xiao)售(shou)產(chan)(chan)品(pin)(pin)則銷(xiao)(xiao)售(shou)態勢(shi)穩定，有明(ming)顯的(de)(de)規律(lv)和(he)季節性，將(jiang)(jiang)這兩類(lei)產(chan)(chan)品(pin)(pin)放在(zai)(zai)一(yi)(yi)起預(yu)測的(de)(de)結果肯定是有問(wen)題的(de)(de)。而(er)當同一(yi)(yi)種類(lei)中的(de)(de)不(bu)同SKU的(de)(de)銷(xiao)(xiao)售(shou)有“相互蠶食（cannibalization）”的(de)(de)現象時，將(jiang)(jiang)他們進行剝離并分(fen)(fen)別(bie)作(zuo)預(yu)測也是有必要的(de)(de)。
六、建立(li)完善的(de)需求預測管理(li)流(liu)程
數學模型(xing)的(de)(de)選(xuan)擇(ze)對需(xu)求預測非常重(zhong)要，但(dan)要明白需(xu)求預測管理(li)不(bu)是(shi)有具體哪一(yi)(yi)個部(bu)(bu)門(men)來(lai)完全(quan)負責(ze)，它是(shi)一(yi)(yi)個有計劃，銷(xiao)售，市場(chang)，供(gong)應鏈(lian)，管理(li)層(ceng)等全(quan)部(bu)(bu)門(men)參與的(de)(de)一(yi)(yi)項(xiang)工作，因為各部(bu)(bu)門(men)都是(shi)本(ben)領域(yu)的(de)(de)專(zhuan)家，在需(xu)求預測管理(li)的(de)(de)過程中能夠提供(gong)獨特(te)的(de)(de)，專(zhuan)業的(de)(de)和(he)(he)不(bu)可或缺的(de)(de)信息(xi)和(he)(he)專(zhuan)業知識，這就要求要有一(yi)(yi)個完善的(de)(de)需(xu)求預測管理(li)流(liu)程來(lai)支持(chi)各個職能各司其責(ze)。
在一(yi)個有(you)效的需(xu)(xu)(xu)求(qiu)預(yu)測(ce)管理(li)流(liu)(liu)程建立(li)起(qi)(qi)來(lai)之(zhi)前(qian)，一(yi)系列的準備工作要開(kai)(kai)始做起(qi)(qi)來(lai)，如(ru)需(xu)(xu)(xu)求(qiu)預(yu)測(ce)的周(zhou)期(qi)和頻(pin)次，預(yu)測(ce)的產品/銷售組織層級，需(xu)(xu)(xu)求(qiu)預(yu)測(ce)提前(qian)期(qi)，需(xu)(xu)(xu)求(qiu)預(yu)測(ce)的數據來(lai)源，需(xu)(xu)(xu)求(qiu)預(yu)測(ce)的職(zhi)能的設(she)置(zhi)，需(xu)(xu)(xu)求(qiu)預(yu)測(ce)所使(shi)用(yong)的工具如(ru)軟件，模板等，需(xu)(xu)(xu)求(qiu)預(yu)測(ce)的方式-自上而下，自下而上或(huo)者中間開(kai)(kai)花，以及企業中哪些(xie)部門(men)要參與(yu)到(dao)需(xu)(xu)(xu)求(qiu)預(yu)測(ce)流(liu)(liu)程中來(lai)和他(ta)們的角色，職(zhi)責，考(kao)核(he)指標。
例如，在快消(xiao)品(pin)企業(ye)中(zhong)需求預(yu)(yu)測部門(men)(men)一般負責數據的(de)(de)(de)(de)搜集，清洗和整合，并(bing)對(dui)(dui)銷(xiao)(xiao)(xiao)售預(yu)(yu)測的(de)(de)(de)(de)baseline，在此(ci)基(ji)礎上(shang)銷(xiao)(xiao)(xiao)售部門(men)(men)要(yao)考慮短(duan)期（3個月之內）由于銷(xiao)(xiao)(xiao)售活動如新客戶的(de)(de)(de)(de)開發，現有客戶重大的(de)(de)(de)(de)銷(xiao)(xiao)(xiao)售行(xing)動，競(jing)爭對(dui)(dui)手的(de)(de)(de)(de)主要(yao)行(xing)為(wei)(wei)，打折促銷(xiao)(xiao)(xiao)等銷(xiao)(xiao)(xiao)售活動所帶來(lai)的(de)(de)(de)(de)銷(xiao)(xiao)(xiao)售增減(jian)，而(er)市(shi)場部門(men)(men)則通(tong)過對(dui)(dui)消(xiao)費者(zhe)行(xing)為(wei)(wei)，產品(pin)生(sheng)命周期，品(pin)牌形象，宏觀經(jing)濟政策等研究(jiu)來(lai)對(dui)(dui)長期的(de)(de)(de)(de)銷(xiao)(xiao)(xiao)售預(yu)(yu)測提供(gong)自己的(de)(de)(de)(de)專業(ye)判斷，而(er)財務部門(men)(men)則從投資回報率等角度對(dui)(dui)銷(xiao)(xiao)(xiao)售預(yu)(yu)測進行(xing)支持(chi)；而(er)在工(gong)業(ye)品(pin)企業(ye)中(zhong)，產品(pin)經(jing)理則是需求預(yu)(yu)測流(liu)程(cheng)的(de)(de)(de)(de)一個重要(yao)參與方。在以上(shang)流(liu)程(cheng)明確以后(hou)各個職能才能真(zhen)正的(de)(de)(de)(de)協同起(qi)來(lai)做出最為(wei)(wei)精準的(de)(de)(de)(de)需求預(yu)(yu)測。
七、正確(que)使(shi)用(yong)最適合的(de)預測模(mo)型
在(zai)需求預測(ce)中，預測(ce)模型的(de)(de)選擇是(shi)(shi)至關重(zhong)要(yao)的(de)(de)，模型會根據歷史銷售數據的(de)(de)各種特征模擬出未來的(de)(de)走勢，這是(shi)(shi)需求預測(ce)工作的(de)(de)中技術性(xing)的(de)(de)一(yi)個重(zhong)要(yao)體現，因為涉及到統計(ji)學的(de)(de)一(yi)些專業知識，模型也是(shi)(shi)比較具有神秘感的(de)(de)同(tong)時也是(shi)(shi)最(zui)容易被誤解(jie)的(de)(de)部分。
實(shi)務中總是看(kan)到一些公司在苦(ku)(ku)苦(ku)(ku)追尋(xun)所謂最(zui)*的(de)(de)預(yu)(yu)測模(mo)(mo)型(xing)(xing)，仿佛這些模(mo)(mo)型(xing)(xing)一旦用上(shang)自己(ji)的(de)(de)預(yu)(yu)測就立刻能夠(gou)100%準確一樣，成(cheng)了(le)改善需求管(guan)理的(de)(de)一個必勝(sheng)絕(jue)技。而模(mo)(mo)型(xing)(xing)選擇的(de)(de)一個重要原則(ze)就是沒有(you)奇跡模(mo)(mo)型(xing)(xing)，即(ji)預(yu)(yu)測模(mo)(mo)型(xing)(xing)在預(yu)(yu)測中僅僅起(qi)到輔(fu)助作用，沒有(you)任何一個模(mo)(mo)型(xing)(xing)能夠(gou)做到完全正確，最(zui)好(hao)的(de)(de)預(yu)(yu)測模(mo)(mo)型(xing)(xing)其實(shi)就是能夠(gou)抓取歷史數(shu)據中大部(bu)分的(de)(de)規則(ze)和模(mo)(mo)式，抓取的(de)(de)越多，預(yu)(yu)測錯誤就會(hui)越少(shao)，預(yu)(yu)測效果越好(hao)。
而歷史數據的(de)(de)(de)(de)不規(gui)則性越(yue)(yue)強(qiang)，甚至(zhi)出(chu)(chu)現缺(que)失(shi)和噪音，則預(yu)測(ce)(ce)模(mo)型(xing)(xing)(xing)所起到的(de)(de)(de)(de)作用就(jiu)越(yue)(yue)為局限。同時在(zai)模(mo)型(xing)(xing)(xing)的(de)(de)(de)(de)選擇中(zhong)，不要抱有(you)(you)“一(yi)(yi)招鮮吃遍天”的(de)(de)(de)(de)錯誤思想，某些模(mo)型(xing)(xing)(xing)當前的(de)(de)(de)(de)預(yu)測(ce)(ce)結果還不錯，但(dan)一(yi)(yi)旦上個月的(de)(de)(de)(de)銷售出(chu)(chu)現異常，這(zhe)些模(mo)型(xing)(xing)(xing)有(you)(you)可能(neng)就(jiu)會(hui)失(shi)靈(ling)，所以(yi)定期對現有(you)(you)的(de)(de)(de)(de)模(mo)型(xing)(xing)(xing)進(jin)行(xing)重新測(ce)(ce)試還是非常有(you)(you)必(bi)要的(de)(de)(de)(de)。而復雜模(mo)型(xing)(xing)(xing)的(de)(de)(de)(de)預(yu)測(ce)(ce)效果一(yi)(yi)定好于簡單模(mo)型(xing)(xing)(xing)，組(zu)合模(mo)型(xing)(xing)(xing)的(de)(de)(de)(de)預(yu)測(ce)(ce)效果一(yi)(yi)定好于單一(yi)(yi)模(mo)型(xing)(xing)(xing)等說法(fa)其實也未必(bi)正確，在(zai)模(mo)型(xing)(xing)(xing)選擇中(zhong)只有(you)(you)最適合的(de)(de)(de)(de)沒有(you)(you)最復雜的(de)(de)(de)(de)。
八(ba)、正確理解需求(qiu)預測沖突的成因，建立激(ji)勵性(xing)而非(fei)懲罰性(xing)的考(kao)核機制
評(ping)估需(xu)求(qiu)(qiu)預測(ce)(ce)的(de)兩個重要指(zhi)標(biao)分別為需(xu)求(qiu)(qiu)預測(ce)(ce)準確(que)性（1-MAPE）和偏差(cha)率（BIAS），前者用于(yu)評(ping)估誤(wu)差(cha)幅度，后者用于(yu)確(que)定系統誤(wu)差(cha)。他們不(bu)僅用于(yu)在SKU層(ceng)次衡量(liang)，還要在其他層(ceng)次上如品牌，品類，事(shi)業部(bu)，總公司等(deng)層(ceng)面來(lai)衡量(liang)。因為需(xu)求(qiu)(qiu)預測(ce)(ce)工(gong)作并不(bu)是由(you)單一部(bu)門(men)(men)獨立完(wan)成，它需(xu)要各個部(bu)門(men)(men)如銷售，市場等(deng)職能強力的(de)參與(yu)和配合，沒有這些部(bu)門(men)(men)的(de)話，需(xu)求(qiu)(qiu)預測(ce)(ce)則成了(le)無水之源。
然而需求預測對于(yu)以(yi)上部門來說(shuo)只(zhi)能是(shi)(shi)職責之一，并不完全是(shi)(shi)其主業(ye)，所以(yi)從(cong)各部門協同的(de)角度來講，需求預測的(de)考核(he)機制(zhi)應以(yi)激(ji)勵性而非懲(cheng)罰性為主，否(fou)則將(jiang)打消各部門參加的(de)積極性。某一知名快消類企業(ye)在(zai)建(jian)立(li)(li)需求預測考核(he)機制(zhi)的(de)時候，采取了建(jian)立(li)(li)大(da)區預測準確(que)性排名機制(zhi)，在(zai)內部樹立(li)(li)正面(mian)典型并進行經驗分享(xiang)，還給予精神和物(wu)資獎勵來實(shi)施正面(mian)激(ji)勵。
同時要(yao)清(qing)楚需求(qiu)預測(ce)的(de)(de)(de)(de)偏(pian)差(cha)本(ben)身(shen)并(bing)不可(ke)怕，關鍵它要(yao)在可(ke)以接受(shou)的(de)(de)(de)(de)范(fan)圍之(zhi)內，而且(qie)要(yao)能找出形(xing)成偏(pian)差(cha)的(de)(de)(de)(de)根(gen)本(ben)原因(yin)以找到下次改進的(de)(de)(de)(de)辦(ban)法，這就是為什(shen)么需求(qiu)預測(ce)的(de)(de)(de)(de)表(biao)面數字(zi)并(bing)不是最重要(yao)的(de)(de)(de)(de)，最重要(yao)的(de)(de)(de)(de)則是這些(xie)數字(zi)之(zhi)后的(de)(de)(de)(de)assumption，只有(you)理解這些(xie)假設條件對預測(ce)的(de)(de)(de)(de)影響之(zhi)后，才能真正掌握預測(ce)的(de)(de)(de)(de)精髓。
九、專(zhuan)業需求預測職能的配備
需求預測是一個專業的(de)(de)職能，而且是各(ge)種技能的(de)(de)綜合體。他/她們(men)需要(yao)有(you)總(zong)經(jing)理(li)把控全局(ju)的(de)(de)戰略(lve)觀，市場(chang)人(ren)員(yuan)(yuan)敏銳的(de)(de)洞(dong)察力，銷售人(ren)員(yuan)(yuan)過人(ren)的(de)(de)溝通能力，供應鏈人(ren)員(yuan)(yuan)謹慎全面的(de)(de)運(yun)營意識，以及財務人(ren)員(yuan)(yuan)細致(zhi)入微的(de)(de)分(fen)析(xi)能力。從文科和理(li)科劃分(fen)角度來說，這個職務其實是個文理(li)科的(de)(de)結合。
需(xu)求預測人員(yuan)不僅(jin)要(yao)(yao)(yao)搜集數據更要(yao)(yao)(yao)對數據進行分析和決(jue)策，從一個單向(xiang)信(xin)息(xi)(xi)接(jie)收轉變為雙向(xiang)的(de)(de)(de)(de)信(xin)息(xi)(xi)互動(dong)和控制者，他們既是(shi)數據的(de)(de)(de)(de)負責(ze)人，又要(yao)(yao)(yao)對產品(pin)的(de)(de)(de)(de)非常熟悉，同(tong)時又是(shi)需(xu)求管理流程(cheng)的(de)(de)(de)(de)總(zong)協調人，這就要(yao)(yao)(yao)求此職能(neng)在(zai)企業中(zhong)(zhong)的(de)(de)(de)(de)地(di)位(wei)不僅(jin)僅(jin)局限在(zai)支持和后勤的(de)(de)(de)(de)意(yi)義，而(er)是(shi)要(yao)(yao)(yao)在(zai)需(xu)求預測的(de)(de)(de)(de)流程(cheng)中(zhong)(zhong)扮演協調者和決(jue)策者的(de)(de)(de)(de)角色，這就要(yao)(yao)(yao)求對于他們的(de)(de)(de)(de)培(pei)養和招聘以及薪(xin)酬(chou)待(dai)遇(yu)等都要(yao)(yao)(yao)不同(tong)于普通的(de)(de)(de)(de)崗位(wei)。
在(zai)實務中(zhong)，越來越多(duo)的(de)企業(ye)(ye)高度重視計劃職(zhi)(zhi)能(neng)(neng)，將(jiang)該職(zhi)(zhi)能(neng)(neng)放在(zai)一個相對中(zhong)立(li)的(de)部門(men)如供應(ying)(ying)鏈，甚至把(ba)該職(zhi)(zhi)能(neng)(neng)完全(quan)獨立(li)出來直接(jie)向總經(jing)理(li)匯報使(shi)之完全(quan)成為(wei)一個指揮中(zhong)樞。而反觀一些企業(ye)(ye)，根本就沒有(you)負責此業(ye)(ye)務的(de)職(zhi)(zhi)能(neng)(neng)崗(gang)位(wei)，或者只是由客服(fu)，銷售(shou)支持(chi)等(deng)人員兼職(zhi)(zhi)的(de)在(zai)應(ying)(ying)付此事，并且在(zai)企業(ye)(ye)中(zhong)的(de)地位(wei)低的(de)也慘不忍睹，有(you)的(de)甚至向物流或者客服(fu)部門(men)匯報，最(zui)終(zhong)只是淪為(wei)數據的(de)搜集者和搬運工(gong)。
十、爭取高層支持
爭(zheng)取高(gao)層支持(chi)好似一個(ge)老生常談的(de)(de)話(hua)題，如(ru)同“正確(que)(que)的(de)(de)廢話(hua)”。高(gao)層一旦支持(chi)很多問題都會迎(ying)刃而(er)解，但如(ru)何獲取高(gao)層的(de)(de)支持(chi)則就(jiu)成了(le)一個(ge)比較有挑戰性的(de)(de)任務(wu)。沒有一個(ge)公司的(de)(de)董事會會對管(guan)理高(gao)層進(jin)(jin)行需求預測準確(que)(que)性進(jin)(jin)行考核(he)，既然他們(men)(men)不肩(jian)負這(zhe)個(ge)指標(biao)，爭(zheng)取到(dao)他們(men)(men)的(de)(de)支持(chi)是否就(jiu)聽天由(you)命(ming)了(le)。
如何爭取到高(gao)層的(de)(de)(de)支持，則就要將FA和他們關心的(de)(de)(de)指(zhi)標如公司固(gu)定資本，供應鏈運營(ying)消耗(hao)成本，以及(ji)運營(ying)資本管理的(de)(de)(de)有效性(xing)，以及(ji)最(zui)終的(de)(de)(de)top-line銷售額和bottom-line利潤(run)率(lv)等(deng)聯系起(qi)來，尤其是(shi)需求預(yu)測(ce)準(zhun)確(que)性(xing)對這些的(de)(de)(de)指(zhi)標的(de)(de)(de)影響(xiang)(xiang)，并且(qie)以數據的(de)(de)(de)形(xing)式展示(shi)出來，這才能夠給(gei)高(gao)層帶(dai)來巨(ju)大的(de)(de)(de)影響(xiang)(xiang)。
例如(ru)，國際商業(ye)預(yu)測計劃協會（IBF-Institute of Business Forecasting and Planning）通過對不(bu)同產業(ye)和公司真實數(shu)據的研究發(fa)現一(yi)旦FA降至80%以下時，超過60天的庫存開始積(ji)壓；而FA在50%左右，超過60天庫存占總庫存的比(bi)例則達到(dao)驚人的60%，這是任何一(yi)個(ge)CEO和CFO都不(bu)想看到(dao)的。
通過這個方式(shi)，想(xiang)爭取到高層對需求(qiu)預(yu)測(ce)管理的支持也不是(shi)一件很困難的事情了(le)。
轉載：//citymember.cn/zixun_detail/30095.html