幾(ji)種(zhong)常見的(de)(de)(de)需求預(yu)測(ce)方(fang)式(shi)：自上(shang)而(er)下的(de)(de)(de)優勢在(zai)于(yu)在(zai)高層次所做的(de)(de)(de)預(yu)測(ce)準確率較高，適合用在(zai)銷(xiao)售趨勢在(zai)高層和底層都(dou)很平穩的(de)(de)(de)產品(pin)中，缺(que)陷(xian)在(zai)于(yu)對于(yu)有特殊(shu)銷(xiao)售模式(shi)的(de)(de)(de)產品(pin)如新品(pin)，銷(xiao)售數(shu)據(ju)斷斷續(xu)續(xu)的(de)(de)(de)產品(pin)等則就(jiu)有可(ke)能無法覆(fu)蓋。
需求預(yu)測的(de)準(zhun)確(que)率(lv)(lv)（FA-Forecast Accuracy）直接影響著(zhu)公司(si)的(de)固(gu)定資本，庫(ku)存(cun)(cun)周轉率(lv)(lv)，庫(ku)存(cun)(cun)供應總天數，準(zhun)時交付率(lv)(lv)，物流成(cheng)本等重要財務(wu)指(zhi)標(biao)。盡管這一概念(nian)已經深入人心，但是(shi)如(ru)何能夠(gou)提升需求預(yu)測準(zhun)確(que)率(lv)(lv)則是(shi)很(hen)多公司(si)所困惑的(de)，因為它確(que)實從來(lai)都不容易。
這項本來就帶有(you)神秘感的(de)(de)工作(zuo)的(de)(de)目的(de)(de)，就是(shi)要(yao)在紛(fen)繁復雜的(de)(de)歷史數據中找(zhao)出發展(zhan)規律，同時還要(yao)考慮到現實(shi)環境中紛(fen)至沓來，幾乎難以想象的(de)(de)各種宏觀(guan)和(he)微觀(guan)影響因(yin)素，最(zui)后制定出最(zui)符合市場實(shi)際(ji)而又能被(bei)所有(you)人接受的(de)(de)未來需求預(yu)測計(ji)劃。
這不僅需(xu)要(yao)強大的(de)數(shu)據分析和(he)處(chu)理(li)能力，更是(shi)一個公司各部門相(xiang)互挑戰，協調，影響，說服，平衡，配合(he)，妥協和(he)協作的(de)一個流程(cheng)。
下面則是從數據(ju)分析，流程優化(hua)，借助工(gong)具等角度闡述(shu)如(ru)何(he)提升需求(qiu)預測準(zhun)確(que)率(lv)的十(shi)大方法(fa)，相(xiang)信借助這些(xie)方法(fa)需求(qiu)預測準(zhun)確(que)率(lv)會(hui)有顯著的提升并最(zui)終影響著公(gong)司的top-line銷售額和bottom-line利潤率(lv)。
一、歷史銷(xiao)售數據(ju)的清洗
需求(qiu)預測的(de)本(ben)質(zhi)之一(yi)，便(bian)是對(dui)歷史(shi)銷(xiao)售數(shu)據(ju)分析從(cong)而(er)(er)判斷出趨勢(shi)，季(ji)節性等規律，并認(ren)為(wei)(wei)歷史(shi)將(jiang)會(hui)重演（history repeats）。因(yin)而(er)(er)高質(zhi)量的(de)歷史(shi)銷(xiao)售數(shu)據(ju)則(ze)成為(wei)(wei)確保高預測準確率的(de)基礎之一(yi)。而(er)(er)在(zai)實務中(zhong)，各種各樣(yang)的(de)客觀原因(yin)如銷(xiao)售促(cu)銷(xiao)，競爭(zheng)活動(dong)，天(tian)災人禍，新產品的(de)推出，國家(jia)政策的(de)突(tu)然變化等都會(hui)給銷(xiao)售數(shu)據(ju)帶來巨大的(de)影響，并且(qie)這些(xie)客觀因(yin)素將(jiang)來可能是不會(hui)再重復或者重復的(de)時間地點(dian)和(he)方式不同，從(cong)而(er)(er)銷(xiao)售歷史(shi)數(shu)據(ju)的(de)清洗（data cleansing）成為(wei)(wei)需求(qiu)預測工作(zuo)的(de)一(yi)個(ge)必要條件。
下面的一些問題(ti)的回答則可以(yi)為data cleaning指引(yin)出清晰的方向(xiang)：
1、數(shu)(shu)據是否有(you)缺失(shi)現(xian)象(xiang)？數(shu)(shu)據的連貫(guan)性(xing)是有(you)效預測的基礎之一(yi)，不(bu)連貫(guan)的數(shu)(shu)據往(wang)往(wang)會導致預測模型不(bu)能(neng)發(fa)揮(hui)出*的功效。
2、數(shu)據(ju)是否(fou)能保(bao)持統一？例如當進行(xing)發(fa)貨(huo)預測（shipment forecasting）時，能否(fou)保(bao)證所使(shi)用(yong)的(de)數(shu)據(ju)都是發(fa)貨(huo)數(shu)據(ju)而不是客(ke)戶需求的(de)數(shu)據(ju)。
3、數據是(shi)(shi)否有異常(chang)(chang)(chang)(chang)(chang)(chang)值(zhi)(zhi)（outliers）？異常(chang)(chang)(chang)(chang)(chang)(chang)值(zhi)(zhi)就(jiu)是(shi)(shi)由于不(bu)尋常(chang)(chang)(chang)(chang)(chang)(chang)的(de)事件(jian)所(suo)造成(cheng)的(de)異常(chang)(chang)(chang)(chang)(chang)(chang)高值(zhi)(zhi)和低值(zhi)(zhi)，如5.12地震導致速食(shi)產品作為賑災物資在(zai)特定(ding)區(qu)域(yu)銷量激(ji)增，而(er)相似地震在(zai)同(tong)一(yi)地點同(tong)一(yi)時間(jian)再次發(fa)生的(de)可(ke)能性非常(chang)(chang)(chang)(chang)(chang)(chang)低，該銷售(shou)(shou)增量就(jiu)可(ke)以被視為一(yi)個異常(chang)(chang)(chang)(chang)(chang)(chang)值(zhi)(zhi)。而(er)雙11的(de)促銷活動在(zai)聯系幾年的(de)常(chang)(chang)(chang)(chang)(chang)(chang)態化(hua)和固定(ding)化(hua)后，其所(suo)帶來的(de)銷售(shou)(shou)增值(zhi)(zhi)則就(jiu)不(bu)是(shi)(shi)異常(chang)(chang)(chang)(chang)(chang)(chang)值(zhi)(zhi)。
4、數(shu)據是否有結構性(xing)的(de)(de)(de)變化？數(shu)據結構性(xing)的(de)(de)(de)變化的(de)(de)(de)兩大特點是突然性(xing)和(he)*性(xing)。例如競爭對手(shou)由于某種突然撤出中國市場(chang)，其所留下(xia)的(de)(de)(de)市場(chang)份(fen)額真空被自己填補(bu)，由此所帶(dai)來的(de)(de)(de)銷售(shou)增長就(jiu)是結構性(xing)的(de)(de)(de)變化。
5、數據是(shi)否有季節(jie)性(xing)（seasonality）？季節(jie)性(xing)意味著銷(xiao)售數據的(de)(de)變(bian)化呈現出(chu)固定性(xing)和周期性(xing)。如(ru)圣誕節(jie)前夕的(de)(de)種種促(cu)銷(xiao)活(huo)動(dong)導致銷(xiao)售數額的(de)(de)大幅上升；春(chun)節(jie)前的(de)(de)銷(xiao)售高峰也是(shi)典型(xing)季節(jie)性(xing)的(de)(de)表現，只不過農歷(li)春(chun)節(jie)未必每年都在同一公歷(li)月(yue)份從(cong)而(er)增加了預測(ce)難度。
6、數(shu)據(ju)是否產品(pin)生(sheng)命周期有聯系？產品(pin)處(chu)在生(sheng)命周期不同(tong)階段(duan)（引(yin)入(ru)，增(zeng)長，成熟，下降(jiang)，退市）中其銷售數(shu)據(ju)是截然不同(tong)的(de)。
在回答完以上問題后則就(jiu)可(ke)以開始對(dui)數據進行清洗，如使用(yong)平均法(fa)對(dui)遺失數據的填補；確(que)定異常(chang)值(zhi)和(he)找到其成因，并判斷是否要人(ren)(ren)為的進行刪減和(he)增加；對(dui)有結構性(xing)變化數據的人(ren)(ren)工修正等等。
二、在數據聚集的高層次上(shang)做預測然(ran)后分解
需求預測的(de)(de)(de)(de)另一(yi)個(ge)(ge)(ge)原(yuan)則，就是所(suo)謂(wei)的(de)(de)(de)(de)“大(da)(da)數原(yuan)則（law of large number ）”即(ji)在數據聚集的(de)(de)(de)(de)高層次(ci)上(shang)(shang)去做預測的(de)(de)(de)(de)準(zhun)確(que)率(lv)要比(bi)在數據的(de)(de)(de)(de)最底層上(shang)(shang)所(suo)做的(de)(de)(de)(de)準(zhun)確(que)率(lv)要高。例(li)如(ru)，比(bi)較容易預測出明年中國的(de)(de)(de)(de)GDP的(de)(de)(de)(de)增幅是多少，即(ji)使不(bu)(bu)準(zhun)確(que)誤差也不(bu)(bu)會(hui)很大(da)(da)，然(ran)而假如(ru)要預測具體某(mou)一(yi)個(ge)(ge)(ge)行業(ye)在某(mou)一(yi)個(ge)(ge)(ge)特(te)定的(de)(de)(de)(de)區域增長或者減少的(de)(de)(de)(de)額度是多少偏(pian)差就可能很大(da)(da)，更不(bu)(bu)要說多個(ge)(ge)(ge)行業(ye)和多個(ge)(ge)(ge)區域的(de)(de)(de)(de)任(ren)意組合。
以(yi)一家(jia)快消品(pin)公司為例，其銷售數(shu)(shu)據(ju)可以(yi)整體(ti)匯集到公司層面，然后再可以(yi)分(fen)(fen)解到種類(lei)，品(pin)牌，包裝尺寸，SKU，事業部，銷售區(qu)域，客戶，總倉(cang)，分(fen)(fen)倉(cang)等。根據(ju)“大數(shu)(shu)原(yuan)則”，在公司層面的銷售預測的整體(ti)準確率相(xiang)對(dui)要高，然后再可以(yi)分(fen)(fen)解到所需(xu)要的層級中去以(yi)達到最(zui)好(hao)準確率，這也就是所說(shuo)的“top down”分(fen)(fen)解法。在分(fen)(fen)解的時候可以(yi)采(cai)取同比，環比，自定(ding)義等比例進行(xing)分(fen)(fen)配，但如果(guo)沒有(you)很好(hao)工具支持的話，分(fen)(fen)解的過(guo)程(cheng)還是相(xiang)當(dang)痛苦的。
三、使用(yong)終端銷(xiao)售數據(ju)做(zuo)預測
需求(qiu)管理實務中，不同(tong)的(de)公司使用不同(tong)類型的(de)數(shu)(shu)據如(ru)發貨數(shu)(shu)據（shipment），客戶訂單數(shu)(shu)據(customer orders)，和(he)終(zhong)端銷售數(shu)(shu)據（POS-Point of Sale）來(lai)做(zuo)預(yu)(yu)測(ce)。而在這些(xie)數(shu)(shu)據中，用終(zhong)端銷售數(shu)(shu)據來(lai)做(zuo)需求(qiu)預(yu)(yu)測(ce)的(de)準確率最高因為它代表(biao)出消費者(zhe)的(de)實際需求(qiu)，并且能夠(gou)真實的(de)反(fan)映的(de)市場的(de)波動(dong)和(he)變(bian)化(hua)。
由于(yu)(yu)終端消費者的(de)消費行為(wei)有(you)著“頻次高，連貫(guan)強，總量(liang)大”的(de)特點，使終端銷售數據(ju)更加穩定和連貫(guan)，這(zhe)是高預測(ce)準確率的(de)基礎之一。然(ran)而發貨數據(ju)則由于(yu)(yu)庫存短(duan)缺，訂單積壓(ya)，物流能力(li)的(de)限制(zhi)等(deng)因素則不能真實(shi)等(deng)同于(yu)(yu)客戶的(de)需求(qiu)。
在“牛鞭(bian)效應”中，零售商(shang)訂單的(de)變動性(xing)明顯大(da)于終(zhong)端消費者(zhe)需求的(de)變動性(xing)，為了(le)滿(man)足于零售商(shang)同樣(yang)的(de)服(fu)務(wu)水平，經銷商(shang)和代(dai)理商(shang)不(bu)得(de)不(bu)被迫持有(you)比零售商(shang)更(geng)多的(de)安全庫存，需求信息的(de)不(bu)真實(shi)性(xing)會沿著(zhu)供應鏈逆流而上，產(chan)生逐(zhu)級放大(da)的(de)現象。
當信息(xi)達(da)到源頭的供(gong)應商(shang)(shang)時，其所獲得的需(xu)(xu)求信息(xi)和終(zhong)端消費者(zhe)的需(xu)(xu)求信息(xi)已經發生了很大的偏(pian)差，所以來(lai)自客戶訂(ding)單的數據也(ye)不(bu)能(neng)代表真(zhen)實的市(shi)場需(xu)(xu)求。在一個(ge)案(an)例中(zhong)，終(zhong)端消費持續低(di)迷，零售(shou)商(shang)(shang)決定減(jian)少(shao)訂(ding)單量，供(gong)應商(shang)(shang)的發貨數量隨之開(kai)始減(jian)少(shao)，但終(zhong)端消費者(zhe)的需(xu)(xu)求還可能(neng)在相當一段時間內(nei)繼(ji)續保持低(di)迷不(bu)變。
同理(li)在新(xin)產品上市的前(qian)期(qi)，零售(shou)商往往持(chi)有大量的庫存以保持(chi)貨源(yuan)充(chong)足，但(dan)終(zhong)端消費者(zhe)的實際(ji)需求達不(bu)到預期(qi)時(shi)，他們的訂單(dan)量則(ze)開始(shi)減少，而源(yuan)頭供應商的發貨數量則(ze)也隨之減少。
然而(er)在中國(guo)的(de)(de)(de)需求管(guan)理(li)現實中，一(yi)些規模較大管(guan)理(li)水(shui)平高的(de)(de)(de)終端(duan)零(ling)售(shou)(shou)商。如超市(shi)連鎖集團愿意將其(qi)終端(duan)銷售(shou)(shou)數據有償(chang)分享給(gei)供應(ying)商，以(yi)讓其(qi)對終端(duan)銷售(shou)(shou)狀況有清楚的(de)(de)(de)把握(wo)。然而(er)在幅員遼(liao)闊的(de)(de)(de)中國(guo)，此類的(de)(de)(de)終端(duan)零(ling)售(shou)(shou)商只能(neng)覆(fu)蓋市(shi)場的(de)(de)(de)一(yi)部分并且主要集中在大中型城(cheng)市(shi)中，很多(duo)區域特(te)別是三四線城(cheng)市(shi)的(de)(de)(de)銷售(shou)(shou)則是由不同層級的(de)(de)(de)經銷商網絡來覆(fu)蓋。
在通(tong)過經(jing)(jing)銷(xiao)商(shang)(shang)渠(qu)道的銷(xiao)售(shou)中，經(jing)(jing)銷(xiao)商(shang)(shang)往(wang)(wang)往(wang)(wang)由(you)于(yu)稅務隱私，同業競爭(zheng)，利(li)潤機密，爭(zheng)取(qu)更(geng)好的銷(xiao)售(shou)政策(ce)等因素而不將自(zi)己的庫存和(he)銷(xiao)售(shou)數(shu)(shu)據(ju)（sell-though）開放給上游供(gong)應商(shang)(shang)；而經(jing)(jing)銷(xiao)商(shang)(shang)的終端(duan)客(ke)戶往(wang)(wang)往(wang)(wang)由(you)于(yu)管理意識和(he)數(shu)(shu)據(ju)搜集能力的參差不齊，更(geng)是難(nan)以將自(zi)己終端(duan)銷(xiao)售(shou)數(shu)(shu)據(ju)有效利(li)用。
國內(nei)曾經有一個知(zhi)名日用品企(qi)業(ye)為自(zi)己的(de)需求預測(ce)準確(que)率(lv)，試(shi)圖對自(zi)己的(de)核心經銷(xiao)(xiao)商的(de)進銷(xiao)(xiao)存進行管控并找(zhao)了四個經銷(xiao)(xiao)商來(lai)試(shi)點，結果兩個經銷(xiao)(xiao)商明確(que)拒絕，一個經銷(xiao)(xiao)商雖然同意但實際提(ti)供的(de)數據(ju)卻(que)有很(hen)大的(de)虛假成分，該企(qi)業(ye)最(zui)后不得不繼續使用自(zi)己的(de)出貨數據(ju)（sell-in）來(lai)預測(ce)，預測(ce)效果就可想而知(zhi)。
雖然使用(yong)終端銷售(shou)數據目前還有很(hen)大的障礙，但是這個方向還是要堅持(chi)的。在發達國家如澳大利亞(ya)由(you)于(yu)超過99%終端銷售(shou)數據都能(neng)夠采集(ji)到(dao)并且能(neng)和供應商分享，所以一些公司(si)的需求(qiu)預測(ce)準(zhun)確率超過90%（1-MAPE）也是常見的。
四、正確選擇自上而下(xia)，自下(xia)而上和(he)中間(jian)開花的預測方(fang)式
幾(ji)種常見(jian)的需求預(yu)測方式，如自(zi)(zi)(zi)上而下（top-down），自(zi)(zi)(zi)下而上（bottom-up），和中(zhong)間(jian)開花（middle-out）在使用中(zhong)往往出現(xian)混淆的情況，即(ji)不(bu)知(zhi)道(dao)那(nei)種方式在哪種情況下能發揮*的效用。在自(zi)(zi)(zi)上而下方式中(zhong)，首先在產(chan)品(pin)，市場，區域，年/季/月(yue)等(deng)因素的最高層次做需求預(yu)測，然后根據同比，環比，自(zi)(zi)(zi)定義比例等(deng)分解(jie)原則進(jin)行往下分解(jie)到種類，品(pin)牌，SKU，周/天，顧客，DC等(deng)。
在(zai)自下而(er)上方式中(zhong)，往(wang)往(wang)先從(cong)SKU層(ceng)(ceng)級(ji)的(de)(de)需求預測開始做起再逐步(bu)往(wang)上匯(hui)集。而(er)在(zai)快(kuai)消品(pin)行業(ye)中(zhong)目(mu)前(qian)比較流行的(de)(de)方式則(ze)是中(zhong)間開花，即在(zai)中(zhong)間層(ceng)(ceng)級(ji)如產品(pin)種類（category）開始做預測，上可以(yi)匯(hui)集到品(pin)牌，大(da)類，總公司層(ceng)(ceng)面(mian)，下可以(yi)分解到SKU層(ceng)(ceng)面(mian)，這樣既可以(yi)利(li)用的(de)(de)高層(ceng)(ceng)次預測的(de)(de)準(zhun)確性，同時(shi)(shi)又不至于在(zai)最底層(ceng)(ceng)SKU層(ceng)(ceng)面(mian)做預測耗費大(da)量的(de)(de)時(shi)(shi)間和精力。
自(zi)上(shang)而(er)下的(de)(de)優勢在于(yu)在高(gao)層次所做的(de)(de)預(yu)測準確(que)率較高(gao)，適合用(yong)在銷(xiao)(xiao)售(shou)趨勢在高(gao)層和(he)底層都(dou)(dou)很平(ping)穩(wen)的(de)(de)產品中(zhong)，缺陷在于(yu)對于(yu)有特殊銷(xiao)(xiao)售(shou)模(mo)式的(de)(de)產品如(ru)新品，銷(xiao)(xiao)售(shou)數據(ju)斷斷續(xu)(xu)續(xu)(xu)的(de)(de)產品等則(ze)就(jiu)有可能無法覆蓋。對于(yu)高(gao)度定制化(hua)，生命(ming)周期(qi)短(duan)，銷(xiao)(xiao)售(shou)相(xiang)互抵消，每個SKU的(de)(de)銷(xiao)(xiao)售(shou)趨勢都(dou)(dou)不一樣的(de)(de)產品，自(zi)下而(er)上(shang)的(de)(de)方(fang)式則(ze)能發揮*的(de)(de)效用(yong)。一些公司也在使(shi)用(yong)自(zi)上(shang)而(er)下和(he)自(zi)下而(er)上(shang)的(de)(de)混合方(fang)式來(lai)更好的(de)(de)確(que)保高(gao)預(yu)測準確(que)率。
五、發(fa)現(xian)并剝離有特殊需求模式(shi)的SKU
不(bu)(bu)同(tong)的(de)(de)SKU即使是屬于同(tong)一種(zhong)(zhong)類(lei)，其銷售數據(ju)(ju)也會(hui)呈(cheng)現出(chu)不(bu)(bu)同(tong)的(de)(de)模式。在將這些SKU的(de)(de)需求(qiu)預(yu)(yu)測匯(hui)集(ji)到種(zhong)(zhong)類(lei)層(ceng)面(mian)時，則會(hui)導致(zhi)種(zhong)(zhong)類(lei)預(yu)(yu)測的(de)(de)趨勢(shi)季度不(bu)(bu)穩定，所以在預(yu)(yu)測時要將有特殊需求(qiu)模式的(de)(de)SKU，暫時從該種(zhong)(zhong)類(lei)中剝離掉并單獨做預(yu)(yu)測。例如一個醫藥公司(si)，在做整體需求(qiu)預(yu)(yu)測時發現自己的(de)(de)預(yu)(yu)測數據(ju)(ju)極端不(bu)(bu)穩定，很難找到規律(lv)可(ke)循。
在將其數據(ju)分析后發現，該公司將自(zi)己所有(you)(you)(you)(you)的(de)大類(lei)(lei)(lei)(lei)產(chan)(chan)品(pin)，如政府招投標類(lei)(lei)(lei)(lei)產(chan)(chan)品(pin)，經銷(xiao)商渠道(dao)銷(xiao)售(shou)產(chan)(chan)品(pin)，處(chu)方類(lei)(lei)(lei)(lei)和(he)(he)非處(chu)方類(lei)(lei)(lei)(lei)產(chan)(chan)品(pin)完全混在一起。政府招投標類(lei)(lei)(lei)(lei)產(chan)(chan)品(pin)的(de)銷(xiao)售(shou)額占到總銷(xiao)售(shou)額的(de)近(jin)三分之一，而其銷(xiao)售(shou)的(de)時(shi)間和(he)(he)數量幾乎(hu)沒有(you)(you)(you)(you)任何規(gui)(gui)律(lv)可言；但是其通過經銷(xiao)商渠道(dao)銷(xiao)售(shou)產(chan)(chan)品(pin)則(ze)銷(xiao)售(shou)態勢(shi)穩定，有(you)(you)(you)(you)明顯的(de)規(gui)(gui)律(lv)和(he)(he)季節(jie)性，將這兩類(lei)(lei)(lei)(lei)產(chan)(chan)品(pin)放在一起預(yu)測的(de)結果肯定是有(you)(you)(you)(you)問題的(de)。而當(dang)同(tong)一種類(lei)(lei)(lei)(lei)中的(de)不(bu)同(tong)SKU的(de)銷(xiao)售(shou)有(you)(you)(you)(you)“相(xiang)互蠶食（cannibalization）”的(de)現象(xiang)時(shi)，將他們進行剝離(li)并分別作預(yu)測也(ye)是有(you)(you)(you)(you)必要的(de)。
六、建立完善的(de)需求預測(ce)管理(li)流程
數學模型的(de)(de)(de)選(xuan)擇對需求(qiu)(qiu)預測(ce)非常(chang)重要，但要明(ming)白需求(qiu)(qiu)預測(ce)管理(li)不是有具體哪一(yi)(yi)個部(bu)門(men)來完(wan)全負責，它(ta)是一(yi)(yi)個有計劃(hua)，銷售，市場，供應(ying)鏈，管理(li)層等全部(bu)門(men)參與的(de)(de)(de)一(yi)(yi)項工(gong)作，因為各部(bu)門(men)都(dou)是本(ben)領域(yu)的(de)(de)(de)專(zhuan)(zhuan)家，在需求(qiu)(qiu)預測(ce)管理(li)的(de)(de)(de)過程(cheng)中能夠提供獨特的(de)(de)(de)，專(zhuan)(zhuan)業的(de)(de)(de)和不可或缺的(de)(de)(de)信息和專(zhuan)(zhuan)業知識，這就(jiu)要求(qiu)(qiu)要有一(yi)(yi)個完(wan)善的(de)(de)(de)需求(qiu)(qiu)預測(ce)管理(li)流程(cheng)來支持各個職能各司其責。
在(zai)一(yi)個有效的(de)(de)(de)(de)(de)需(xu)求(qiu)(qiu)(qiu)預(yu)(yu)(yu)測(ce)管理(li)流程建立起(qi)來(lai)(lai)(lai)之前(qian)，一(yi)系列(lie)的(de)(de)(de)(de)(de)準備工作要(yao)開(kai)始(shi)做起(qi)來(lai)(lai)(lai)，如需(xu)求(qiu)(qiu)(qiu)預(yu)(yu)(yu)測(ce)的(de)(de)(de)(de)(de)周期(qi)和頻次，預(yu)(yu)(yu)測(ce)的(de)(de)(de)(de)(de)產品/銷售組織層級(ji)，需(xu)求(qiu)(qiu)(qiu)預(yu)(yu)(yu)測(ce)提前(qian)期(qi)，需(xu)求(qiu)(qiu)(qiu)預(yu)(yu)(yu)測(ce)的(de)(de)(de)(de)(de)數據來(lai)(lai)(lai)源，需(xu)求(qiu)(qiu)(qiu)預(yu)(yu)(yu)測(ce)的(de)(de)(de)(de)(de)職(zhi)能的(de)(de)(de)(de)(de)設置，需(xu)求(qiu)(qiu)(qiu)預(yu)(yu)(yu)測(ce)所(suo)使(shi)用的(de)(de)(de)(de)(de)工具(ju)如軟(ruan)件，模板等，需(xu)求(qiu)(qiu)(qiu)預(yu)(yu)(yu)測(ce)的(de)(de)(de)(de)(de)方式-自(zi)上而(er)下，自(zi)下而(er)上或者中(zhong)間開(kai)花，以(yi)及(ji)企業(ye)中(zhong)哪(na)些(xie)部門(men)要(yao)參與到需(xu)求(qiu)(qiu)(qiu)預(yu)(yu)(yu)測(ce)流程中(zhong)來(lai)(lai)(lai)和他們的(de)(de)(de)(de)(de)角色(se)，職(zhi)責，考(kao)核指標。
例(li)如，在快消品企業(ye)中需求預(yu)(yu)測(ce)部(bu)門(men)一(yi)般負責數據的(de)(de)(de)搜集，清洗和整合，并對銷(xiao)(xiao)售(shou)(shou)(shou)(shou)預(yu)(yu)測(ce)的(de)(de)(de)baseline，在此基礎上銷(xiao)(xiao)售(shou)(shou)(shou)(shou)部(bu)門(men)要考慮短期(qi)（3個(ge)月之內）由于銷(xiao)(xiao)售(shou)(shou)(shou)(shou)活(huo)動如新客(ke)戶的(de)(de)(de)開發，現有客(ke)戶重大的(de)(de)(de)銷(xiao)(xiao)售(shou)(shou)(shou)(shou)行(xing)(xing)動，競爭對手的(de)(de)(de)主要行(xing)(xing)為，打折促銷(xiao)(xiao)等(deng)銷(xiao)(xiao)售(shou)(shou)(shou)(shou)活(huo)動所帶來的(de)(de)(de)銷(xiao)(xiao)售(shou)(shou)(shou)(shou)增減，而市場(chang)部(bu)門(men)則(ze)通過對消費者行(xing)(xing)為，產(chan)品生(sheng)命(ming)周期(qi)，品牌(pai)形象，宏觀經(jing)濟政策等(deng)研究(jiu)來對長期(qi)的(de)(de)(de)銷(xiao)(xiao)售(shou)(shou)(shou)(shou)預(yu)(yu)測(ce)提供(gong)自己的(de)(de)(de)專業(ye)判斷，而財(cai)務部(bu)門(men)則(ze)從投資回報(bao)率等(deng)角度(du)對銷(xiao)(xiao)售(shou)(shou)(shou)(shou)預(yu)(yu)測(ce)進行(xing)(xing)支持；而在工(gong)業(ye)品企業(ye)中，產(chan)品經(jing)理則(ze)是(shi)需求預(yu)(yu)測(ce)流程的(de)(de)(de)一(yi)個(ge)重要參與(yu)方。在以上流程明確以后各個(ge)職(zhi)能才能真正的(de)(de)(de)協同起(qi)來做(zuo)出最為精(jing)準(zhun)的(de)(de)(de)需求預(yu)(yu)測(ce)。
七、正確使用(yong)最(zui)適合的預(yu)測模型
在需(xu)求預測(ce)中(zhong)(zhong)，預測(ce)模型的(de)選(xuan)擇是至關(guan)重(zhong)要的(de)，模型會(hui)根據(ju)歷(li)史銷售(shou)數(shu)據(ju)的(de)各種特(te)征(zheng)模擬(ni)出未來的(de)走(zou)勢，這是需(xu)求預測(ce)工作(zuo)的(de)中(zhong)(zhong)技術性(xing)的(de)一個重(zhong)要體現，因為涉及到統計學的(de)一些專業知識，模型也是比較具有神秘感的(de)同(tong)時也是最容易被誤解的(de)部分。
實務中(zhong)(zhong)總是看到一些公司在苦苦追(zhui)尋所謂(wei)最(zui)*的(de)(de)(de)預(yu)(yu)測(ce)模(mo)型(xing)(xing)，仿佛這些模(mo)型(xing)(xing)一旦用(yong)上自己的(de)(de)(de)預(yu)(yu)測(ce)就(jiu)(jiu)立刻(ke)能夠(gou)100%準確一樣，成了改善需求管理(li)的(de)(de)(de)一個必勝絕技。而(er)模(mo)型(xing)(xing)選擇的(de)(de)(de)一個重要原則就(jiu)(jiu)是沒有(you)奇跡模(mo)型(xing)(xing)，即預(yu)(yu)測(ce)模(mo)型(xing)(xing)在預(yu)(yu)測(ce)中(zhong)(zhong)僅(jin)僅(jin)起到輔助作用(yong)，沒有(you)任(ren)何(he)一個模(mo)型(xing)(xing)能夠(gou)做(zuo)到完全正(zheng)確，最(zui)好(hao)的(de)(de)(de)預(yu)(yu)測(ce)模(mo)型(xing)(xing)其(qi)實就(jiu)(jiu)是能夠(gou)抓(zhua)取(qu)歷史數(shu)據中(zhong)(zhong)大(da)部(bu)分的(de)(de)(de)規則和模(mo)式，抓(zhua)取(qu)的(de)(de)(de)越(yue)多，預(yu)(yu)測(ce)錯誤就(jiu)(jiu)會越(yue)少，預(yu)(yu)測(ce)效果越(yue)好(hao)。
而(er)歷史數據的(de)(de)(de)不(bu)規則性越(yue)強，甚至出現(xian)(xian)缺失(shi)和(he)噪音，則預(yu)測模(mo)(mo)型(xing)(xing)(xing)所起到的(de)(de)(de)作(zuo)用就越(yue)為局限。同時在(zai)模(mo)(mo)型(xing)(xing)(xing)的(de)(de)(de)選擇(ze)中，不(bu)要抱(bao)有“一招(zhao)鮮吃遍(bian)天”的(de)(de)(de)錯誤(wu)思(si)想，某些模(mo)(mo)型(xing)(xing)(xing)當前的(de)(de)(de)預(yu)測結果(guo)還不(bu)錯，但一旦上個月的(de)(de)(de)銷售出現(xian)(xian)異常(chang)，這些模(mo)(mo)型(xing)(xing)(xing)有可能就會失(shi)靈，所以定期對現(xian)(xian)有的(de)(de)(de)模(mo)(mo)型(xing)(xing)(xing)進行重新測試還是非常(chang)有必要的(de)(de)(de)。而(er)復雜模(mo)(mo)型(xing)(xing)(xing)的(de)(de)(de)預(yu)測效果(guo)一定好(hao)于(yu)簡單模(mo)(mo)型(xing)(xing)(xing)，組(zu)合模(mo)(mo)型(xing)(xing)(xing)的(de)(de)(de)預(yu)測效果(guo)一定好(hao)于(yu)單一模(mo)(mo)型(xing)(xing)(xing)等說法其(qi)實也(ye)未(wei)必正確(que)，在(zai)模(mo)(mo)型(xing)(xing)(xing)選擇(ze)中只有最(zui)適合的(de)(de)(de)沒有最(zui)復雜的(de)(de)(de)。
八、正確理解需求預測沖(chong)突的成因(yin)，建立激(ji)勵性而(er)非懲(cheng)罰性的考核機制
評(ping)(ping)估(gu)需(xu)(xu)求預測的兩個重要(yao)指標分別(bie)為需(xu)(xu)求預測準確性（1-MAPE）和偏差率（BIAS），前者(zhe)用(yong)于評(ping)(ping)估(gu)誤(wu)(wu)差幅(fu)度，后者(zhe)用(yong)于確定系統(tong)誤(wu)(wu)差。他(ta)們不(bu)僅用(yong)于在(zai)SKU層(ceng)次衡量(liang)(liang)，還要(yao)在(zai)其(qi)他(ta)層(ceng)次上如(ru)品(pin)牌，品(pin)類，事業(ye)部(bu)(bu)，總公司等(deng)層(ceng)面來衡量(liang)(liang)。因(yin)為需(xu)(xu)求預測工作(zuo)并不(bu)是由單一部(bu)(bu)門(men)獨立(li)完成，它需(xu)(xu)要(yao)各個部(bu)(bu)門(men)如(ru)銷售，市場等(deng)職能強(qiang)力(li)的參與和配合，沒有(you)這些部(bu)(bu)門(men)的話，需(xu)(xu)求預測則成了無水之源。
然而(er)需求(qiu)預(yu)測(ce)對(dui)于以(yi)上部門來說只能是(shi)職(zhi)責之一，并不完全是(shi)其主業，所以(yi)從各(ge)部門協同的(de)角度來講，需求(qiu)預(yu)測(ce)的(de)考核機(ji)制應以(yi)激勵(li)性而(er)非懲(cheng)罰性為主，否則將打消(xiao)各(ge)部門參加(jia)的(de)積極性。某一知(zhi)名(ming)快消(xiao)類企業在(zai)建立需求(qiu)預(yu)測(ce)考核機(ji)制的(de)時(shi)候，采(cai)取了(le)建立大區預(yu)測(ce)準確性排名(ming)機(ji)制，在(zai)內部樹(shu)立正面(mian)(mian)典(dian)型并進(jin)行經驗(yan)分享，還給(gei)予(yu)精(jing)神和物資(zi)獎勵(li)來實施正面(mian)(mian)激勵(li)。
同(tong)時要清楚需求預測(ce)的(de)(de)(de)偏差本身并(bing)不可怕，關鍵它要在(zai)可以接受的(de)(de)(de)范圍之內，而且要能找出形成偏差的(de)(de)(de)根本原因以找到下次改進(jin)的(de)(de)(de)辦法，這(zhe)(zhe)就是為什么需求預測(ce)的(de)(de)(de)表面數字并(bing)不是最重(zhong)要的(de)(de)(de)，最重(zhong)要的(de)(de)(de)則是這(zhe)(zhe)些數字之后的(de)(de)(de)assumption，只有(you)理(li)解(jie)這(zhe)(zhe)些假設條件對預測(ce)的(de)(de)(de)影(ying)響之后，才能真正掌握預測(ce)的(de)(de)(de)精(jing)髓(sui)。
九、專(zhuan)業需(xu)求預測職能的配備(bei)
需(xu)求預測(ce)是(shi)(shi)一(yi)個專(zhuan)業(ye)的(de)(de)職能(neng)(neng)，而且是(shi)(shi)各種技能(neng)(neng)的(de)(de)綜合體。他/她們需(xu)要有總經(jing)理(li)把(ba)控全局的(de)(de)戰略觀，市場人員敏銳(rui)的(de)(de)洞察力，銷售人員過人的(de)(de)溝通能(neng)(neng)力，供應鏈人員謹慎全面的(de)(de)運營意識，以及財務人員細致入微的(de)(de)分(fen)析(xi)能(neng)(neng)力。從文科和理(li)科劃分(fen)角度來說，這(zhe)個職務其實是(shi)(shi)個文理(li)科的(de)(de)結合。
需(xu)求(qiu)(qiu)(qiu)預(yu)測(ce)人(ren)(ren)員不僅(jin)要(yao)搜集數(shu)據(ju)更要(yao)對數(shu)據(ju)進行分(fen)析和決(jue)策，從一個單向信息(xi)接收轉變為雙(shuang)向的(de)信息(xi)互動和控制者，他們既是數(shu)據(ju)的(de)負責(ze)人(ren)(ren)，又(you)要(yao)對產品的(de)非常熟悉，同(tong)時又(you)是需(xu)求(qiu)(qiu)(qiu)管理流程的(de)總協調人(ren)(ren)，這就(jiu)要(yao)求(qiu)(qiu)(qiu)此(ci)職能(neng)在(zai)企業(ye)中的(de)地位不僅(jin)僅(jin)局限在(zai)支(zhi)持和后勤的(de)意(yi)義(yi)，而是要(yao)在(zai)需(xu)求(qiu)(qiu)(qiu)預(yu)測(ce)的(de)流程中扮演(yan)協調者和決(jue)策者的(de)角色，這就(jiu)要(yao)求(qiu)(qiu)(qiu)對于他們的(de)培養和招聘以及薪酬(chou)待遇等都要(yao)不同(tong)于普(pu)通的(de)崗位。
在(zai)實務(wu)中(zhong)，越來越多的(de)(de)企業(ye)高度重視計劃職(zhi)能(neng)(neng)，將該職(zhi)能(neng)(neng)放在(zai)一(yi)個相對中(zhong)立的(de)(de)部門如供應鏈，甚至把該職(zhi)能(neng)(neng)完全獨(du)立出來直接向(xiang)總經理匯報使之完全成為一(yi)個指揮中(zhong)樞。而反觀一(yi)些企業(ye)，根本就沒(mei)有負責此(ci)業(ye)務(wu)的(de)(de)職(zhi)能(neng)(neng)崗位(wei)，或者只(zhi)是(shi)由(you)客(ke)服，銷(xiao)售支持等人(ren)員兼職(zhi)的(de)(de)在(zai)應付此(ci)事，并(bing)且在(zai)企業(ye)中(zhong)的(de)(de)地(di)位(wei)低(di)的(de)(de)也慘不忍睹，有的(de)(de)甚至向(xiang)物(wu)流或者客(ke)服部門匯報，最終(zhong)只(zhi)是(shi)淪為數據的(de)(de)搜集(ji)者和搬運工。
十、爭取高層支持
爭取(qu)高(gao)層支持好似(si)一(yi)個(ge)(ge)老生(sheng)常談(tan)的(de)話(hua)(hua)題，如同“正確的(de)廢話(hua)(hua)”。高(gao)層一(yi)旦支持很多問(wen)題都會(hui)(hui)迎刃(ren)而解，但如何獲(huo)取(qu)高(gao)層的(de)支持則(ze)就(jiu)成了一(yi)個(ge)(ge)比較有挑戰性(xing)的(de)任務。沒(mei)有一(yi)個(ge)(ge)公司(si)的(de)董事會(hui)(hui)會(hui)(hui)對管理高(gao)層進行(xing)需求預測準確性(xing)進行(xing)考(kao)核，既然(ran)他們(men)不肩負這(zhe)個(ge)(ge)指標(biao)，爭取(qu)到他們(men)的(de)支持是否就(jiu)聽天由命了。
如何(he)爭(zheng)取到高層(ceng)的(de)(de)(de)支持(chi)，則就要將FA和(he)他們(men)關心的(de)(de)(de)指標(biao)如公司固定資(zi)本(ben)，供應鏈運營消耗成本(ben)，以(yi)及運營資(zi)本(ben)管理的(de)(de)(de)有效性，以(yi)及最終的(de)(de)(de)top-line銷售額和(he)bottom-line利潤率等聯系起來，尤(you)其是需求預(yu)測(ce)準確性對這(zhe)些的(de)(de)(de)指標(biao)的(de)(de)(de)影響，并且以(yi)數據的(de)(de)(de)形式展示出來，這(zhe)才能夠給(gei)高層(ceng)帶來巨(ju)大(da)的(de)(de)(de)影響。
例如，國際商業(ye)預測計劃協(xie)會(hui)（IBF-Institute of Business Forecasting and Planning）通過對不同產業(ye)和(he)公司真實(shi)數(shu)據的(de)(de)研究發現一(yi)旦FA降至80%以下(xia)時，超過60天的(de)(de)庫(ku)(ku)(ku)存開始積壓；而FA在50%左(zuo)右，超過60天庫(ku)(ku)(ku)存占總庫(ku)(ku)(ku)存的(de)(de)比(bi)例則達到驚人的(de)(de)60%，這是任何一(yi)個CEO和(he)CFO都(dou)不想看(kan)到的(de)(de)。
通過這(zhe)個方式，想爭取到高層(ceng)對需求預測管理(li)的支持(chi)也(ye)不是一件很困難(nan)的事(shi)情了。
轉載：//bamboo-vinegar.cn/zixun_detail/30095.html