实施预测活动的七个关键步骤

供应链管理就是要让供应和需求相互匹配。需求是所有供应链活动的源头，了解、预测需求信息是非常重要的，这将帮助我们更好地规划供应链，实现产销平衡，达成各项财务指标，比如销售、库存和运费等。

需求驱动Demand Driven的供应链已是主流的模式，替代了传统的以产定销的模式。供应链管理需要一套有效的预测流程，这是今天文章重点讨论的内容。

1.明确预测的目的

为什么要做预测？因为我们想要知道未来的趋势会是怎么样的，月末库存金额会有多少？运费是否会超出预算？逾期订单数量是否会降低？这些是我们想要了解的情况。

我们不是为了预测而去预测，而是出于某种原因，所以一定要明确目的是什么。预测是某个供应链流程中的一部分，比如它是S&OP中很重要的一个步骤，用于预测和管理未来的需求，然后在公司内部建立一座桥梁，与供应形成平衡。

因此，预测是工具，而不是目的。

2.明确预测的内容和时间范围

首先来看预测的内容，也就是预测什么东西。最常见的内容是产品的销售量、需求、库存。

我们还要定义预测的层级，是某款产品SKU，是整个产品系列Product family，还是公司Overall的总体情况？这是第一个要明确的事情。

接下来就是预测的时间范围，也叫做Time horizon。这是什么概念？预测是对未来的一种估计，所以时间是一个维度。

在绘制预测图表时，时间是在X轴上的，由近到远，向着右侧延伸出去，构成了一道水平线，这就是Time horizon的意思，通常我们把它叫做时间范围或是跨度。

时间是有单位的，小时、天、周、月和年，我们会根据预测的目的来选择合适的时间单位。

当我们要做公司的五年规划时，这是战略层面的，所以时间跨度是最长的。有一些大型基础设施的投资建设周期很长，需要预见到十年、二十年后的需求情况。

在战术层面通常是以月或是周为单位，我们需要考虑短期的产能规划、 主 生产计划和库存计划等。例如，S&OP一般是以月度为单位执行，它属于是战术层面的流程。

执行层面是每天或每小时的具体活动，包括具体要生产什么商品，或每天需要安排几辆卡车运货之类的事情。

3.选择预测的方法和模型

我们可以选择定性的或定量的方法，或把两者混合起来使用。定性是一种主观的判断方法，最贴近预测对象的人群能提供较为准确的预测。

我们会询问销售人员关于市场需求的情况，因为他们是离客户最近，也是最懂市场的人。一线人员能够反馈最真实的信息，所以他们的输入信息质量很高。

主观判断的基本逻辑是“总会有人知道情况”，具体的方法就是让合适的人来做判断。

还有一种定性的方法是专家判断，也就是著名的德尔菲法Delphi method。

这是让一群专家通过匿名调查的方式来进行集体判断，群策群力可以避免踩坑。俗话说“三个臭皮匠，顶个诸葛亮”，何况是专家的智慧呢。

我们更多地使用定量方法，其中最著名的就是时间序列Time series。正如前文所述，我们是在预测未来，时间是基本的维度。组成时间序列的元素有需求的基线、季节性因素、趋势和其他因素。

时间序列预测的方法有“好天真”的Naïve、“被平均”的移动平均Moving average和“很灵活”的指数平滑Exponential Smoothing。

还有一个定量的方法就是因果模型。凡事有因必有果。天气转热了，羽绒服的需求就会下降。

2021年足坛巨星梅西、C罗转会去了新的足球俱乐部，他们的新球衣销量直线飙升。需求是由一些潜在因素引起的，我们可以通过数学模型，建立起因果之间的联系，推算出需求数量。

如果我们有历史数据，而且趋势比较稳定，可以使用时间序列预测。如果没有数据，或者趋势经常变化，最好的办法是根据引起趋势变化的因素，来制定一个有关联性的预测。

4.收集数据

数据是最重要的输入信息，我们需要根据预测的内容来收集对应的数据。

如果要预测运输费用，我们需要收集的信息有历史运输费用、工厂未来的订单数量、货物的体积重量、送货和发货频率和原材料采购量等。

如果要预测原材料库存金额，我们需要的数据包括SKU清单和采购单价、未来12个月的需求、采购的前置时间Lead time、运输时间和频次等。

与预测内容无相关性的数据就不需要收集。在收集数据时，我们要注意数据的质量，先要进行数据清理，把不合理或是错误的数据剔除掉。除此之外，如果数据显示出很强的季节性，就用去季节性的方法将其暂时去除。

5.使用历史数据测试模型

预测模型是否有效？我们要测试一下选用的模型。如果我们有历史数据，准备一个从现在开始的，持续几个时间段的预测结果，并将它与实际历史结果进行比较。

我们可以用实际的数值减去预测值，得到误差值，然后进行分析。常用的检验预测数据的方法有以下这三种：

• Mean Absolute Deviation (MAD)

• Root Mean Squared Error (RMSE)

• Mean Absolute Percent Error (MAPE)

我们可以使用多种方法进行预测，然后找到最合适的方法。

6.实施预测

我们在进行了必要的调整后，使用合适的预测模型。如果季节性因素在之前的数据清理中去除了，现在就把它重新加进去。

任何定性的调整都将在这时进行，可以在最后的结果之上乘以一个系数，用来解决“噪音”，或者说是给预测留一些容错的空间。执行此类调整需要听取一线人员的建议，单纯依赖于模型，可能会出现偏离现实的情况。

7.定期回顾，提高预测模型的准确性

正如预测中著名的原理“预测永远都是错误的”，预测存在一定的错误区间，也就是预测值和实际值之间的差。我们需要定期审查和改进模型，提高准确性、避免预测过高或过低的倾向。