不靠一厢情愿的需求预测：实用操作指南
大多数需求预测在任何计算开始之前就已经走偏了。有人先决定这个数字应该是多少——业务需要的目标、能让上司安心的数额——然后把电子表格往那个方向引导。这不是预测，而是带着小数点的一厢情愿。真正的预测，是对客户实际会购买多少所做的一项严谨估计，并坦诚地说明它可能偏差多少；它之所以有用，恰恰是因为它与目标不是同一回事。
2022 年的环境对一厢情愿的预测惩罚得比往常更重。通胀正在重塑购买行为，交期被拉长，供应仍然波动，一份悄悄假设去年模式会重演的预测，要么埋下昂贵的积压，要么在最糟糕的时刻留下空货架。预测的意义不在于精确到件，而在于大致准确、并把区间说清楚，好让采购和运营能围绕它来规划。
分层搭建预测
一份你能为之辩护的预测，是有意识地逐层搭建出来的，而不是整块端出来的。走完下面这些步骤，你就会知道数字中哪一部分可以信任，哪一部分需要对冲。
从干净的需求历史出发。 使用真实需求，而非发货量，并剔除一次性事件——一次掩盖了真实需求的缺货、一笔一次性的大批量订单、一场把销售提前的促销。一份充满无法解释的尖峰的历史，会教会模型错误的功课。
找出底层规律。 把基线水平、趋势和季节性分开。即便是简单方法——移动平均，或带季节因子的指数平滑——在规律真实而稳定时，也胜过一个平直的猜测。
叠加历史无法知晓的因素。 加入历史永远不会告诉你的事：一次计划中的涨价、一个竞争对手退出、一个新客户上线、一款临近生命周期末端的产品。这正是销售与客户认知发挥作用之处，应作为日后能够指认的明确调整加以应用。
给出区间，而不只是一个点。 给出一个可能值，外加一个上限和一个下限。区间的宽窄本身就是信息——窄区间允许精简库存，宽区间则告诉采购保留备选方案和安全库存。
自上而下与自下而上对账。 把各单品预测之和，与业务层面的预期相核对。两者不一致时，差距往往暴露出一个隐藏的假设，值得在它变成采购订单之前先争论清楚。
对预测进行衡量，它才能改进
一份没人打分的预测永远不会变好。用一个简单、一致的指标跟踪准确度，并按固定节奏复盘。
把偏倚与误差分开看：一份持续偏高（或偏低）的预测，预示的是流程或激励问题，而非运气不好。
使用 MAPE 或跟踪信号之类的度量，让讨论围绕数字展开，而不是围绕意见。
举行一场简短、不追责的月度复盘，让规划、销售与采购各自对账彼此的预期。
在你真正做决策的层级上预测——如果你是按单品和地点采购与备货，那就按单品和地点，而不是只看一个令人安心的公司总数。
把每一项调整背后的假设写下来，这样当现实出现偏差时，你可以从中学习，而不是再猜一次。
把有用的预测与满怀希望的预测区分开的纪律，在于愿意让预测与目标各归各位。销售目标可以雄心勃勃；预测则必须保持诚实。当两者被迫成为同一个数字时，为这份乐观买单的，是库存和现金。让它们各自独立，业务才能去追逐一个有挑战的目标，而供应链则为它真正预期的需求来规划。
把预测转化为决策
预测唯有在它改变了你订什么、何时订、留多少缓冲时，才真正有意义。把它直接挂钩到再订货点、安全库存和供应商交期，并在任何一项重大假设发生变化时——而不是只按日历——重新审视它。在波动的一年里，那支能迅速更新预测、并据区间而非仅据中值采取行动的团队，才是既避开恐慌性采购、又避开减值核销的团队。
如果你的预测与采购总是渐行渐远，XNM 的采购、寻源与合同管理 可以帮你把一幅现实的需求图景与你真正的采购方式连接起来。