预测不仅仅是一门技术：需求预测的往前走和回头看

正文共： 4335字 15图

预计阅读时间： 09分钟

最近，有两位朋友给我留言，说的内容差不多，都是关于需求预测的问题。
他们都是从事供应链计划相关工作的，一直以来，投入不少精力在做需求预测，但因市场变化太快及其它各项因素，导致预测准确率都不是很高，对整个计划工作（比如客户交付和库存控制）几乎没起到什么作用，他们感觉比较迷茫，并有严重的无力感。

我问：“你们都是怎么做需求预测的？”

两人的回答基本一致：收集和处理历史数据，选择合适的预测方法，制作预测模型，导入数据，得出预测结果。 

显然，这两位朋友走进了同一个误区或者说犯了同一个错误，他们将预测当成了单纯的技术。他们上述的所有动作，都是围绕和体现着预测技术。

需求预测不仅仅是一门技术。

当然，需求预测首先是一门技术，它有各种专业的预测方法，有适合各种场景的预测模型，也有日趋成熟的预测信息系统。这些，都是技术。

但预测，也是一项管理，是对整个预测进行计划、组织、协调和控制的管理过程。预测技术体现在预测过程的方方面面，而预测管理更是贯穿整个预测的始终。

事实上，影响需求预测成败更多的是预测管理，而不是预测技术。同样，要提升和改进预测效果，最大依靠的是预测管理的进步，而不是预测技术的提高。

上述两位朋友，只将眼光盯在预测技术上，自然，难以让预测起到预期的作用。

（注：从广义上说，管理本身也被认为是一门技术，为避免概念混淆，本文只采用狭义的概念。即，技术是技术，管理是管理。）

预测技术和预测管理是预测工作不可分离的组成部分，在整个预测过程中相伴相随。那么，如何将预测技术与预测管理结合起来，更好的为我们的预测目的服务呢？如何做出更好的预测呢？

记得有一句话，人既要往前走，也要回头看。这句话可以用于管理，也同样可以适用于需求预测。‍‍‍‍‍‍‍‍‍今天，我就借用这句人生格言的思路，往前走和回头看，聊聊如何更好的做预测。

01需求预测的往前走

对于需求预测来说，往前走是制订预测规则与制度，确定预测方法，预测建模，以及，执行预测。我从预测技术和预测管理两个方面分别进行说明。

预测管理方面的往前走
首先，明确预测的目的，制订预测的目标。很多时候，我们觉得预测起不了作用，很大的原因是不知道自己做预测到底是为了什么，更没有具体预测的目标。所以，需求预测，我们最先要做的，是了解自己做预测到底是为了解决什么问题，我们要做到什么程度才能解决这些问题；
其次，制订预测规则与流程。预测规则，是指与预测相关的制度、规定和要求。预测流程，指的是指引预测操作的程序和具体做法，即先做什么、接着做什么、最后做什么，以及谁来做，做到什么程度等等。其中，预测流程包括了数据的收集和处理流程；
再次，确定专职的预测人员或团队。根据我们预测的目的和目标，确定我们需要什么样的架构，需要什么样的人，再寻找并确定这样的组织架构和这样的人，以便更好的完成我们的预测工作。在市场快速变化的今天，在乌卡时代（VUCA），专职的计划或预测人员很有需要，也必要；
最后，明确与预测相关的各职能人员和职能部门的工作职责。我们有目标，有制度和流程，也有团队和人，最后，我们需要确定这些团队这些人的职责，让大家明白自己到底应该做什么。

预测技术方面的往前走

首先，确定数据清洗方法。我们完成数据收集后，但往往，原始往往不是直接就可以用的，我们需要对数据进行清洗和处理。数据清洗是有很多种方法，是一项专业性很强的技术工作，我们需要根据数据特征及数据实际走向，选择和确定数据清洗方法；

其次，确定预测方法。在做基准预测之前，我们需要确定预测方法，即确定我们采取哪种（或哪几种）预测方法进行预测。这需要根据我们的需求特性、产品特性等一系列因素确定；

第三，预测建模。预测建模是需求预测技术方面最核心的环节之一，也是需求计划人员的核心能力之一。预测建模需要计划人员熟悉各种预测方法的优缺点和适用场景，需要能够按实际情况找到最优的预测组合的经验和能力，需要能熟练使用数据统计分析工具（比如Excel）进行建模操作。以上这些，都需要需求计划人员不断的学习与实践；

第四，数据导入模型并进行预测。预测模型建好，我们就可以将经我们进行清洗后的数据导入预测模型，模型运算得出初步预测结果。是的，模型运算得出的预测结果只是一个初步的结果，需要进行我们人工检查、超判和调整后才能作为正式预测结果输出；

第五，预测结果汇报与展现。这一点往往被一些需求计划人员所忽略，但事实上，这一点非常重要。因为，预测结果出来，是需要给大家看的，是需要给大家审核或调整的，是需要给大家对未来决策做依据和进行参考的。所以，预测结果完整有效的展现出来，是提升预测工作成效最有效的步骤之一。预测结果汇报与展现也需要用到一系列的方法和工具，请搜索许栩原创相关文章，可得到相关知识、方法与实例。

02需求预测的回头看

需求预测的往前走，侧重于计划、执行与规则的建立；而回头看，则主要是预测过程跟踪、偏差分析与预测纠偏、预测绩效管理等。对需求预测的回头看，我也从预测技术和预测管理两个方面来说明。

回头看之预测管理

首先，各种培训与宣传。讲明预测过程管理及预测纠偏对预测准确的作用和意义，提升各职能部门及核心管理团队对预测及预测结果的重视。前文我说了，预测的进步，在于预测管理能力的提升，而预测管理能力的提升，在于各职能部门尤其是核心管理团队对预测的认识和重视；

其次，梳理并建立预测过程跟踪制度和预测纠偏流程。预测永远是不准的，但我们要找到准确度最高的错误的预测。如何得到准确度最高的错误的预测呢？我们需要不断的跟踪，不断的修正，不断的纠偏。而这些，需要制度与流程来支撑，这是预测管理回头看最核心的内容之一；

第三，预测会议。从某种程度上说，预测，是沟通出来的，沟通，对于预测有着极其重要的意义。而预测会议正是预测沟通的工具，也是预测沟通有效的形式之一。S&OP（Sales and Operations Planning，销售与运营计划）由一系列的会议组成，这其中，就包括预测会议；

最后，建立预测绩效考核制度。这里有两块，一是预测绩效的确定制度，即预测结果到底怎么样，以什么办法或数据来评定和确定绩效。第二块的对评定后的预测绩效如何进行后续操作，比如如何进行奖惩，等等。

回头看之预测技术

第一种技术，偏差的量化技术。

（1）平‍‍‍‍‍‍‍‍‍均绝对误差百分率（MAPE，Mean Absolute PercentageError）。

MAPE是对需求预测准确率评价的最常用也是最有效的指标，没有之一（预测准确率=1-MAPE）。

这里，我们分四步再了解和熟悉这个指标：误差、绝对误差、绝对误差百分率、平均绝对误差百分率，详见下图：

有两种情况较少出现，尤其是做销售预测时，绝对为低概率事件或特殊情况，但如果出现的话，会导致MAPE出现两个问题，在这里说明一下，如果出现这两种情况，需要根据企业的实际情况进行调整，或者不采取MAPE进行评价预测准确率。

1、当预测值等于0时，只要实际值不等于0，预测准确率都是0。比如当期预测值为0，实际发生1和实际发生100，预测准确率都一样为0，显然不客观。

2、当实际需求等于0时，MAPE无法判定，当实际需求趋近于0时，MAPE会被大幅度放大，从而无法准确评估预测水平。

以上MAPE计算评定的是单个SKU需求预测的准确度，如果需要对多个或全部SKU的需求预测准确度进行综合评价，可以用单SKU需求数量占总需求数量的比值为权数，对全部SKU的MAPE进行加权平均，从而得出平均MAPE，得出总体的需求预测准确率。

（2）变异系数（C.V，Coefficient of Variance）

变异系数又称“标准差率”，或者“离散系数”，是衡量各观测值离散程度、变异程度的一个统计指标。相对于预测来说，就是衡量各期数据稳定情况的一项指标，反馈的稳定性。所以，变异系数，在需求预测方面，也可以称之为“稳定系数”。

变异系数是标准差与平均数的比值，计算公式与过程如下图：

变异系数只有在平均值不为0时才可计算，另，当平均值接近于0的时候，微小的波动也会对变异系数产生巨大影响，因此造成精确度不足，变异系数严重失真。所以变异系数不适合平均值为0或接近于0的场景应用。

但对于供应链需求预测，也就是销售预测来说，平均值为0或接近于0是几乎不存在的，所以，变异系数在供应链需求预测中，量化其稳定性，可以广泛应用。

变异系数越大，表示其离散程度越大，也就是需求越不稳定，预测风险越大，反之则相反。

一般来说，变异系数的数值范围与需求的稳定性的关系，可参考下图：

（1）跟踪信号（TS，Tracking Signal）

跟踪信号，是用来动态跟踪预测偏差并根据偏差适时调整预测方法或参数的衡量指标。跟踪信号主要用来衡量和量化预测的无偏性，也就是预测方向的准确程度，即预测是多了还少了。正的跟踪信号表明实际需求大于预测，负的则表明实际需求小于预测。

第二种技术：偏差分析技术。

需求计划人员需要有“给每一个预测偏差一个交代”的意识、态度和决心，我们需要采取专业的偏差分析技术进行偏差分析，并与相关联部门沟通讨论，找出偏差的真正原因。偏差分析技术是数据分析技术的一种。

第三种技术：数据挖掘技术。

数据挖掘是指从大量的数据中通过算法找出隐藏于其中信息的过程。需求预测离不开数据，但需求预测要的不仅仅是这些表面的数据，而是隐藏于这些数据背后的各种假设与信息。我们需要采取一定的数据挖掘技术与方法，找出数据背后的故事，以调整和修正我们的预测模型，更好的进行下一轮预测。

第四种技术：预测绩效评估技术。

首先，预测绩效不等同于预测准确率，预测绩效也不是预测偏差，预测绩效评估的是预测所起到的作用和价值，预测准确率与预测偏差只是预测绩效的一个方面。预测绩效一般从三个方面进行评估，需要我们采取专门的算法进行计算。这三个方面是：预测准确率（含预测偏差）、预测成本（含预测失败的成本）和及时交付率。

03

总结

需求预测是一项技术，更是一项管理，预测是技术和管理的结合。如何将预测技术与预测管理结合起来从而达到预测目标？我们需要往前走，也需要回头看。往前走，主要是制订预测规则与制度，确定预测方法与建立预测模型。而回头看，则主要偏重于过程跟踪、偏差分析与纠偏、预测绩效管理等。

 文章来源：许栩 供应链 

 更多学习请点击下方图片 

近期文章推荐：

发现“在看”和“赞”了吗，戳我试试吧