幾種常見的需求預(yù)測方式：自上而下的優(yōu)勢在于在高層次所做的預(yù)測準(zhǔn)確率較高，適合用在銷售趨勢在高層和底層都很平穩(wěn)的產(chǎn)品中，缺陷在于對于有特殊銷售模式的產(chǎn)品如新品，銷售數(shù)據(jù)斷斷續(xù)續(xù)的產(chǎn)品等則就有可能無法覆蓋。
需求預(yù)測的準(zhǔn)確率（FA-Forecast Accuracy）直接影響著公司的固定資本，庫存周轉(zhuǎn)率，庫存供應(yīng)總天數(shù)，準(zhǔn)時交付率，物流成本等重要財(cái)務(wù)指標(biāo)。盡管這一概念已經(jīng)深入人心，但是如何能夠提升需求預(yù)測準(zhǔn)確率則是很多公司所困惑的，因?yàn)樗_實(shí)從來都不容易。
這項(xiàng)本來就帶有神秘感的工作的目的，就是要在紛繁復(fù)雜的歷史數(shù)據(jù)中找出發(fā)展規(guī)律，同時還要考慮到現(xiàn)實(shí)環(huán)境中紛至沓來，幾乎難以想象的各種宏觀和微觀影響因素，最后制定出最符合市場實(shí)際而又能被所有人接受的未來需求預(yù)測計(jì)劃。
這不僅需要強(qiáng)大的數(shù)據(jù)分析和處理能力，更是一個公司各部門相互挑戰(zhàn)，協(xié)調(diào)，影響，說服，平衡，配合，妥協(xié)和協(xié)作的一個流程。
下面則是從數(shù)據(jù)分析，流程優(yōu)化，借助工具等角度闡述如何提升需求預(yù)測準(zhǔn)確率的十大方法，相信借助這些方法需求預(yù)測準(zhǔn)確率會有顯著的提升并最終影響著公司的top-line銷售額和bottom-line利潤率。
一、歷史銷售數(shù)據(jù)的清洗
需求預(yù)測的本質(zhì)之一，便是對歷史銷售數(shù)據(jù)分析從而判斷出趨勢，季節(jié)性等規(guī)律，并認(rèn)為歷史將會重演（history repeats）。因而高質(zhì)量的歷史銷售數(shù)據(jù)則成為確保高預(yù)測準(zhǔn)確率的基礎(chǔ)之一。而在實(shí)務(wù)中，各種各樣的客觀原因如銷售促銷，競爭活動，天災(zāi)人禍，新產(chǎn)品的推出，國家政策的突然變化等都會給銷售數(shù)據(jù)帶來巨大的影響，并且這些客觀因素將來可能是不會再重復(fù)或者重復(fù)的時間地點(diǎn)和方式不同，從而銷售歷史數(shù)據(jù)的清洗（data cleansing）成為需求預(yù)測工作的一個必要條件。
下面的一些問題的回答則可以為data cleaning指引出清晰的方向：
1、數(shù)據(jù)是否有缺失現(xiàn)象？數(shù)據(jù)的連貫性是有效預(yù)測的基礎(chǔ)之一，不連貫的數(shù)據(jù)往往會導(dǎo)致預(yù)測模型不能發(fā)揮出*的功效。
2、數(shù)據(jù)是否能保持統(tǒng)一？例如當(dāng)進(jìn)行發(fā)貨預(yù)測（shipment forecasting）時，能否保證所使用的數(shù)據(jù)都是發(fā)貨數(shù)據(jù)而不是客戶需求的數(shù)據(jù)。
3、數(shù)據(jù)是否有異常值（outliers）？異常值就是由于不尋常的事件所造成的異常高值和低值，如5.12地震導(dǎo)致速食產(chǎn)品作為賑災(zāi)物資在特定區(qū)域銷量激增，而相似地震在同一地點(diǎn)同一時間再次發(fā)生的可能性非常低，該銷售增量就可以被視為一個異常值。而雙11的促銷活動在聯(lián)系幾年的常態(tài)化和固定化后，其所帶來的銷售增值則就不是異常值。
4、數(shù)據(jù)是否有結(jié)構(gòu)性的變化？數(shù)據(jù)結(jié)構(gòu)性的變化的兩大特點(diǎn)是突然性和*性。例如競爭對手由于某種突然撤出中國市場，其所留下的市場份額真空被自己填補(bǔ)，由此所帶來的銷售增長就是結(jié)構(gòu)性的變化。
5、數(shù)據(jù)是否有季節(jié)性（seasonality）？季節(jié)性意味著銷售數(shù)據(jù)的變化呈現(xiàn)出固定性和周期性。如圣誕節(jié)前夕的種種促銷活動導(dǎo)致銷售數(shù)額的大幅上升；春節(jié)前的銷售高峰也是典型季節(jié)性的表現(xiàn)，只不過農(nóng)歷春節(jié)未必每年都在同一公歷月份從而增加了預(yù)測難度。
6、數(shù)據(jù)是否產(chǎn)品生命周期有聯(lián)系？產(chǎn)品處在生命周期不同階段（引入，增長，成熟，下降，退市）中其銷售數(shù)據(jù)是截然不同的。
在回答完以上問題后則就可以開始對數(shù)據(jù)進(jìn)行清洗，如使用平均法對遺失數(shù)據(jù)的填補(bǔ)；確定異常值和找到其成因，并判斷是否要人為的進(jìn)行刪減和增加；對有結(jié)構(gòu)性變化數(shù)據(jù)的人工修正等等。
二、在數(shù)據(jù)聚集的高層次上做預(yù)測然后分解
需求預(yù)測的另一個原則，就是所謂的“大數(shù)原則（law of large number ）”即在數(shù)據(jù)聚集的高層次上去做預(yù)測的準(zhǔn)確率要比在數(shù)據(jù)的最底層上所做的準(zhǔn)確率要高。例如，比較容易預(yù)測出明年中國的GDP的增幅是多少，即使不準(zhǔn)確誤差也不會很大，然而假如要預(yù)測具體某一個行業(yè)在某一個特定的區(qū)域增長或者減少的額度是多少偏差就可能很大，更不要說多個行業(yè)和多個區(qū)域的任意組合。
以一家快消品公司為例，其銷售數(shù)據(jù)可以整體匯集到公司層面，然后再可以分解到種類，品牌，包裝尺寸，SKU，事業(yè)部，銷售區(qū)域，客戶，總倉，分倉等。根據(jù)“大數(shù)原則”，在公司層面的銷售預(yù)測的整體準(zhǔn)確率相對要高，然后再可以分解到所需要的層級中去以達(dá)到最好準(zhǔn)確率，這也就是所說的“top down”分解法。在分解的時候可以采取同比，環(huán)比，自定義等比例進(jìn)行分配，但如果沒有很好工具支持的話，分解的過程還是相當(dāng)痛苦的。
三、使用終端銷售數(shù)據(jù)做預(yù)測
需求管理實(shí)務(wù)中，不同的公司使用不同類型的數(shù)據(jù)如發(fā)貨數(shù)據(jù)（shipment），客戶訂單數(shù)據(jù)(customer orders)，和終端銷售數(shù)據(jù)（POS-Point of Sale）來做預(yù)測。而在這些數(shù)據(jù)中，用終端銷售數(shù)據(jù)來做需求預(yù)測的準(zhǔn)確率最高因?yàn)樗沓鱿M(fèi)者的實(shí)際需求，并且能夠真實(shí)的反映的市場的波動和變化。
由于終端消費(fèi)者的消費(fèi)行為有著“頻次高，連貫強(qiáng)，總量大”的特點(diǎn)，使終端銷售數(shù)據(jù)更加穩(wěn)定和連貫，這是高預(yù)測準(zhǔn)確率的基礎(chǔ)之一。然而發(fā)貨數(shù)據(jù)則由于庫存短缺，訂單積壓，物流能力的限制等因素則不能真實(shí)等同于客戶的需求。
在“牛鞭效應(yīng)”中，零售商訂單的變動性明顯大于終端消費(fèi)者需求的變動性，為了滿足于零售商同樣的服務(wù)水平，經(jīng)銷商和代理商不得不被迫持有比零售商更多的安全庫存，需求信息的不真實(shí)性會沿著供應(yīng)鏈逆流而上，產(chǎn)生逐級放大的現(xiàn)象。
當(dāng)信息達(dá)到源頭的供應(yīng)商時，其所獲得的需求信息和終端消費(fèi)者的需求信息已經(jīng)發(fā)生了很大的偏差，所以來自客戶訂單的數(shù)據(jù)也不能代表真實(shí)的市場需求。在一個案例中，終端消費(fèi)持續(xù)低迷，零售商決定減少訂單量，供應(yīng)商的發(fā)貨數(shù)量隨之開始減少，但終端消費(fèi)者的需求還可能在相當(dāng)一段時間內(nèi)繼續(xù)保持低迷不變。
同理在新產(chǎn)品上市的前期，零售商往往持有大量的庫存以保持貨源充足，但終端消費(fèi)者的實(shí)際需求達(dá)不到預(yù)期時，他們的訂單量則開始減少，而源頭供應(yīng)商的發(fā)貨數(shù)量則也隨之減少。
然而在中國的需求管理現(xiàn)實(shí)中，一些規(guī)模較大管理水平高的終端零售商。如超市連鎖集團(tuán)愿意將其終端銷售數(shù)據(jù)有償分享給供應(yīng)商，以讓其對終端銷售狀況有清楚的把握。然而在幅員遼闊的中國，此類的終端零售商只能覆蓋市場的一部分并且主要集中在大中型城市中，很多區(qū)域特別是三四線城市的銷售則是由不同層級的經(jīng)銷商網(wǎng)絡(luò)來覆蓋。
在通過經(jīng)銷商渠道的銷售中，經(jīng)銷商往往由于稅務(wù)隱私，同業(yè)競爭，利潤機(jī)密，爭取更好的銷售政策等因素而不將自己的庫存和銷售數(shù)據(jù)（sell-though）開放給上游供應(yīng)商；而經(jīng)銷商的終端客戶往往由于管理意識和數(shù)據(jù)搜集能力的參差不齊，更是難以將自己終端銷售數(shù)據(jù)有效利用。
國內(nèi)曾經(jīng)有一個知名日用品企業(yè)為自己的需求預(yù)測準(zhǔn)確率，試圖對自己的核心經(jīng)銷商的進(jìn)銷存進(jìn)行管控并找了四個經(jīng)銷商來試點(diǎn)，結(jié)果兩個經(jīng)銷商明確拒絕，一個經(jīng)銷商雖然同意但實(shí)際提供的數(shù)據(jù)卻有很大的虛假成分，該企業(yè)最后不得不繼續(xù)使用自己的出貨數(shù)據(jù)（sell-in）來預(yù)測，預(yù)測效果就可想而知。
雖然使用終端銷售數(shù)據(jù)目前還有很大的障礙，但是這個方向還是要堅(jiān)持的。在發(fā)達(dá)國家如澳大利亞由于超過99%終端銷售數(shù)據(jù)都能夠采集到并且能和供應(yīng)商分享，所以一些公司的需求預(yù)測準(zhǔn)確率超過90%（1-MAPE）也是常見的。
四、正確選擇自上而下，自下而上和中間開花的預(yù)測方式
幾種常見的需求預(yù)測方式，如自上而下（top-down），自下而上（bottom-up），和中間開花（middle-out）在使用中往往出現(xiàn)混淆的情況，即不知道那種方式在哪種情況下能發(fā)揮*的效用。在自上而下方式中，首先在產(chǎn)品，市場，區(qū)域，年/季/月等因素的最高層次做需求預(yù)測，然后根據(jù)同比，環(huán)比，自定義比例等分解原則進(jìn)行往下分解到種類，品牌，SKU，周/天，顧客，DC等。
在自下而上方式中，往往先從SKU層級的需求預(yù)測開始做起再逐步往上匯集。而在快消品行業(yè)中目前比較流行的方式則是中間開花，即在中間層級如產(chǎn)品種類（category）開始做預(yù)測，上可以匯集到品牌，大類，總公司層面，下可以分解到SKU層面，這樣既可以利用的高層次預(yù)測的準(zhǔn)確性，同時又不至于在最底層SKU層面做預(yù)測耗費(fèi)大量的時間和精力。
自上而下的優(yōu)勢在于在高層次所做的預(yù)測準(zhǔn)確率較高，適合用在銷售趨勢在高層和底層都很平穩(wěn)的產(chǎn)品中，缺陷在于對于有特殊銷售模式的產(chǎn)品如新品，銷售數(shù)據(jù)斷斷續(xù)續(xù)的產(chǎn)品等則就有可能無法覆蓋。對于高度定制化，生命周期短，銷售相互抵消，每個SKU的銷售趨勢都不一樣的產(chǎn)品，自下而上的方式則能發(fā)揮*的效用。一些公司也在使用自上而下和自下而上的混合方式來更好的確保高預(yù)測準(zhǔn)確率。
五、發(fā)現(xiàn)并剝離有特殊需求模式的SKU
不同的SKU即使是屬于同一種類，其銷售數(shù)據(jù)也會呈現(xiàn)出不同的模式。在將這些SKU的需求預(yù)測匯集到種類層面時，則會導(dǎo)致種類預(yù)測的趨勢季度不穩(wěn)定，所以在預(yù)測時要將有特殊需求模式的SKU，暫時從該種類中剝離掉并單獨(dú)做預(yù)測。例如一個醫(yī)藥公司，在做整體需求預(yù)測時發(fā)現(xiàn)自己的預(yù)測數(shù)據(jù)極端不穩(wěn)定，很難找到規(guī)律可循。
在將其數(shù)據(jù)分析后發(fā)現(xiàn)，該公司將自己所有的大類產(chǎn)品，如政府招投標(biāo)類產(chǎn)品，經(jīng)銷商渠道銷售產(chǎn)品，處方類和非處方類產(chǎn)品完全混在一起。政府招投標(biāo)類產(chǎn)品的銷售額占到總銷售額的近三分之一，而其銷售的時間和數(shù)量幾乎沒有任何規(guī)律可言；但是其通過經(jīng)銷商渠道銷售產(chǎn)品則銷售態(tài)勢穩(wěn)定，有明顯的規(guī)律和季節(jié)性，將這兩類產(chǎn)品放在一起預(yù)測的結(jié)果肯定是有問題的。而當(dāng)同一種類中的不同SKU的銷售有“相互蠶食（cannibalization）”的現(xiàn)象時，將他們進(jìn)行剝離并分別作預(yù)測也是有必要的。
六、建立完善的需求預(yù)測管理流程
數(shù)學(xué)模型的選擇對需求預(yù)測非常重要，但要明白需求預(yù)測管理不是有具體哪一個部門來完全負(fù)責(zé)，它是一個有計(jì)劃，銷售，市場，供應(yīng)鏈，管理層等全部門參與的一項(xiàng)工作，因?yàn)楦鞑块T都是本領(lǐng)域的專家，在需求預(yù)測管理的過程中能夠提供獨(dú)特的，專業(yè)的和不可或缺的信息和專業(yè)知識，這就要求要有一個完善的需求預(yù)測管理流程來支持各個職能各司其責(zé)。
在一個有效的需求預(yù)測管理流程建立起來之前，一系列的準(zhǔn)備工作要開始做起來，如需求預(yù)測的周期和頻次，預(yù)測的產(chǎn)品/銷售組織層級，需求預(yù)測提前期，需求預(yù)測的數(shù)據(jù)來源，需求預(yù)測的職能的設(shè)置，需求預(yù)測所使用的工具如軟件，模板等，需求預(yù)測的方式-自上而下，自下而上或者中間開花，以及企業(yè)中哪些部門要參與到需求預(yù)測流程中來和他們的角色，職責(zé)，考核指標(biāo)。
例如，在快消品企業(yè)中需求預(yù)測部門一般負(fù)責(zé)數(shù)據(jù)的搜集，清洗和整合，并對銷售預(yù)測的baseline，在此基礎(chǔ)上銷售部門要考慮短期（3個月之內(nèi)）由于銷售活動如新客戶的開發(fā)，現(xiàn)有客戶重大的銷售行動，競爭對手的主要行為，打折促銷等銷售活動所帶來的銷售增減，而市場部門則通過對消費(fèi)者行為，產(chǎn)品生命周期，品牌形象，宏觀經(jīng)濟(jì)政策等研究來對長期的銷售預(yù)測提供自己的專業(yè)判斷，而財(cái)務(wù)部門則從投資回報(bào)率等角度對銷售預(yù)測進(jìn)行支持；而在工業(yè)品企業(yè)中，產(chǎn)品經(jīng)理則是需求預(yù)測流程的一個重要參與方。在以上流程明確以后各個職能才能真正的協(xié)同起來做出最為精準(zhǔn)的需求預(yù)測。
七、正確使用最適合的預(yù)測模型
在需求預(yù)測中，預(yù)測模型的選擇是至關(guān)重要的，模型會根據(jù)歷史銷售數(shù)據(jù)的各種特征模擬出未來的走勢，這是需求預(yù)測工作的中技術(shù)性的一個重要體現(xiàn)，因?yàn)樯婕暗浇y(tǒng)計(jì)學(xué)的一些專業(yè)知識，模型也是比較具有神秘感的同時也是最容易被誤解的部分。
實(shí)務(wù)中總是看到一些公司在苦苦追尋所謂最*的預(yù)測模型，仿佛這些模型一旦用上自己的預(yù)測就立刻能夠100%準(zhǔn)確一樣，成了改善需求管理的一個必勝絕技。而模型選擇的一個重要原則就是沒有奇跡模型，即預(yù)測模型在預(yù)測中僅僅起到輔助作用，沒有任何一個模型能夠做到完全正確，最好的預(yù)測模型其實(shí)就是能夠抓取歷史數(shù)據(jù)中大部分的規(guī)則和模式，抓取的越多，預(yù)測錯誤就會越少，預(yù)測效果越好。
而歷史數(shù)據(jù)的不規(guī)則性越強(qiáng)，甚至出現(xiàn)缺失和噪音，則預(yù)測模型所起到的作用就越為局限。同時在模型的選擇中，不要抱有“一招鮮吃遍天”的錯誤思想，某些模型當(dāng)前的預(yù)測結(jié)果還不錯，但一旦上個月的銷售出現(xiàn)異常，這些模型有可能就會失靈，所以定期對現(xiàn)有的模型進(jìn)行重新測試還是非常有必要的。而復(fù)雜模型的預(yù)測效果一定好于簡單模型，組合模型的預(yù)測效果一定好于單一模型等說法其實(shí)也未必正確，在模型選擇中只有最適合的沒有最復(fù)雜的。
八、正確理解需求預(yù)測沖突的成因，建立激勵性而非懲罰性的考核機(jī)制
評估需求預(yù)測的兩個重要指標(biāo)分別為需求預(yù)測準(zhǔn)確性（1-MAPE）和偏差率（BIAS），前者用于評估誤差幅度，后者用于確定系統(tǒng)誤差。他們不僅用于在SKU層次衡量，還要在其他層次上如品牌，品類，事業(yè)部，總公司等層面來衡量。因?yàn)樾枨箢A(yù)測工作并不是由單一部門獨(dú)立完成，它需要各個部門如銷售，市場等職能強(qiáng)力的參與和配合，沒有這些部門的話，需求預(yù)測則成了無水之源。
然而需求預(yù)測對于以上部門來說只能是職責(zé)之一，并不完全是其主業(yè)，所以從各部門協(xié)同的角度來講，需求預(yù)測的考核機(jī)制應(yīng)以激勵性而非懲罰性為主，否則將打消各部門參加的積極性。某一知名快消類企業(yè)在建立需求預(yù)測考核機(jī)制的時候，采取了建立大區(qū)預(yù)測準(zhǔn)確性排名機(jī)制，在內(nèi)部樹立正面典型并進(jìn)行經(jīng)驗(yàn)分享，還給予精神和物資獎勵來實(shí)施正面激勵。
同時要清楚需求預(yù)測的偏差本身并不可怕，關(guān)鍵它要在可以接受的范圍之內(nèi)，而且要能找出形成偏差的根本原因以找到下次改進(jìn)的辦法，這就是為什么需求預(yù)測的表面數(shù)字并不是最重要的，最重要的則是這些數(shù)字之后的assumption，只有理解這些假設(shè)條件對預(yù)測的影響之后，才能真正掌握預(yù)測的精髓。
九、專業(yè)需求預(yù)測職能的配備
需求預(yù)測是一個專業(yè)的職能，而且是各種技能的綜合體。他/她們需要有總經(jīng)理把控全局的戰(zhàn)略觀，市場人員敏銳的洞察力，銷售人員過人的溝通能力，供應(yīng)鏈人員謹(jǐn)慎全面的運(yùn)營意識，以及財(cái)務(wù)人員細(xì)致入微的分析能力。從文科和理科劃分角度來說，這個職務(wù)其實(shí)是個文理科的結(jié)合。
需求預(yù)測人員不僅要搜集數(shù)據(jù)更要對數(shù)據(jù)進(jìn)行分析和決策，從一個單向信息接收轉(zhuǎn)變?yōu)殡p向的信息互動和控制者，他們既是數(shù)據(jù)的負(fù)責(zé)人，又要對產(chǎn)品的非常熟悉，同時又是需求管理流程的總協(xié)調(diào)人，這就要求此職能在企業(yè)中的地位不僅僅局限在支持和后勤的意義，而是要在需求預(yù)測的流程中扮演協(xié)調(diào)者和決策者的角色，這就要求對于他們的培養(yǎng)和招聘以及薪酬待遇等都要不同于普通的崗位。
在實(shí)務(wù)中，越來越多的企業(yè)高度重視計(jì)劃職能，將該職能放在一個相對中立的部門如供應(yīng)鏈，甚至把該職能完全獨(dú)立出來直接向總經(jīng)理匯報(bào)使之完全成為一個指揮中樞。而反觀一些企業(yè)，根本就沒有負(fù)責(zé)此業(yè)務(wù)的職能崗位，或者只是由客服，銷售支持等人員兼職的在應(yīng)付此事，并且在企業(yè)中的地位低的也慘不忍睹，有的甚至向物流或者客服部門匯報(bào)，最終只是淪為數(shù)據(jù)的搜集者和搬運(yùn)工。
十、爭取高層支持
爭取高層支持好似一個老生常談的話題，如同“正確的廢話”。高層一旦支持很多問題都會迎刃而解，但如何獲取高層的支持則就成了一個比較有挑戰(zhàn)性的任務(wù)。沒有一個公司的董事會會對管理高層進(jìn)行需求預(yù)測準(zhǔn)確性進(jìn)行考核，既然他們不肩負(fù)這個指標(biāo)，爭取到他們的支持是否就聽天由命了。
如何爭取到高層的支持，則就要將FA和他們關(guān)心的指標(biāo)如公司固定資本，供應(yīng)鏈運(yùn)營消耗成本，以及運(yùn)營資本管理的有效性，以及最終的top-line銷售額和bottom-line利潤率等聯(lián)系起來，尤其是需求預(yù)測準(zhǔn)確性對這些的指標(biāo)的影響，并且以數(shù)據(jù)的形式展示出來，這才能夠給高層帶來巨大的影響。
例如，國際商業(yè)預(yù)測計(jì)劃協(xié)會（IBF-Institute of Business Forecasting and Planning）通過對不同產(chǎn)業(yè)和公司真實(shí)數(shù)據(jù)的研究發(fā)現(xiàn)一旦FA降至80%以下時，超過60天的庫存開始積壓；而FA在50%左右，超過60天庫存占總庫存的比例則達(dá)到驚人的60%，這是任何一個CEO和CFO都不想看到的。
通過這個方式，想爭取到高層對需求預(yù)測管理的支持也不是一件很困難的事情了。
轉(zhuǎn)載：http://santuchuan.cn/zixun_detail/30095.html