企業如何才能做好預測？

毫無疑問，預測對企業來說十分重要，所以企業必須要做預測！而預測似乎又是個十分複雜、深奧的課題，那企業應該怎麼樣才能把預測做好呢？本文就如何做好預測這件事再進行深入的探討，為大家提供一些思路。

1首先，預測的實質是需求計劃，是需求管理流程，而不只是填數遊戲。

很多人或者很多企業認為，預測就是填個未來需求的預測數量，或者由銷售來填，或者由相關的責任部門或者責任人來填。預測當然是對未來需求量進行預估或者預計，透過統計模型或者人工的數學計算得出來的統計預測結果，不能作為企業最後的預測結果錄入系統後產生作用，需要透過需求計劃管理流程，合併成不受限制預測，作為產銷協同的預測錄入，還需考慮供應限制，形成最終受限制的最終預測結果錄入，所以企業預測絕不是簡單的填數遊戲。

我們不能忽略需求計劃的協同作用，許多優秀企業的實踐證明透過各部門的攜手合作，將有助於消除資訊不對稱，將極大的改善需求預測的質量。

讓我們來看看以下的圖，這是一個需求計劃流程的例子，我們可以看到，預測的輸入有多個入口，而涉及的部門也有多個部門，透過協作形成最終的預測。

1。企業需要做基準預測，也就是統計預測，而統計預測需要建立在歷史銷售資料的基礎上，但是歷史銷售資料，會有很多的干擾因素，比如，產品促銷，營銷活動，客戶退貨，甚至由於企業或客戶政策因素影響的交貨偏差等，都會對銷售結果產生重大的影響，所以需要做資料清洗或者清理。沒有高質量的基礎資料，就不可能有準確/精確的基準統計預測結果，因為錯誤的資料將誤導或者產生錯誤與偏差的統計預測模型。如果資料不做清洗，一是我們無法知道資料應該有的原始形態，適用於什麼樣的預測模型；二是如果直接用這個資料進行下一週期的預測，將會對結果產生很大的偏差影響。

舉例說明一下，某產品歷史銷售資料清洗前後的對比圖：

如果以此清洗前原始歷史資料用於預測，勢必引起供應鏈端和生產端一系列的連鎖反應，帶來放大的牛鞭效應和庫存風險；而且在突然爆增銷售的前很長一段時間內都沒有銷售，這樣的預測顯然也是跟實際不相符的，也是無法正確指導未來的預測的。資料清洗過後我們可以看到這是一個非常平穩的銷售資料，說明產品應該處於成熟階段，銷售處理平衡期，相應的我們就知道應該使用什麼樣的預測模型進行匹配。還有，這樣平穩的產品銷售，是否值得做大型的促銷活動，促銷所帶來的正面效果是否遠遠大於負面影響？

以上例子可以看出資料清洗必不可少，資料質量至關重要！企業首先就要做好資料管理和資料清洗，建立正確的管理流程和資料管理規範。

現在的企業各種市場活動，廣告，促銷，節假日活動等等行為已經成為日常，我們更加需要加強資料清洗的管理。然而現實情況是，往往很多企業，他們有很多年的歷史銷售資料，不過他們並沒有對這些資料進行及時的清洗和處理，導致資料無法使用，這是非常可惜的事！

2。基於清洗後的歷史資料，選擇好的或合適的預測模型，

根據模型推斷未來的預測需求，就完成了基準統計預測，但只是完成了預測的第一步

。除此之外：

1）

企業還需要考慮客戶和市場變化情況，在基準預測的基礎上進行相應的調整

，這個往往由銷售來完成，因為銷售更瞭解客戶的情況。

2）而市場營銷部門則需要提供新品預測計劃，以及促銷計劃等市場活動方面的預測，將預測加入到預測結果中，或對預測結果進行相應的調整。

最終企業結合統計預測，銷售預測，新品預測，市場活動預測等，才形成了最終的預測結果。

其結果作為企業無限制的預測需求，這是來自客戶和市場的真實需求，是不受產能約束的。

3. 無限制、不受產能約束的預測需求，通常並不能直接作為預測結果進行驅動物料需求計劃和產能計劃的直接需求，而是作為產銷協同預測的輸入

，對於這樣的預測需求，能否達成，還

需要考慮企業的關鍵資源供應的情況，如果關鍵資源有所約束（產能或者關鍵物料供應等），則需要考慮約束因素，對預測進行調整，形成有約束的最終預測結果

，從而驅動對物料的採購和產能的規劃等，

這是作為產銷協同的最重要的輸入部分

，這樣的預測結果一是避免了牛鞭效應，防止過多的採購原材料或者產能的調整，

這是考慮到供需平衡，經過多方面協同的協同預測結果

，當然有些公司可能還需要考慮其他的企業經營目標，財務指標等，也可能對協同預測進行相應的調整，而最終的協同預測的結果是為了使公司從整體出發，使公司整體效益最大化，而不是個別部門或者職能效益的最大化。

2其次，預測和需求計劃的最終目的是為取得企業最佳的經營結果，而不只是追求準確性。

很多企業在KPI考核中對預測的評估，往往是隻考核預測準確率，而不考核其他公司的運營指標，或者不與公司的其他運營業績掛鉤，導致預測的考核脫離實際運營結果的情況。當然，連預測準確率考核都沒有或者考核方法不符合標準的的企業就更不用提了。

首先，毫無疑問，預測首先要做準確，準確考核率為其首要目的，是評估其預測質量的直接考核結果。我們通常用從系統誤差偏離幅度、偏離方向和偏離量等指標結合來考核，偏離幅度主要使用MAPE，偏離方向MPE（BIAS），偏離量MSE。

但是隻考核這些指標是遠遠不夠的，如果準確率指標不與客戶服務水平和庫存水平掛鉤，則會導致只為了預測準確率來做預測卻不從業績和市場出發，不與企業的實際經營善進行綜合協同預測的情況，最終導致預測準確率雖然提高了，但客戶服務水平沒有達到，庫存水平上升且缺貨並存，經營目標沒有實現的情況，這種情況在現實的企業經營中是很常見的。

所以預測的準確率最終必須與企業經營指標和目標相結合。

同時基於準確率的預測考核，不應只是準確率數字上的檢查比較，而是要檢查資料偏離背後的原因，

解釋基於預測偏差產生的原因比準確率本身更為重要，因為偏差的原因是預測失真的根本因素，可能來自對市場判斷的失誤，或者客戶資訊的延遲失準等

，原因找到了，下次做預測的時候才能避免發生同樣的錯誤，這樣逐漸的預測質量才能提升，所以

預測準確率的實質是預測質量的好壞

。

3預測和需求計劃協同的重要性，與企業所處的業務模式緊密相關。

可能很多企業會有這樣的疑問：我們的預測來自客戶，但是客戶的預測永遠都是不準的，波動非常的大，無法根據客戶的預測進行計劃生產採購等經營活動，如果直接根據客戶的預測去安排，會導致直接的庫存上升，而且還不能滿足客戶服務水平要求的情況。處於這種狀況的企業比比皆是。

這種情況與其相處的業務模式密切相關，這樣的業務模型往往是B2B形式的業務，且與產品特點有關，這種型別其產品基本都是定製化產品或者非市場通用品。

所以這樣的問題，其本質實際上不是預測的問題，而是

客戶服務與協同的問題，因為這類的客戶提供的預測不是它的真實需求，而是它的經營計劃。

客戶的需求計劃與真實需求相去甚遠，與客戶的生產計劃，庫存計劃，經營政策關係更密切，這些計劃往往與客戶的經營管理水平和供應鏈管理直接相關，所以無法直接根據預測模型進行推斷其未來需求預測，或者需求計劃。

這種模式的客戶需求管理必須以客戶服務協同為主，客戶服務協同的目的是與客戶的經營計劃、生產採購計劃，也就是企業的客戶需求計劃進行深入協同，客戶的計劃準確性高且客戶願意共享相關需求資訊對我們的未來需求預測的判斷將帶來很大的幫助。同時客戶需求計劃協同能有效去除需求波動，去除因為各自干擾因素帶來的牛鞭效應，比如安全庫存設定，最小批次和最小訂單量等因素帶來的需求放大。