谈到需求预测，先要在公司层面讨论清以下问题：

​ 企业预测的目的和用途。

​ 企业是否需要建议一个正规的预测流程。

​ 由哪些部门负责和参与预测流程。

​ 预测的技术问题：该采用定性还是定量方法，预测所使用的数据来源、预测系统的开发、预测模型的选择、预测精度的衡量和监控。

（1）预测的目的和用途。

预测的目的包括通过预测来设定基线，对预测的波动进行监控并设定合理的安全库存以覆盖波动；跨部门的计划团队的理解和信息集成，使用同样的数据进行决策。基于预测来预算运营成本，包括设备和人力资源；基于预测提升竞争力和生产效率以降低成本，提升交付和客户需求响应速度。

笔者见到的企业将预测数据主要用于：

1）安排主生产计划和成品库存计划。

2）进行长周期部件的生产/采购。

3）进行产能测算和投资决策，不同的需求需要预测的层级不同。

消费品行业的预测流程已经相当成熟，当前主流的ERP公司，如SAP和ORCALE公司的预测软件流程都内嵌了这个方法。基本上是基于预测数据进行主生产计划安排，企业必须做出决策或者在SKU层级进行预测，或者预测在产品族上，通过比例分配分解到SKU上。预测流程第一步是进预测数据安排主生产计划，进行数据清洗；第二步是进行统计预测；第三步进行预测计划员的调整，第四步进行销售部调整；第五步进行最终预测。

预测直接用在主生产计划在很多行业是不可行的。笔者辅导过一家大型化肥厂，公司销售副总挂帅立项预测改善项目，而且专门开发了销售预测的报表系统，并将预测精度纳入每个销售经理的KPI考核指标，然后该项目最终还是失败了。笔者详细地分析了历史出货数据，发现在该公司，很多区域是根本无法基于历史出货数据进行统计预测，这是由于每年农民种植的作物有波动，因此需要的化肥种类也不同。此外，化肥用量也受天气影响，如果雨水太少，农民可能放弃施肥。基于历史出货数据进行预测是不可行的。这个预测项目并不成功，笔者辅导完这个项目一直在思考为什么直接采用消费品行业的标准预测流程行不通，最近有些感悟，表面上化肥行业与消费品行业类似，都是经过经销商卖给最终消费者，但实际上两者不具可比性，一个是独立需求，另一个是相关需求。例如卖洗衣粉，品牌商可以通过促销等手段拉动消费者购物，可以吸引消费者更换产品品种，因此这是独立需求；而化肥行业，企业最多是从竞争对手那里争取消费者，农民种的是玉米，让他购买水稻化肥根本不可行。而要根据所在区域的种植品种来预测又超出了销售经理的能力。而且复合肥行业企业的制造周期很短，投料到产出只有几小时，采用最大/最小量和经济制造批量的逻辑会更可具操作性。

工业品成套设备企业多数是按照订单交付，直接进行成品出货预测不具可行性，但企业需要对生产能力进行测算，笔者服务过的一个国内的汽轮机制造企业在2012年时企业面临是否要对燃机进行重大投资，燃机生产中有一种关键设备轮槽铣，与一般的汽轮机不通用，单台投资几千万人民币，设备交付周期接近2年。燃机使用天然气，其运行费用远远高于使用煤的汽轮机，如果燃机国内需求不能大幅度提升，投资就会浪费；但如果不投这个设备，需求起来时企业接单的数量受到限制。企业的领导层预估到国家未来对环境治理的趋势，果断投资。随着京津冀环境治理，很多燃煤电厂转为燃气电厂，企业赌赢了市场。

很多公司的预测的目的是为了保证长周期物料的供应。以笔者辅导过的一家安防企业为例，在这个行业中，芯片作为核心部件，芯片厂商往往具备更强的实力，而芯片的制造周期长达3~4个月，而客户需要的交付周期只有1~2周。因此，终端生产厂家必须要自己储备芯片以应对市场波动。因为成品型号远远多于芯片型号，没办法在成品型号上进行预测，基本上只能根据过去几个月的芯片用量来预测芯片需求。此外，很多专用芯片有最小投料量，芯片厂商的8英寸产品线一个批次就是35~40K，专用芯片终端企业必须一次采购这个批量。因此，在这类企业，只能针对物料进行预测。

（2）企业是否需要建立一个正规的预测管理流程？

笔者认为，品牌企业都需要预测未来的需求，只是根据企业的产品市场特征、产品工艺特征来决定预测在产品的哪个层级上的差异。而部件供应商是否要进行预测，则要基于品牌企业是否提供滚动预测。

汽车和家电企业这类消费品的品牌制造商，每家企业需要建立成品层面的月度预测流程。一般是基于历史数据和促销计划的统计预测流程，预测展望期需要覆盖内部制造+物料采购周期。

消费品部件供应商，如果其制造周期短于客户订单交期，则一般不做部件层面预测；如果制造周期长于客户订单要求的交付周期，则需要预测并备库生产。

一般来国际品牌公司消费品制造商提供预测，并保证负责吸收预测不准产生的额外库存。例如通用汽车会进行40周成品预测，并分解为零件预测发送给供应商，在零件变更时有专门的退市管理流程来解决供应商的额外的零件库存。

施耐德电气会提供给供应商13周滚动预测，同时要求供应商必须持有2周的部件安全库存。

在客户提供预测的情况下，部件供应商计划组织相对简单，然而国内品牌企业通常不提供滚动预测。某国内企业每月25日给供应商提供下一个月的需求计划，并要求供应商在每月1日开始供货，供应商必须根据自己的经验来组织生产。多备的库存，如果赶上产品切换退市，品牌供应商也拒绝消化。

而工业品企业，如飞机和汽轮机制造企业，则需要针对宏观经济环境建立多因素模型，或者更多的是企业管理层的直觉。后者更多的是一些经验模型，与具体行业结合更密切，没有公开的通用的系统。工业品企业的预测案例里面最著名的可能是波音和空客20世纪末对跨洲航空市场需求的预测。波音认为，未来的市场增加的份额是二线市场之间的直飞需求，因此开发出了波音787这种超远程中型飞机；而空客认为市场需求为航空枢纽之间的点对点，然后再中转到二线市场，因此开发出了空客380这种超级大飞机。结果是空客输了，其空客380飞机只有少数航空公司采用，销售出的台数都无法折回投资的研发成本。

工业品部件供应商多数是按照客户订单组织生产，即使预测也是在产品族层面用于核心部件的备货或者产能策划。例如在一家电气部件行业，为了减少设备切换损失，提升作业效率，企业设定了每个零件的标准制造批量，提前将零件制造出来，在接到客户订单后组装为成品。

（3）由哪些部门负责成品预测。

多数企业是由销售部负责预测，基本上有两种模式：

​ 由分公司/销售经理提报销售预测，销售管理部进行调整。

​ 由销售管理部集中进行统计预测，然后根据各分公司的市场活动等信息调整预测值。

采用第一种流程的出发点是分公司更贴近一线，知道市场动态，给出的预测更准确，销售管理部的调整更多是进行品类的平衡。

在实践中会发现，分公司销售人员填报的预测的精度经常还不如直接用历史数据进行统计预测。于是，部分公司就在系统中先进行统计预测，然后展示给销售人员，要求销售人员根据自己的市场信息对统计预测数据进行调整，并给出调整的原因。但这种做法还是需要销售经理进行历史数据分析、统计模型选择，销售人员抵触情绪较大。

部分公司会采用第二种办法，由销售客服人员的专人进行集中预测，包括历史数据分析、异常数据处理、统计预测。然后与销售沟通市场信息后，在系统中进行销售调整。目前，采用后一种方法的公司更多。

笔者认为：

​ 企业应该实施联合预测，将统计预测与销售人员的主观认识相结合。同时，要将这个预测结果用于能力计划、采购计划等各环节。

​ 应该在销售部的客服科中设立专门的预测计划员的岗位，来推进联合预测。

一线销售人员更关心销售额，每个销售人员管理那么多经销商，虽然天天跑市场、了解市场趋势，但几百种产品，指望销售人员搞清楚实际的每个规格产品的历史销量、未来出货数据是不可能的，他们只能关注几种主销产品的销量及趋势。

而客服部门的人员，一是能接触到详细的出货数据；二是与经销商有直接联系；三是能及时掌握市场活动的信息，是企业中最合适做预测工作的部门。

（4）预测的技术问题。

通常的预测技术包含定性技术、定量技术。

定性技术：基于直觉和判断评估。

定性方法主要考虑外部因素：竞争、新客户、主要客户的计划、政府法规、经济周期、环境问题、天气、全球趋势、领先指标趋势，例如房屋建筑会影响建筑材料和家具、出生率会影响幼儿产品。如表4-3所示。

表4-3定性方法

在企业实践中，定性方法更多的用于企业中长期发展规划，每家企业都有其特定的方法，没有什么行业统一标准。在正常的运营中，更多的是使用历史出货数据的定量方法。

定量技术：基于数字关系计算出来。