前面说过，供应链的最弱段往往在其最末端。放在预测上，就是供应链的最末端往往最难预测。
设想一个多阶库存：生产原厂、批发中心、零售中心都设定库存。原厂向多个批发中心供货，批发中心向多个零售中心供货，零售中心面对消费者。生产原厂需要了解全局需求，相对好预测：有些批发中心要货多于预测，有些则少于预测，互相抵消的可能很大；零售中心，特别是规模小、消费群小的，预测则很容易失真。拿计算机为例。联想预测全球对其计算机的需求，自然要比预测你住的那个小区的需求要准确得多。
预测在最末端失真，因为最末端的样本数量相对小，从数理统计的角度讲，准确性低。例如全球销售预测的对象是千千万万的客户，一个营业所面对的则可能不过几家。如果这几家中有一家需求变动大，预测就基本作废。另外，供应链的最末端直接面对消费者，计划执行过程中外界干扰大。而且远离供应链的核心环节（例如生产、供应部），对变化的响应需要一定时间才能响应。
在供应链多阶段库存模型中，人们一方面寻找更好的数学模型，一方面优化商业流程。
数学模型方面的研究很多，移动平均法、指数分布、正态分布、波松分布等，各有各的适用范围，不用赘述。
商业流程方面，提高供应链的响应速度、增加供应链的信息共享，都有其商业意义。缩短采购前置期/生产周期是提高响应速度的一种方法。同一零件，采购前置期是8周与3周，对市场变化的反应速度自然不同。空中客车制造飞机，有些部件的采购前置期动辄几十周甚至超过一年，与欧洲的"国营"企业供应商的懒散不无关系（说"国营"，是因为这些企业作风挺像国内以前的国营企业），跟波音这样的更市场化、供应链效率更高的美国公司竞争起来，难度就挺高。美国航空制造业推广精益生产的很多，目的就包括缩短生产周期，降低浪费。信息共享不只是让大家互通信息，其更高层次是让大家都在最原始的需求数据上做决策。出于种种考量，供应链伙伴之间并不一定愿意共享最原始的需求数据。例如采购方知道市场需求在100左右，但担心供应商产能不够，告诉他们需要120件。逐级而下，就形成牛鞭效应。这种问题在公司内部也存在，尤其是多部门、跨地域公司。公司内部相对好解决，让大家用统一的预测方法，用统一的软件，让最原始的数据对大家都开放；不同公司之间则需要长期磨合、建立互信。
不管采用什么方法，上述问题与企业生来就有，没有什么灵丹妙药。所以，不管是软件开发者也罢，咨询公司也罢，如果标榜自己的解决方案可以让你一劳永逸，八成有言过其实的嫌疑。相反，扎扎实实地解决一个个小问题，逐步完善，往往是没有捷径中的捷径。
看了刘老师的这篇文章，个人感觉有不些不同的观点。刘老师是按统计学的观点，来证明自己的观点，看起来也有些道理。但又想想，如果刘老师所说，供应链上端的供应商岂不是预测最准确，越有效？受下端的影响越小？这与牛鞭效应的观点有悖。另外，下端的批发中心为获得足够的能力都有扩大预测的动机，实际的需求往往比预测的少。同时，零售商直接面对客户，对客户的潜在需求也最了解，预测享受也应更准确一些，如果说受市场影响大些，那么处于上游的合作伙伴岂不受影响更大？我个人认为要想减少牛鞭效应，通过契约激励来协同供应链是关键。
我赞同刘老师的观点，越上游的供应商，收敛的越厉害，其越发了解整个产业的走势，越贴合宏观经济走势，因此其预测应该更加准确。比如，INTEL对PC的需求预测就比联想要准，因为整个行业的需求有一定的连续性。
我的看法为,作为预测,谁掌握的数据更接近市场,谁预测得更准,因为预测的方法大家都能掌握,但是消费者的需要,是不容易了解的,所以,学学台塑大王王永庆,当初卖米时,每次帮顾客将米到入米缸,当然,要作保值期轮置,将旧米先倒出,而后放入新米,再把旧米放进,这样你就可以根据2次卖米时间,计算出客户的日均用量,以这样的数据来预测,则很准!
在不对称信息的情况下，供应商和零售商的预测结果往往是不一致的，上游供应商的实际预测结果也要受零售商的影响，应该不是掌握总体宏观情况那样简单。
刘老师，你好！我有个问题望请指教。
预测型的商业模式的核心目的是在最大化的取得规模效益的同时，更快的满足市场需求，典型流程为预测-原材料的购买-生产-仓储-销售-配送。而企业采用延迟策略，特别是地域延迟中，也是建立Center Hub， 存储关键部件，收订单，配送。他们之间的区别在哪？谢谢
我认为本文的主要观点是想说明集中预测比分散预测更有效.但现实却大多是根据各分支机构或下游的预测信息来作出集合的整体预测的,所以如何协调这两者预测的差异则是重点需解决的问题.
刘老师，你好，我是一名研一的学生，方向为供应链与物流管理。现在看两本书：《供应链与数学建模》以及《网际时代的供应链管理》。看这些书的同时也很困惑，感觉到处都是有待解决的问题，只见树木，不见森林，把握不了供应链整体宏观的研究状况，进展等方面，所以还在迷茫之中。不过，我对电子商务公司，比如B2c公司的供应链很感兴趣，我想问下这方面的情况。谢谢。
你可参照供应管理、运营管理、物流管理的基本书籍。我在一篇文章专门中提到的一些书。这些书是些基本的入行书。如果要知道研究的整体宏观情况，最好先了解这个学科的基本情况。那些书解决了这个问题。
问题大多是老问题，即三十年前研究的东西跟今天没什么本质区别，因为困扰企业界的问题还是些老问题。所以，不要图新。很多新东西都是以名字博大，掩盖内容的空乏。
老师好，我目前在学习供应链管理。东西很多，了解起来，也都需要时间。我个人比较喜欢客户关系管理该方面，希望老师给些初步了解走向深入的建议
大家好：
目前我在深圳想找份好的供应链管理的公司学习，可是这个现实的地方没有人愿意培养我，给我 机会，路过的大哥大姐请帮帮忙，谢谢！
E——MAIL：[email protected]
关于如何做好预测，希望与你商榷：你只论述了作预测采用的常用模型，然而，如果想做好预测，仅仅考虑这一点是无法作到的，我认为要想做好预测，要考虑的还有如下方面：
1。预测的周期与时段；
2。预测的分解；
3。预测的聚合
4。预测所采用的方法；
5。预测的抵扣；
6。预测的共识；
7。预测的误差衡量；
等等，每一步都有一些选择，对不同的行业、不同的产品、特性等，都要考虑，决不是简单提高限额预测模型就能做好的，预测流程商的每一步都会影响预测的结果。。
刚看到这篇文章的第一反应也有同样的想法，但是细想，却有突然开朗！
#1. 供应端上游可以预测更准，是基于他可以拿到终端的销售数据。长鞭效应的方式，是因为上游的预测是基于他直接下游的提报的订单数量或者预测，而直接下游的订单数量或预测本来就是在发给他之前就被扭曲过了。
如果供应商可以拿到终端的数据，即可以获得更多的样本数，是更能够挖掘出历史的规律来的。
#2. 零售商直接面对客户，对市场需求和变化更了解，一定需要由他们来做预测。但问题是，我们可以保证零售商都可以老老实实地做预测吗？这个，第一，需要靠企业去引导，给予系统的预测建议值来辅助预测；第二，通过契约机制，以预测准确率来确定最后的发货量
#3. 预测不单式零售商（或者是销售部）的事，他是启动整条供应链运作的开始。万事开头难，所以一定要做好！如何？把我们的研产销都一起进来，一起协同调整。
刘老师， 我个人觉得这篇文章在描述过程中有很大的迷惑性。因为您没有在文章开头把供应链的末端做一个比较清晰的定义。
1.“另外，供应链的最末端直接面对消费者，计划执行过程中外界干扰大。而且远离供应链的核心环节（例如生产、供应部），对变化的响应需要一定时间才能响应。”这一段供应链末端应该指的是零售商。
2.“出于种种考量，供应链伙伴之间并不一定愿意共享最原始的需求数据。例如采购方知道市场需求在100左右，但担心供应商产能不够，告诉他们需要120件。逐级而下，就形成牛鞭效应。”这里的最末端应该指的是最末一级的供应商吧？
事实上，作为最接近市场需求的零售商而言，无论他的规模有多小，但是他最接近市场，他每个月的需求预测是直接从市场获得，因此相对而言，应该更准确才是。
您说，“联想预测全球对其计算机的需求，自然要比预测你住的那个小区的需求要准确得多”这句话是不是想说，作为联想而言，他更容易预测全球的销量而不是单个点的销量？
是的。联想更容易预测全球的需求，而不是你所住的那栋楼的需求。在这种情况下，那栋楼的计算机消费者就是供应链的末端。
谢谢刘老师解答。我明白了。文中所说的供应链最末端是针对某条供应链的主导者而言的。比如联想公司，它的供应链经过了一级分销，二级分销，零售店，到达最终的消费者，因此终端消费者便是其供应链的最末端。