自来水模式的预测机制

就拿自来水来说，我们大家谁预测过自家的用量？做预测的是自来水厂，而且自来水厂从来不会深入到千家万户，预测每家每户需要多少水；或者让每家每户"提需求"，汇总起来，成为总体预测。它也不会说，谁预测谁有水，谁不预测就没水。它要做的是预测全城的需求，确保水厂有足够的水，各家各户用水时，打开水龙头，接水就是了。

与自来水厂类似的，在有些企业，需求计划部门负责编制公司层面的需求预测，一线销售等支持部门并不做预测，或者只有销售的管理层参与。需求预测主要在产品/工厂层面，不分解到区域和客户层面。其基本逻辑是，只要我们在公司/工厂层面预测好了，各分公司、省区、客户要多少就领多少得了。对于这种模式，我们就姑且取名"自来水厂"模式。

要知道，最好的预测是不需要预测，最好的协同是不需要协同。"自来水模式"模式的好处就是消除了各个分支机构预测，因而也消除了协同的必要。

图：自然运作的供应链系统就如城市自来水系统，细枝末节是不用做预测的

"自来水模式"有一定的前提，比如产品的定制化程度低、需求相对分散等。这种模式在消费品、零售、电商等行业比较普遍。对于总库、地区库、子库等构成的多阶段库存模式都适用。比如全球备件网络就是典型的例子：备件在总库做好预测，让工厂和供应商生产好足够的库存（周期一般是几周到几个月），然后各地区库、分库有需求的话，下订单向总库调货即可（调货周期是几天到一两周，主要是运输时间）。

流行时尚公司ZARA就有"自来水模式"的痕迹。它在供应链上设置两个推拉结合点。第一个推拉结合点在供应端，针对标准化的半成品，比如白胚样----不同颜色的服装有同样的白胚样，用自动化程度高的生产线大批量生产，然后根据市场需求对颜色、配件的偏好进一步定制。第二个推拉结合点是成品，在分销渠道端。ZARA在总的配送中心层面预测需求，然后呢，各地门店要多少，就下单补货多少，几天内到货----门店不做预测。通过建在两级推拉点的两个"自来水塔"，ZARA避免了在预测准确度低的层次做预测，从而避免了随之而来的库存问题。

图：ZARA的两级推拉和"自来水模式"

对于定制化程度高的工业品来说，"自来水模式"就面临挑战。这就是为什么有自下而上的汇总预测。这是因为定制化程度越高，需求知识越在前端的销售、市场、产品管理等职能。比如每台几百万元的大型设备，往往会根据客户需求定制；即使同一客户，不同时期的配置也可能不同。这时候，客户或区域就变成更可靠的预测颗粒度，自下而上地汇总需求就成为选择，销售人员对需求预测的介入就更深。

对于很多企业来说，"自来水模式"和自下而上的汇总会并存，我们姑且称之为"混合模式"。比如新产品刚导入时，往往是针对具体的客户、具体的地域，自下而上的汇总模式更适合；而进入量产期，客户更加多元化，"自来水模式"就可能更合适。在混合模式下，很多企业是主要用一种模式，另一种模式供参考。这就是说，两种模式的过程独立，相互协同有限。

值得注意的是，在有些大批量行业，比如智能手机，由于产品的生命周期越来越短，运营商、地区化、销售渠道的差异，混合方式被广泛使用。比如对于运营商的集中采购、不同语言国家的需求，手机厂商更依赖自下而上的方式；而对于电商渠道和公开渠道，则采用"自来水模式"。这些都是在成品层面。对于关键的长周期物料，比如IC芯片，则是"自来水模式"方式为主，在公司/工厂层面做好需求预测，提前驱动供应链响应。对企业来说，混合模式的存在是个挑战，不过也是业务全球化、复杂化，以及产品生命周期缩短的必然结果。