预测准确度究竟要多高

美国有个叫ToolsGroup的公司做过调研，说消费品的预测准确度在85%上下，零售业跟消费品差不多，而工业品就低得多，只有70%不到[1]。这应该主要是针对北美企业，采用的是月度预测。别的细节就不清楚，比如准确度是如何计算的，提前多久的预测作为基准等----你马上就知道，这些都是预测准确度统计的关键构成。

根据Gartner的调查，消费品公司的预测准确度在50%到60%之间。这一数字明显低于ToolsGroup的统计。不过Gartner的统计方法相当严苛，是基于SKU和库位层面，统计方法是绝对差的百分比（MAPE），即预测的准确度=(1-(|实际值-预测值|)/实际值)*100%[2]。

其实，预测的准确度多高才算高，其意义不是有些人想象的那么大。在我们看来，围绕预测准确度，更重要的是对偏差的分析，理解偏差的诱因，采取纠偏措施，提高未来预测的准确度。

这里还要提醒的是，预测的准确度是个多维概念，一定要弄清楚其中的细节：（1）产品层面还是SKU层面？产品层面的预测准确度可以很高，而SKU层面的则会低很多；（2）工厂层面还是渠道层面？工厂层面可以很高，但销售更关注的是具体的渠道。（3）提前多久的预测作为基准？是M-1（上个月做的预测），还是M-2、M-3？

企业也经常在时间单元上做文章。时间单元越小，预测的准确度就越低，反之亦然。生产希望时间单元越小越好，最好是天，如果不是小时的话，因为那是他们安排资源的方式。再不行，周。销售的要求就没有那么细，月度即可。不过对生产来说，月度的第一天和最后一天、第一周和最后一周可大不一样。所以按月统计，离解决生产的日常产能安排尚有距离。

说到这里，让我们讲个笑话。有个百亿级的多品种、小批量企业，供应链职能在不断抱怨，说预测的准确度太低。究竟有多低？答曰百分之八九十。那么高还算低？答曰这是按年算----销售说了，今年计划卖掉10个，结果到12月31日只卖掉9个，预测的准确度就是90%。啊，原来是这样。你不得不佩服人民群众的创造力。但是，这个预测准确度对供应链又能有多大意义呢？

跟很多指标一样，预测准确度如何统计，取决于职能之间力量博弈。在销售强势的企业，需求预测准确度更多地定义在产品而非SKU层面，提前期也更短，时间单元也更大。现在你知道，在那个以年为单位的企业里，销售一定是爷，供应链肯定是三孙子。作为供应链专业人士，你要跳槽的话，能去这样的企业吗？

对供应链来说，SKU层面的预测准确度最好。但是，这个层面的准确度一般都很低，我们熟悉的一些公司只有百分之二三十，实在太寒碜了。对有些产品来说，从生产工艺的角度看，SKU层面的区别很小，统计这一层面的预测准确度或许没太大意义，如果考虑到为评估而花费的资源的话。比如同样式样，同样颜色，裤管26吋和28吋是两个尺码的衣服，因而是两个不同的SKU，但区别实在是小，提高生产的灵活性，通过供应链的柔性来应对，或许比花费巨大资源来提高SKU层面的预测准确度更可取？当然，这只是一家之言，仅供商榷。