由判断结束：判断什么，怎么判断

那么究竟什么情况下需要判断，判断的话判断什么？

其一，严格意义上，"从数据开始"是基于数理统计的，得到的是区间预测，需要判断来确定点预测。比如基于类似的新产品，这个新品的预测是1000件，在95%的情况下会介于300和1700之间。这是个很大的区间，我们需要熟悉业务的人来帮助判断，实际需求会更乐观，靠近1700；还是更悲观，靠近300？靠近的话究竟该有多近？为什么？判断者或许说，这个产品是跑量的，生命周期长，我们就多生产点，比如1500件，大不了慢慢卖；或者说这产品的季节性强，宁缺毋滥，那就生产700件；或者说是产品大概介于中间状态，就按照1000件来生产了。

其二，凡是可能显著改变需求的，如果在需求历史中没有反映出来，就需要判断。打个比方。门店的小姑娘们在门口吆喝做生意，以前每天这么做，以后还会这么做，那不需要判断，因为已经体现在需求历史中，可以通过数据分析反映到后续预测中；但如果临时雇了10个实习生，满城发传单做地推，那可能显著改变需求，需要提前预判，调整预测来备货。

很多因素可能显著改变需求，有的是客户驱动的，有的是自己驱动的，有的来自竞争对手。比如对电商来说，VIP直播、店铺的主推策略、平台的活动等都可能显著改变需求。618、双11那样的电商节就自不待言。对于品牌商来说，新老产品的交替，新客户、新市场的打入，渠道政策的改变等，都可能显著改变我们的需求。经济、政治大环境的变化，线上、线下的促销活动，以及新产品导入交织在一起，让判断更加复杂和充满不确定性。我们必须要提高判断的质量来应对，这里主要讲三点。

第一，判断也要有计划、有条理地做。判断本身充满不确定性，但做判断要按照一定的条理，有计划地做。比如我在工业品公司做全球计划时，给我的计划员团队制定一个清单，让每个计划员每周跟主要的销售经理对接，逐个清单地过，诸如客户的产能利用率会不会改变？新的市场开拓计划进展如何？关键产品的导入和替代进展如何？关键产品的市场份额会不会改变？有无重大质量问题？这些都是可能显著改变需求的事情，需要每周更新，督促销售、计划团队一起来计划，评估可能的需求变动。

行业不同，公司不同，这样的清单也会不同，但共性是，我们得有这样的一个清单，以一定的确定性比如每周、每两周过一遍，来应对需求变动的不确定性。没有这样的清单，没有结构性的做法，判断就变成了有一搭没一搭，完全取决于计划和销售、产品管理人员的主观能动性，直接表现就是惊奇不断，层出不穷，从销售到供应链都是摁下葫芦起了瓢。

比如一个饮品企业的销售说，分销商结婚去了，所以这个月的销量没达标。结婚可是件大事情，不可能今天决定，明天就结婚，为什么就不能提前知道，提前应对？作为负责一个渠道的销售，如果定期给分销商电话，问他下一步有什么可能显著改变需求的计划，上次制定的计划能不能实现，我才不信分销商会不告诉你他要结婚呢----估计他还在等你随份子呢。结婚显著改变了需求，那生孩子，天下雨，太冷太热还不都成了需求异动的借口，借口文化就开始泛滥。

再比如有个车企的员工说，这两年的政策变化很大，对尾气排量一直有新规定出台，影响车辆销量，言下之意是这就是为什么预测准确度低。不过想想看，这么大的政策，能够显著改变一个行业，能是突然冒出来的吗？我就不信作为业界的主要企业，他们就一点没有耳闻，坐地等死？政策历来在变，天灾人祸也是：地震，火灾，洪水，罢工，瘟疫，金融危机，行业性短缺，这个世界就没有一年太平过。这些都相当于发在你手里的一把烂牌，为什么有的企业打得好，有的企业就打得差呢？

变化本身有不可控之处，但如何系统地应对变化，却有可控之处。制定需要判断的清单，定期会议回顾，不管是跟销售、市场还是产品经理，都会增加判断的及时性和一致性。要避免的是借口文化，以没法控制的来掩盖自己的不作为。

第二，判断不能等同于拍脑袋，不但要有数据，而且要有故事。你问销售，下个月要做什么促销，预计能带来多少需求，答复往往是这不好说。不好说，也就是说你在申请经费时对老板说，给我x万的市场推广费，不过效果嘛是不知道的，老板您就祈祷吧？当然不是：你花每一分钱，都是有目标的。那好，把你申请经费的方案拿出来，把那上面的故事讲一讲：你要花多少钱，做什么广告，跟什么媒体合作，买多少流量，预计带来多少业务，反映到哪些产品上......那这些数字是怎么来的？要么是参考以前做过的，要么是基于更细更具体的假设。那好，把那些都拿出来，我们逐条一起过一过。

比如在一个快时尚企业，要导入新产品，这是一位销售对上新30天销量判断：

1. 历史上的类似款上架30天销量将近600件，以此为基数；

2. 天猫店要新开了，会增加销量，但开业时间不长，预估增加50%销量，+300；

3. 因为三八妇女节活动和天气回暖，往年3月的流量和销量都会上升，+200；

4. 店里的同类竞品较多，-100。

结论：她认为需求预测应该是600+300+200-100 = 1000件。这个判断有数据，有故事，而且运用了"费米估算法"，把预测分解为多个部分，各个击破，看上去更靠谱（实际上也的确如此：实际首月销量858件）。

她的一位同事正好相反，其判断既没数据也没故事，而只是简单地说该产品"适用用户广，颜色清新自然，价格亲民"，所以他预测2960件。为什么是2960而不是3960，或者1960？你这60件的零头是怎么来的？你知道，他的判断能有多可信了。

再比如在一个化妆品企业，在每个月的销售与运营计划（S&OP）上，市场部门要提供媒体计划、市场趋势、新品计划，以及终端销量数据及分析；销售要提供开店计划、新品铺货计划、促销计划等；财务会准备好每月的销售目标，也在会前提供给需求计划。这些输入都是为"由判断结束"服务，不但有数据，而且有故事，帮助计划职能滚动更新需求预测。

作为计划职能，我们要督促判断者把这些写下来，一方面约束他们信口开河地拍脑袋，另一方面也督促他们更详细、深入地分析问题。我们理解，有些东西一时很难量化，那好，你总得有个故事来支持吧？那你先把这故事给讲出来。

比如有个电子产品公司，计划每周跟销售开会。这是个经理层面的会议，对于每一次计划变更，计划经理都要问原因；没法量化的原因，也要听听销售端的"故事"；没有"故事"的话，计划不予执行----连个"故事"都没有，八字不见一撇，就想让我们把真金白银转换成库存，你难道就不知道把现金转化成库存容易，把库存转化成现金难吗？真是良心大大地坏了。

在能够量化之前，很多事情都以"故事"的形式存在，比如要进入更多的渠道，面对新的竞争，打入更多的客户等。销售们习惯性地活在当下，对未来的计划性往往不够；逼着他们"讲故事"，有助于督促他们尽早思考这些问题，帮助调整预测----有些长周期物料动辄就要3到6个月的提前期，不及早调整预测的话就来不及了。

第三，判断一定要聚焦具体的产品、客户或渠道。在需求预测上，计划和销售的视角不同，看待问题的层面也不同。计划天然着眼全局，在预测产品需求时，考虑的是所有的客户、所有的地区。而销售呢，特别是一线销售，则习惯于着眼具体的地域、具体的渠道、具体的客户等。于是就经常出现这样的情况：作为计划，他的基准预测是整个产品的，发给销售征求意见，销售总监一看傻眼了：我只负责华南区，怎么能帮你判断整个产品的预测呢？即便在华南区，下面还有几十个销售，销售总监、销售经理也没法完全知道几十个销售的故事。

作为应对方案，要求销售做判断，一定要把需求预测分解到适当的层面，找准产品、找准客户，找到合适的人来判断，才能更好识别和量化影响因素。比如改变需求的决策主要发生在销售大区层面，那就分解到销售大区；如果在具体的客户层面，就得分解到客户层面，让相应的客户经理、客户总监来做判断。

举个例子。对于一个产品，假定未来13周的预测是每周200个，其中有个大客户，需求历史占总需求的30%。这意味着基于需求历史，这每周预测的200个中，有60个是为该客户准备的。征求销售的判断，就是找到这个客户对应的销售，给他这个客户的销售历史，让他判断每周60个的预测是否靠谱。这里的关键是对增量的判断，要他讲故事，比如这个客户在扩张产能，需求可能拔高20%。那好，这意味着每周12个的增量，反映到产品层面，预测就从200个变成了212个。

对于很多产品来说，虽然每个产品有多个客户，但需求相对均匀地分散到各个客户，每个客户只占微不足道的份额，需求变动不大，而且东边不亮西边亮，变动往往会互相抵消。这些客户就是典型的"沙子"，根本用不着去麻烦一线的销售人员：计划人员按照需求历史，加上对整体业务发展的判断，就能做出相当准确的预测来。当然，对整体业务的判断可能得借助市场、产品管理、销售的管理层，但用不着找一线销售来帮忙。

真正重要的呢，是那些需求集中度高的产品。比如一个产品虽然有25个客户，但其中一个客户的需求占比为40%，这个大客户的需求一旦变动，对供应链的影响就很明显。这样的产品--客户组合就是"大石头"，要从众多的"小沙子"中筛选出来，让对应的销售重点关照，有的放矢地管理需求变动。