需求计划的进化史

最早的需求计划是单一职能在做，且往往以兼职的形式。比如，公司小的时候老总做计划，公司大点后执行职能兼职。自上而下基于销售目标做需求预测，英语里叫"政治预测"，也是这个阶段的常见的做法。单一职能做预测，预测准确度低；跨职能没达成共识，多重预测并存，是这个阶段的显著特点。

然后发展到跨职能共识阶段。本书讲的"从数据开始，由判断结束"，就是跨职能共识预测。计划职能的数据分析，加上业务端的职业判断，让预测的准确度更高；跨职能达成共识，让需求预测的约束力也更强。这也是对多重预测的应对方案，但生成的需求预测往往是非限制性的，即没有或没有充分考虑生产、采购能否满足。

图 1：需求计划的五个阶段

到了第三个阶段，需求计划达成共识的范围更大，从营销、计划延伸到产品、生产、采购、财务等职能，需求计划成为协同各职能的关键。这就是销售与运营计划（S&OP）。S&OP涉及的职能更多，时间跨度更长，需求预测成了限制性的预测，供应链得按照这个计划生产出来，销售得按照这个计划销售出去，财务得按照这个计划准备资金，生产、供应商得按照这个计划来准备产能等。

到了第四个阶段，需求预测超越企业的边界，跟供应链伙伴对接起来。这就是协同计划、预测和补货（CPFR）。这最早是零售行业发展起来的。比如沃尔玛每卖掉一瓶洗发水，相应数据就传递给宝洁，帮助宝洁安排后续的生产和补货计划。这是在拿信息换库存：信息越对称，不确定性就越小，库存也就越少。跨职能之间如此，公司之间也是。

在第五个阶段，集成业务计划（IBP）把S&OP的思路延伸到整个供应链、产品和客户，形成端对端的管理流程。IBP更多地从财务视角，为企业决策层提供决策依据。IBP的出现，也跟S&OP日渐成为运营层面的工具有关。S&OP刚导入的时候，是为解决企业中长期的产能与销售目标平衡问题。但是，在实际操作中，S&OP越来越下沉到运营层面，成为日常运营中各职能达成共识预测的工具。IBP就应用而生，来在更高层面指导企业决策。

这就是简单的需求计划进化史。你能看到，需求计划的影响范围一直在增大，从单一职能到跨职能到跨企业，成为形成共识的核心手段。我们常说的供应链协同，就是围绕同一个计划的协同，而需求计划是这个同一计划的基础。供应链上各环节能够串起来，需求计划扮演的角色怎么强调也不为过。

对于本土企业来说，大部分的企业处于第一个阶段，要么是基于老总的行政命令，自上而下地分解销售目标，成为需求预测；要么是一线销售、用户提需求，层层博弈、层层调整，汇总成为总预测。在这个阶段，计划职能普遍薄弱，既缺乏数据分析能力，也缺乏组织协调能力。企业普遍意识到预测准确度低，但在向第二个阶段过渡上挑战重重，因为这需要显著改变企业的运作方式。这本书就是为帮助企业完成这一转变。

美国企业中，做的差的也在第一阶段挣扎，做得好的在实施销售与运营计划（S&OP），以拉通需求和供应，推动跨职能协同，但普遍挑战重重。部分企业在做第四个阶段的事，在需求计划上拉通客户和供应商。第五个阶段可以说是需求计划的理想，尚停留在系统提供商和咨询公司的宣传阶段，新瓶装旧酒，解决的主要还是前几个阶段的问题。

在需求预测上，两个国家的企业面临的挑战也不尽相同。

中国是增量市场，经济增长迅速，小公司众多，品牌不够强，相对竞争更为激烈；线上、线下模式并行，电商、新零售的比例高，改变需求的方式众多。就拿电商来说，京东、天猫上的促销活动，频率和幅度都远超亚马逊。需求变化更快，产品的SKU更多、生命周期更短，消费者的忍耐度更低（对速度的期望更高），对需求预测和供应链执行的挑战也就更大。

美国是存量市场，增长有限，由大公司主导。这些企业主打品牌和市场份额，产品其实更少，更精简，产品的生命周期相对更长，线上业务比例低，能够显著改变需求的行为较中国为少。看美国的文献和实践，计划区间一般都较长，有些甚至有几年的数据（来展示季节性），因为是成熟的经济，行业整合地比较厉害，产品导入较少，产品组合也较简单，需求的变动相对较慢，社会媒体、电商也没有国内发达，能够显著改变需求的手段较国内少。

在需求计划的聚焦点上，两个国家也就不同。中国企业还处于快速发展阶段，找对机会，避免大错特错就能赚钱。这也是为什么企业更聚焦组织和流程，打通销售与运营，因为组织和流程是避免大错特错的关键。美国企业在存量经济下，只有追求精益求精，才能在成熟经济里生存。这也反映在需求计划上，那就是更加重视软件系统，因为信息系统的特长是精益求精。

美国的人口结构相对老化，传统经济和线下零售为主，产品的创新、迭代较慢，计划软件似乎也以此类行业为主要目标。比如前段时间，我在学习一款美国的预测软件，发现其中的例子主要是啤酒，糕点，咳嗽药什么的，应用对象是传统的零售业。那些啤酒每年都在卖，咳嗽药也是换汤不换药，糕点、饮料的口味形成，也是多年积累的结果。

在中国，近年来计划软件开发的重点似乎是电商、新零售。这些系统的挑战都很一致：产品生命周期短，更迭快，很难有足够多的历史数据来做季节性、周期性分析；电商环境下，需求急上急下，成熟期短，趋势分析也难做；人为影响需求的行为多，很难光靠分析数据就能预测。数据质量低，主数据不准确，计划人员的数理统计基础薄弱，这一切都导致计划软件的应用任重道远。

在工具和软件系统的应用上，需求计划一般经历三个阶段。

阶段一是Excel表加判断，这是绝大部分企业的现状，不管是美国还是中国。在这个阶段，企业主要在应对七分管理的问题，比如打通销售和运营协调流程，没有太多的精力来解决三分技术的问题，即便解决了后者，上了软件系统，效果也相对有限，因为系统没法解决流程和组织的问题。

阶段二是软件系统，能实施时间序列预测法，比如前文提到的指数平滑法。这个阶段的特点是有软件，用的是时间序列模型，完全按照需求历史做预测。从没系统到有系统，这是一个很重要的跨越。计划职能的数据分析能力也在上升，这样才能够驾驶专业的计划软件。这也是计划职能在自己能够控制的范围内，提高预测准确度。相当一部分的产品，如果基于需求历史做预测，要比层层提需求的方式更准确。

到了阶段三，系统和流程对接起来了，表现在计划职能用软件系统分析数据，应对存量部分，制定基准预测；销售、市场、产品等职能提供判断，应对增量部分，两者合起来，完成"从数据开始，由判断结束"。这对那些促销活动频繁，产品生命周期短，新老交替频繁的产品尤为重要。

就需求计划的未来来说，"三分技术"上会有很多机会，比如大数据、人工智能等，但挑战仍旧是"七分管理"，即供应链上职能与职能、公司与公司之间要建立更高的协作度、信赖度。前者是个技术问题，后者是个商务和管理问题，套用诗人西川的话，那就是"乌鸦解决乌鸦的问题，我解决我的问题"，不可混为一谈。

【2】比如至少要覆盖18个月（因为建厂房、买设备需要这么长时间）。

【3】Educational Webinar - How to improve your forecast by using events, Business Forecast Systems Inc., YouTube.com.