不确定性大，如何避免大错特错

不能把销售目标当需求预测

把销售目标当需求预测，在管理粗放的企业相当普遍。

公司小，快速成长的时候，历史数据的可参考性较低，就只能主要靠判断，而没有人比老总经验更丰富，更能预判未来。于是老总做计划，销售目标成为需求预测。业务快速增长下，人有多大胆，地有多大产，多高的销售目标都实现了，预测准与不准影响不但。

等企业到了一定规模，业务复杂到一定地步，就没有人知道真相----真相在数据里。如果继续沿用老总拍脑袋，把销售目标当需求预测，一旦业务增长出现拐点，行业陷入低谷，就容易出现大错特错，库存、产能问题就大了。

比如一个百亿级的工程机械企业，长期以来把老总的销售目标当做需求预测。08年的金融危机后，国家投入数万亿经济刺激方案，其后几年间，工程建设遍地开花，对工程机械的需求节节拔高。等到刺激方案结束了，工程机械的需求锐减，该企业的过剩库存数以十亿元计，成了大问题。

还有个百亿级的手机公司，以前一直是快速增长，老总做计划，销售目标作为需求预测，设多高的目标都能达成。等到了一定体量，增量市场突变为存量市场，销售目标做预测，承载老总太多的主观愿望，客观性不足的问题就更加凸显。低端产品的需求计划没问题，因为老总不参与；中端产品还可以，因为体量大；高端产品风险最大，预测准确度相当低，因为老总寄予太高的期望，高度参与需求预测。结果呢，高端产品的库存压力最大。

销售目标一般是金额，层层分解到产品、渠道、客户等能够考核销售的地方，准确度注定不高。离开了自下而上的验证，销售目标就变成了硬性摊派，没什么计划可谈。于是，渠道就成了重灾区：为了达到销售目标，销售们就在月末、季末、年末一轮轮地压货。渠道压货，导致整体库存偏高，库龄问题恶化，影响产品的美誉度，又反过来影响品牌。此外，渠道压货人为造成需求的不平稳，给供应链造成更高的运营成本，产能利用率的问题也更严峻。

销售目标当需求预测，也是需求计划的初级状态。这里让我们顺便看一下需求计划的进化史，看看如何"进化"到更高级阶段，来解决这一问题。

群策群力，多人智慧胜一人

不确定性大，历史数据不足，我们就习惯性地向销售、产品、客户经理们"要"计划。于是就看到销售经理、产品经理、客户经理等拍脑袋，提需求，做计划。如果这些人都承担不了预测准确度低的风险，老总就不得不做计划。

老总做计划，准确度的问题照旧，甚至更糟糕。有位供应链总监抱怨说，你得给我们老总讲讲，让他不要做预测。我说，你们老总做预测，是他喜欢吗？当然不是。你们老总做预测，是因为需求预测怎么做的问题没有解决，预测准确度太低，没人愿意承担预测的风险，最终就由最能承担风险的人做计划。

不管是需求部门提需求，还是老总做预测，都是寄希望于那个看上去最厉害的人。但是，一个人的智慧，总是没法跟多人智慧相比，导致大错特错频频。《超预测：预见未来的艺术和科学》一书中说到，（在预测上）一个人要打败多个人，需要有很强的能力和相当的训练（也意味着交了很多学费，试了很多错）；一群人要打败一个人，则不需要多少专业知识和训练。

群策群力，整合团体的智慧，是应对高度不确定性，避免大错特错的有效举措。常见的就是德尔菲专家判断法。其基本逻辑是，对于同一判断对象，不同人从不同角度有认识，这些认识整合到一起，便形成更全面、更准确的认识。三个臭皮匠，能顶一个诸葛亮，就是德尔菲法的通俗解释。

我在美国参加一些会议，经常看到组织者在入口处放一大罐巧克力，让与会者有奖竞猜。几十几百人猜的平均值，跟真实值非常非常接近。比如有一次实际值是296个，竞猜的平均值为292个。我后来在上海、深圳多次重复这个实验，只是把巧克力换成糖，得到类似的结果。

有的人猜得多，有的人猜得少，两者会互相抵消。在数理统计上，这叫"大数定律"，就是说样本越大，其平均值越接近真实值。群众的智慧不可忽视。多份研究表明，职场流言有70%到90%的是准确的。我们的经验也表明，无风不起浪，职场流言是有群众基础的。德尔菲法就是用结构化的方式，来整合群体的智慧，以避免大错特错。

德尔菲法形成于二战后期，主要是帮助美国空军的新武器开发。因为是新武器，没有多少可参考的数据，美国空军就请来相关方面的专家，每个专家在各自领域对新武器有一定的认识，让他们背靠背，独立作出判断，匿名汇总后反馈给大家，进行第二轮的判断，如此这般，不断改进，直到达成共识。当然，也可能经过一定轮数，还是达不成共识，那就表明德尔菲法并不合适，得找别的方法。

德尔菲专家判断法的具体做法，我在《需求预测和库存计划：一个实践者的角度》中有详细的描述和案例。这里我想讲一下，跟我们常见的会议讨论相比，德尔菲法有什么不同，以及企业在实施德尔菲法时常见的错误。

需求预测的精髓是"客观"二字，而常见的会议呢，人与人之间互相影响、博弈，往往难以得到客观信息。比如不管老总多么民主，他坐在那里，大家总是自觉不自觉地跟着他的思路走。职能之间也互相博弈，一个职能说什么，往往取决于别的职能说什么。级别高的人影响级别低的人，经验丰富的人影响经验不足的人，强势职能影响弱势职能，这些都影响了群策群力的效果。

德尔菲专家判断法有三个特点，来尽可能发掘客观信息，让信息变对称，帮助我们做出更好的决策。其一，独立，专家们背靠背做判断，这样避免了相互影响和博弈。其二，匿名，这样让大家畅所欲言，没有后顾之忧（当然，为了约束信口开河，专家们要罗列判断依据和假设）。其三，多轮循环，上轮的判断整合起来后，组织者以匿名的方式提供给专家团队，帮助下一轮改进判断。

避免过激反应，动物本能做计划

极度短缺下，企业过激反应，比如本能地拔高预测、拔高安全库存，给供应商超出补货周期的订单，都可能造成大错特错，非但不能解决眼前的短缺，反而造成短缺后的过剩。

有个高科技企业是行业里的佼佼者。前几年芯片行业短缺，货期一再延长，就给硅谷的供应商下了很大的订单，足够未来数年的用量。等发现的时候，光一个芯片，在途和在库已有4500万元的货，够用22个月半了。这期间如果设计变更了，客户的需求变化了，或者技术升级换代的话，库存风险以千万元计。

哪该怎么办？退给供应商？不行，货要么已经到手了，要么已经发到香港，正在办理入关手续，而且供应商早就说过不能退。卖给别的公司？供应商早就料到这一招，在合同中约定不能卖，否则的话可能冲击渠道，造成混乱。这个供应商在硅谷，总部离我家就半个小时的车程，经历了半导体行业多年来的起起伏伏，这样的事情见得多了，早就在合同中把这些路给堵住了。

这后面的根源呢，就是短缺下的过激反应，疯狂拔高预测，增加安全库存，给供应商一年两年三年的订单等。但问题是，这样做，能否解决短缺问题？当然不能：供应商没法给你发货，是因为他们没产能，没库存，而不是你下的订单不够大。拔高了预测，增加了安全库存，给供应商很多订单，你还是拿不到你要的货。所有的短缺都会过去，等供应商把那些货送来时，你发现坐在一堆库存上面。

这样的例子不胜枚举。芯片、电容、LED屏幕短缺，多晶硅、有色金属短缺，如此种种，过激反应造成大错特错，最后都以过剩结束。制造商如此，代理商也是。比如MLCC电容短缺，一个代理商却造成360万的风险库存。企业如此，家庭也不例外。比如新冠疫情期间，美国的防疫物资短缺可以理解，连卫生纸都短缺，但到头来，有些家庭囤的货却一两年也用不完，后面都能看到过激反应的影子。

解决方案呢，还是要回到计划的基本的准则，比如行业性短缺，或者供应商产能严重不足时，要避免动物本能式做计划，不要拔高预测、增加安全库存，只下最新采购提前期内的订单等。如果要超出提前期，一定要理解风险，认真评估风险，只承担"经过计算"的风险。我们得随时记着，所有的短缺，大都以过剩结束；所有的过剩，大都在短缺时造就。