对供应链绩效来说，没有什么比预测准确度更重要了，因为它直接决定了供应链的成本、交付和资产周转效率。这就是为什么在Gartner的供应链指标金字塔里，雄踞塔顶的是预测准确度。老祖先似乎没有"预测"一词，但你一眼就可看出，"早知三日事，富贵一千年"说的其实就是预测准确度。
预测准确度有多种统计方法，但最简单、最直观的就是绝对误差百分比，简称百分比误差。这是针对每一期的预测值，先求与实际值差异（实际值--预测值），取绝对值后，除以实际值就是百分比误差；多期的的百分比取平均值，就得到平均百分比误差。用100%减掉误差，就得到预测准确度。
这种方法的缺点是当分母很小时，百分比误差就可能非常大；如果分母为零的话，就根本没法计算（是的，实际需求完全可能为零）。作为应对措施，我们可以限制误差最大不能超过100%，或者用其他的准确度统计方法，这里不谈。这里想谈的是，也是很多人经常问的问题：为什么基准（分母）用的是实际值，而不是预测值？
道理很简单：预测的目的是尽可能接近真实需求，所以要和实际的需求值比较。当然，在有些企业，特别是那些以销售目标为需求预测的企业，实际需求很大程度上取决于销售行为，而需求预测本身也是销售做的，以预测为统计基准，是为了考核销售"说到做到"，也有一定道理。但是，预测的根本目的不是让预测本身"做对"。要知道，客户买我们的产品，股东买我们的股票，并不是因为我们的销售"说到做到"，而是因为我们满足了客户的实际需求。
以预测值作为基准，容易出现"手术很成功，病人却死了"的情况。比如销售说要100个（那是他们的预测），供应链准备了100个，最后的确发给客户100个，这看上去很完美，皆大欢喜？其实未必。如果客户的需求是150个的话，那意味着还有50个的需求没有满足，也意味着企业损失了相应的营收。
以预测值为基准统计准确度，可以说是供应链约束销售的一大利器。约束销售有一定的现实意义：销售的预测准确度低，需求变动频繁，是供应链成本高昂、效率低下的一大根源。但是，企业的根本目的不是让供应链的成本最低、效率最高；企业的根本目的是既做大营收，也做低成本，从而多赚钱。显然，光冲着做小成本而去，企业也走不了多远。
我发现，在那些部门壁垒分明的企业，以预测值为基准的做法比较常见。在这些企业，职能与职能之间的协作度低，大家的精力主要用在自保上。比如销售提需求（做预测），供应链按预测供货，至于是否满足了客户的需求，那不关供应链的事。离开了最终客户满意度的牵引，整个链条就成了"铁路警察，各管一段"，每一段的指标都很好看，"手术"很成功，但"病人"却死了：客户的诉求得不到满足，就拿脚投票。丧失了客户导向，这些企业也就很快成为历史。
在供应链协作上，我们要避免两个极端。第一个极端是销售太强势，没有任何约束，在以客户需求为导向的名义下，忽视计划的重要性，给供应链造成太多的成本，导致生意做了，但赚不到钱；或者说账面上赚了，但都赚到库存里了。第二个极端是供应链太强势，为了保护供应链的效率和产能利用，就以销售"说到做到"为诉求，而不是满足客户的实际需求为目标。
这两个极端都是以部门利益为上，局部优化的表现。那究竟如何避免这两个极端？那就是以客户实际需求为基准，统计预测的准确度，让销售和供应链有了共同的目标，对客户和公司都有利的目标。但又该如何约束销售，避免第一个极端呢？那就是让销售对最终库存，特别是成品库存负责，比如出现呆滞，直接从销售的毛利中扣，让他们少拿提成。
为什么销售要对最终的库存负责？道理很简单：那些产品生产出来了，即便送人，也要销售来送。要知道，库存是计划失败的表现，而计划的先天不足，要靠执行来弥补，对于成品来说就是销售的执行。当销售老总对库存负责的时候，才会有更大的动力来驱动销售跟运营对接，尽量把预测做得更准，不准的话尽快纠偏。这也是完成闭环的销售与运营协调的关键。
销售不承担库存责任，一方面没法约束他们在"提需求"上虚高，另一方面没法驱动他们及时处理呆滞库存。我到一个几十亿营收的企业，讨论呆滞库存的时候，供应链的人来了，事业部的人来了，但就是没有销售的影子----销售不认为这关他们的事。在销售毛利考核的驱动下，这个公司一旦有新产品推出，销售就不愿卖老产品；如果当初就打折处理，估计八折就能卖掉，而今放上几年后，送人都没人要了。如果销售老总对最终库存负责的话，他就会权衡，是及早打折处理掉，稍微牺牲点毛利呢，还是等完全报废，百分之百从毛利中扣呢？
顺便提及，如果是计划职能做预测，销售对库存负责的话，那计划究竟负什么责任？计划要负库存的第一道责任，比如出现了呆滞库存，计划得首先站在老总面前解释，后半年的奖金没了。如果计划职能不挨板子，也就是说不承担实质性的指标，他们就没有动力做好人，比如主动对接需求和供应；也没动力做坏人，比如及早暴露问题，督促销售和供应端来改进。但是最终那堆库存怎么办，还是得销售来想办法；销售解决不了，他们得站在老总面前挨板子。
评论