需求评审：为何提不高预测准确度

我说，这里的问题是预测准确度不高，我们先得理解为什么不高，然后看总部的需求评审是不是合适的解决方案；如果是的话，再探讨需求评审应该怎么做，由谁做。

预测准确度低，要么是因为缺数据，要么是因为缺判断。前者是历史数据分析不足，后者是业务端的判断没有整合进来。我问案例公司，你们究竟是缺什么？答曰两者都缺：（1）虽说有专门的需求计划，但他们只是简单地将销售的目标分解，收集各个大区、城市的需求数据，汇总后给供应链，基本上没多少数据分析的成分；（2）虽说需求计划归销售部门，但与营销的对接却是形同虚设，促销活动、上新计划、竞品信息等很难有效整合到需求预测中。

我继续问，那在总部设立综合评审，究竟价值何在？具体地说，综合评审能增加数据吗，能增加判断吗？答曰，综合评审中，供应链会看需求历史，来判断需求计划是否靠谱；总部的营销、产品管理等做相应的判断，评判需求计划的合理性。

这就有两个问题：（1）该公司的促销、上新计划等显著改变需求的决策，主要是在大区层面做出，总部的营销其实不熟悉，也就很难有效判断；（2）即便供应链和总部的营销、产品管理等认定需求预测不合理，也已经太晚了，因为需求预测报到总部，留给需求评审的也就一两天时间，根本来不及让大区层面重新做预测----生产线、供应商都在等着用下个月的计划呢，耽误生产的责任谁都担当不起，供应链最后也只能妥协，无非出了问题后拉总部营销、市场一起免责罢了。

所以，总部的综合评审在预测准确度上价值非常有限，反倒在需求预测流程中增加了一环。大区的销售当然清楚这点，这不，已经在挑战综合评审的价值。而作为供应链呢，他们以为是评审流流程效率低，而没有意识到，或者不愿意承认，综合评审本身并不是解决方案。

解决方案呢，还是要回到"从数据开始，由判断结束"上：在哪个层面，数据和判断能够最佳对接，如何对接？在案例公司，大区是最佳的对接点：每个大区有计划经理，可以做该区的数据分析，套用合适的预测模型，制定基准预测；每个大区有销售、市场等职能，制定本区的促销方案、上新计划等，预估相应的增量；两者结合，就在大区层面，得到准确度最高的错误的需求预测。

等各大区的预测整合到一起，在总部做综合评审时，可以根据公司层面的市场计划、业务目标等进一步调整，但这样的调整应该是微小的，如果有的话。对于总部的供应链来说，更重要的是从供应的角度，来确认供应计划能否满足需求计划，而不是再做数据分析，重复需求计划应该做的，来判断预测是否准确。毕竟，要数据，供应链不如需求计划多；要判断，供应链不如营销、市场多，他们何德何能，能够判断预测的合理性，提高预测的准确度呢？

案例公司的供应链还是有点半信半疑：不让我评审预测的准确度，那最后那么多的库存我怎么能负责？答案是你负责不了。要知道，库存多，是因为预测准确度低；预测准确度低，那是因为在做预测的时候，信息不对称，跨职能博弈，数据分析与职业判断未能有效对接。预测准确度低，作为需求计划，就面临两种选择：如果保守（虚低），大区的销售会因为短缺要了他们的命，因为客户要的货没有，计划得付主责；如果激进（虚高），供应链会因库存过剩来抱怨，但需求计划可以把责任往大区的销售、市场和客户头上推（谁又能把客户怎么样！）。两害相权取其轻，这就是为什么预测会虚高，供应链上放着一堆又一堆的库存。

对于供应链来说，建立总部的综合评审机制，更多地是减轻自己的压力：你们都是审批过的喔，库存高了，人人有责，所以财务不能每三天来一次，逼着供应链降库存；销售、市场、产品也不能抱怨，说为什么老产品的库存这么多。你看，"从数据开始，由判断结束"的根本问题没解决，预测准确度不高，组织博弈就成了预测中的重头戏，大量的精力都花在免责游戏上了。

摘自《供应链的三道防线：需求预测、库存计划、供应链执行》第2版，刘宝红著。