层层提需求，为何准确度低

案例企业是个乳制品企业，在全国有几十个片区，汇总到几个大区，最后汇总到总部。每个月做计划的时候，几十个销售经理滚动预测各自片区未来3个月的需求，分别提交给自己的大区总监；大区总监汇总、调整后，提交给总部的计划；总部计划汇总、调整后，驱动生产和采购执行。

层层提需求，上下级、跨职能博弈，藏着掖着，信息不对称

这算不算"从数据开始，由判断结束"？当然不算。

首先，越往片区，数据分析能力越弱，预测的颗粒度越小，预测的准确度越低。片区的销售经理们学历普遍不高，有些人连Excel都不会用，你不能期望他们能做什么数据分析；整天做生意，也没多少时间做数据分析。所以，他们提交的预测，主要以经验判断为主，是"从判断开始，由判断结束"。而总部的计划呢，因为远离客户端，其实是没有判断的。这就陷入没有数据的职能提供数据，没有判断的职能做判断，错误的人在做正确的事，预测准确度注定不高。

其次，层层提需求，层层审批，其实是层层做承诺，注定充满博弈。比如，片区经理们知道，他们提的需求，可能成为后续绩效考核的依据，那就藏着掖着；大区总监们当然知道，下面提交的数据有水分，但究竟有多少却不知道，而他们提交给总部的时候，同样是藏着掖着；总部计划也是，藏着掖着做调整，然后给生产、采购。前端的需求职能这样做，时间长了，后端的供应职能肯定也开始博弈。于是，上下级、跨职能的层层博弈下，信息不对称，形成多重需求预测，加剧了部门、公司内部的"牛鞭效应"。

要知道，从数据开始，由判断结束的本质是消除信息不对称：计划分析历史数据，运用数据模型制定基准预测，拿出来放在桌面上；销售、市场、产品等职能提交活动、促销和新产品导入方案，以及其他可能显著改变需求的变量，评估对需求的影响，放在桌面上；信息对称下，数据和判断相结合，就得到准确度最高的错误的预测。这也是基于共识的预测。

【实践者问】一直以来，公司的计划模式为计划提出收集需求--业务提交--计划汇总--业务领导根据计划汇总的结果给出总数量调整意见--计划调整然后敲定。按此做出来的计划生产和采购总投诉不准，如何才能提高准确度？

【刘宝红答】这是典型的层层提需求，其实也是计划职能薄弱，退化成打杂职能的表现，只能做点事数据搜集工作。那么多的业务人员，预测颗粒度那么小，数据分析能力那么弱，其预测准确度可想而知；那么多的烂数字，加到一起会不会互相抵消，东边不亮西边亮？往往不会，因为业务人员受同样的外界因素影响，比如短缺时大家都拔高预测，过剩时大家都降低预测，都注定预测准确度不高。