我们都说预测要准，比较的基准是什么？其一，跟预测比。你说你要100个，实际上是否要了100个？其二，跟实际需求比。客户实际需要100个，我们是不是提前预测到100个，驱动供应链及早响应，有效满足？
跟预测比，主要是为了约束销售端，以更好照顾供应链的利益。这在销售提需求、重资产运营的企业比较常见。比如我到一家手机厂商，问大家为什么要预测，制造总监的答复是让工厂平稳生产。我能够理解，资产那么重，工厂的设备不能停，工人不能闲着，加急赶工要尽量少，因为这都意味着成本。但公司存在，是不是为了让工厂的日子过得好？
不是。公司的终极存在取决于让客户满意。客户满意了，企业才有生意做，工厂才有活路。毕竟，客户来买我们的产品，股东来买我们的股票，不是因为我们的工厂生产平稳，而是因为我们更可能预测到客户想要的，提前准备，从而成本低，服务水平高，客户满意，股东也有的赚。
还有，以预测作为比较基准时，容易引起博弈，造成预测虚高。
比如，实际需求是80个，如果预测100个，误差是20个，绝对百分比误差为20/100=20%；如果预测是60个，误差也是20个，绝对百分比误差为20/60=33.3%。这就是对低估的"惩罚"，诱使预测者高估，通过拔高预测来增大分母，从而"减小"误差。这也部分解释了，为什么家家都放着一堆库存。
而以实际需求为基准，就没有这样的博弈，因为实际值是难以操纵改变的。
我更倾向于以实际值为基准，来统计预测准确度。这就跟在尺码和脚之间，我们当然是选择相信脚一样。用预测值减去实际值，如果误差是正的，表明预测偏高；如果误差是负的，表明预测偏低，这样也更加直观。
不过在学术著作中，我们一般看到的是误差=实际值-预测值。这更多是数理统计的传统，由"实际值=预测值+误差"转换而来。在有些计划软件里，他们可能用数理统计的传统来计算误差。在Excel中做线性回归，误差就是按照实际值减去预测值来计算的，解读残差时要注意。
作为实践者，用实践者习惯的方式来更直观地表述，比遵循统计学传统更有意义。所以，我会用预测值减去实际值来计算误差。
此外，我也能够理解，为什么有些企业以预测为基准。在这些企业，"需求"主要是由销售创造的。比如有些电商主要靠广告、引流做生意，有些品牌商主要靠渠道压货、促销做生意。那么以预测为比较基准，让销售说到做到，也是有道理的。
这后面常见的就是拿销售目标当需求预测，自上而下地分配任务，自下而上地层层承诺。这也让预测过程更加"政治化"，加剧了预测过程中的组织博弈，在业务快速成长时尚可，因为整体处于短缺状态；一旦市场饱和、经济低迷时，就容易出现灾难性的库存积压、产能过剩。
评论