答一位初学者问

【刘宝红答】这些基本模型看上去简单，其实不简单，不然为什么还要把人名冠上去？像霍尔特这种专家，都是跟诺贝尔奖获得者相提并论的人。这些方法凝聚着众多研究者多年的心血，远远没有看上去那么简单----如果我们认为简单，那八成是因为我们不理解。

比如移动平均法是简单，但滑动窗口究竟该多大就不简单，因为这要求我们懂得如何去评估预测模型的好坏。这又涉及到绝对误差、均方误差等预测准确度的统计方法----均方误差又让我们意识到，预测的一大关键是避免大错特错：小的误差容易对付，可以通过安全库存、供应链执行来解决；害死我们的是大错特错。

那大错特错又是怎么发生的？选择了不合适的预测模型，用了不合适的参数是一个原因，但基础数据也是一大问题源，比如数据没有清洗，我们把以前一次性促销的数据包括在内，后续需求预测自然显著偏高。这是对已经发生了的促销，那没有发生的呢？这又涉及到跟销售端的对接----需求预测是"从数据开始，由判断结束"，数据代表已经发生的，可重复的；判断代表还没有发生的，不可重复的，这又牵扯到销售跟运营协调流程，企业的主干流程之一。

所以，不要低估这些基本的模型。运用得当，这些模型能解决大部分的需求预测问题。不要求新求异。如果有人一上来就跟你大谈卡尔曼滤波，或者灰色预测法什么的专业名词，你应该敬而远之----我不是说这些不重要，而是说那更多的是龙肝凤胆；我们得回归计划的基本面，先把我们的大米饭做得更好更合口再说。

这就如练武，不管你学什么武术，基本的招数也就那些。要经过一遍又一遍的练习，熟能生巧，出神入化的时候，才能真正掌握。要知道，高手的高，并不在于他们知道的招数比别人多，而是在那些最基本也最重要的招数里，他们得到的比别人更多。真正的战场厮杀，都是程咬金的三板斧，一招致命。

后来我看到达克效应（如图），用来解释这位读者的情形也很贴切。

刚开始学习的时候，我们一无所知，既没知识，也没信心，这是阶段①。很快，我们学到了一点，一知半解的时候，自认为把自己知道的都学完了，就信心暴涨（阶段②）----这多像当年小学五年级的我，学了整数、小数、分数，实在想不到数学还有什么没学过的。显然，学习工业工程的这位读者就处于这个阶段。

然后就进入实践，或者继续学习。已知的越多，未知的也就越多，发现还有些自己不知道的啊（阶段③）。这时候信心开始动摇。于是就进一步研究。越是深究，越是发现更多的未知。绝望就开始如潮水般涌来，甚至到了无以为继的地步，觉得这辈子都搞不懂了（阶段④）。

达克效应

出处：这是达克效应的一个变种，我在@流水白菜的博客上偶然看到。六阶段是我加上的。

熬上一段时间后，突然"柳暗花明又一村"，发现自己又开始有点明白了，这就到了阶段⑤。慢慢地，知识和经验继续积累，信心继续在恢复，你会认识到，看上去都是些很简单的问题，并没有你所期待的简单答案，因为相信我，这玩意很复杂（阶段⑥）。

而让我焦灼的呢，就是微信里不时蹦出个读者的问题，就那么随意的几个字，一看就是处于阶段①。我知道没有简单的答案，如果硬是给他个简单答案，我敢肯定不会解决他的问题，甚至误导，因为他不可能理解那简单答案后的各种假设和背景信息......

当然，最可恨的是那些一知半解者，有些人甚至在成建制的企业待过，大致见过事儿该怎么做，算是吃过猪肉，见过猪跑，但不知道猪为什么要那样跑（阶段②）。一看这讲的东西，没有一个名词是自己没听过的，就习惯性地吹毛求疵，给你差评。这些人长期处于"我无所不知"阶段，属于knowing just enough to be dangerous：一知半解，足以惹祸；难堪大任，最为危险。