需求预测做了3年，1次都没准过

去年双十一前夕，我拿着模型跑出来的需求预测去开会。

销售总监看了一眼，直接把报告扔回桌上：“你这个数，跟我们实际订单差了一倍。”

我当时脸都绿了。

会后问了才知道，他们跟一个大客户签了框架协议，量早就定了，只是还没录入系统。

而我呢？抱着历史数据跑回归，完全不知道这事儿。

那一刻我突然明白了：需求预测，跟算法没关系。你缺的不是模型，是把公司内部的信息墙给砸了。

你的预测不准，根本不是算法的问题

很多做供应链的同学有个错觉：只要模型够好，预测就准。

于是疯狂调参数、换算法、上机器学习。移动平均试完换指数平滑，ARIMA不行换Prophet。

忙活了半年，误差率还是30%以上。

为什么？因为需求预测的本质不是数学题，是沟通题。

法国一家食品企业做过实验：把销售团队的定性判断跟统计模型结合后，预测误差从38%降到了14%。降了一半还多。

他们怎么做到的？每周花15分钟，让销售把"模型不知道的事情"补充进来：大客户的招投标进展、竞品的价格战、渠道压货计划。

这些东西，历史数据里根本没有。

所以真正准的预测 = 算法打底 + 一线信息纠偏。别闷着头调模型了，先去找销售喝杯茶。

3个信号告诉你，你的预测体系已经废了

做了这么多年，我发现需求预测废掉之前，会有三个明显的信号：

信号一：你预测你的，销售卖销售的

如果每次开会，销售都对你的预测结果毫无反应——不反驳，不补充，不关心——那你这个预测基本就是个废纸。

好的预测体系，销售会主动来跟你说"这个数不对，我们最近有个大单"。

信号二：安全库存是你的遮羞布

如果你的库存策略本质上就是"多备点货兜底"，说明你从来没信过自己的预测。

真正准的预测，安全库存是少量补丁，不是主力。

信号三：你不敢回头看准确率

如果你从来不敢把上个月的预测数跟实际发货数拉出来对比，说明你自己知道不准。

不敢面对误差的人，永远做不好预测。

预测不准的三个源头，90%的人只盯着第一个

源头一：历史数据本身就有问题

你以为销量数据就是真实需求？别天真了。

库存不足断货的那几周，你的"销量"是0，但真实需求可能是1000。这叫截断效应。

促销期间的暴涨，不是趋势，是扰动。你不清洗就直接扔进模型，预测能准才有鬼。

源头二：信息孤岛让你瞎了

销售知道大客户在谈续约，市场知道下个月要搞大促，产品知道老款要停产换新款。

这些信息散落在不同部门，就是不进你的预测模型。你能准吗？

源头三：你的预测时间颗粒度错了

你按月份做预测，但客户的采购节奏是两周。你按SKU做预测，但渠道订货是按品类。

颗粒度不匹配，再准也是假的。

从"瞎猜"到"准到肉疼"，我只改了3件事

第一件：建一个"15分钟周会"

每周找销售、市场、产品各抽一个人，花15分钟，就问三个问题：

• 这周有没有模型不知道的大事？
• 下两周有什么变化？
• 上月预测哪错了，为什么？

不写PPT，不汇报，纯聊。半年后你会发现，预测误差能砍掉一半。

第二件：把预测从"一个数"改成"三个数"

别再死磕"一个准确数字"了。改成给三个数：乐观、基准、悲观。

老板要拍板备货的时候，三个数比一个数管用一万倍。他会根据公司现金流状况自己选版本。

你对整个链条的贡献，不是"斩钉截铁的一个数"，而是画清楚不确定性地图。

第三件：每个月拉一张"打脸清单"

把上月预测和实际发货对比，落差超过20%的SKU标红。然后追着问：差在哪？数据问题还是信息问题？

前三个月会很疼，因为你会发现自己预测得跟扔骰子差不多。但坚持半年，你会变成公司最懂业务的那个人。

因为你在做的不是预测，是在拼一张公司业务的完整信息图。

需求预测这件事，准不准从来不是技术问题。谁掌握的信息多，谁的预测就准。别天天调模型了，先出门找人聊天吧。

关注公众号「甲方乙方供应链」获取更多干货。