需求预测不准？因为你把预测当成了算命

每次做需求预测，总有人问我：“准确率能做到多少？”

我说：“看你用什么指标。月度总需求预测准确率能到85%就很好了，SKU级别能到60%就及格。”

然后对面就一脸嫌弃：“才60%？那预测有什么用？”

这就是对需求预测最大的误解——把预测当成了算命。

误区一：追求预测准确率100%

没有人的预测能做到100%准确，连客户自己都不知道他下个月会买多少。

但很多人就是不信邪，搞各种复杂模型、加各种外部数据、请各种顾问，结果预测准确率从60%提到65%，投入成本翻了3倍。

多5%的准确率，值得3倍的成本吗？ 大多数情况下不值得。

需求预测的价值不在于"算准"，而在于"减少不确定性"。你从"完全不知道"到"大概知道一个范围"，这个不确定性的减少本身就是巨大的价值。

正确的心态：预测是概率，不是承诺。 给出一个预测值+置信区间，比给一个"精确"的数字更实用。

误区二：只看历史数据

最常见的需求预测方法就是把过去12个月的销售数据拉出来，算个移动平均或者做个趋势外推。

这方法简单，但有个致命问题：历史不会简单重复。

去年Q4卖了5000台，是因为有个大客户下了批量订单。今年这个客户不买了，你按去年数据预测Q4还要卖5000台？那等着积压吧。

历史数据要结合业务判断才能用。 具体来说：

1. 清洗历史数据：把一次性大单、促销影响、缺货期间的销量等异常数据剔除，还原"真实需求"
2. 加入业务变量：新产品上市计划、客户开拓计划、促销计划、竞争对手动态
3. 分层预测：总量用统计模型，大客户需求单独确认，新品用类比法

误区三：预测只做一次

很多公司一年做一次需求预测，做完了就放在那里，实际执行跟预测完全脱节。

需求是动态的，预测也必须是动态的。预测的价值在于持续更新，而不是一次性的"算命"。

好的做法是滚动预测：

• 月度滚动：每月更新未来3-6个月的预测，把最新的销售数据和市场信息纳入
• 周度微调：对近1个月的预测做周度微调，根据最新订单和库存情况
• 异常触发：当实际销量偏离预测超过20%时，立即触发预测复盘

实用方法一：分层预测法

不要试图用一个模型预测所有SKU的需求。不同类型的SKU，预测方法应该不同：

不要追求所有SKU的预测准确率都一样高。 稳定型SKU准一点，新品粗一点，把精力放在最有价值的部分。

实用方法二：预测+共识

纯统计预测准确率有天花板，突破天花板的方法是加入"人"的判断。

具体做法是S&OP（销售与运营计划）会议：

1. 统计预测给出基线
2. 销售团队补充客户信息（大客户意向、促销计划、市场变化）
3. 产品团队补充新品计划和老品退出计划
4. 供应链团队评估供应约束
5. 各方达成共识，形成最终预测

这个过程的本质不是"谁的预测更准"，而是把分散在各部门的信息汇聚起来，形成一个更有信息量的预测。

共识预测的准确率通常比纯统计预测高10-15个百分点。

核心原则

需求预测的核心原则：预测不是为了算准，是为了减少不确定性。

你永远不可能100%预测准确，但你可以从"完全不知道"进步到"知道一个范围"，从"被动响应"进步到"主动准备"。

预测的价值不在数字本身，而在预测过程——在这个过程中，你收集了信息、对齐了认知、识别了风险、准备了方案。

即使预测不准，预测的过程也不会白费。 这才是需求预测真正的意义。