如何做準預測：選擇合適的預測顆粒度

摘要： 世界經理人專欄 劉寶紅西斯國際執行總監 在採購和供應鏈管理領域有十幾年的豐富經歷，主要集中在高科技和小批量行業 。暢銷書《採購與供應鏈管理：一個實踐者的角度》和《供應鏈管理：高成本、高庫存、重資產的解決方案》作者。 西斯國際（CSCS...

所有的預測都是錯的，但錯多錯少不一樣。在提高 需求預測 的準確度上，我們有很多可為的，比如“從資料開始，由判斷結束”的方法論；比如縮短供應鏈的響應週期，從而我們就不用那麼早地做預測；再比如選擇更合適的預測模型等。

這裡我們想重點介紹的是預測的顆粒度： 顆粒度越大，預測的準確度越高，反之亦然 。作為管理者，我們的任務是找到合適的顆粒度，也就是說，讓在合適的層面做預測。這不是個技術問題——在顆粒度大的地方做預測，技術上的優勢是顯而易見的；這主要是個管理決策——因為種種管理問題，企業經常在不合適的顆粒度做預測，導致 預測準確度 太低。

預測的顆粒度是個三維概念： 組織 、 產品 和 時間 ，每個維度都有多個層次。就組織維度來說，我們有全國、大區、分公司等；產品維度有大類、小類、SKU（存貨單元）等；時間維度有季度、月度和星期等。三大維度在不同層次形成多種組合，比如按照產品大類和大區層次預測，跟按照SKU和分公司層面預測，操作難度大不相同，預測的準確度也是。預測的偏差分析是基於哪個層次組合計算的，其意義也是完全不同的。

先說 組織顆粒度 。預測的組織範圍越大，預測的準確度越高。比如預測全國的需求，要比預測上海市楊浦區的準確度自然要高；預測全公司的需求，要比預測分公司的準確度要高；預測總庫的需求，要比預測各地區庫的準確度要高。這看上去是常識，很多企業卻選擇了不合適的組織顆粒度，導致需求預測的準確度太低。

比如有個公司有40個銷售，對應幾百個客戶的一萬多個料號，每個銷售負責預測自己客戶的需求。一方面，預測顆粒度小，單個銷售的預測準確度很低，彙總起來就更低；另一方面，在從眾心理下，大家都希望其餘的39個銷售會預測好，自己不做預測也沒關係，就經常有銷售不做預測，老總屢屢強調，甚至採取懲罰措施，還是沒法根治。

從 績效考核 的角度看，組織的顆粒度越小，績效考核越具體，責任越容易落實。可以說，績效考核的天然傾向是 分散 ，比如指標的層層分解。但是，計劃天生就是個 集中 的概念，組織層面越集中，組織的顆粒度越大，預測的準確度越高。如何協調兩者，是需求計劃的一大挑戰。而解決方案呢，就是前面說到的“大石頭”理論：抓大放小，客戶集中度高的“大石頭”由 判斷 驅動，要落實到具體的銷售；需求相對分散的“小沙子”則由 資料 驅動，應交給計劃整體負責。要知道，各執行層面分析資料，風險是顆粒度小，而且受同樣的因素影響，偏差沒法互相抵消；集中統一分析，從數理統計的角度看，偏差更可能互相抵消，總體準確度更高。

圖1：計劃天然有集中傾向

當分散與集中沒法有機協調的時候，老總們就習慣性地採取簡單粗暴的管理方式，把需求預測的責任“落實”到“基層”和“一線”，結果是 既犧牲了預測的顆粒度，也沒法達到考核的目的 。不信，誰見過有哪個銷售因為預測準確度低而丟了工作？畢竟，從方法論上做不好的事，考核也不解決問題。

對於 定製化程度高 的工業品來說，自上而下的“自來水模式”就面臨挑戰。這就是為什麼有 自下而上 的預測彙總。這是因為定製化程度越高，需求知識越在前端的銷售、市場、產品管理等職能。比如每臺幾百萬元的大型裝置，往往會根據客戶需求定製；即使同一客戶，不同時期的配置也可能不同。這時候，客戶或區域就變成更可靠的預測顆粒度，自下而上地彙總需求就成為選擇，一線銷售人員對需求預測的介入就更深。

對於很多企業來說，“自來水模式”和自下而上的彙總會並存，我們姑且稱之為“ 混合模式 ”。比如新產品剛匯入時，往往是針對具體的客戶、具體的地域，自下而上的彙總模式或許更適合，由產品經理和相應的銷售做預測；而進入量產期，客戶更加多元化，自上而下的“自來水模式”就可能更合適，主導者則變為計劃。在混合模式下，很多企業主要是用其中一種模式，而另一種模式則是作為參考，兩種模式的過程獨立，相互協同有限。當然，理想狀況是兩種模式能夠完全協同，但這對資訊系統和流程的要求相當高，操作難度很高。

值得注意的是，在有些大批量行業，比如智慧手機，由於產品的生命週期越來越短，運營商、地區化、銷售渠道的差異， 混合方式 被廣泛使用。比如對於運營商的集中採購、不同語言國家的需求，手機廠商更依賴自下而上的方式；而對於電商渠道和公開渠道，則採用“自來水模式”。這些都是在成品層面。對於關鍵的長週期物料，比如半導體晶片，則是“自來水模式”方式為主，在公司/工廠層面做好需求預測，提前驅動供應鏈響應。對企業來說，混合模式的存在是個挑戰，不過也是業務全球化、複雜化，以及產品生命週期縮短的必然結果。

前面我們講了預測顆粒度的組織維度。接下來，我們講時間維度。與組織顆粒度類似， 預測的時間顆粒度越大，預測的準確度就越高 。預測一年的需求，一般會比預測一個月更準確；預測一個月的需求，一般會比預測一週、一天的需求更準確。

兩個因素影響到時間顆粒度的選取： 管理能力和職能力量對比 。

管理能力越薄弱，時間的顆粒度就越大；時間的顆粒度越大，對供應鏈的日常運作幫助就越有限。這就如你去日本，列車說幾點幾分到，就幾點幾分到；而到一些第三世界國家，錯個半小時、半天都挺正常——你的時間顆粒度需要更大才能算“預測準確”。在把銷售目標當需求預測的企業，很多都是年度目標一年不變，也是某種意義上的以年度為單位（儘管他們也會分解到季度、月度），而這些企業的運作都以粗放著稱。

在職能力量對比上，銷售、市場等前端職能的力量越大，需求預測的時間顆粒度往往也越大。在那些企業，“從資料開始，由判斷結束”的需求預測流程不完善，常見的是銷售提需求。銷售把時間顆粒度定得大，這樣預測看上去更“準”，其實並沒解決多少供應鏈的問題，是典型的“手術很成功，病人卻死了”。

比如有個裝置製造商，百億級的營收規模。銷售說，他們的預測準確度是百分之八九十；但生產呢，卻一直在抱怨預測準確度太低。這就怪了：百分之八九十的準確度，放在哪個行業都算超級準了，還別說是多品種、小批量的裝置行業呢。細問銷售，你是怎麼統計準確度的？答案是按年：只要在這個年度生產，這個年度賣掉，就算準確！這不，生產線上的人都笑噴了。

很多人的誤解是，在做短期計劃時，我們更加接近需求，理應做得更準確。其實不是這樣。比如預測明天的訂單是早晨10點到，還是下午3點到，這比預測6個月的總體產能要困難得多。讓你預測3個月後需要多少產線工人，你可以預測地相當準；但要你計劃產線上的那5個人明天下午3點具體加工那件產品，你的準確度會很低。

有個公司上了銷售與運營計劃（S&OP），但日常交付還是挑戰重重，計劃團隊不理解。其實這後面就是這個原因：S&OP解決的是半年、1年、18個月的問題，它對付的是整體資源配置，比如產能、人工、長週期的物料等。至於明天的產線如何安排，後天的送貨如何計劃，那是日常計劃的任務。而日常計劃呢，因為時間的顆粒度很小，所以準確度更低。

預測的時間維度小，短期預測難做，那解決方案呢，就是增加執行的靈活性，用執行來彌補計劃的先天不足。精益生產，快速換線，交叉培訓，都是增加執行靈活度的有益舉措。就跟您去吃蘭州拉麵，多放辣椒、少放香菜、麵條特細等配置看上去很多、很複雜，但沒關係，大師傅看在眼裡，動在手上，照單下料就行了——這說的就是供應鏈的靈活性，通過提高供應鏈的柔性來應對，而不是花費巨大資源來提高SKU層面的預測準確度。