第三章：需求预测与协同计划
各位好，我是老张。在供应链这行摸爬滚打了十几年，今天咱们聊聊需求预测与协同计划。说实话，这是整个供应链管理里最让人头疼，也最有意思的部分。
你想想看，预测未来本身就是件不靠谱的事。但咱们又不得不做，因为没预测就没计划，没计划就等着断货或者压库存。我见过太多公司，要么拍脑袋定预测，要么用Excel拉个趋势线就完事。结果呢？库存积压到爆仓，或者客户订单交不上。
3.1 需求预测方法：别迷信算法，也别全靠直觉
需求预测的方法很多，但核心就两类：定量和定性。我个人习惯是，能用量化方法就用量化，但一定要结合业务判断。
3.1.1 时间序列法
这是最基础的方法。说白了，就是拿历史数据去推未来。常用的有移动平均、指数平滑、ARIMA模型。
举个例子，移动平均法：
# 简单移动平均（SMA）
def simple_moving_average(data, window):
return [sum(data[i:i+window])/window for i in range(len(data)-window+1)]
# 加权移动平均（WMA）
def weighted_moving_average(data, weights):
weighted_sum = sum(d * w for d, w in zip(data, weights))
return weighted_sum / sum(weights)
我在项目中遇到过，某快消品客户用简单移动平均预测洗发水销量，结果总是滞后。后来改成加权移动平均，给最近三个月更高权重，准确率提升了15%。
3.1.2 因果分析法
这个方法考虑外部因素。比如促销活动、天气、经济指标等。常用的有回归分析、机器学习模型。
我记得有一次帮一家空调企业做预测。光看历史数据，预测误差很大。后来加入气温数据，发现销量和温度高度相关。用多元回归后，预测准确率从60%提升到85%。
3.1.3 定性预测法
当数据不足或者市场变化剧烈时，就得靠人的判断了。德尔菲法、市场调研、销售人员意见汇总都是常用方法。
嗯，这里要注意：定性预测容易受个人偏见影响。我曾经见过销售为了完成业绩，故意报高预测。结果生产部门按这个备料，最后库存积压了半年。
3.2 S&OP流程：把各部门拉到一张桌上
S&OP，全称是销售与运营计划。说白了，就是让销售、生产、采购、财务这些部门坐在一起，统一数据、统一口径、统一计划。
我见过很多公司，销售部说下个月要卖1000台，生产部按800台备料，采购部只买了600台的原材料。结果呢？要么缺货，要么库存积压。S&OP就是解决这个问题的。
3.2.1 S&OP的五个步骤
- 数据收集：汇总历史销售、库存、产能等数据
- 需求计划：生成初步需求预测
- 供应计划：评估产能和物料约束
- 预审会议：各部门讨论差异和调整方案
- 执行会议：高层审批最终计划
你想想看，这五个步骤走下来，至少需要两周时间。但很多公司想省事，直接跳过预审会议。结果就是，计划做出来没人认，执行的时候各干各的。
3.2.2 S&OP的关键指标
| 指标 | 计算公式 | 目标值 |
|---|---|---|
| 预测准确率 | 1 - |实际-预测|/实际 | > 80% |
| 库存周转率 | 年销售成本/平均库存 | 行业平均以上 |
| 订单满足率 | 按时交付订单数/总订单数 | > 95% |
| 计划变动率 | 计划变更次数/总计划次数 | < 20% |
我个人习惯，每个月S&OP会议前，先把这些指标拉出来。哪个指标红了，就重点讨论哪个。别眉毛胡子一把抓，那样会开成漫无目的的扯皮会。
3.3 CPFR协同实践：从单打独斗到生态共赢
CPFR，全称是协同规划、预测与补货。这是S&OP的升级版，把客户和供应商也拉进来一起做计划。
为什么需要CPFR？因为供应链的牛鞭效应。你想想看，零售商看到销量涨了10%，就向经销商多订20%。经销商怕缺货，又向制造商多订30%。制造商一看订单涨了，直接备料50%。结果市场只涨了10%，整条链上全是库存。
3.3.1 CPFR的四个阶段
- 战略与规划：确定合作范围、共享数据、制定规则
- 需求与供应管理：联合预测、协同补货
- 执行：订单生成、物流配送
- 分析：绩效评估、异常处理
我记得帮一家零售企业和它的供应商做CPFR项目。刚开始双方都不愿意共享数据，怕泄露商业机密。后来我们设计了一个数据脱敏方案，只共享汇总数据，不涉及具体单品。这才把项目推下去。
3.3.2 CPFR的核心流程
下面这张图是我自己画的，展示了CPFR的核心逻辑：
这张图的核心思想是：零售商共享POS数据，分销商共享库存数据，制造商共享供应计划。三方在联合预测中心协同，最终输出协同补货计划。
3.3.3 CPFR的实施要点
- 信任是基础：没有信任，数据共享就是空话。我建议从小范围试点开始，比如选一个品类、一个供应商。
- 技术要跟上：系统对接、数据标准化、接口开发，这些都得提前规划。
- 绩效要绑定：双方要有共同的KPI，比如库存周转率、订单满足率。别各算各的账。
- 异常要处理：建立异常预警机制，比如预测偏差超过20%时自动触发人工复核。
3.4 总结：预测是艺术，计划是科学
说了这么多，其实就一句话：需求预测没有完美的方法，但协同计划可以弥补预测的不足。S&OP解决内部协同问题，CPFR解决外部协同问题。两者结合，才能让供应链真正跑起来。
我个人习惯，每个月做S&OP时，都会问自己三个问题：预测准不准？计划有没有执行？协同有没有到位？这三个问题问下来，基本就知道下个月该往哪个方向使劲了。
好了，这一章就到这里。记住，预测永远会有偏差，但协同可以让你在偏差发生时快速调整。这才是供应链管理的核心能力。