需求预测入门：预测的重要性
说实话，我刚入行那会儿，对需求预测这事挺不屑的。
总觉得「计划赶不上变化」，费那么大劲预测干嘛？直到有一次，我负责的一款产品因为低估了市场需求，导致断货整整两周。那两周，销售天天打电话骂我，老板看我的眼神都不对了。嗯，从那以后，我再也不敢小看预测了。
需求预测说白了，就是给库存管理装上一双「千里眼」。你想想看，如果你能提前知道下个月要卖多少货，那采购、生产、仓储就都有了方向。不会多备货压资金，也不会少备货丢订单。
预测的核心价值就三点：
- 降低库存成本——少积压，少浪费
- 提升服务水平——不缺货，客户满意
- 优化资源配置——人、钱、设备都用在刀刃上
我个人习惯把预测方法分成两大类：定性预测法和定量预测法。下面咱们一个一个聊。
定性预测法
定性预测，说白了就是「凭经验、靠判断」。当历史数据很少，或者市场环境变化剧烈时，定量方法往往失灵。这时候，人的判断力就派上用场了。
专家意见法
这个方法我用的最多。找几个懂行的老手，让他们凭经验给出判断。
我记得有一次，公司要推一款全新品类的新品。没有任何历史销售数据，定量分析根本没法做。我就组织了销售总监、产品经理、还有两个资深采购，开了个闭门会。每个人先独立写自己的预测数字，然后一起讨论，最后取个加权平均值。
我的小技巧：别让专家们一开始就坐在一起讨论。容易产生「从众效应」——大领导说个数字，其他人就跟着附和。我习惯先让大家匿名写，再汇总讨论。这样出来的结果更靠谱。
专家意见法有个变种叫德尔菲法，就是反复多轮征询意见，每轮都反馈上一轮的结果，直到意见收敛。这个方法耗时，但精度高。我一般只在重大决策时才用。
市场调研法
这个方法更「接地气」。直接问客户、发问卷、做访谈。
我曾经帮一家快消品公司做预测。他们想推一款新口味的饮料。我建议他们先做小范围试销，在三个城市的超市里铺货两周，然后统计实际购买数据。结果发现，试销数据跟最终全国上市的数据误差不到8%。
注意：市场调研有个坑——消费者说的和做的往往不一样。问卷里都说「会买」，真到掏钱时就不一定了。所以调研结果最好打个折扣，我一般按70%-80%折算。
定量预测法
定量方法靠数据说话。前提是你得有足够的历史数据。我个人偏爱定量方法，因为它客观、可重复、还能用工具自动跑。
移动平均法
这个方法最简单。就是把最近N期的实际值取个平均数，作为下一期的预测值。
公式长这样：
预测值 = (最近N期实际值之和) / N举个例子。假设过去5周的销量分别是：100、110、105、120、115。如果用3周移动平均，那下一周的预测就是：
(105 + 120 + 115) / 3 = 113.3嗯，就这么简单。
但这里有个关键问题：N取多少合适？
我踩过这个坑。N太小，预测值跟着实际值剧烈波动，像个神经病。N太大，预测值反应迟钝，跟不上市场变化。我的经验是：如果业务稳定，N取大一点（比如6-12期）；如果业务波动大，N取小一点（比如3-4期）。
移动平均法的优缺点：
- 优点：简单、易懂、计算快
- 缺点：对所有数据一视同仁，没有区分新旧数据的重要性；需要保存N期历史数据
指数平滑法
这个方法比移动平均法「聪明」一点。它给不同时期的数据分配不同的权重——越近的数据权重越大，越远的数据权重越小。
公式：
预测值 = α × 最近一期实际值 + (1 - α) × 最近一期预测值这里的α（阿尔法）是一个平滑系数，取值在0到1之间。
α越大，预测值越「敏感」，越跟着实际值走。α越小，预测值越「平滑」，越稳定。
我一般怎么选α？
- 如果业务波动大，α取0.3-0.5
- 如果业务稳定，α取0.1-0.3
- 实在拿不准，就取0.2试试，然后根据误差调整
举个例子。假设上个月实际销量是120，上个月的预测值是110。取α=0.3，那这个月的预测就是：
0.3 × 120 + 0.7 × 110 = 36 + 77 = 113我的习惯：指数平滑法特别适合做短期预测。我在做周度或月度预测时，基本都用它。而且它只需要保存两个数——上一期的实际值和上一期的预测值，存储成本极低。
我曾经接手过一个项目，之前一直用移动平均法，预测误差率在15%左右。我换成指数平滑法后，把α调到0.25，误差率降到了9%。说白了，就是给新数据多了一点「话语权」。
避坑指南：指数平滑法有个前提——数据没有明显的趋势和季节性。如果你的数据有明显的上升趋势，或者每年固定月份会暴涨，那指数平滑法就不太够用了。这时候需要更高级的方法，比如霍尔特-温特斯模型。这个咱们后面章节再聊。
两种方法怎么选？
我个人的选择逻辑很简单：
| 场景 | 推荐方法 | 原因 |
|---|---|---|
| 全新产品，无历史数据 | 定性预测（专家意见/市场调研） | 只能靠人脑判断 |
| 市场环境剧烈变化 | 定性预测为主，定量为辅 | 历史数据可能失效 |
| 有稳定历史数据，短期预测 | 指数平滑法 | 精度高，计算简单 |
| 数据平稳，需要快速计算 | 移动平均法 | 容易理解，团队好接受 |
其实，我很少只用一种方法。我习惯把定性方法和定量方法结合起来用。比如先用指数平滑法跑个数字，再让销售团队根据市场情况做个微调。这样既有数据的客观性，又有人脑的灵活性。
嗯，需求预测入门就聊到这儿。记住一句话：预测永远不可能100%准确，但好的预测方法能让你离真相更近一步。