需求驱动供应链7：需求预测

作者介绍：

毕业于香港理工大学。深耕供应链和物流解决方案多年，目前做跨境电商。供应链是六便士，文学是月亮。欢迎关注微信公众号【 来自星星的tina 】

正文

备注：需求驱动供应链系列，都是翻译本人之前论文的Literature Review部分。图表部分就不翻译了。

由于需求的不确定性和预测错误，公司通常会持有安全库存。并且如牛鞭效应所说（Lee 等人，1997 ），越往供应链上游，变化越会被放大。根据 Mendes (2011) 的说法，由于供需不匹配、中小批量产品的预测准确性低、需求变化大和/或大量新产品推出，许多公司一直都在实施预测工具和流程。

01 / 预测方法

在实践中，大多数公司通过结合来自不同客户的区域销售输入来预测需求，然后行业根据他们的区域知识和市场洞察力进行调整（Chien等，2010）。在不同的区域/领域/行业应用了不同的预测方法。大多数现有的需求预测研究采用时间序列方法（Hamilton，1994）。Seifert (2002) 认为，预测技术不应该只基于销售的观察时间序列，还应该将这些关于外部影响的信息考虑在内。

Makridakis(1998) 将预测技术分为两类：定性和定量。定性方法主要包括团队共识、销售人员调查和客户调查。大多数定量预测方法都属于时间序列分析的范畴。

02 / 预测流程

参考 Poirier (2004)，改进预测很重要的一点是要认识到它是一个循环过程。图 14 显示了一个预测创建过程，可以看出任何此类过程都始于系统可用的任何信息，例如，订单、销售点数据和发货。需求历史可以被永久维护在系统中，然后根据市场和客户情报进行一些清理或调整，再应用统计预测工具。图表中流程受到整个组织努力的影响，包括满足财务预期的需要。

通过销售订单信息 -> 维护需求历史数据-> 需求清理和调整 -> 在历史数据基本线的基础上& 应用BI(商业职能) , 做统计预测 -> 根据促销历史，应用促销预测-> 制定/调整财务预期& 制定/调整营销或推广计划-> 生成最终的预测 -> 财务目标是否达成？达成，则执行。