本文目录
1、供应链管理软件如何预测业务需求
2、预测未来将是任何行业中的一项宝贵技能，而且我们甚至有今天尝试这种方法的方法。需求预测是研究周围世界以形成理论图的方式，该理论图说明了诸如需求之类的事物可能如何沿线波动。尽管这种类型的预测很有价值，但能够实时进行这样的预测会更好。幸运的是，我们有一些好消息。实时需求预测确实是一件很重要的事情，它可以带给全球供应链很多好处。
3、“需求预测”一词已经存在了一段时间，因为它在供应链管理中变得越来越普遍。本质上，这是预测客户对产品未来需求的过程。利用历史数据，它可以预测全年的需求高峰和低谷。它在供应链计划中起着至关重要的作用，因为它可以指导您从生产计划到库存控制的一切决策过程。
4、那么什么是实时需求预测？可以想象，它是实时发生的-没有延迟，没有等待时间并且没有过时的数据。
5、在进行更深入的研究之前，了解一些其他种类的预测可能会有所帮助：
6、被动：通常仅限于小型和本地企业。使用历史数据的直接投影。
7、活跃：通常在快速增长的企业中使用。积极衡量竞争，经济环境和产品组合的扩展。
8、短期的：在3到12个月内进行，考虑了季节性需求模式以及可能影响客户需求的可能决定。
9、中长期：通常在12到24个月之间进行。这种类型的预测为战略计划，销售和营销计划，财务计划等提供了信息。
10、外部宏观：应对广泛的市场变化。帮助评估战略规划和消费者行为的大规模转变。
11、内部业务预测：关注内部运营以及它们如何影响与需求保持一致。分析销售部门，财务部门，并包括年度销售预测。
12、在深入探讨该主题之前，我们需要澄清一些问题。我们已经听说，需求预测和需求计划实际上是两个不同的（尽管相关）过程，它们经常互换使用。需求预测只是需求计划的几个组成部分之一。正如Demand-Planning.com解释的那样（您知道他们知道他们在说什么，基于名称），“需求计划的定义是使用预测和经验来估计供应链中各个环节的各种项目的需求。”
13、需求计划使用预测来调整供应链以适应高需求或低需求。此外，需求计划“通过持续的分析和对预测的跟踪”来评估预测的准确性。需求预测为您提供了重要的数字，而需求计划则使用这些数字来采取行动。
14、首先，需求预测对于制定业务中许多重要的战略计划流程至关重要。如果没有需求预测之类的预算，财务和营销计划，采购策略和能力计划之类的信息，那么他们将蒙受痛苦，最终将失败。如果没有能力预测需求，那么就不可能平衡产品水平，这会使您与客户群陷入困境。
15、如果您对需求趋势的波动情况一无所知，那么公司的敏捷性将遭受巨大损失。如果需求发生无法预料的快速变化，您希望确保将资源放置在适当的区域以跟上需求。
16、知道如何处理这样的事情并非易事。幸运的是，有一些可靠且可行的策略可以使过程变得更容易：
17、市场研究：这种定性方法利用客户调查来生成准确的需求视图。向客户分发调查时，请确保牢记诸如人口统计和位置之类的变量。您希望收集的信息具有足够的相关性以制定策略，随机抽样不会有太大帮助。
18、趋势预测：一种有效的使用大约2年销售历史的定量方法。对过去的销售数据进行分析，以创建一个时间序列，该时间序列会基于产品的历史销售额生成需求预测。
19、Salesforce Projection：另一种定性方法，取决于您的销售团队的意见。每个销售人员都应分析其所在区域并传递客户的各自需求。这些数据收集汇集在一起，用于形成需求的现实预测。
20、气压法：与趋势预测不同，这种定量方法利用了即时数据。通过分析某些经济指标，可以将这些数据用于创建需求预测。
21、既然定义和解释已不复存在，那么让我们仔细看一下正在受到关注的令人兴奋的趋势。
22、最常见且通常最准确的预测来自实时数据的使用。但是，许多企业还使用其他方法。以下三种方法是当今最常见的方法：通常，经常使用多种方法。
23、我们将介绍的第一个也是最简单的方法是专家预测。尽管此方法不使用机器驱动的数据分析，但在当今世界仍具有许多优点。一方面，当专家做出预测时，他们不仅仅是随机的猜测。根据他们的教育程度，经验和时事对他们进行有根据的猜测。
24、尽管专家预测并不像其他方法那样流行，但它确实具有一个明显的优势：它考虑了外部因素。由于专家是实际的人，而不是编程的机器，因此他们可以结合几个因素来做出预测。他们不仅可以查看您以前的需求，还可以考虑可能影响您产品需求的现实事件。例如，如果他们看到文化从您的产品类型转移，则可以在创建预测时使用该信息。
25、重要的是要注意，专家和预测并不是相互排斥的想法。即使提出专家意见要花费一两分钟以上的时间，该方法仍属于实时预测的范围。
26、时间序列方法是最准确的技术之一。此策略使用在特定时间或在设定的时间段内收集的历史数据。这些预测将查看在这些时间序列上发生的各种模式，然后使用该信息来预测未来的模式。
27、一般来说，当需求显示出可能持续到未来的一致模式时，最好使用此方法。也就是说，此方法仍然非常有用。随着新数据的到来，将对预测进行调整以反映任何新模式。这有助于确定当前需求是持续增长，开始下降还是处于稳定状态，因此您可以即时做出明智的决策。
28、与时间序列方法类似，指数平滑依赖于历史数据进行预测。但是，它对每个数据点的权重不同。在时间序列方法中，在制定预测时，每个数据点的权重均相等。但是，通过指数平滑，可以为最新数据赋予额外的权重。“如果有一个在数据中的趋势，[指数平滑法会]使用最近的观测，弥补了大部分的预测，而预测是更可能反映的趋势，”根据艾瑞。
29、这对于实时预测尤其重要。这些功能的目的是实时了解您的需求，以便您收到最新的预测。指数平滑显示了最新趋势的重要性，无论是急剧增加还是略有下降。掌握了这些信息后，您可以提前满足需求，因此可以立即提高或降低产量。
30、因此，您想开始在业务中使用这些工具吗？我们认为它是当今可用的最重要的供应链工具之一，因此我们不会怪您。要开始在您的业务中实施它，请先收集一些知识渊博的供应链和需求专家。他们可以通过做出预测并帮助您进行软件搜索来帮助您。
31、收集专家后，开始搜索包含预测功能的供应链管理软件。供应链管理软件具有超越这些功能的众多功能，因此您可以完全控制供应链流程。只要确保您选择的供应商都能满足从预测到库存管理再到报告的所有各种需求。这样可以确保您的软件在很长一段时间内都是可行的，从而有助于确保您的预测在未来几年内都是准确的。
32、如果我们要拿出一个水晶球并在不久的将来凝视，那么边缘预报将在我们眼前出现在神秘的薄雾中。那么，什么是边缘预测？它对未来意味着什么？
33、首先，边缘预测涉及物联网（IoT）和组成它的无数互联网连接设备。大多数预测工具要求将数据发送回数据仓库服务器，然后由服务器清理和分解信息。与需求有关的重要数据随后将被发送回去，并用于计划需求的波动。
34、边缘分析和预测涉及使用传感器和物联网连接的设备在接触点收集和分析数据。边缘分析无需等待数据仓库清理和识别有用的变量，而是在生成数据的第二秒就对其进行处理。
35、到目前为止，这种类型的分析和预测有两个主要好处。首先，边缘分析使用户可以立即对基于物联网的设备收集的基于数据的见解采取行动。这种类型的预测的即时转变对全世界的企业都具有极大的吸引力。
36、其次，边缘分析和需求预测极大地限制了传送到云中进行分析的数据量。如果您希望削减成本，那么这种好处应该会奏效。此方法可减少带宽使用量，同时仍可处理相同数量的数据。
37、直到最近，进行这种类型的预测所需的技术仍然很难获得，但是随着预测分析工具的兴起，这种策略不再是梦想。有些人将这个话题的突然兴起归因于不必要的炒作，但世界各地的供应链仍在调整中，以查看这种方法是否奏效。
38、实时预测是供应链管理领域中的宝贵工具。需求在不断波动，拥有可用工具来保持公司的领先地位对于维持成功的供应链至关重要。
39、利用预测如何使您的供应链管理更上一层楼？让我们在下面发表评论。
1、规则1：所有的预测都是错的，但有个预测要比没有强。
2、在客户订单落地之前，从生产计划的角度讲，只有有了预测，MRP才能运作，驱动材料采购与生产。预测相当于宇宙第一推动力。没有预测，生产计划、供应计划就无从谈起，或者说至少没法系统地做。在一些公司，销售为保证预测的可靠性，迟迟不肯"在沙子里插个棍子"，给出个预测来，这事就拖着。一旦预测变得相当可靠，甚至变成了客户订单，录入系统了，但客户要求的交货日期也在跟前了，留给生产和采购的时间所剩无几。要打破这种僵局，除了给销售部门的责任机制外，关键是要制造宽松的氛围，产、供、销及早协作，理解预测的风险，鼓励承担精心计算过的风险，尽早设定预测。在这里，采购和运营不单是预测的接受者，而且也是预测的贡献者，因为他们最能理解预测带来的库存、产能投资风险。每一个预测都是机会与风险的平衡，这就注定预测不只是销售的事，因为销售熟悉机会，而熟悉风险的是生产运营和采购。
3、这里特别强调的是严谨但非惩罚性。所有的预测都是错的。只要内部客户做了严谨的分析，配以最佳职业判断，做出的预测即使错了也不可“秋后算账”。营销当然知道早给预测的重要性。为什么不给呢？一个原因就是怕生产和采购“秋后算账”。秋后算账不能少，这是供应链前端（营销）和后端（生产、采购）的反馈机制；但是，秋后算账要分清楚情况：预测不准，是因为市场和客户本身难以预见，还是因为营销没有尽职。对于前者要宽容。这对促进跨职能协作和鼓励前端尽早拿出预测很重要。
4、对新产品开发、新项目而言，预测更多地是定性的理解。例如新产品、新项目的概念一出来，采购要有足够的敏感，了解这是针对大众还是小众、全国还是地方市场。基于这种定性的理解，采购大致可估计对供应商的技术、产能要求，在选择供应商的时候加以考虑，支持好新产品开发，并为日后的量产打好基础。这里的误区是采购不了解大的方向与要求，没有做好供应商选择，或者供应商选择纯粹由设计部门做主，为日后各种问题埋下祸根，犯了"小采购"经常犯的错。
5、规则2：预测需要多职能参与，每个部门都得各尽其责。
6、这在规则1中也提到，意味着采购、运营、计划和产品部都得介入，在预测过程中做自己的贡献。放到公司与公司之间，就是所谓的CPFR（协同计划、预测和补货）。采购或许要问，这产品销售预测归销售管，跟我们做采购的有什么关系？其实大家都在同一条供应链上，采购应该与计划部门密切联系，跟踪公司的主要活动，促使早日生成预测计划。采购与运营往往觉得自己是预测的受害者，部分原因也是他们对自己的定位认识不清。他们只是被动地等预测，而没有意识到自己也是预测过程的一部分，至少应该盯紧计划，促使他们早日生成预测。
7、其次就是从供应的角度判断、量化库存风险，供营销和计划参考，上面已经提过。另外，供应商往往接触多个客户和行业，对市场变化有独到的认知，例如他们可以从别的客户处感知市场在升温还是降温，从而预知下一步是出现短缺还是过剩。例如在2009年的元器件短缺前，很多供应商早就感受到了，而主机厂则没有。原因很简单：供应商在采买元器件，主机厂越来越少介入。这个信息，如果及早反映到主机厂的话，主机厂可以适当建立库存、增加采购前置期等，以便积极应对。而这类信息传入主机厂的主要渠道就是采购。要明白计划是在平衡预测需求和供给，如果供给情况可能有变，是采购的责任提前告知计划。等交期到了或者快到了，采购才知道这货没法按时拿到，那太晚了，又成了"小采购"。
8、这里还需要说明的是，多职能参与并不意味着没有单一责任人。在很多公司，预测的责任机制不很明确（或许这部分解释了这些公司为什么运营地不够理想）。这种情况下，最简单的就是责任倒逼：采购/生产/运营向计划部门要预测，计划部门就成为直接责任人；计划向产品/销售要预测，产品或销售就成了直接责任人，依次类推。要避免的是计划说销售没有预测，所以啥也做不了，拖着，出了问题就往销售推；销售就怪市场、怪竞争对手和客户，结果就是不了了之。这是极端不负责任的做法，对不起我们拿的一份工资。销售看不起运营和采购，往往跟后者的这种不作为有关。而运营、采购之所以没出息，也在于他们在预测过程中没有履行自己的义务。用柯维《成功人士的七种**惯》里的说法，就是他们太dependent on（取决于）计划与销售，而没意识到自己也是解决方案的一部分，各部门都是interdependent（相互关联）的。这种采购还是典型的"小采购"心态。只履行管理供给的职责、不履行管理需求/预测的职责，采购永远摆脱不了"小采购"的帽子。
9、规则3：预测不是一锤子买卖，需要循环预测，逐渐逼近。
10、预测刚开始的时候都不准，需要不断循环预测，及时纳入新信息，修正预测。一个销售预测，从产生到采购、生产完工，变动是正常的。不正常的是没有循环预测机制，及时来修正预测。管理不善的公司往往忽视这点，对预测的修正频率不够，修正往往是拖到最后一刻做，而这时候采购的料已经在途，生产线上的半成品也快完工了，呆料、积压就不可避免了。缺乏循环预测机制，没有逐次“微变”的过程，一变就是巨变，供应链很难一下子消化，就成了问题，要么是短缺，要么是积压，都带来成本。
11、计划、运营和采购的人经常诉苦，说最后一分钟的销售计划变动如何害苦了他们。我从来不相信这变动就是最后一分钟发生的。相反，这一定是个过程，销售人员一定在某个时候就知道大致有多大的可能会变动。他们不愿意主动说，因为有他们的顾虑；计划、运营的人主动问了没有？我管理全球计划团队多年，出现这样的问题，我问的第一个问题就是做销售的没说，那我们做计划没问？他没主动说，打他的板子；你没主动问，同样罪在不赦。
预测就是在事情发生以前，分析过去、现在的变化，对未来发展的可能性作出估计和推测，以指导人们的行动。
定性经济预测是在数据资料掌握不多的情况下，依靠人的经验和分析能力，用系统的逻辑的思维方法，把有关资料加以综合，对未来经济发展的趋向作出判断进行预测的方法。定性预测法包括特尔斐法、主观概率预测法、判断预测法等方法。定性预测法强调对事物发展的特性进行描述性地预测。定性预测法灵活性较强，用定性预测法预测简单迅速，可节省一定的人力、物力和财力。
定量经济预测是指运用经济统计的数据资料，根据预测经济变量之间的关系，建立经济预测模型，外推出预测值。定量经济预测法根据使用数据的不同性质又分为时间序列预测法和因果模型预测法。
