如何提高需求计划的效率和准确性？

1.预测的2个著名原理

第1个是近期预测的准确性高于远期的。大家可以想象一下天气预报，气象台预测明天的天气一般都是很准的，气温是几度，会不会下雨，准确率高得惊人。

第2个是汇总的预测比分离的预测更准确。这是什么意思呢？汇总和分离在供应链中的术语分别是Aggregate和Disaggregate，从单词的前缀上看得出它们是一对反义词。

比如说，某种特定颜色的体恤衫的需求就是分离预测，我们很难预测蓝色、黑色、黄色或是粉色衣服分别能卖出多少件，因为个体商品的需求波动性很大。

如果我们把这些体恤衫的需求汇总起来，在产品系列的层面上预测就会准很多。每种体恤衫的需求过高和过低的可能性是一样的，低估往往能平衡高估的数字，它们可以相互抵消。

这是一种非常奇妙的现象，它的原理是风险分担（Risk Pooling），意思是把个别的风险合并到同一个池子里，而池子里的总体风险往往小于流入池子的所有风险的平均值。

风险分担的效果依赖于大数定律，即随着参与风险分担的个体数量的增加，整体损失的波动性降低，从而使得每个人的风险降低。

根据预测的这2条原理，我们可以从时间远近和分离汇总这2个维度出发，把需求计划分为4个象限。

2.需求计划的4个象限

1）象限1：尽量避免

这个象限对预测工作是非常不利的。如果我们对单个产品做预测，颗粒度非常小，这意味着巨大的工作量。

此外，我们还要预测远期的情况，它会降低准确性。两个负面的因素叠加在一起，导致我们花费了大量的时间去预测，但是准确率很低，属于是“高投入，低回报”，所以要尽量避免这个象限。

2）象限2：已确认的计划

在讨论这个象限之前，请大家思考一下如何设立近期和远期的分界线？我们可以使用计划时间栅栏（Planning time fence）。

根据定义，在栅栏之内的需求已经被转化为了已确认的订单，客户已经把这些订单发布给了供应商，后者无需预测，只需要把这部分的信息整理汇总即可。

如果是做寄售库存模式，客户会提供一个短期内的生产计划和对供应商的备货要求，这些信息的作用等同于订单。

如果企业实施了ERP系统，每次运行物料需求计划以后，系统会立即发送相关的订单或备货计划给供应商，大幅提高了信息传输的速度。

客户企业需要确保时间栅栏之内的信息是真实可靠的，信息一旦发送给了供应商，后者就会执行这份计划，而客户也应该在约定的时间之内安排提货。

3）象限3：计划的“舒适区”

在这个象限里的需求计划是近期的，而且是汇总层面的，相对于另外3个象限来说，这里的计划是最容易做的。

有些人可能会说“如果把时间栅栏设置得足够长，需求计划就会更准，因为我们收到的都是客户已确认的订单。”事实真的是这样吗？

预测原理的第2条是远期预测的准确性低于近期的。随着时间的推移，如果出现了需求下降的情况，即便客户发布了已确认的订单，他们仍会提出计划推后(Reschedule out)的要求，即推迟提货的安排。

供应商做好的订单变成了某种意义上的“安全库存”，请注意这不是真的safety stock，只是客户暂时不想要，放置在供应商仓库里的存货，所有权也属于后者。这种做法是客户变相转移库存风险的一种手段。

如果理解了这点，我们就会知道订单的提前期并不是越长越好。只要产能充足，供应商可以向客户申请更短的交货时间。这样做有几点好处。

首先，从接单到出货的时间缩短了，这意味着供应商可以更早地开票给客户，加快资金回笼。其次，较短的提前期可以减少计划推后出现的次数，降低供应商持有库存的风险。

象限3看似是需求计划的舒适区，但我们依然要想尽办法缩短订单的提前期，提高计划的敏捷性。

值得注意的是，缩短提前期并不意味着削减需求计划的时间跨度，关于这个话题请看这篇文章《》。

4）象限4：汇总的需求计划

通过前面3个象限的介绍，相信大家已经理解了需求计划的要点，在第4个象限里，最好的做法是仅做汇总层面的需求计划，即预测产品系列或是产品家族，这比预测单品的准确性要高许多。

我们可以使用粗略产能规划（Rough-Cut Capacity Planning，简称RCCP），它是一种长期的产能规划工具，用来验证主生产计划的可行性，确保企业拥有满足计划生产所需的必要劳动力和原材料。

比方说，工厂有5个产品系列，总共100个单品。如果要预测一年后的产能是否可以满足所有的需求，我们不需要去考虑所有的产品，只要在产品系列层面预测即可。

我们可以算出每款单品的产能，但是如何在混合生产的动态环境中清楚地计算出详细的数字？这是非常困难的事情，而且实际的需求与预测之间肯定会有偏差。

如果预测了每个单品的远期的需求，就会落入第一象限之中，而那里是我们要避免进入的区域。因此，我们仅在计划时间栅栏内才需要做详细的规划，在此之外仅需做汇总的需求计划。

THE END

近期活动