預測就如賭博，賭對說明了什么?說 明了你幸運。我們其實是很難分析賭對的 原因，除了基本的“從數(shù)據(jù)出發(fā)，由判斷 結(jié)束”的需求預測流程，以及選擇更合適 的數(shù)理統(tǒng)計模型。即使這兩者都做對了， 你還是可能預測失敗。所以，從賭對中， 我們很難學到太多的東西。這就如你問那 位九十多歲的老壽星長壽的秘訣，他說他 吃飯，他運動，他睡覺——他其實也不知 道為什么長壽，否則的話，為什么不教給 他的老伴兒，這樣，老伴兒就不會在三十 年前去世了。

　　成功并不能讓我們更聰明多少，也很 難復制。否則的話，馬云會把他的那些成 功法則一遍又一遍地復制，把地球上的錢 都賺光了; 蘋果也是，把iPhone的成功復 制到i汽車、i電視、i電冰箱，凡是你能想 到的，前面都加個i。人之所以變聰明，是 因為我們從失敗中學習。具體地說，就是 堅守基本原則的情況下，盡量避免那些失 敗，這樣就增加成功的概率。

　　就拿長壽來說，基本原則就是吃好、 運動好、休息好。要避免的失敗呢，就是 不吸毒， 少喝酒，不在XYZ公司上班——

　　加班太多，過勞死;壓力太大，容易跳 樓。對于需求預測來說，堅持基本原則就 是選擇最合適的統(tǒng)計模型，走“從數(shù)據(jù)出 發(fā)，由判斷結(jié)束”的基本流程。而要避免 的失敗呢，則得從預測的偏差率中去發(fā)現(xiàn) ——所有的預測都是錯的，識別偏差，糾 正差別就是調(diào)整預測的過程。

　　需求預測就如發(fā)射導彈， 一路飛去， 一路糾偏，命準目標的過程其實就是糾正 偏差的過程。

　　讓我們先來看偏差怎么計算。概念上 很簡單：實際值與預測值的差就是偏差。

導彈擊中目標的過程，就是發(fā)現(xiàn)偏差，糾正偏差的過程

　　但預測是個循環(huán)更新的過程，如果每月滾 動的話，每一個月就有個預測。那究竟該 用哪個月的預測來計算偏差?這取決于供 應(yīng)鏈的響應(yīng)周期：在一般的行業(yè)，生產(chǎn)周 期加上長周期物料的采購前置期，大概在 3個月左右。因此，理論上講，用三個月 前的預測(M-3)最合理：1月份，你告 訴我4月份的預測是100個，我就按照這 個來采購、生產(chǎn)。結(jié)果4月份的實際需求 是80個，那么偏差就是20個，偏差率是 25%。

　　M-3的偏差率一般會非常高，會揭 示太多的“問題”。而最大的問題呢，就 是預測做得太早而不準，解決方案就是縮 短供應(yīng)鏈的響應(yīng)周期，這樣我們就不需要 那么早地做預測了。所以時間是最大的因 素，對于需求預測來說又不可控，反倒把 很多別的可控因素給掩蓋了。

　　打個不一定很恰當?shù)谋确?。喬丹?投籃命準率是49.7%，這是他在三分線內(nèi) 外的命準率。假定喬丹一過中場就投籃， 估計命準率只有5%。分析為什么95%的 球都投丟了，結(jié)論很容易是他離籃板太遠 了。其實即使喬丹在籃下，跟籃板的距離是0，也不是百分之百地命準。這意味著 在距離因素以外，還有別的因素在影響他 的投籃命準率，比如投籃的姿勢，手腕的 發(fā)力等。這些其實是可以控制的，但因為 被距離因素掩蓋掉了，反倒沒有被發(fā)現(xiàn)， 采取合適的糾偏措施。

　　有些企業(yè)用M-1來統(tǒng)計偏差，用1個 月前的預測作為基準。這有一定的合理 性，因為一般的行業(yè)，需求預測的凍結(jié)期 大概是1個月以內(nèi)(意味著數(shù)量、配置和 日期都不能改變)，如果進入凍結(jié)期還改 變預測，那對生產(chǎn)和供應(yīng)鏈的代價很高， 所以必須嚴加控制。半凍結(jié)期大概在1到 2個月，這段時間內(nèi)的需求變化呢，對不 起，供應(yīng)鏈你就想法消化吧。就這樣，凍 結(jié)期內(nèi)的問題由銷售買單;半凍結(jié)區(qū)內(nèi)的 變動由供應(yīng)鏈買單，兩頭一湊，算是個折 中方案吧。

　　但是，對于芯片等采購提前期很長 (動輒就13個星期或更長)，供應(yīng)靈活性 很差的情況(比如芯片生產(chǎn)流程很長很復 雜，人工干預挺困難)，M-1對供應(yīng)鏈來 說就有點太不公平——M-1的預測準確度 挺高，但太遲了，因為供應(yīng)鏈的決策早都做了。這就是為什么有些企業(yè)用M-2來統(tǒng)計預測的準確度，分析其偏差度。當然，還有些企業(yè)采取更折中的方式，用M-1、M-2、M-3的平均值來統(tǒng)計需求預測的差異，這在操作上有點太復雜，也掩蓋了不少有用的信息，指導意義有多大，還有待商榷。

　　其實，采用多久前的預測做基準，其實是銷售與供應(yīng)鏈力量博弈的結(jié)果：銷售的力量越強，就選擇近期的預測做基準;供應(yīng)鏈的胳膊越粗，就越可能用更久前的預測做基準。想必我們現(xiàn)在也清楚了，如果兩家公司都說他們的預測偏差是30%時，如果一個用的是M-1，另一個是M-3，那他們的差距可不是一點點喔。定義好了偏差怎么計算，讓我們進一步探討差異是怎么分析的。總的來說，我們感興趣有幾個方面：絕對偏差(絕對值)，相對偏差(百分比)，偏差的方向(偏見)。

　　先說絕對偏差。假定需求預測是100，實際需求是80，那么絕對偏差就是20。除以實際需求80，就得到絕對百分比偏差25%。絕對百分比讓不同的產(chǎn)品有了可比性，所以是差異分析中較常用的一種。不過你看得出，絕對百分比掩蓋了偏差方向，沒法判斷預測是虛高還是虛低。比如需求預測是60，實際需求是80，其百分比差異也是25%。但你知道，這是預測虛低，會造成短缺，跟預測100、實際80造成的過剩不一樣，對供應(yīng)鏈的影響也不同。

　　這就是為什么有些公司拿掉絕對值，直接計算預測和實際的偏差百分比。這種偏差可以清楚地判斷預測與實際的偏差方向，以揭示需求預測中的系統(tǒng)性偏見。比如“由判斷結(jié)束”中，有幾個銷售人員習慣性地高估需求，而別的銷售人員時高時低，更加符合統(tǒng)計學規(guī)律。根據(jù)這樣的分析，就可有針對性地采 取組織措施，糾正這幾個銷售人員的行為。

　　有的公司把預測和實際的偏差值累計起來，就得到累計偏 差，以判斷預測的累計影響。比如而1月、2月、3月的預測偏高， 4月、5月、6月的偏低，半年加起來可能抵消，從而沒有造成呆滯 庫存。不過這并不意味著完美無缺。比如基于前三個月的過高預 測，供應(yīng)鏈可能不得不趕工加急，造成額外的運營成本;由于后 三個月的預測偏低，工廠可能遣散一部分員工，產(chǎn)生遣散費用。 可以說， 一旦匯總，我們可能冒喪失某些信息、掩蓋某些問題的 風險。所以，預測的累計偏差一般不獨立使用，而是和別的偏差指標一起用。

　　此外，還有很多偏差的統(tǒng)計方法，比如統(tǒng)計預測值與實際 值之間的方差、均方差，來衡量偏差的幅度和離散度。但不管用 什么樣的統(tǒng)計方法，超過一定限度的會成為異常值，需要根源分 析，采取糾偏措施。需求預測雖說是“預測”，其實大部分時間 都在糾偏：發(fā)現(xiàn)差異，分析差異，理解差異，采取糾偏措施，比 如更換統(tǒng)計模型，與銷售、市場、產(chǎn)品管理會面討論，和關(guān)聯(lián)職 能協(xié)商等。正是通過處理一個個的“例外”，我們才得以避免失 敗，從而能夠成功。這就如要長壽很簡單，只要解決那些可能讓 你死去的“例外”，活著就是長壽。