企业需求预测准确性存在的问题及其应对策略

董 鹏，赵得龙，杨阿南

(1．卡莱橡胶制品有限公司 计划部，广东 梅州 514759;2．北京知为先项目管理咨询有限公司 咨询部，北京 100037;3．淮安市富士康科技集团 IE部，江苏 淮安 221424)

随着全球市场一体化和顾客需求多样化的发展，市场竞争已经从地区的单一性向区域性、多元化方向发展。2009年IBM的一份调查报告显示:有三分之二的企业由于未能准确判断客户需求而疲于奔命。2012年中国物流与采购联合会的调查也表明:我国制造业中多数企业的供应链管理仍是传统的“轻计划、重执行”模式。预测不准确，必然导致供应链长期处于被动应对的低效运营状态［1］。很多企业在供需失衡的压力面前，只能将工作重心放在与供应商的事务性沟通、处理应急事件上，而未能与客户进行有效沟通以提升对客户需求的掌控能力［2］。需求作为牵动企业整个供应系统的原动力，其预测需要一套由预测者、预测方法、预测对象、预测资料和预测结果组成的完整体系。科学的需求预测有助于优化库存，平衡需求与供给，降低供应链成本，提高供应链效率。

一、需求预测的含义及特点

需求预测是在一定的宏观、微观经济理论的指导下，根据事物过去和现在的发展情况、异常情形以及影响市场需求变化的诸多因素，参照当前出现的各种可能性，应用现代管理技术和统计方法，模拟不可知的、未出现的或复杂的中间过程，对未来产品需求量的变化情况进行的一种多维度的分析、估计和判断活动［3，4］。需求预测是按需生产的基础，是供应链管理的源头，它的准确与否直接关系到企业生产经营活动的成败。正确的预测是科学决策的前提，而正确的决策又给合理的预测提供了实现的机会。显然，预测越准确，企业对未来商机的把握和对潜在风险的规避就越成功。

需求预测具有全局性、关联性、综合性、实践性甚至偶然性。通常情况下，预测总是存在误差而难以完全准确:对一族或一组产品的需求预测比对单一产品的需求预测更准确，预测层次越低，预测误差越大;短期预测比长期预测更精确;用量少、需求不规则的情况难以预测。

二、企业需求预测的影响因素、开展步骤和方法

(一)影响需求预测的因素

需求是多种因素相互影响的结果。在进行预测之前，企业就必须识别出影响需求预测的主要因素。其中最重要的两个因素是:对搜集到的数据进行分析和处理，这直接影响到预测模型的建立，预测模型能否反映事物发展的规律性取决于所用资料的质量;对利用模型求得的预测结果进行分析和处理。除此以外，还有其他因素也会影响需求预测，如市场主体外部因素、市场主体内部因素、需求自身特征因素、需求预测系统因素等。

(二)需求预测的一般步骤

需求预测需要结构化的数据基础、易于使用的预测模型、恰当的预测工具等。一般情况下，可以按照以下步骤来实施预测:(1)明确预测目标、对象、内容及时间区间;(2)收集、筛选、分析、加工和整理相关的数据;(3)选择合适的预测方法;(4)对预测结果进行评价以及解释;(5)制订决策方案。在预测的各个环节中，最难的是对终端消费数据的采集，它是需求预测的核心［5］。对于数据采集应考虑的主要问题有:数据采集的类型、方式、时间区间、主体等。完成数据采集之后的预测过程可以分为两个阶段:第一阶段是归纳过程，第二阶段是演绎或推论过程。在预测过程中，企业需要综合分析各种因素对预测对象可能造成的影响，采用多种方法加以处理和修正，进行必要的检验和评价，最后形成可供决策参考的结果。

(三)需求预测方法的选择及其发展阶段

需求预测准确程度与预测过程中所采用的预测方法有直接的关系。预测方法有150余种，常用的方法大概分为四类:定性预测法、时间序列法、因果关系分析法和组合预测法［6－9］。选择预测方法应考虑预测对象、预测范围、预测期限、预测精度、数据数量、预测费用、所需时间等。

大多数企业的需求预测基本上可归为两大类:一类是产品的需求规律性，产品多处于成长期或成熟期，完全可以通过定量的方法进行预测;另一类是产品的需求时间和需求水平无规律可循，这类产品大多是刚刚进入产品线或即将退出产品线的，对这类产品的预测比较困难，因为难以分清共同起作用的多种因素与需求之间的准确数量关系，使得分析者不能利用这些数据开展定量需求预测，但是分析者仍然可以采用定性分析方法。对需求预测调研的结果和相关文献进行分析和总结，可将目前企业需求预测的管理模式和阶段特征概括如下［5，7，10，11］，见表 1。

表1 需求预测的发展阶段

三、企业需求预测准确性不足的原因

通过对企业供应链的研究，可以发现需求预测准确性不足的原因主要有以下三个方面:

(一)需求预测方法存在缺陷

目前通行的需求预测方法主要是定性和定量两种预测方法，然而两者均存在一定的缺陷，导致绝大多数企业的需求预测出现较大偏差。

定性预测方法存在缺陷。定性预测主要是客户经理对代理商及零售商当年逐月的需求量、实际购进量和历史购进量进行分析、预测，然后市场部门负责人将各客户经理的预测结果汇总起来，再根据实际货源情况，由客户经理与代理商及零售商每个月“协商”一次，大致确定产品大类和大约需求量。这类预测方法，其实就是一种简单的“拼盘”方案，是销售人员意见的汇总。

定量预测方法存在缺陷。定量预测方法对基础数据要求量过大。不同的预测结果是基于不同信息集和假设条件下应用不同的预测方法得出的结论，在满足各自的条件下、在各自环境及性能指标下是最优的，每一种预测方法在处理数据及应用过程中均有其独到之处，都能从不同角度为最终预测提供强有力的信息，而企业的实际生产经营活动时刻处于不断变化之中，很难建立统一的、完整的准则来评价预测结果的好坏。实际建模过程和基本数据生成机理也表明，需求预测和生产计划管理研究改进方法存在局限性，远非一些数学模型那样理想，预测人员难以确定哪一种方法是最为合适的预测方法。

(二)需求预测系统存在问题

传统预测系统难以应对市场需求的不确定性和多样性。在以客户为中心的市场环境中，需求的不确定性始终是企业管理者必须面对的一个重大问题。不同的消费者有不同的偏好体系，他们的需求也必然各不相同。因此，即便可以准确了解每一个顾客的需求，这种预测也会因为成本的原因变得不可行。传统的做法是采用市场细分的统计办法，尽量消除需求多样性的影响。但是，随着市场竞争的不断加剧、市场被划分得越来越细，顾客的个性化需求也不断地被挖掘出来，协商式的供应链中需求的不确定性反而越来越大，企业面临的风险也越来越大。如果企业没有完善的需求管理统计体系，那么没有被满足的需求(包括延迟交付、替代和丧失销售)通常不会体现在统计报告中，也不会被纳入预测过程，最终影响需求预测的准确性。同样，在供给过量的情况下，如果不将退货、取消订货、供应商的促销、客户为了享受价格折扣而进行大批量的订货等对预测的准确性产生负面影响的因素去除，预测的结果必然不准确。如果企业对产业和经济趋势、关键客户信息以及预测准确性指标的重要性认识不充分，预测结果的有效性也会大打折扣。企业忽视市场规律将导致无法做出准确的需求预测。无论在以上哪种情况下，真正的需求并没有得到真实的反映，由此产生的需求预测也会被扭曲。

“牛鞭效应”破坏了供应链需求预测的整体优化。销售链中的每一个环节试图预测其下游环节的需求，由于在预测结果中总会或多或少地存在一些误差因子，当供应链中每一个上游企业使用下游企业的数据进行新的预测时，预测的误差因子沿着供应链的层级以指数形式不断被放大，从而产生“牛鞭效应”。产生“牛鞭效应”的原因主要有以下几个方面:需求预测修正、价格波动、环境变异、订货批量、短期博弈、库存失衡、缺少协作、交货提前期过短、供应链长短等。另外，需求预测过程中，预测者出于自身利益考虑对收集到的数据加以调整，有意过滤或者加工影响需求预测结果的信息，这种不道德行为也会使需求预测风险向下一个环节传导，极易形成错误的决策。

(三)需求预测管理存在问题

相关部门协调工作不到位。需求预测管理职能不完善的企业在功能集成方面易犯的错误如下:从预测部门来看，在预测结果达成“共识”之后，无法满足相关部门的需要。各部门围绕需求预测而设定的目标往往不同，如财务部门对于年收入的预测，销售部门对于某个细分市场季度销售额的预测，营销部门对于每年产品销售额的预测。从预测人员来看，企业无法合理地给予预测人员绩效奖励，会打消相关人员的积极性。另外，对预测人员未给予足够的培训也是重要原因之一。从预测模式来看，企业无法合理运用从上到下和从下到上的预测结合模式，错误理解了需求预测和业务计划的关系，无法准确地计算预测精度，对于预测精度不作评估，或者主要基于其他因素开展预测绩效评价。

缺乏问责机制和全局观念。由于预测存在不准确性的风险，企业没有人或部门敢于承担预测准确性差的责任。这导致了很多企业没有建立预测准确性衡量体系，没有建立对预测失准的问责机制。预测不准确的原因很多，大多数问题出在预测工作的管理流程上，如销售部门只对销售额进行考核，而没有对需求预测的准确性进行考核。由于不可控因素太多，人们很容易用外在条件的改变来解释预测结果的不准确，而没有根据预测的好坏来进行适当的奖惩。

各种主客观原因导致预测误差。很多企业一般以业务规划代替需求预测，往往会造成高估或者低估产品的市场认可程度。现阶段，行业常用的市场需求预测方法主要问题如下:主观预测方法较多、客观预测方法较少;简单预测方法较多、复合预测方法较少;短期预测方法较多、长期预测方法较少等。目前大部分企业预测的准确性偏低，这也导致预测的可信度降低，企业库存量居高不下，即使是按单生产，半成品、原材料积压的现象仍然严重。由于数据采集涉及销售人员的个人利益、商业博弈以及各级经销商的商业机密等，实施过程中工作量大，需求预测碰到的困难也相对较多。

另外，对于一些产品数量级多达数千或上万的企业，如果对每种产品都进行预测，则所需的基础数据量相当庞大，没有一个完善的预测系统和企业管理系统(如ERP、MRP等)，根本就不可能进行有效的预测。而对于一些小企业，由于资源有限，即使有大量行业信息、市场历史数据，但利用这些数据进行分析预测的少之又少。不管是企业高管还是预测人员，也只是做到经验数据的自下而上汇总，大多并没有经过自上而下基于统计模型的相互验证，也没有把这些基础数据用ERP系统去处理和分析，甚至武断地认为“ERP系统在管理需求尤其在将需求转化为生产计划方面存在巨大的缺陷”。其实这不是ERP的问题，而是销售部门未能提供相对准确的销售预测数据，这样得到的预测结果当然与真实的需求相距甚远。

四、提高企业需求预测准确性的措施

预测工作应该具有前瞻性、全面性、客观性、及时性、科学性、持续性和经济性等。为了提高企业需求预测的准确性，需要采取以下措施进行改进:

(一)优化需求预测方法

对不同预测方法进行组合。不同的预测方法可具有不同的预测精度、预测重点。如果简单地选择一种预测方法，或将一些预测误差较大的方法舍弃掉，就可能丢失一些有价值的信息，从而造成资源浪费。在预测实践中学者们已发现一种更为科学的做法，就是将不同的预测方法进行适当的组合来预测。在具体操作过程中，首先要明确预测要素的范围和种类，包括地理位置、产品组合和客户群的需求。其次要根据不同产品的需求特点，相应选用不同的预测方法进行组合。

建立协同预测方法机制。通过协同预测，供应商可以针对客户的不同库存策略和销售情况，配置自己的产能，这就降低了供应链的不确定性，同时能与需求客户共同建立持续改进的平台。协同预测(Collaborative Forecasting，简称CF)的基本任务主要集中在四大环节:战略与计划、需求与供应管理、执行与分析、绩效评价。多层CF模式非常重视共享来自供应链上其他阶层之间的信息，根据“大数据”、ERP软件，物联网及微信平台等接收和分析供应链上的交易信息，使供应链上所有协同构架下的企业利益增值。供应链企业依靠先进的需求预测引擎，利用需求分析平台提供的信息，结合企业自身获得的需求信息，首先对需求进行预测，然后将预测的结果进行比较，分析例外事件产生的影响，利用事先设定的预测系数，将加权的结果再次输入预测引擎，得出联合的需求预测。具体流程见图1。

图1 CF流程图

(二)建立有效需求预测系统

企业应完善销售数据采集过程及建立需求预测分析体系。为了保证数据采集的准确性和及时性，企业应从合作的角度出发，本着互惠互利原则，理解各方在整个市场中的利益和冲突点，通过协商达到共同的目标，并且建立公平的利益分配制度，激励各分销商。需求预测分析体系，主要包括三大部分:反映业务运作情况的指标;定期分析指标值、指标差异原因以及提出解决差异的措施，形成分析报告;对行动方案的执行过程进行跟踪并确保落实。

建立新型销售和预测管理系统。管理系统的重点在于市场预测、销售人员管理、项目销售管理和供应商管理，主要具有市场预测和分析、计划和市场研究、客户需求管理、产品及供应商管理、销售管理及控制、销售指标及业绩考核和销售合同管理等功能。借助新型营销管理系统，预测人员能不断地用“云技术—云计算”跟踪用户的需求变化，建立、完善需求计划。

消除信息孤岛，形成高效的信息共享和集成机制。信息共享可以避免多层预测，减少批量订货，从而降低库存率及订货资金，也可以稳定价格，减少提前购买的动机。而预测伙伴关系必须具备两个要素:一是具有共同的愿景，相互信任、相互配合;二是共享信息与利益。实现信息共享，要求各节点企业进行合作，共同分享利益，承担风险。通过信息共享保证企业供应链需求信息的一致性和稳定性，可以减少由于多重预测而导致的需求信息扭曲，从而使供应链各方都可以得到准确和及时的供需信息。企业应利用互联网的优势，在供应链各方建立共享数据库。同时企业还需要建立销售数据库，从中发现需求规律。

建立快速反应和缩短订货提前期的机制。根据不同客户的需求，预测者应当采取一系列措施对由于预测误差造成的库存过量和销售机会丧失作出快速反应，比如可以建立应急机制处理以应对可能出现的加急订单或延迟交付问题。但应当注意，应急处理的成本非常高。企业有时面临的市场变化速度远超过预测所能够预见的速度，特别是在高价值产品生产行业里，市场需求的变化对企业运作的风险非常大，快速反应必将成为引导企业满足客户需求的核心方法。

(三)改进需求预测管理

建立预测精度评估机制。企业应建立定期对需求预测情况进行评估的机制，明确预测效果评估方法。具体来说:(1)基于各职能部门对于需求预测的不同要求，评估各个层次的预测精度;(2)合理评估预测精度对竞争战略、供应链成本、客户服务和利润的影响;(3)提供基于图表和统计数据的绩效评估报告。对预测的准确性进行衡量和监控是非常必要的，如果不加以衡量，很难对其加以改进，预测管理也是这样。一般来说，企业应在产品的SKU、产品类别、地域需求、客户阶层和各个业务单元等多个层次对需求预测的准确性进行衡量。评价预测结果主要考查统计检验和直观判断两个方面，从而判断预测结果的可信度。根据对预测结果的分析和评价，确定最终的预测值。

建立滚动修正的机制。需求预测是周而复始的活动，在一个营销周期结束后，应对需求预测情况进行全面的评估。企业应根据市场的变化，定期修正需求预测体系。修正后的预测模型连同各种经济指标、行业指标、实际需求、需求信号以及特殊事件一起作为预测数学模型的输入信息。这一系统输入的是历史和现时的准确信息，输出的是关于未来的预测信息，它包括未来的发展趋势、周期性特征和随机因素三个方面的内容。预测者根据过去的预测误差和特殊事件对预测结果进行调整，最终得到当期的需求预测结果。另外，有必要开发并使用一个可重复、跨功能并可衡量的预测控制流程。闭环预测系统可以进行预测反馈，据此不断修正预测过程。

设计多维度的预测绩效评价标准。对预测工作进行多维度的评价有助于激励预测人员的积极性和责任心。在这个组织中，奖金分配、职位提升和对工作人员评价都与预测准确性挂钩。这样一方面可以促进预测人员与其他业务人员的交流和沟通;另一方面可以更好推广预测结果的应用，反过来也可以促使预测人员积极改进预测机制。多维度的评估标准要求不能以单一的精确度对预测人员进行考评，要合理考虑和预测相关的多种因素，比如参考数据的真实性、更新突发事件的及时性、业务人员的努力程度等。

随着市场经济的不断发展和企业间竞争的不断加剧，无论从主观上还是客观上，企业越来越重视需求预测工作。做好企业需求预测，需要达成以下共识:预测的准确性直接影响到企业的库存投资成本和客户服务水平;充分了解和预测用户需求是需求管理的核心;数据是基础和出发点，管理是核心，技术是支撑手段，而独立客观分析则是贯穿需求预测全过程的主线。

总之，准确的需求预测可以使企业按市场需求生产，提高履行订单的能力，提前合理安排采购，降低供应的不确定性，降低自身缺货率，从而提高客户满意度、美誉度，同时可以减少企业的库存总量，避免“牛鞭效应”，还可以合理有序地安排生产，提高供应商的物流运输绩效，达到双赢或多赢的目的。

［1］王钧．中小企业物流系统的优化研究［J］．广东工业大学学报，2006，(2):11 －18．

［2］张清华，刘凤英．基于灰色预测和支持向量机的销售预测模型研究［J］．中国商贸，2013，(9):24 －25．

［3］Song H，Witt SF，Wong K F，Wu D C．An Empirical Study of Forecast Combination in Tourism［J］．Journal of Hospitality and Tourism Research，2009，(33):66 －68．

［4］王焰．企业生产物流规划与管理［J］．中国物流与采购，2013，(8):23 －28．

［5］Bates J M and Granger CW J．The Combination of Forecasts［J］．Operations Research Quarterly，2012，20(4):103 －106．

［6］王平．企业库存管理中心——需求预测的主要问题及对策［J］．市场营销，2013，(2):13 －15．

［7］陈金亮，宋华，徐渝．不对称信息下具有需求预测更新的供应链合同协调研究［J］．中国管理科学，2013，(1):83－88．

［8］黄敏珍，冯永冰．基于灰色－马尔可夫链的区域物流需求预测［J］．统计与决策，2012，(16):8－10．

［9］杨杰，张斌，华中生．间断需求预测方法综述［J］．预测，2013，(5):88 －90．

［10］韩冬梅，牛文清，杨荣．线性与非线性最优组合预测方法的比较研究［J］．情报科学，2007，25(11):1672－1676．

［11］Ergezinger S，Thomsen E．Comment on an Accelerated Learning Algorithm for Multilayer Perceptrons:Optimization Layer by Layer［J］．IEEE Trans Neural Networks，2013，(5):31 －42．