论文部分内容阅读
鉴于需求预测在企业经营活动中的重要作用及其影响因素的多样性，在对企业实际需求预测的方法、过程、系统和管理等问题进行梳理和分析的基础上，本文作者指出：通过优化需求预测方法、完善需求预测系统、改进需求预测管理，可有效控制需求预测和未来市场情况的偏差，从而持续提高需求预测的准确性，促进企业生产、销售的良性运行。
预测由来已久，它源自人们对未来各种美好事物的向往与追求。中国民间不少古谚，如： “运筹谋划，须先预测未来 ”、 “多算胜，少算不胜，而况于不算 ”等都体现了预测的思想；而在世界历史上也有很多预测，如： “哥德巴赫猜想 ”、 “玛雅预言 ”等对后世有关领域的研究和发展产生了很大的影响。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、甚至全球性多元化方向发展。 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还是传统的 “轻计划重执行 ”模式。预测的结果不准确，必然导致供应链长期处于被动应对的低效运营状态。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。
需求作为牵动企业整个供应系统的源动力，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。当今企业的大部分经营活动都依赖于需求预测，如营销计划、生产计划、物流计划乃至财务计划和人力资源计划等都直接受到需求预测的影响和制约。好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，所以需求预测对于供应链策略的制定与设置十分重要。
本文在阐述需求预测涵义、特点、影响因素及开展步骤与方法的基础上，进一步分析了企业需求预测中存在的问题，揭示了优化预测方法、完善预测系统、改进预测管理在提升预测精度和准确性中的重要作用。
一、需求预测的涵义及特点
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动态、异常情形以及影响市场需求变化的诸多因素，包括销售状况、库存策略、生产流程、供应商的生产周期和运输能力等之间的关系中的某些规律，参照当前已经出现和正在出现的各种可能性，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，对产品需求量的未来可能变化情况进行的一种多维度的分析、估计和判断。需求预测是按需生产的基础，是连接生产和销售的桥梁，是供应链管理的源头，是企业趋利避害的大动脉，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，企业所做的预测越准确，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，其特点通常表现在： 1）预测总是因存在误差而难以准确。 2）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。 3）短期预测比长期预测更精确。 4）用量少，需求不规则的情况难以预测。
二、企业需求预测应考虑的因素及其开展的步骤和方法
1.影响需求预测的因素
需求是多种相互影响和制约的因素综合作用的结果。在进行预测时，企业就必须识别出影响需求预测的主要因素。对主要因素的恰当分析是做出合理预测的基础和关键。
在预测客户需求、确定销售目标之前，企业必须考虑到相关影响因素，其中最大的两个因素是：一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，预测模型能否反映出事物发展的规律性，取决于它在建立过程中所用资料的质量；二是对利用模型求得的预测结果进行分析和处理。
除了以上两个关键因素以外，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、需求自身特征因素和需求预测系统因素等，市场需求预测正是在全面考察这些因素后对市场需求量进行的估计和推测。
2.需求预测的一般步骤
需求预测水平的提高，需要有结构化的数据基础、易于使用的预测模型、友好的预测工具等各方面软硬件的支持，并按照以下步骤来进行：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）制定决策方案。在预测的各个环节中，其中最难的部分是对终端消费数据的采集，而数据的采集是需求预测的核心步骤和成败关键。对于数据采集应考虑的主要问题有：数据采集的类型、方式、时间区间和主体等。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。在这两个过程中，企业需要综合考虑并分析各种确定的和不确定的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，最后获得可供决策参考的最终预测结果。
3.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，因此，选择恰当的预测方法，建立适当的预测模型对企业进行科学预测和决策有着非常重要的意义。预测方法有150余种，经常用的需求预测的方法可归纳整理为四大类：定性预测法、时间序列法、因果关系分析法和组合预测法。笔者认为预测方法的选择应主要考虑以下几个方面：预测的对象、预测的范围和预测的期限、预测的精度、数据的数量、预测的费用和预测结果所花的时间等。
通过对大多数企业的产品销售数据进行分析，需求预测基本上可归为两大类：一类产品的需求呈现规律性，表现为全年的需求比较均衡或呈季节性规律变化，这类产品多处于成长期或成熟期，对这类产品完全可以通过定量的方法进行预测；另一类产品从近期销售数据上看，需求时间和需求水平非常不稳定，无固定规律可循，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定量地开展需求预测，但是分析者仍然可以通过定性分析，为预测人员主观调整提供参考依据。那么，怎样选择一种精确、弹性、令人信服、耐用和简便的预测方法？改进需求预测的具体措施又是什么？根据对需求预测调研的结果和相关文献的分析与总结，可将目前企业需求预测的管理模式和阶段特征进行如下概括，如表1所示。 三、企业需求预测准确性存在问题分析
通过对企业供应链的研究，发现需求预测准确性不足的原因主要有以下三个方面。
1.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，具体来说有以下几个方面。
（1）定性预测方法存在的缺陷。定性预测是目前应用最为广泛的预测方法，它主要依靠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，市场经理再将各客户经理的预测结果汇总起来，根据实际货源情况，每个月由客户经理与代理商及零售商 “协议 ”一次，订单就根据 “协议 ”按产品大类和大约需求量简单一分了事。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，在本质上属于定性预测方法，使用这种方法对需求量进行准确预测，显然是有些先天不足的。
（2）定量预测方法存在的缺陷。定量预测存在的一个问题是基础数据要求量过大。预测者须注意到，不同的预测结果均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不同结论，它们均是在满足各自的条件、在各自环境及性能指标下是最优的结果，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停的变化之中，很难建立统一的、完整的准则来评价所得预测结果的好坏。而实际建模过程和基本数据生成机理表明，需求预测和生产计划管理研究改进方法还存在着局限性，远非一些数学模型那样理想，预测人员难以准确地定位某一种方法是最为合适的预测方法。事实上，在多种预测模型中，没有哪一种预测模型最好，更没有通用的数学模型，一种简单的经典模型并不能解决其对应的所有问题。在企业预测过程中，如果预测条件设置不当或使用了不适用于该产品市场特点的方法进行预测，就很容易导致需求预测偏离。因为预测过程中的各种计算和推测都是在假设过去和现在的规律能够延续到未来的条件下进行的，即预测对象在预测期间内不会发生太大的异常变化，而实际中未来的一些因素有时是很难控制的，因此市场不是历史的简单重复，通过企业已知的数据和因素来预测未来总会有偏差，而且未来也不会按照某一种趋势一直发展下去。
2.需求预测系统存在问题
（1）传统预测系统难以应对市场需求的不确定性和多样性。伴随着市场需求的易变性和多样性，以及信息与制造技术的加速革新和产品生命周期的缩短，供应链管理中的需求预测环节面临着越来越多的不确定性。在以客户为中心的市场环境中，需求的不确定性始终都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，即便对每一个顾客的需求都可以准确地了解，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，减少企业面对的需求多样性。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，那么这些没有被满足的需求（包括延迟交付、替代和丧失销售等）通常是不会在统计报告中反映出来，也不会被纳入到预测过程中，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采取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，预测的结果也不会有效。如果企业缺乏对产业和经济趋势、关键客户信息以及预测准确性指标重要性的应有认识，预测结果的有效性也会大打折扣。许多企业对市场规律的忽视都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。
（2）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，随着供应链中每一个上游企业使用下游企业的数据去做新的预测时，预测的误差因子会沿着供应链的层级以指数形式放大，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、交货提前期过短和供应链长短等。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，极易由此预测产生错误的决策，从而导致意想不到的后果。
3.需求预测管理存在问题
（1）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： 1）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。各部门对于需求预测的目标往往不同，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，生产部门基于存货单位（SKU，Stock Keeping Unit）的生产周期预测，物流部门基于 SKU的订单提前期的预测。 2）从预测人员来看：无法合理地给予预测人员绩效奖励，对本部门的贡献未给予奖励，或者采取平均主义均分绩效奖励，都会打击预测人员的积极性；另外，对预测人员缺乏足够的培训也是重要因素之一。 3）从预测模式来看：无法合理运用从上到下和从下到上的预测结合模式；错误地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，都不利于预测工作的开展。
（2）缺乏问责机制和全局观念。由于预测存在不准确性的风险，所以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对预测的准确性进行衡量，没有建立对预测失准的问责机制，更谈不上采取有效措施来提高预测准确性。预测不准确的原因很多，大多数问题出在预测工作的管理和流程上，如销售部门对销售额进行考核，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，人们很容易用一个外在条件的改变来解释预测结果的不准确，而没有通过对预测的好坏来进行适当的奖惩，从而达到激励和督促的效果。 （3）各种主客观原因产生预测误差。预测人员对市场的判断往往受知识、经验、时间、数据和方法等多方面的限制，不能对市场的未来发展做出全面地、科学的分析，导致预测的局限性。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呈现出主观预测方法较多、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弊端，导致无法约束未来的不确定因素。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。由于数据采集涉及到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。预测作为一种对未来的推测，很难用单一的数据结果来进行绩效评价。
另外，对于一些产品数量级多达数千或上万的企业，如果针对每种产品都进行预测，则所需的基础数据量相当庞大，若没有一个很好的预测系统和企业管理系统（如ERP或MRP等），根本就不可能进行有效的预测。而对于一些小企业，由于资源上的局限，即使有大量行业信息、市场历史数据，但使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是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
为了提高企业需求预测的准确性，预测工作应该具有前瞻性、全面性、客观性、及时性、科学性、持续性和经济性等基本要求，这需要通过以下方式进行改进和提高。
1.优化需求预测方法
（1）建立不同预测方法组合。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，都可能丢弃一些有价值的信息，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预测。其具体操作过程为：首先要明确和预测有关要素的范围和种类，包括地理位置、产品组合和客户群的需求；其次要明确每一个种类需求的区别，针对这些区别和不同特点，相应地选用不同的预测方法进行组合。
（2）建立协同预测方法机制。通过协同预测，供应商可以针对需求客户的不同库存策略和销售情况，配置自己的产能，这就减少了供应链的不确定性，同时与需求客户共同建立起持续改进的平台。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。简单的协同预测是在单层的代理商、零售商与供应商之间开展的，而在实际的商业运作中，原料提供商、运输商和仓库管理者等在供应链中都起着重要作用。如果将这些相关管理者纳入到预测体系中，则更有现实意义，这就是多层CF。多层CF是跨越了单层的多阶关系，并明确指出了在单层中未考虑的事项，包括：产品设计、产品导入、策略规划、商品管理、销售及营运规划、承诺产能、可获得利益、相对应的配置及其他。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系统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。现实中不乏这样的例子，例如：汽车行业的需求预测，已经非常好地实现了整车企业与上游配件供应商、配件供应商与其上游原料供应商等一条产业链的协同预测。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，讨论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。具体流程如图所示。
2.建立有效需求预测系统
（1）完善销售数据采集过程及建立需求预测分析体系。首先，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。其次，建立一种公平的利益分配制度，并对参与其中的各分销商进行有效的激励，防止机会主义。需求预测分析体系是一个帮助需求预测质量不断提高的系统，它包括三个部分：一是反应业务运作情况的指标。二是定期分析指标值、指标差异原因以及提出解决差异的措施，形成分析报告。三是对行动方案的执行进行跟踪并确保落实。
（2）建立新型销售和预测管理系统。管理系统功能核心体现在对市场的预测、对销售人员的管理、对项目销售的管理和对供应商的管理，主要包括以下功能：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、业绩考核和销售合同管理。运用新型营销管理系统，预测人员能不断地用 “云技术 ─云计算 ”跟踪用户的需求进展，建立、完善需求计划。科学的预测体系的形成是一个渐进化的过程，需要信息的社会化、方法的现代化、市场预测专业人员复合性知识的沉淀积累等基本条件。
（3）消除信息孤岛，形成高效的信息共享和集成机制。信息共享可以起到两个作用：第一避免多层预测，减少批量定货，从而降低库存率及订货资金。第二，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。要实现信息共享，就要做到各个节点企业的合作，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，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。比方说建立信息沟通的桥梁和系统，以保证信息的迅速共享，并将条形码技术、扫描技术、 POS系统和 EDI系统相结合。企业应利用互联网的优势，在供应链各方建立起共享数据库，从而从根本上保证数据采集的准确性。同时企业还需要建立销售数据库，从历年的销售数据中去发现需求规律，用于需求预测，这也可以提高预测的准确性。合作与协调的目的是使满足一定服务质量要求的信息可以无缝地、流畅地在供应链中传递和共享，从而使供应链能够实时响应客户的需求，形成更为合理的供需关系。同时，在供应链决策体系中，由于个人理性的有限性、外在环境的复杂性和不确定性、信息不对称性和不完整性的存在，企业只能靠高度的部门合作与协调来解决这些问题。消除各个部门之间的信息壁垒，减少彼此的不信任感，达到完全的资源共享，让跨部门、跨职能的沟通、合作成为一种必须和必然，使得预测管理成为一种联动的机制，从而达到最优的预测目标。 （4）建立快速反应和缩短订货提前期的机制。设计合理的组织结构和控制策略，保证对预测误差的快速反应。根据企业设定的客户服务水平的不同，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做出快速反应，比如可以建立应急机制处理可能出现的加急订单或延迟交付问题。但应当注意，应急处理的成本是非常高的。企业有时面临的市场变化速度远超过了预测所能够预见到的速度，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。
3.改进需求预测管理
（1）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，须确定明确的效果评估方法，来评价预测的准确性和时效性。具体说： 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于竞争战略、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虑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。
（2）衡量预测准确性的指标通常有四种： 1）代数离差（ ET）：一段时间内实际需求量与预测需求量的差异。 2）平均绝对离差（ MAD）：多个时间段里代数离差绝对值的平均数。3）预测百分误差（MAPE）：代数离差绝对值占实际需求量的百分比。 4）需求预测标准差（ SD）：多个时间段里代数离差的标准差。分析预测的误差时要全面考虑：一是要考虑理论预测误差，即在选用预测方案之前，利用数学统计模型所估计的理论预测值，与过去同期的实际观察值相比而产生的误差（即理论预测误差），然后分析、改进和选择较为合适的数学统计模型；二是要考虑实际预测误差，即选用预测方案之后，追踪、检查预测方案的实施结果是否合乎实际的情况，分析预测误差的大小以及所造成的原因，总结经验教训，进一步改进今后的预测工作。应该注意，预测是何时做出的，是根据哪些信息做出的，其细致程度如何等问题，必要时，组织专家小组进行独立预测，根据他们预测的差异来测定预测精度。另外，将异常统计数据从预测模型中清除对提高预测的准确性有着非常重要的意义。异常数据是距离正常情况很远的数据点，其合理性值得怀疑，应当与正确数据点区别处理，应当避免这些需求数据进入预测系统，因为异常数据对预测准确性的影响是非常大的，而且并不是时间序列上突然某个数据点特别高或特别低那么简单。
（3）建立滚动修正的机制。需求预测是周而复始的，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，定期滚动修正企业的需求预测体系。在对需求预测的结果进行不断滚动修正的过程中，若发现预测结果与实际结果的偏差持续增大，这表明预测的方法或技术有误，应立即对预测方法的本身进行修正。如果产品销售偏差发生突然性的变化，这表明该偏差信息可能隐藏着市场风险的前兆，应作为市场风险警报的重要参考，需要进一步分析偏差发生剧变的原因并发出相应的警报。修改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。得到的预测结果经过预测者根据过去的预测误差和特殊事件进行调整，最终得到当期的需求预测结果。这是一个周而复始的过程，经过一段时间的积累，需求预测结果会与实际需求数据接近或近乎相似。另外，开发并使用一个可重复、跨功能并可衡量的预测控制流程。闭环预测系统可以通过使用适当的预测反馈，不断修正预测过程。
（4）设计多维度的预测绩效评价标准。古人之言，“奖罚分明，方可鼓气势，显公平”。对于预测的岗位或工作，切不可只重口头宣传。预测工作多维度的评价对于预测人员的积极性和责任心会是一种激励。在这个组织中，奖金分配、职位提升和对工作人员的评价都依赖于预测准确性的提高。这样一方面可以促进预测人员与其他业务部门的交流和沟通，另一方面可以更好地推广预测结果的应用，反过来也可以促进预测人员对于预测机制的改进。
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众多因素，比如参考数据的真实性，突发事件的及时更新性，业务人员的努力程度等。企业应综合考虑预测精度的提高对于相关部门业务的贡献，特别是需要考虑对于企业最终利润的影响，毕竟企业的任何商业行为都是以获取最大利润为根本原则。
本文研究所设计的评价指标体系包括流程性指标和效果性指标两大类，具体评价指标及方式如下表2所示。
五、结语
随着市场经济的不断深入，企业间竞争的不断加剧，无论从主观上还是客观上，需求预测工作都已经越来越被承认和重视。做好企业需求预测，需要在以下几个问题上达成共识。
（1）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。如何帮助顾客将其拥有的与需求相关的隐性信息转换成显性信息，做好需求预测管理，是预测人员工作的重中之重。当然，预测精度的大小取决于预测人员素质的高低和经验的多少，预测人员必须具有很强的责任心和一定的实践经验，同时应尽可能多地去了解用户需求，掌握市场需求动向。因此，预测准确性的提高很大程度上是对整体预测流程的管理和团队素质的提升。企业的需求预测不是数学问题，而是采用特定数学技术的管理问题。采用一些实用的预测管理原则，将有效地提升企业需求预测管理水平，在减少企业库存量的同时提升客户服务水平。
（2）更好地了解和预测用户需求是需求管理的核心问题之一。要确保信息的真实、相关、完整、准确的系统性原则，系统性与针对性相结合，及时性和有效性相结合。需求预测和实际需求的关系，应该是相互独立又关联的，前者决定后者，而不是后者决定前者。整个需求链最终价值的实现有赖于终端用户需求的满足，“需求驱动”或者叫做“由外到内”的思维方法不仅对于贴近用户的分销环节意义重大，对于供应链上游的制造环节同样重要。所以对传统分销渠道进行变革，更好地了解和预测用户需求是整条供应链要解决的核心问题。
（3）数据是基础和出发点，管理是核心，技术是支撑手段，而独立客观的分析则是贯穿需求预测全过程的主线。由于实际的市场需求情况错综复杂，影响因素众多，因此进行预测时，不能简单地依靠某一个理论或套用某一个模型加以预测，要综合考虑各个方面的情况。在以数据为基准进行预测时，也应借助于经验判断、逻辑推理和统计分析等方面的预测判断，事先估计可能超出预测误差承受范围的情况，准备足够的后备补救手段，将风险控制在企业可以承受的范围内。同时还应获取高层管理人员的支持，能够独立客观地开展需求预测，在此基础上制定业务规划，然后再修正原有的需求预测，并通过沟通、协调和合作鼓励建立共同目标，最终达到市场和企业的共赢。
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，赢得高信誉或美誉度。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。
预测由来已久，它源自人们对未来各种美好事物的向往与追求。中国民间不少古谚，如： “运筹谋划，须先预测未来 ”、 “多算胜，少算不胜，而况于不算 ”等都体现了预测的思想；而在世界历史上也有很多预测，如： “哥德巴赫猜想 ”、 “玛雅预言 ”等对后世有关领域的研究和发展产生了很大的影响。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、甚至全球性多元化方向发展。 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还是传统的 “轻计划重执行 ”模式。预测的结果不准确，必然导致供应链长期处于被动应对的低效运营状态。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。
需求作为牵动企业整个供应系统的源动力，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。当今企业的大部分经营活动都依赖于需求预测，如营销计划、生产计划、物流计划乃至财务计划和人力资源计划等都直接受到需求预测的影响和制约。好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，所以需求预测对于供应链策略的制定与设置十分重要。
本文在阐述需求预测涵义、特点、影响因素及开展步骤与方法的基础上，进一步分析了企业需求预测中存在的问题，揭示了优化预测方法、完善预测系统、改进预测管理在提升预测精度和准确性中的重要作用。
一、需求预测的涵义及特点
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动态、异常情形以及影响市场需求变化的诸多因素，包括销售状况、库存策略、生产流程、供应商的生产周期和运输能力等之间的关系中的某些规律，参照当前已经出现和正在出现的各种可能性，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，对产品需求量的未来可能变化情况进行的一种多维度的分析、估计和判断。需求预测是按需生产的基础，是连接生产和销售的桥梁，是供应链管理的源头，是企业趋利避害的大动脉，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，企业所做的预测越准确，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，其特点通常表现在： 1）预测总是因存在误差而难以准确。 2）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。 3）短期预测比长期预测更精确。 4）用量少，需求不规则的情况难以预测。
二、企业需求预测应考虑的因素及其开展的步骤和方法
1.影响需求预测的因素
需求是多种相互影响和制约的因素综合作用的结果。在进行预测时，企业就必须识别出影响需求预测的主要因素。对主要因素的恰当分析是做出合理预测的基础和关键。
在预测客户需求、确定销售目标之前，企业必须考虑到相关影响因素，其中最大的两个因素是：一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，预测模型能否反映出事物发展的规律性，取决于它在建立过程中所用资料的质量；二是对利用模型求得的预测结果进行分析和处理。
除了以上两个关键因素以外，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、需求自身特征因素和需求预测系统因素等，市场需求预测正是在全面考察这些因素后对市场需求量进行的估计和推测。
2.需求预测的一般步骤
需求预测水平的提高，需要有结构化的数据基础、易于使用的预测模型、友好的预测工具等各方面软硬件的支持，并按照以下步骤来进行：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）制定决策方案。在预测的各个环节中，其中最难的部分是对终端消费数据的采集，而数据的采集是需求预测的核心步骤和成败关键。对于数据采集应考虑的主要问题有：数据采集的类型、方式、时间区间和主体等。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。在这两个过程中，企业需要综合考虑并分析各种确定的和不确定的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，最后获得可供决策参考的最终预测结果。
3.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，因此，选择恰当的预测方法，建立适当的预测模型对企业进行科学预测和决策有着非常重要的意义。预测方法有150余种，经常用的需求预测的方法可归纳整理为四大类：定性预测法、时间序列法、因果关系分析法和组合预测法。笔者认为预测方法的选择应主要考虑以下几个方面：预测的对象、预测的范围和预测的期限、预测的精度、数据的数量、预测的费用和预测结果所花的时间等。
通过对大多数企业的产品销售数据进行分析，需求预测基本上可归为两大类：一类产品的需求呈现规律性，表现为全年的需求比较均衡或呈季节性规律变化，这类产品多处于成长期或成熟期，对这类产品完全可以通过定量的方法进行预测；另一类产品从近期销售数据上看，需求时间和需求水平非常不稳定，无固定规律可循，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定量地开展需求预测，但是分析者仍然可以通过定性分析，为预测人员主观调整提供参考依据。那么，怎样选择一种精确、弹性、令人信服、耐用和简便的预测方法？改进需求预测的具体措施又是什么？根据对需求预测调研的结果和相关文献的分析与总结，可将目前企业需求预测的管理模式和阶段特征进行如下概括，如表1所示。 三、企业需求预测准确性存在问题分析
通过对企业供应链的研究，发现需求预测准确性不足的原因主要有以下三个方面。
1.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，具体来说有以下几个方面。
（1）定性预测方法存在的缺陷。定性预测是目前应用最为广泛的预测方法，它主要依靠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，市场经理再将各客户经理的预测结果汇总起来，根据实际货源情况，每个月由客户经理与代理商及零售商 “协议 ”一次，订单就根据 “协议 ”按产品大类和大约需求量简单一分了事。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，在本质上属于定性预测方法，使用这种方法对需求量进行准确预测，显然是有些先天不足的。
（2）定量预测方法存在的缺陷。定量预测存在的一个问题是基础数据要求量过大。预测者须注意到，不同的预测结果均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不同结论，它们均是在满足各自的条件、在各自环境及性能指标下是最优的结果，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停的变化之中，很难建立统一的、完整的准则来评价所得预测结果的好坏。而实际建模过程和基本数据生成机理表明，需求预测和生产计划管理研究改进方法还存在着局限性，远非一些数学模型那样理想，预测人员难以准确地定位某一种方法是最为合适的预测方法。事实上，在多种预测模型中，没有哪一种预测模型最好，更没有通用的数学模型，一种简单的经典模型并不能解决其对应的所有问题。在企业预测过程中，如果预测条件设置不当或使用了不适用于该产品市场特点的方法进行预测，就很容易导致需求预测偏离。因为预测过程中的各种计算和推测都是在假设过去和现在的规律能够延续到未来的条件下进行的，即预测对象在预测期间内不会发生太大的异常变化，而实际中未来的一些因素有时是很难控制的，因此市场不是历史的简单重复，通过企业已知的数据和因素来预测未来总会有偏差，而且未来也不会按照某一种趋势一直发展下去。
2.需求预测系统存在问题
（1）传统预测系统难以应对市场需求的不确定性和多样性。伴随着市场需求的易变性和多样性，以及信息与制造技术的加速革新和产品生命周期的缩短，供应链管理中的需求预测环节面临着越来越多的不确定性。在以客户为中心的市场环境中，需求的不确定性始终都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，即便对每一个顾客的需求都可以准确地了解，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，减少企业面对的需求多样性。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，那么这些没有被满足的需求（包括延迟交付、替代和丧失销售等）通常是不会在统计报告中反映出来，也不会被纳入到预测过程中，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采取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，预测的结果也不会有效。如果企业缺乏对产业和经济趋势、关键客户信息以及预测准确性指标重要性的应有认识，预测结果的有效性也会大打折扣。许多企业对市场规律的忽视都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。
（2）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，随着供应链中每一个上游企业使用下游企业的数据去做新的预测时，预测的误差因子会沿着供应链的层级以指数形式放大，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、交货提前期过短和供应链长短等。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，极易由此预测产生错误的决策，从而导致意想不到的后果。
3.需求预测管理存在问题
（1）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： 1）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。各部门对于需求预测的目标往往不同，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，生产部门基于存货单位（SKU，Stock Keeping Unit）的生产周期预测，物流部门基于 SKU的订单提前期的预测。 2）从预测人员来看：无法合理地给予预测人员绩效奖励，对本部门的贡献未给予奖励，或者采取平均主义均分绩效奖励，都会打击预测人员的积极性；另外，对预测人员缺乏足够的培训也是重要因素之一。 3）从预测模式来看：无法合理运用从上到下和从下到上的预测结合模式；错误地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，都不利于预测工作的开展。
（2）缺乏问责机制和全局观念。由于预测存在不准确性的风险，所以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对预测的准确性进行衡量，没有建立对预测失准的问责机制，更谈不上采取有效措施来提高预测准确性。预测不准确的原因很多，大多数问题出在预测工作的管理和流程上，如销售部门对销售额进行考核，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，人们很容易用一个外在条件的改变来解释预测结果的不准确，而没有通过对预测的好坏来进行适当的奖惩，从而达到激励和督促的效果。 （3）各种主客观原因产生预测误差。预测人员对市场的判断往往受知识、经验、时间、数据和方法等多方面的限制，不能对市场的未来发展做出全面地、科学的分析，导致预测的局限性。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呈现出主观预测方法较多、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弊端，导致无法约束未来的不确定因素。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。由于数据采集涉及到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。预测作为一种对未来的推测，很难用单一的数据结果来进行绩效评价。
另外，对于一些产品数量级多达数千或上万的企业，如果针对每种产品都进行预测，则所需的基础数据量相当庞大，若没有一个很好的预测系统和企业管理系统（如ERP或MRP等），根本就不可能进行有效的预测。而对于一些小企业，由于资源上的局限，即使有大量行业信息、市场历史数据，但使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是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
为了提高企业需求预测的准确性，预测工作应该具有前瞻性、全面性、客观性、及时性、科学性、持续性和经济性等基本要求，这需要通过以下方式进行改进和提高。
1.优化需求预测方法
（1）建立不同预测方法组合。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，都可能丢弃一些有价值的信息，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预测。其具体操作过程为：首先要明确和预测有关要素的范围和种类，包括地理位置、产品组合和客户群的需求；其次要明确每一个种类需求的区别，针对这些区别和不同特点，相应地选用不同的预测方法进行组合。
（2）建立协同预测方法机制。通过协同预测，供应商可以针对需求客户的不同库存策略和销售情况，配置自己的产能，这就减少了供应链的不确定性，同时与需求客户共同建立起持续改进的平台。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。简单的协同预测是在单层的代理商、零售商与供应商之间开展的，而在实际的商业运作中，原料提供商、运输商和仓库管理者等在供应链中都起着重要作用。如果将这些相关管理者纳入到预测体系中，则更有现实意义，这就是多层CF。多层CF是跨越了单层的多阶关系，并明确指出了在单层中未考虑的事项，包括：产品设计、产品导入、策略规划、商品管理、销售及营运规划、承诺产能、可获得利益、相对应的配置及其他。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系统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。现实中不乏这样的例子，例如：汽车行业的需求预测，已经非常好地实现了整车企业与上游配件供应商、配件供应商与其上游原料供应商等一条产业链的协同预测。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，讨论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。具体流程如图所示。
2.建立有效需求预测系统
（1）完善销售数据采集过程及建立需求预测分析体系。首先，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。其次，建立一种公平的利益分配制度，并对参与其中的各分销商进行有效的激励，防止机会主义。需求预测分析体系是一个帮助需求预测质量不断提高的系统，它包括三个部分：一是反应业务运作情况的指标。二是定期分析指标值、指标差异原因以及提出解决差异的措施，形成分析报告。三是对行动方案的执行进行跟踪并确保落实。
（2）建立新型销售和预测管理系统。管理系统功能核心体现在对市场的预测、对销售人员的管理、对项目销售的管理和对供应商的管理，主要包括以下功能：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、业绩考核和销售合同管理。运用新型营销管理系统，预测人员能不断地用 “云技术 ─云计算 ”跟踪用户的需求进展，建立、完善需求计划。科学的预测体系的形成是一个渐进化的过程，需要信息的社会化、方法的现代化、市场预测专业人员复合性知识的沉淀积累等基本条件。
（3）消除信息孤岛，形成高效的信息共享和集成机制。信息共享可以起到两个作用：第一避免多层预测，减少批量定货，从而降低库存率及订货资金。第二，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。要实现信息共享，就要做到各个节点企业的合作，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，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。比方说建立信息沟通的桥梁和系统，以保证信息的迅速共享，并将条形码技术、扫描技术、 POS系统和 EDI系统相结合。企业应利用互联网的优势，在供应链各方建立起共享数据库，从而从根本上保证数据采集的准确性。同时企业还需要建立销售数据库，从历年的销售数据中去发现需求规律，用于需求预测，这也可以提高预测的准确性。合作与协调的目的是使满足一定服务质量要求的信息可以无缝地、流畅地在供应链中传递和共享，从而使供应链能够实时响应客户的需求，形成更为合理的供需关系。同时，在供应链决策体系中，由于个人理性的有限性、外在环境的复杂性和不确定性、信息不对称性和不完整性的存在，企业只能靠高度的部门合作与协调来解决这些问题。消除各个部门之间的信息壁垒，减少彼此的不信任感，达到完全的资源共享，让跨部门、跨职能的沟通、合作成为一种必须和必然，使得预测管理成为一种联动的机制，从而达到最优的预测目标。 （4）建立快速反应和缩短订货提前期的机制。设计合理的组织结构和控制策略，保证对预测误差的快速反应。根据企业设定的客户服务水平的不同，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做出快速反应，比如可以建立应急机制处理可能出现的加急订单或延迟交付问题。但应当注意，应急处理的成本是非常高的。企业有时面临的市场变化速度远超过了预测所能够预见到的速度，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。
3.改进需求预测管理
（1）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，须确定明确的效果评估方法，来评价预测的准确性和时效性。具体说： 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于竞争战略、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虑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。
（2）衡量预测准确性的指标通常有四种： 1）代数离差（ ET）：一段时间内实际需求量与预测需求量的差异。 2）平均绝对离差（ MAD）：多个时间段里代数离差绝对值的平均数。3）预测百分误差（MAPE）：代数离差绝对值占实际需求量的百分比。 4）需求预测标准差（ SD）：多个时间段里代数离差的标准差。分析预测的误差时要全面考虑：一是要考虑理论预测误差，即在选用预测方案之前，利用数学统计模型所估计的理论预测值，与过去同期的实际观察值相比而产生的误差（即理论预测误差），然后分析、改进和选择较为合适的数学统计模型；二是要考虑实际预测误差，即选用预测方案之后，追踪、检查预测方案的实施结果是否合乎实际的情况，分析预测误差的大小以及所造成的原因，总结经验教训，进一步改进今后的预测工作。应该注意，预测是何时做出的，是根据哪些信息做出的，其细致程度如何等问题，必要时，组织专家小组进行独立预测，根据他们预测的差异来测定预测精度。另外，将异常统计数据从预测模型中清除对提高预测的准确性有着非常重要的意义。异常数据是距离正常情况很远的数据点，其合理性值得怀疑，应当与正确数据点区别处理，应当避免这些需求数据进入预测系统，因为异常数据对预测准确性的影响是非常大的，而且并不是时间序列上突然某个数据点特别高或特别低那么简单。
（3）建立滚动修正的机制。需求预测是周而复始的，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，定期滚动修正企业的需求预测体系。在对需求预测的结果进行不断滚动修正的过程中，若发现预测结果与实际结果的偏差持续增大，这表明预测的方法或技术有误，应立即对预测方法的本身进行修正。如果产品销售偏差发生突然性的变化，这表明该偏差信息可能隐藏着市场风险的前兆，应作为市场风险警报的重要参考，需要进一步分析偏差发生剧变的原因并发出相应的警报。修改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。得到的预测结果经过预测者根据过去的预测误差和特殊事件进行调整，最终得到当期的需求预测结果。这是一个周而复始的过程，经过一段时间的积累，需求预测结果会与实际需求数据接近或近乎相似。另外，开发并使用一个可重复、跨功能并可衡量的预测控制流程。闭环预测系统可以通过使用适当的预测反馈，不断修正预测过程。
（4）设计多维度的预测绩效评价标准。古人之言，“奖罚分明，方可鼓气势，显公平”。对于预测的岗位或工作，切不可只重口头宣传。预测工作多维度的评价对于预测人员的积极性和责任心会是一种激励。在这个组织中，奖金分配、职位提升和对工作人员的评价都依赖于预测准确性的提高。这样一方面可以促进预测人员与其他业务部门的交流和沟通，另一方面可以更好地推广预测结果的应用，反过来也可以促进预测人员对于预测机制的改进。
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众多因素，比如参考数据的真实性，突发事件的及时更新性，业务人员的努力程度等。企业应综合考虑预测精度的提高对于相关部门业务的贡献，特别是需要考虑对于企业最终利润的影响，毕竟企业的任何商业行为都是以获取最大利润为根本原则。
本文研究所设计的评价指标体系包括流程性指标和效果性指标两大类，具体评价指标及方式如下表2所示。
五、结语
随着市场经济的不断深入，企业间竞争的不断加剧，无论从主观上还是客观上，需求预测工作都已经越来越被承认和重视。做好企业需求预测，需要在以下几个问题上达成共识。
（1）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。如何帮助顾客将其拥有的与需求相关的隐性信息转换成显性信息，做好需求预测管理，是预测人员工作的重中之重。当然，预测精度的大小取决于预测人员素质的高低和经验的多少，预测人员必须具有很强的责任心和一定的实践经验，同时应尽可能多地去了解用户需求，掌握市场需求动向。因此，预测准确性的提高很大程度上是对整体预测流程的管理和团队素质的提升。企业的需求预测不是数学问题，而是采用特定数学技术的管理问题。采用一些实用的预测管理原则，将有效地提升企业需求预测管理水平，在减少企业库存量的同时提升客户服务水平。
（2）更好地了解和预测用户需求是需求管理的核心问题之一。要确保信息的真实、相关、完整、准确的系统性原则，系统性与针对性相结合，及时性和有效性相结合。需求预测和实际需求的关系，应该是相互独立又关联的，前者决定后者，而不是后者决定前者。整个需求链最终价值的实现有赖于终端用户需求的满足，“需求驱动”或者叫做“由外到内”的思维方法不仅对于贴近用户的分销环节意义重大，对于供应链上游的制造环节同样重要。所以对传统分销渠道进行变革，更好地了解和预测用户需求是整条供应链要解决的核心问题。
（3）数据是基础和出发点，管理是核心，技术是支撑手段，而独立客观的分析则是贯穿需求预测全过程的主线。由于实际的市场需求情况错综复杂，影响因素众多，因此进行预测时，不能简单地依靠某一个理论或套用某一个模型加以预测，要综合考虑各个方面的情况。在以数据为基准进行预测时，也应借助于经验判断、逻辑推理和统计分析等方面的预测判断，事先估计可能超出预测误差承受范围的情况，准备足够的后备补救手段，将风险控制在企业可以承受的范围内。同时还应获取高层管理人员的支持，能够独立客观地开展需求预测，在此基础上制定业务规划，然后再修正原有的需求预测，并通过沟通、协调和合作鼓励建立共同目标，最终达到市场和企业的共赢。
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，赢得高信誉或美誉度。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。