在需求计划的发展历程中，销售兼职计划，即一线销售提需求，是常见的一个阶段。要求一线销售提需求的逻辑呢，一方面是业务缺少重复性，比如项目驱动；另一方面是销售更加接近客户，因而处于更好的位置做预测。其实，这都是误区。企业习惯性地低估业务的重复性。即使是项目驱动的业务，虽然项目本身的可重复性较低，但不同客户、不同项目需要同类产品的重复性还是相当高。销售离客户更近，只是说他们有更好的判断，并不意味着他们有更好的数据。没有人知道得比数据更多。即使简单的数据分析，也可以给我们很多信息，那些销售没有能力提供的信息。

    在下面案例里，我们来对比两种需求预测的方法：一种是一线销售提需求，案例公司在用的方法；另一种是计划单纯依赖需求历史，用简单的指数平滑法做预测。通过对比6个月的累计预测误差，我们发现，对于需求频繁的产品，计划用简单的指数平滑法就能打败销售提需求；对于需求不频繁、客户集中度高的产品，销售的需求预测准确度更高。我们的建议是，按照需求的特点对产品产品分类，区别对待，分别由合适的职能（计划或销售）来主导需求预测。

案例背景

    案例公司的客户虽然遍布多个行业，但有个共性，就是脉动很快，产品生命周期越来越短，需求变化也很频繁，导致需求预测准确度低，紧急需求频发。

    更为挑战的是，客户的定制化需求多，有三分之一的产品是独家客户。独特需求多，需求变化快，系统地增加了该企业的管理难度。作为应对，该企业就采取一线销售提需求的做法，让每个销售每月预测未来三个月的需求，通过信息系统提交，驱动供应链采购、补货。其初衷呢，是把决策权下放给一线最熟悉的情况的人，就像“让一线呼唤炮火，让听得见炮声的人决策”一样。

    但是，一线销售提需求，自然有一线销售提需求的问题，那就是预测准确度低，特别是那些需求频繁且相对稳定的产品。对该企业来说，此类产品大致占料号总数的10%左右，却占公司40%的风险库存[1]，根本原因呢，就是一线销售的需求预测质量差。按理说，这些料号的需求相对稳定，可预测性好，不应该造成太多的风险库存。

    为了进一步分析，我们导入13周频率的概念，来量化每个产品的需求频繁度，按照需求频繁度来把产品分成几大类。13周频率指在过去的13周里（1个季度），有多少周有需求。比如13周频率为5，表明在过去13周里，有5个星期有需求。这里的判断标准很简单：在特定的一周，如果有需求，那就是1；如果没有，那就是0。把13周的值累计起来，就得到该产品的13周频率。13周频率越高，表明需求越频繁；需求越频繁，需求的稳定性也越好。26周频率、12月频率的概念类似，为我们分析产品的需求特性提供了一个独特的视角。

根据需求的频繁度，我们把该企业的产品分为三类：

·   第一类是可以预测的“短尾”，在这里定义为13周频率在9或以上。“短尾”占该公司总产品的10%左右，需求频繁，而且稳定。

·   第二类是难以预测的“中尾”，在这里定义为13周频率介于3和8之间。“中尾”占该公司总产品的40%左右，需求相对频繁，但不稳定。

·   第三类是不可预测的“长尾”，在这里定义为13周频率在2或以下。“长尾”占该公司总产品的50%左右，需求非常不频繁，而且很不稳定。

长尾”难预测，为什么“短尾”也计划不好？

    在很多人眼里，我们的最大挑战是不可预测的“长尾”产品，因为需求不频繁，而且很不稳定，很难找到合适的需求预测与库存计划方法；可以预测的“短尾”应该好对付，造成的库存问题应该最少。就案例公司来说，情况不是这样，就如图1中所示，“短尾”需求占总料号的10%，却造成40%的风险库存，意味着销售提需求的需求预测方法可能有根本缺陷。

预测准确度对比

    我们拿该公司的一个客户为例，来评估销售提需求的预测准确度。这个客户有多个分公司，共向案例公司采购几百个产品（另有几十个产品，因为数据不全而排除在这个案例分析之外）。针对该客户，案例公司有几个一线销售，由一个大户经理领导。每个一线销售每个月提一次需求，结合客户提供的预测和自己的计算、判断，确定未来三个月的预测。每次由几个销售预测各自分公司的需求，轮流由其中一个整合起来，形成该客户的总预测，录入信息系统，驱动供应链来采购和补货。

    对于该客户，我们提取半年的销售预测（2016年11月到2017年4月），计算6个月来的累计误差（下称销售的预测）。同时，我们用指数平滑法[2]，完全基于需求历史做预测，计算6个月的累计误差（下称计划的预测）。两者的决策都不可逆，意味着做过的预测不能调整，下过的订单不能取消，但可调整新增月份的预测。需求预测的准确度用绝对值，用6个月的累计误差的绝对值，除以6个月的实际需求。这里比较的是“更准”还是“更不准”。比如某个产品的实际需求是100，销售的预测是140，计划的预测是150，销售与计划的预测都不准，但销售“更准”。

    我们根据13周频率，把这个客户采购的几百个产品分类。13周频率为0，表明过去一个季度（13周）没有实际需求，这类产品的需求频率最低；13周频率为13，表明过去一个季度每周都有需求，这类产品的需求频率最高。针对每个需求类别，我们对比两个预测的准确度，发现需求频率越低，销售的预测准确度相对越高；需求频率越高，计划的预测（指数平滑法）更准确。

具体而言，对于慢动产品（13周频率

谁的预测更准？销售还是计划？

    我们进一步从销货成本的角度来分析。这里的逻辑是，你可以把一个产品预测得很准，但如果这个产品没什么销售额，那么对企业的影响也没什么。在这里，我们按照需求13周频率，计算每一个门类在统计期间（半年）的销货成本，即产品的单位成本乘以销量，转化成金额，发现计划的预测准确度优势更加明显。比如就料号数而言，销售在55%的料号上不比计划的预测准确度低；但就销货成本而言，计划在70%的金额上比销售的预测准确度更高。

    这有点拗口。用直白的语言讲，就是销售虽然在更多的料号上预测更准，但从营业额（销货成本）的角度看，那些料号的业务量并不大。我们的猜想是那些产品是处于某种过渡阶段，比如导入或者导出，引起销售的重视，因而销售的预测准确度较高；此类产品的需求历史可重复性低，基于需求历史的指数平滑法（计划的预测）就不甚理想。但是，正是因为此类产品处于过渡阶段，没多少业务，所以在金额上没多大影响。

    此外，销售更在意的是增量，而非存量，或许也是部分原因——一般情况下，需求频率越高，业务也是越稳定，也越是存量而非增量，销售就越是不在意。这或许从另一个角度解释了，对那些需求频繁、稳定的产品，为什么销售的预测质量不如计划人员的。

谁的预测更准？销售还是计划？

    但不管是基于料号数还是销货成本，有一点是清楚的，那就是对于需求频繁的产品（这里定义为13周频率>=9），销售的预测准确度明显不如一个简单的指数平滑法。也就是说，在那些预测性最高的“短尾”需求上，销售做的需求预测反倒没有优势。一般情况下，销售提需求，数据分析不够；从判断开始，由判断结束。对于这些需求相对稳定的料号，没有人知道得比需求历史更多，这就是为什么一个简单的指数平滑法，就能轻而易举地打败了一线销售。

    这就是说，需求越不频繁，判断的成分越多，越得依赖销售、市场、产品管理等接近客户的职能；需求越频繁，需求历史数据的作用越大，越可以依赖计划职能基于数据来预测。对于需求频率低的产品，也就是那些“长尾”、“中尾”产品，企业的自然反应是依赖销售，以销售为主设计了需求预测机制，那就是销售提需求。但是，企业把那些“短尾”产品也不加区别地给销售，造成“短尾”产品的诸多问题。

    所以，对于企业来说，我们不能被那些不可预测的“长尾”所蒙蔽，而忽视了“短尾”问题；我们不能光围绕“长尾”问题设计解决方案，而导致在“短尾”上制造更多的问题。放在这个案例中，就是为应对那些客户集中度高、需求不频繁的产品，就让一线销售提需求，做预测；但不加区分地让一线销售负责所有的产品，却造成对需求频繁、稳定的产品预测准确度低，导致更多的短缺和库存问题。

销售是怎么做需求预测的

    跟负责这个客户的大户经理谈。他说，这个大客户有好几个分公司，每个分公司有专门的销售负责对接。每个销售负责自己的需求预测，要么是客户提供，要么是自己算，最后汇总到一起，成为这个大客户的需求预测。问：谁在负责汇总？答：几个销售人员轮流。这是典型的兼职行为：每个月都是不同的销售来整合，增加了历史经验传承的难度，因为自下而上地汇总预测，并不是简单地加起来，而是有一定的调整；但轮流坐庄时，这次汇总预测的销售并不能从上次、上上次的调整经验中学到多少东西，因为上次、上上次是别人做的，至于别人如何调整，不知道。再看看每个销售是怎么做自己的预测的。他们主要是依赖客户的各分公司提需求，一般一个月一次，由销售人员每个月两次修正。客户提的是3个月需求。他们根据生产计划乘以单机用量，加上安全库存，扣掉手头的数量，乘以份额，就是给销售的预测。问：客户的什么人做预测？答：客户的采购自己做——又是兼职做计划。销售也会按照客户的方法来验算。不过销售更加远离客户需求，自己算的准确度有多高，值得怀疑。客户的采购加上该公司的销售，都是兼职做计划，数据分析不足，职业判断有余，或许部分解释了为什么需求预测不理想。

    无巧不成书。案例公司的这个客户也来参加我们的公开课培训，其中有一位学员就是负责流程优化，他的老大难就是需求预测，听他讲起种种挑战，让人联想到的第一个词就是“一地鸡毛”。整体绩效也是让人一声叹息：营收达好几百亿，净资产收益率只有2%多一点，不如把门关了，把钱存银行。这并不是偶然：过去10年间，该客户只有3年的净资产收益率超过3%（印象中，银行的定期存款利息都在3个点以上）。盈利这么低，根本原因是管理水平低；管理水平低，需求预测、库存计划等自然做不好，直接影响到供应商。

    在这个案例中，案例公司和客户都处于需求预测的第二个发展阶段：兼职做预测——客户的是采购，案例公司的是销售兼职。兼职做预测，根本问题除了资源投入不足，就是数据分析不够，表现在业务量大的产品上，兼职预测的质量远不如简单的预测模型，比如指数平滑法。

    那解决方案就可以考虑区别对待：针对产品的特性，需求不稳定、客户集中度高的由销售主导需求预测；需求频繁稳定、客户较分散的由计划人员来主导。企业常见的挑战是胡子眉毛一把抓，管理方法上缺乏差异化，围绕“长尾”需求设计了销售提需求的解决方案，不加区分地用在所有的产品上，结果造成“短尾”需求上更多的问题，那些本来可以避免的问题。