需求是企业整个供应系统的源头，预测的不准确，必然会导致供应链处于被动应对的低效运营状态。现代公司的经营活动大部分都依赖于需求预测，如营销计划、生产计划、物流计划等都受到需求预测的影响和制约。高效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，需求预测对于供应链部门十分重要。

需求预测根据历史的销售状况、库存策略、供应商交货周期及物流运输能力等，结合现在和未来出现的各种可能性，应用现代管理技术和统计方法，模拟不可知的或复杂的中间过程，对产品未来需求量进行一种多维度的分析、估计和判断。

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)预测总是不准的。

(2)对一类产品的需求预测比单一产品的预测更准确。

(3)短期预测比长期预测更精确。

(4)用量少、需求不规则的预测准确度低。

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、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。

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该主要考虑以下几个方面：预测的对象、预测的范围、预测的期限、预测的精度、数据的数量、预测的费用以及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、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。

需求预测中的牛鞭效应

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：

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：

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，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，再根据实际货源情况，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停的变化之中，很难建立统一的、完整的准则来评价所得的预测结果好坏。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。

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)通常是不会在统计报告中反映出来的，也不会纳入到预测过程中，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、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，从而导致预想不到的后果。

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求。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等;(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，从而打消预测人员的积极性;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，对于预测精度不做评估，或者主要基于其它因素开展预测绩效评价。

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的、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的。