可以说，预知未来是十分迷人的神力，每个人都幻想拥有这种能力。在经济生活中，预测能力越来越成为企业实力的重要体现。预测的准确性是衡量供应链是否高效*重要的指标，也是建立供应链优势*关键的要素。那么，企业如何能够提升预测分析能力？如何利用这种能力使供应链体系运营更加高效？赛仕软件（SAS）有限公司高级咨询顾问李波先生为我们做了详尽的解答。

 

　　记者：我们知道SAS软件公司在数据分析软件开发上，尤其是需求预测软件开发上有着丰富的经验，能不能为我们简单介绍一下贵公司的情况？

 

　　李波：SAS 全称为Statistics Analysis System，于1976年正式推向市场。SAS是用于决策支持的大型集成信息系统，*早的功能限于统计分析，至今，统计分析功能也仍是它的重要组成部分和核心功能。

 

　　经过多年的发展，SAS软件已被全世界120多个国家和地区的近三万家机构所采用，直接用户则超过三百万人，遍及金融、医药卫生、制造、运输、通讯、政府和教育科研等领域。在数据处理和统计分析领域，SAS系统被誉为国际上的标准软件系统，并在1996～1997年度被评选为建立数据库的首选产品。

 

　　记者：现在很多企业都把优化供应链作为提高竞争力的途径。那么，需求预测的能力在供应链优化中能起到怎样的作用？

 

　　李波：需求预测、销售预测直接关系到企业对市场的把握。现在有一种观念认为，销售预测的准确程度已经成为衡量一个供应链是否高效的重要指标。因为在供应链上，销售预测是一个龙头。

 

　　以某服装企业的CPFR供应链项目为例，按照这个项目的计划，把销售预测数据输入系统后，系统会根据这些数据推算从制造到物流再到库存在全年的情况，以指导供应链上各个环节的运作。这个想法非常好。但是系统上线后发现一个问题，*初的销售预测都是各地经销商拍脑袋想出来的，预测数值与实际销售数值差异太大，误差超过100%，结果导致成倍的波动。所以，如果销售预测这个龙头出现问题，以错误的数据为指导的生产、物流环节执行得再好也没有意义，也改变不了整个供应链低效的事实。因此，要做好供应链管理，做好一个CPFR项目，准确的需求预测是必备的。

 

　　记者：需求预测、快速响应和库存控制三者之间有怎样的关系？

 

　　李波：准确的预测不仅能大大提高快速响应的速度，还能够降低供应链上的库存。以服装行业为例，我们的软件不可能做每个SKU，或者说对每一种商品的销售预测都十分准确，只要做到同一大类产品的销售预测值准确就好了。因为即便我们对每个SKU的销售量进行预测，这个数字也会和实际情况有差异。而同一类产品生产所需的原材料基本上是相同的，版型也是相同的，这些都可以提前作好准备。即使单个SKU的销售情况与预测值出现差异，相对而言，整个系统所作的调整也会比较小，调整时间也会大大缩短。

 

　　SAS有一套库存优化软件，可以进行综合预测和库存优化。系统中有一些重要指标，其中之一是企业能容忍的缺货率。通常，缺货率低，库存就要上升，客户满意度会上升；相反，缺货率高，库存成本能降低，但是客户满意度也会下降。SAS软件会根据企业的经营策略，自动计算、平衡各种因素，自动计算出一个安全库存，自动生成补货订单的数量和时间。之前的ERP软件也有这个功能，但是它的安全库存数是一个静态的数值，是企业根据经验确定后人工输入的一个数值。其实安全库存这个数值对企业来说特别重要。SAS软件的特点就是，通过综合考虑各个相关因素，包括市场预测、历史数据、市场满意度概率、库存成本等，来自动计算出一个安全库存数，而且这始终是个动态的数值，始终根据市场的变化来调整。很多企业都有好几级的仓库，例如中心大库、区域配送中心、门店的仓储等等。其实所有的库存最终都是为了满足市场的需求。由于整个供应链系统是分层考核，每一层都需要一定的库存来满足下一层的需求，这样就导致这个供应链上的库存往往远大于市场的需求，也就是所谓的牛鞭效应，造成供应链效率低下，运营成本增加。

 

　　但是优化整个供应链有一定的难度，因为首先优化不能降低各个层级客户的满意度。此外，还有一个要求，尽量避免调货。因为有的产品在一个地方是滞销的，但是在另外的地方可能是畅销的，如何调配？其实调货的成本是很高的，而且周期较长，很可能中间物流用掉的一两周的时间，已经错过了销售的*佳周期。

 

　　记者：现代企业大都有完备和功能强大的信息系统支持企业的日常运营，而且他们的经营者往往在这个行业淫浸多年，有着丰富的经验，这种情况下，为什么还需要需求预测分析类软件？

 

　　李波：要搞清楚这个问题，我们首先要明白预测的原理是什么。从古至今，人们预测的方法大致分为三类：第一，定性(Qualitative)预测方法：在没有较充分的数据可利用时，只能凭借直观材料，依靠个人经验和分析能力，进行逻辑判断，对未来作出预测；第二，因果关系(Causal)预测方法：使用回归分析法，从事物变化的因果关系出发来进行预测；第三，时间序列分析(Time Series Analysis)预测方法：按照时间的顺序把随机事件变化发展的过程记录下来就构成了一个时间序列。对时间序列进行观察、研究，找寻它变化发展的规律，预测它将来的走势就是时间序列分析。预测软件的基本原理就是运用第三个方法，即承认事物的变化发展是有规律的，并依据之前的数据来推演事物未来的变化。

 

　　当一个企业需要做需求预测或销售预测的时候，个人的经验当然十分重要。但是，在信息爆炸的时代，市场信息瞬息万变，各种变量、影响因素十分复杂，往往是个人难以掌控的。

 

　　而传统的ERP/SCM系统缺乏分析深度，之前很多企业运用EXCEL表格来做统计、预测。这个软件也能构建一些简单的预测模型，例如平滑指数模型等等。但是相比较之下，SAS软件的预测功能十分强大，因为SAS公司同很多全球知名的大学和科研机构合作，软件内置了大概70-80个预测用的数学模型，这些模型都是一些复杂和专业的数学算法，一般的用户很难自己开发和使用。有些专业的用户可能自己开发出一种或几种数学模型，但是很难把这么多数学模型综合到一个软件中去。所以企业需要专业的软件来帮助他们做需求预测分析。

 

　　记者：需求预测如此重要，那么，企业该如何做好预测？在做需求预测的时候应当注意哪些问题？

 

　　李波：首先，企业要有一个合理的预测准确性的预期。完美的预测是不可能的，无休止地追求这一目标是毫无道理的。预测的精确度受预测对象的自然特性所限制。就各个行业来说，服装行业的销售预测是*难做的行业之一。服装销售的波动性特别强，因为影响服装销售的外在变量因素很多，如市场计划、广告投放、天气、节假日、突发事件等等。SAS软件的优势就是能够允许更多的变量添加到计算中去，从而提高预测的准确率。对于服装企业来说，销售预测的准确率如果能达到50%，对企业就具有非常重大的意义。

 

　　其次，做好一个预测系统需要长远的规划，即越早做越有利，不要等到必需这个系统不可的时候再上马，那样将为项目实施带来非常大的难度。之前，企业大都已经接受了业务类软件，例如ERP、供应链管理软件等，它们主要帮助企业完成了信息电子化和信息的准确性。但是这些数据一旦有了，企业应该更多去挖掘这些数据的价值，让数据真正为企业带来利润，这就需要分析类软件了，包括预测软件。以我们做过的一个非常成功的案例——宝钢。宝钢使用我们的分析系统已经有二十多年，它的分析系统和执行系统是同时构建的。宝钢的执行系统，例如ERP，*初就把数据复制存储起来，这样就利于后期的分析。而如果一开始一个信息系统没考虑要介入数据分析的问题，之后再加入数据分析、需求预测的系统，项目难度就比较大了。因此，企业不要等到离开分析系统不行的时候再考虑上马软件。

 

　　再次，需求预测、数据分析依赖以往的数据，所以要注意数据的质量和分类方法。其实，上马数据分析软件对数据的积累和质量的提高有很大的帮助。每个企业的数据质量没有需求的话不会变好，而分析系统的上马会促进数据质量的改善。另外，分析系统需要对一些产品的分类更科学。

 

　　以服装行业为例。服装销售预测难做，除了变量多以外，还有一个重要原因是很难积累历史数据。其实预测软件的原理是拿销售历史来推演未来的情况。而服装往往一款产品卖完了就不会再生产了。因为作为时尚产品，服装是不断变化的，款式不断翻新。而且服装销售的特点往往是，今年销售好的颜色和款式，来年一定会滞销，因为消费者是追求多变的。所以服装销售预测是非常难的，特别是单品的预测，单个SKU的预测几乎是很难准确的。为了应对这种情况，SAS软件有一个非常好的处理方法，就是按服装的类别来预测。因为服装的大类变化是不大的。这就涉及到一个问题，如何分类。我们在做项目时发现，有些企业的产品分类不是十分合理。因为很多公司的产品分类是IT部门做的，这种分类更多是为了在信息系统中运行得便捷，却很难真正对应市场中的销售情况。一般分类的问题是分类过粗或过细。例如运动裤中，分类细到了七分裤和六分裤，但是消费者都把它们当成短裤来看待。另一种情况是分类过粗，例如把休闲服装统统作为一大类。我们会帮助客户重新构建分类标准，把之前的数据重新输入到新的分类标准体系中去，然后按照这个体系再去推算销售预测的数值。一般我们推算的小类产品的销售数值的准确率在90%以上。但是一个小类中，一个款式中，更细的分类中，例如每个SKU的预测，难度就加大了。但是服装销售的规律是，在畅销的小类产品中，可能有20个左右SKU产品，往往畅销前三名的产品就能占整个销售的一半以上。SAS软件会对每个SKU产品做竞争力分析，把重点的计算能力放在排名靠前的产品上。抓大放小，这样就大大提高了销售预测的准确性。

 

　　最后，数据分析和需求预测是一个持续优化的过程。在服装行业，我们在一个销售周期会做两类预测：季前预测和季中预测。季前预测是预测产品的生命周期，是在服装上市前做出预测;季中预测是根据一段时间的销售情况对之前的预测作出调整，用更准确的预测来指导企业之后的生产与销售。季前预测主要是预测总量，季中预测主要是预测出更准确的数据，并且是按照时间分段的数据，这样才有利于组织生产、物流等等。

 

　　预测的目的就是要面向未来做管理。在预测的基础上，产品上市一两周的时间，我们大概就能看出各款产品的销售情况。这时企业就需要马上做出管理上的调整：超出预期畅销的产品，要做好补货和调货的准备；销量没有达到预期的产品，要做好促销打折的准备。要防止出现断货和滞销的情况，因为如果出现那种情况再去补货往往是来不及的，可能就会错过*佳的销售时期。

 

　　分析软件是要不断运营，持续改进的。因为市场环境不断变化，预测是需要不断调整，持续进行的。另外，每个企业的数据是不同的，不可能完全拷贝其他成功企业的模式。在其他企业成功的数学模型，可能在这个企业就不适合。所以每个公司的预测软件系统是更加个性化的，但同时也是更不容易被别人复制的。