五分钟迅速了解预测的三条著名原理

关于预测你需要知道的事。

预测是供应链中广泛使用的方法，比如我们要预测未来的销售额、库存、运费等等，预测的目的是想要根据现在的情况，来推测出未来的结果，为决策找到依据。关于预测有三条非常著名的原理。

一 预测永远都是错误的

这简直是“开屏暴击”！既然预测都是错误的，那我们还在讨论什么？！大家先不要急着点击退出键，让我先解释为什么说预测是错误的。

以销售预测为例，想要精准地预测出上海所有的肯德基门店每天卖出的炸鸡块数量，难度堪称是海底捞针。

原因是销量数字是一个连续的变量，是一个很大的正整数，想要从这么多数字中准确地预判到实际的量，这几乎是MissionImpossible。

再比如说，我要预测我的月末的库存金额，而我现在持有的库存高达9位数，想要预测到准确数字的可能性几乎为零。

预测存在着巨大的不确定性，很难捕捉到它，这就是为什么说“预测永远都是错误的“。

不过呢，我们也不用气馁。虽然预测很难，但是我们可以找到预测的错误区间，也就是说，准确的数字就在这个区间之内，我们把预测的结果看作是一个范围，一种指引，告诉我们正常的方向。

例如，我们的需求量正在减少，已制定的库存策略是降低库存金额，我预测出库存会逐渐下降，当期的数字应该体现出低落的趋势，这说明我们采取了有效的行动，控制住了库存。

由于预测和实际结果之间永远存在偏差，有些人会说“既然预测是错误的，那么我们就不要做了”。

这种观点是不正确的。预测虽然是错误的，但它提供了一个范围。我们跟踪预测的误差，然后就可以优化流程，调整模型或参数，最终提高预测的准确性。

二 近期预测的准确性高于远期的

这是最容易理解的一条原理。大家可以想象一下天气预报，气象台预测明天的天气一般都是很准的，气温是几度，会不会下雨，准确率高得惊人。

预测明天的天气很容易，但是预测三个星期以后的天气就很难了，相信大家都有这方面的经验。

这种现象是非常合理的，我们对于未来短期会发生的事情更有把握。

举个例子，如果要我预测下周会发运哪些客户的订单，我可以拍胸脯告诉你结果，因为我知道许多订单已经完成了，就在仓库里。

运输车辆都已经安排好了，而且是常年合作的运输车队，不出意外的话，是可以按照原先的计划出货的。

我对于未来一周的运营情况很有信心。但是要我预测三个月以后的订单出货就比较难了，因为供应链存在许多不确定性。

工厂的设备可能会出现故障、生产的原材料可能供应不上、或是客户所在城市出现了疫情，物流可能被中断。

这三个月内发生的任何事情，都可能会影响到原来的计划，必然会降低了远期的预测准确率。这是难以避免的事情。

正是由于预测的这个特点，有经验的人会利用短期预测，从而提高准确率。

餐馆老板会根据天气情况，结合历史销售额，推测翌日客流量，然后再决定备货数量，就可以更精准估算进货量，降低热销菜品缺货风险，同时减少食材浪费。

三 汇总的预测比分离的预测更准确

汇总和分离在供应链中的术语分别是Aggregate和Disaggregate，从单词的前缀上看得出它们是一对反义词。

我们在做预测的时候，通常都是针对一个较为分离的目标，比如预测一家肯德基门店里每天的炸鸡块销量，这里涉及到了三个维度，分别是地点、SKU和时间。

地点是某地的一家门店，SKU是店里销售的炸鸡块，而时间是每个营业日。此类的预测是很正常的，是高度分离的预测水平，这就是所谓的Disaggregate。

分离预测的准确性往往是比较低的，炸鸡虽然美味好吃，但我们也不会天天吃，肯定要换换口味，比如吃个蛋挞。离散的需求一般很难把握得住。

再比如说，某种颜色的体恤衫的销售就是分离预测，我们很难预见到蓝色、黑色、黄色或是粉色衣服各能卖出多少件，因为个体商品销售的波动性太大了。

如果我们把这些体恤衫的销量汇总起来，从产品系列Productfamily的层级上做预测，可以提高准确率，这就是汇总Aggregate。

假设在产品系列里，每个SKU的预测过高和过低的可能性是一样的，低估往往能平衡高估的数字，它们可以相互抵消。

这是一种非常奇妙的现象，它的原理是风险汇总 RiskPooling，意思是把个别的风险合并到同一个池子里，而池子里的总体风险往往小于流入池子的所有风险的平均值。

风险代表的是不确定性，波动性越大，不确定性也就越大。在统计学中，我们使用变异系数（Coefficientof Variation，简称CV）来反映波动性，计算方法是用标准差StandardDeviation (σ)除以平均数(μ)。

假设四种颜色体恤衫的销售量都有相同的标准差和平均数，如下表：

它们的变异系数都等于是0.4，这也是CV的平均值。如果我们计算四种体恤衫汇总的变异系数，就会得到这样的结果。

汇总的平均数是简单地用100乘以4，得到了400，而汇总的标准差却只有80，这是为什么呢？

因为根据标准差的计算公式，它需要乘以√N，也就是√4=2。这样一来，平均数乘以了4，而标准差只乘以2，CV就变成了0.2，也就是说汇总后的波动性和风险更小了，更加稳定了。

这一段文字有些烧脑，其中包含了统计学的知识，如果没接触过这些内容的同学可能理解起来有些费劲。

不过没关系，我们只需要掌握这条预测的原理，那就是汇总的预测比分离的预测更准确。

事实上，在我们的生活中有许多这方面的应用。

在我的《供应链管理起源于日常生活，一间上海街头早餐铺子给我的启示》这篇文章中，早餐店老板很难预测每天会有多少顾客购买淡浆、甜浆或是咸浆，他非常聪明地把这三种产品汇总在一起进行预测，并巧妙地设置了推动和拉动的平衡点。

老板既提高了预测准确率，也加快了订单响应速度，减少了食品浪费。这是经典的供应链延迟策略，它利用了汇总预测更加准确的特点，降低了波动性和风险。

汇总不仅可以从SKU产品角度入手，也可以从地点和时间维度上展开。我们把某地区所有门店的销量汇总起来预测，准确性肯定高于单个门店。预测一整年的销售情况，肯定比某个月份更加精准。

理解预测的三个原理，可以帮助供应链人员更好地使用预测工具，为决策提供洞察，制定合适的策略。

作者：卓弘毅  来源：弘毅供应链