比如說，一個好的預(yù)測，除非是重復(fù)性非常低的長尾需求，是“從數(shù)據(jù)開始，由判斷結(jié)束”：由計劃職能做好數(shù)據(jù)分析，在歷史數(shù)據(jù)的基礎(chǔ)上做出基準預(yù)測，再由銷售、市場、產(chǎn)品等職能根據(jù)促銷、活動、新品導(dǎo)入等做調(diào)整，最后得到一個“準確度最高的錯誤的預(yù)測”——所有的預(yù)測都是錯的，但整合了歷史信息和專業(yè)預(yù)判的預(yù)測錯得最少。在這一流程中，計劃和供應(yīng)鏈抱怨最多的就是銷售的不作為：銷售是強勢職能，不愿意提供判斷，我們也拿他們沒辦法。不過想想看，做砸預(yù)測，是不是符合銷售的利益訴求？當然不是。所以這事兒可能遠沒有看上去那么簡單。

舉個例子。我到一家公司，問他們的計劃經(jīng)理，你“從數(shù)據(jù)開始”，分析每個產(chǎn)品的需求歷史，比如前三個月、六個月的需求，得出未來三個月的基準預(yù)測，就給銷售經(jīng)理們做判斷，發(fā)給他們的Excel表格有多少行？意即讓他們判斷多少個產(chǎn)品。答曰：幾十行到成百行。我接著問那四個銷售經(jīng)理，看到這么一張成百行的Excel表格，你們怎么判斷？答曰：不知道如何判斷——人的判斷力有限，那么多的內(nèi)容，帳多不愁，當然就沒法判斷。

想想看，銷售一般是按照地域、客戶、渠道等劃分職責，每個銷售經(jīng)理只負責自己的地區(qū)、客戶和渠道，只知道他們負責的，不知道別人負責的?，F(xiàn)在讓判斷產(chǎn)品層面在全國、全球的需求預(yù)測，他們哪有能力判斷呢？

并不是所有的產(chǎn)品都需要判斷。有些產(chǎn)品賣給很多客戶，每個客戶只占幾個百分點的銷量，東邊不亮西邊亮，上下起伏一般會互相抵消，其實是不需要每個具體的銷售做判斷的。如果要判斷的話，也是在公司層面，了解在未來一段時間，整體銷量預(yù)計增長多少，有沒有大的促銷和新品上市計劃，有的話預(yù)估對產(chǎn)品的銷量影響。這樣的判斷其實是聚焦在很少的幾個人那里。

真正需要判斷的呢，是那些需求集中度高的產(chǎn)品。比如這個產(chǎn)品雖然賣給10個客戶，但其中一個占總銷量的40%，一旦這個客戶有大的變動，我們就可能受不了——這樣的客戶就叫“大石頭”，投入需求的“水池”中，能夠濺起大浪的。那好，我們把這個客戶的預(yù)測單列出來，比如總預(yù)測是100個/周，其中40個是為這個特定客戶預(yù)測的，讓相應(yīng)的銷售做判斷。這時候，我們落實到了具體的產(chǎn)品、具體的客戶、具體的銷售，冤有頭債有主，讓銷售判斷的可執(zhí)行度大增。這個銷售一看需求歷史和預(yù)測，說客戶最近要多開幾家店，估計需求要拔高四分之一。那好，這意味著該客戶的需求由40個變?yōu)?0個，而產(chǎn)品的整體預(yù)測也由100個變?yōu)?10個，我們真正完成了“從數(shù)據(jù)開始，由判斷結(jié)束”的閉環(huán)流程。

這也意味著，需求歷史的分析要到產(chǎn)品-客戶層面。一個公司，產(chǎn)品動輒就成百成千個，客戶幾百幾千，產(chǎn)品與客戶的組合動輒在成十萬，數(shù)據(jù)分析做到這個層面，意味著Excel表格有成十萬行，加上13周的需求歷史，13周的預(yù)測，每周各占一列，還有其他數(shù)據(jù)，動輒就是幾十成百列。這樣的文件有多大，分析有多復(fù)雜，我們當然不能期望銷售經(jīng)理能勝任----計劃職能的數(shù)據(jù)分析能力最強，處于最佳的位置做這樣的分析。但是，很多計劃人員“懶政”，不作這樣的分析，找到真正需要判斷的“大石頭”，而是一股腦兒把產(chǎn)品層面的信息甩給銷售，銷售經(jīng)理們當然是沒法判斷的。就如這個案例中的計劃，他們與其說是在征求銷售的判斷，不如說是在免責：銷售，我是問過你們做判斷、調(diào)整的，以后預(yù)測錯了，可別怪我們做計劃的喔。

這種免責式的不作為，還表現(xiàn)為讓銷售填寫各種各樣的表格：因為計劃沒法聚焦真正需要的信息，就讓銷售把各種信息都填報；胡子、眉毛一把抓的結(jié)果呢，又讓銷售的精力太分散，反倒影響對真正重要的信息的溝通。走到極端，就成了一線銷售提需求。這后面的邏輯是一線銷售最接近客戶，最可能知道客戶要什么。沒錯，如果是長尾產(chǎn)品，客戶定制化程度很高，需求的重復(fù)性很低，那我們要么等著客戶訂單驅(qū)動，要么由一線銷售提需求。但除非在特殊行業(yè)，絕大多數(shù)的產(chǎn)品不是這樣的，它們的需求就如下圖所描述的，中長期有一定的趨勢和季節(jié)性，是能夠基于歷史數(shù)據(jù)預(yù)測的；趨勢和季節(jié)性外，是沒法用數(shù)據(jù)模型模擬的，但并不意味著都得靠銷售來判斷——小的變動是隨機的，銷售是沒法判斷的，我們需要通過安全庫存、供應(yīng)鏈執(zhí)行來彌補；真正需要判斷的是波峰波谷，以及其后能夠顯著影響需求的因素，比如促銷、活動、新品等，不管是由我們導(dǎo)入，還是來自客戶、競品的行為。

像這樣的產(chǎn)品，數(shù)據(jù)分析得當，計劃可以得到一個相當靠譜的基準預(yù)測，再加上銷售的判斷，整體預(yù)測準確度會有一定的保證。但是，計劃不作為，完全依賴一線銷售來提需求，每個銷售的顆粒度那么小，相應(yīng)的趨勢和季節(jié)性會更不明顯，可預(yù)見性會更差，絕對是預(yù)測不準的。有人或許說，那么多的一線銷售，有的數(shù)據(jù)高，有的數(shù)據(jù)低，會不會互相抵消，提高整體的預(yù)測準確度？答案是：可能性很小，這些銷售身處同樣的環(huán)境，受同樣的影響，表現(xiàn)出來的偏差也是同向的，比如在短缺的時候，大家都會拔高預(yù)測；在過剩的時候，則一窩蜂地降低預(yù)測，因此整體準確度還是會有較大的偏差。