一个完整的供应链计划体系应有三个层次，从上至下分别是“战略计划层”、“产销协同层”和“运营控制层”。三个层次分别对应了长、中、短三个计划周期。

战略计划以年为单位，通常覆盖未来三到五年，目的是规划公司未来几年内在供应链上的投入和产出。内容主要包括：增资扩产或减产收缩、收购兼并或出售转让、新产品线导入或旧产品线退出等。战略计划的核心在于“明确方向”，明确公司未来供应链发展的主要方向。

产销协同计划以季度或月为单位，通常覆盖未来十二个月，主要以平衡产销、协同供需为目的。内容主要包括：销售计划、产能计划、物流计划、采购计划、外包计划、劳动力计划、资金计划等。产销协同计划的核心在于“达成一致”，所有相关部门形成唯一一套可以执行的、按周期调整的计划数据。

运营控制计划以周或日为单位，通常覆盖未来数周（取决于产品需求的特点，某些产品甚至会采用小时、分钟等更为细小的时间管理单位），主要以满足客户实际订单需求，并对运行过程进行控制为目标。内容包括：订单履行、生产控制、库存控制、效率控制、质量控制等。运营控制计划的核心在于“执行力”，通过实际运营控制满足客户的实际需求，并同时达成产销计划目标。

我们知道，供应链管理是先有预测，再有计划。预测是计划的前提，计划是预测的体现；预测提供了对于市场需求的假设和判断，而计划是基于预测的可执行目标。

因此，对应于计划的三个层次，我们必须构建与之匹配的三个层次的预测体系，每一个层次都有各自不同的作用和目的，需要运用不同的工具和方法，也涉及到不同的人员和职能。我们将其称之为预测的“金字塔”结构。

一、战略预测

位于金字塔最顶层的是战略预测，它服务于战略计划，以总量为单位，不同的企业会选择不同的指标，例如总销售金额、总销售数量、总销售重量、总服务时间、总开工项目等。需要注意的是：由于服务于战略计划和决策，战略预测数据都是加总量而不会具体展开到某个具体的产品或部件，甚至不会展开到细分的产品族或部件族。

战略预测往往需要结合宏观经济走势、竞争格局分析、国际政治形势、区域经济发展、政府政策变化、消费者需求特性、供应市场分析等要素对未来市场总量和分布进行预测。

预测数据的来源分为两部分，一部分是定性分析，一部分是定量分析。企业往往需要结合两种数据进行综合判断，但通常在战略预测过程中定性分析的比重会高于定量分析，也更考验企业高层的管理智慧。

定性分析主要采用商业情报、竞争情报、专家意见、市场调查等方法，对未来市场的走势和布局进行分析预测。

例如对于IT行业企业来说，IDC（国际数据公司）所提供的商业情报已经成为了行业企业的必读数据，这些数据包括全球IT开支预测、各类IT设备的出货量预测、市场洞察报告等。

从某种程度上来说，一个被行业企业所广泛使用的数据会反过来影响行业行为。例如，假如IDC预测未来智能手机需求量下滑、产能将严重过剩，行业企业将会依此做出减产去库存的动作，由此反而可能会造成手机需求量的逐步回升。虽然IDC也提供了滚动的市场预测报告，结合市场的持续跟踪反馈对预测数据进行周期性的调整。但是对于企业而言，通常仅仅将这些数据作为定性分析的参考依据。

定量分析是根据已有数据进行建模，构建基于各类要素相关的预测模式。最常使用的是因果模型和时间序列模型。例如我们可以根据一个国家或地区的人口出生率和尿不湿的总体需求量的相关关系来构建模型，用来预测未来几年该国家和地区的总体市场需求量，再结合公司的市场占有率，由此来预测公司未来几年的销量，判断是否需要投资建设新的厂房和物流设施等。

战略预测显然而且必须是由高层领导亲力亲为的，需要高层管理人员投入大量的时间和精力。为了掌握更多更精准的外部市场和宏观经济数据，公司也需要投入较高的成本代价。预测是理性和感性的结合，理性分析给高层人员提供参考依据，感性的判断来源于高层对于这些数据背后的深层次的思考和判断。对于一家企业来说，战略预测的影响是深远的，如果发生大的方向性错误，企业很有可能因此而步入寒冬，而调整期往往是漫长而艰难的；相反，如果战略预测判断准确，企业就有可能获得发展良机，一骑绝尘甩开对手。

二、产销协同预测

位于金字塔中间层的是产销协同预测，它服务于产销协同计划S&OP。同样的，这也是一个总量预测，但是它会比战略预测更加具体。产销协同预测会以产品族为预测对象，但通常不会具体到某个特定的产品或部件，尤其是对于那些需求呈现出“多品种小批量”特点的企业。

产销协同预测的重点在于协同。产销协同的数据来源于多个部门，例如计划部门、销售部门、市场部门、财务部门等。这些部门的数据采用不同的计算口径和方法：计划部门基于历史数据，通过使用统计方法得出一套预测值；销售部门基于各区销售人员的预估，通过由下至上的方法收集并汇总得出一套预测值；市场部门基于市场和产品的分析，通过由上至下的方法得出一套预测值；财务部门根据年度经营目标，将目标数据展开到季度和月，结合历史经营分析，得出一套预测值。

如何将这些预测数据进行统一，就需要采用共识预测流程CF（ConsensusForecasting）。

步骤一：建立商业运营假设（Business AssumptionPackage）。通过市场、产品情报的收集与分析，制定商业运营假设，并在销售、运营、财务几个部门间达成共识。

步骤二：多重预测（Multiple ForecastsValidation）。各部门根据各自的方法进行预测并提交数据。

步骤三：达成预测共识（Consensus ForecastsValidation）。经过充分讨论，将多重预测调整为唯一一套的共识预测。

步骤四：运营可行性分析（Operations Validation）。根据共识预测分解为供应计划、采购计划、供应商的能力计划等，通过确认供应链的计划能力与预测值进行匹配，找出差异。

步骤五：财务确认（Financial Validation）。如果生成的预测无法满足财务的计划目标，则需要重新调整BAP，重新进行新一轮的预测循环，最后输出可满足目标的最终预测值。

产销协同预测也可以使用数学建模的方式，除了我们在战略预测中使用的因果分析、时间序列等模型，还可以使用“线性规划LP”和“混合整数规划MIP”等数学方法来寻找如何在有限的条件下获得最优解。所谓的有限条件包括促销次数有限、库存天数有限、销售渠道有限、产品配额有限等。数学建模能够根据不同的“市场假设”而快速模拟计算出多套结果，管理团队需要在这些结果中进行判断，最后选择一个各部门都认可的方案。

产销协同预测是最容易被忽视的预测流程。许多企业的预测体系中都缺少这个位于金字塔中间层的预测流程，各个部门都在做着自己的独立预测而无法达成一致。反映出来的结果无非是两种：供应短缺或者库存高企。更为严重的是，各部门因此相互推诿责任，无法形成合力。这个问题会沿着供应链传导到上下游，进而造成严重的牛鞭效应。

产销协同预测同样需要高层的参与，但并不是由高层直接领导，他们仅对关键的事项进行决策，例如商业运营假设、财务和资源投入，以及各部门难以达成一致的事项等。高层的支持和参与对于产销协同预测流程的有效性十分关键！

三、运营预测

位于金字塔最下层的是运营预测，它服务于运营控制计划。不同于战略预测和产销协同预测所使用的总量预测，运营预测针对的是所有具体的最小的产品或者部件单元：对于生产部门来说，它是具体的产品；对于采购部门来说，它是具体的材料；对于仓储物流部门来说，它是最小仓储或物流单元SKU。不同的部门会有不同的统计方法，但是运营预测一定展开到了最小的管理单元/单位。

市场的真实需求是由无数的最小单元的需求汇聚而成，独立需求的波动千差万别，这就对供应链的柔性提出了要求。由于有了中间层“产销协同预测”和“产销协同计划S&OP”的保护，这些独立需求的波动往往能够被供应链运营系统所吸收并且得到满足。

对于运营预测而言，我们不能指望过多的感性判断。一方面，由于基层人员视野所限，无法进行较为复杂的感性判断；另一方面，感性判断千差万别，无法进行有效的管理。因此，对于日复一日的运营预测，我们需要一套简单易行并且行之有效的预测工具，让基层管理人员能够快速地进行理性判断。在这里，数学模型的作用更加凸显出来了。

例如，我们可以根据过去三十天的销售额，采用加权移动平均或是指数平滑算法来预测未来十天的销售额。在这个过程中，预测数据会根据每天的实际销量不断被更新，而基层管理人员只需要做三件事情：

1、将历史数据输入到预测模型中计算预测值；

2、根据预测值指导日常运营；

3、观察预测模型是否依旧有效。

假如预测值与实际值发生了较大偏差，而这个偏差触发了对预测模型有效性的报警，那么上一级的管理人员就需要进行分析，判断预测模型的有效性，并及时进行纠正或调整。

当然，数学模型多种多样，不是本文探讨的重点。但有趣的是，许多数学家经过验证发现：复杂数学模型未必比简单的模型对预测更有效！

预测“金字塔”

战略预测、产销协同预测、运营预测组成了供应链预测的“金字塔”结构。金字塔的每一级都应当有不同的流程与之对应。在流程中确定了不同的预测周期、预测目标以及预测方法，有的偏感性、有的偏理性，也有的理性和感性并重。

细心地读者会发现，针对同一家公司的这三层数据，可能汇总的结果会各有不同。这并不奇怪，因为预测的流程不同，针对的对象不同，结果自然会有所不同。面对不同，我们需要进行差异分析，通过向上加总和向下展开两个步骤，判断其中差异点主要来源于何处，并对预测流程进行适当的调整。在这个过程中，切忌不做原因分析而根据差异直接修改预测值，这会造成各层级管理人员不对预测数据负责的结果，对于预测所形成的计划执行带来负面影响。

最后，总结一下：

供应链管理的目标是匹配供应与需求，但是这两者总是存在矛盾，例如需求和响应的矛盾、成本和效率的矛盾，因此供应链管理离不开预测，尤其是推式供应链，它的关键能力就是供应链预测体系的成熟度。

虽然预测的永远无法做到100%准确，但是无规矩不成方圆，良好的预测结果是由完善的预测流程保证的。这个流程能够帮助我们构建假设，形成判断，并且进行验证，不断地检讨和调整预测方法，最终让我们贴近更加真实的需求。

版权声明：

凡本网内容请注明来源：T媒体（http://www.cniteyes.com）”的所有原创作品，版权均属于易信视界（北京）信息科技有限公司所有，未经本网书面授权，不得转载、摘编或以其它方式使用上述作品。

本网书面授权使用作品的，应在授权范围内使用，并按双方协议注明作品来源。违反上述声明者，易信视界（北京）信息科技有限公司将追究其相关法律责任。