论文部分内容阅读
【摘 要】学术界近年来提出了基于影响因子的供应链协同预测方法并进行了实证研究，认为协同预测可降低供应链整体成本。通过研究发现，企业的销售预测准确性不高存在着许多原因，通过探究我们才能够正视现实，从而通过协同来提高库存策略效率和降低预测误差，找寻到解决问题和消除矛盾的方法与渠道，达到提高企业效益的目的。
【关键词】企业管理；商业贸易；企业销售；需求预测；供应链管理；效益研究
[Abstract] The academic circles put forward in recent years collaborative forecasting method of Supply Chain Based on influence factors and the empirical study of collaborative forecasting， that can reduce the overall cost of the supply chain. Found through research， sales forecast accuracy of enterprises is not high and there are many reasons， we can face the reality through research， and through the cooperation to improve the efficiency and reduce the inventory strategy of prediction error， find ways to solve problems and eliminate and channel conflict， achieve the purpose of improving business efficiency.
[Key words] Enterprise management；business；marketing；demand forecast；supply chain management；benefit research
學术界近年来提出了基于影响因子的供应链协同预测方法并进行了实证研究（舒彤等，2010）[1]；H el m s 等[2] 认为协同预测可降低供应链整体成本， 缩短生产提前期及提高客户服务水平， 使利用专家的技术及经验变得可能；A ch ab al 等[3] 利用v M 工决策支持系统的信息分享， 通过协同来提高库存策略效率和降低预测误差， 进而改善供应链的补货与缺货；自1982 年邓聚龙教授创立了一种研究少数据、贫信息不确定性问题的灰色系统理论后，灰色预测模型（即GM（1，1）模型）因其所需建模数据少、预测精度高的特点从而得到广泛的应用[4，5，6]。通过研究，企业的销售预测准确性不高的主要问题有以下几个方面：
1.以客户经理为主的定性预测管理问题
这是目前应用最为广泛的预测方法。它主要依靠客户经理对零售户当年逐月的需求量、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，从而达到预测下月销售量的目的。根据实际货源情况，每个月由客户经理与零售户“协议”一次，座席员的订单就根据“协议”按访销批次简单一分了事。因此，与其说它是种预测方法，倒不如说是种“拼盘”方案。但由于它一方面掩盖了搭配销售之实，另一方面又造成了无品牌不畅销的喜人假象，同时，还能表现出极高的“订单预测准确率”，因而广受欢迎。这类预测方法其实是销售人员意见汇总法的一种，本质上属于定性预测方法。因此，用它对需求量进行定量预测，显然有点先天不足。通常在销售预测的过程中经常会受到企业的发展方向的影响，比方说公司管理高层希望的业绩增长率将会对销售预测产生很大的影响，如果我们的销售预测完全依赖一线销售人员的数据，并以这些数据作为预算、计划人员的参考，我想销售人员如何提供准确的销售预测又是一个很大待解决的问题。比如说，销售人员每年都会有激励计划，但都会根据你的销售预测和你的实际达成率进行对比进行考核，这样由于销售人员的个人利益因素而得出的销售预测必将使销售预测的真实性和准确性大打折扣。
显然，现阶段行业常用的市场需求预测方法，呈现出主观预测方法较多、客观预测方法较少；定性预测方法较多、定量预测方法较少；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。因此，需要找到一种既能克服上述弊端，又能准确预测的方法来取代传统的预测方法。小样本相对饱和投放下的组合预测，即利用相对饱和投放的策略重铸数据，以组合预测的方法提高精度，可以较好地解决这一问题。但是预测做不好，预测方法和预测手段并非最重要，最重要的是没有基础数据以及对销售预测不重视。所以问题的核心是销售预测，提高销售预测准确度责任在销售部门。如果以业务规划制定的目标代替需求预测，就很容易造成高估或者低估产品的市场认可程度。造成预测不准确的原因很多，大多数问题出在预测工作的管理上。
2.对大客户需求预测的准确率普遍偏低
由于错误的预测结果，导致国外工厂在生产力和原材料等方面的准备不足或不合理，造成了交货延期等现象产生。预测的准确率低直接导致两个结果─剩余库存过多和延迟交货。最终影响供应商和客户之间的合作关系。至于第二个结果─交货延迟。尤其是大客户，他们所面对的终端客户通常也是国内甚至国际知名的大企业。一旦不能按时交货，大客户既要承担经济上的赔偿，同时也会影响到自身的商业信誉。实际订单和需求预测走势两者是不吻合的，甚至有时是不同向的。这就造成了供应商的备货和客户的实际订单不一致，进而，或者呆滞库存产生，或者供应商交不上货。虽然，供应商不会完全按照客户需求预测来备货，但是，需求预测的整体走势，即哪个月份多哪个月份少的大趋势是不会改变的。而造成需求预测准确率低的主要原因是：（a）国内大客户（本地品牌制造业）大多对自己两个月以外的订单没准确的预计，尤其是对其国外市场的订单走势更是把握不准。这些客户通常每季度调整一次生产计划，每月确定一次实际需求量，每周核对一次生产计划，需求数字的来源是其销售部门的预测和计划部门的调整。（b）因价格关系，某一物料的市场份额被其他竞争对手抢走。对所有的客户来说，成本始终是很关键和敏感的考量因素。 3.没有人或部门对预测的准确性负责
这在企业预测中很普遍。由于预测的不准确性，企业没有人或部门敢于承担预测准确性的责任。这导致了很多企业没有对预测的准确性进行衡量，也没有采取什么措施来提高预测准确性。当然最初运行中存在很多问题，比如各区域预测人员的专业预测水平不高，预测方式单一。在作预测的时候大多根据自己的工作经验推断，没有根据本行业、本企业特点和经验来建立预测模型，因此预测的误差较大，预测精度有待于进一步提高。表面上是库存导向还是市场导向的问题，实质上还是销售预测不准的问题。
4.预测方法选择存在的问题
目前用于需求预测的方法很多，但是每一种方法都有其假设条件和适用的场合，有些假设条件并不完全符合当前市场的实际情况。因此，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，也会导致需求预测误差。这种计算和推测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发展不会发生大的异常变化。缺乏可靠的需求预测、缺乏具有前瞻性的洞察力、分配和补库过程相分离，而且无法将约束因素结合在计划内。需求预测方法的选择只是需求预测的一部分，研究表明每一种预测方法在处理数据及应用过程中均存在其独到之处，都能从不同角度为我们的最终预测提供强有力的信息，但是我们很难建立一套统一的、完整的准则来评价我们所得的预测结果的好坏。而实际建模过程和基本数据生成机理也表明，我们研究人员难以确定某一种方法是最为合适的预测方法，从而否定其他方法的运用。在多种预测模型中，哪一种预测模型最好，更没有通用的数学模型，也因企业业务需求而异，往往一种简单的经典模型并不能解决问题，需要不断在实践的基础上寻找比现有方法更好的方法，不断总结以期得到更为准确的需求预测。需求预测和生产计划管理研究改进方法还存在着局限性，而企业的实际生产经营活动处于不停地变化之中，远非一些数学模型的那样理想。然而，由于各种主客观原因，预测不可能没有误差。
5.预测软件方面存在的缺失
很多公司目前使用的预测工作大多数不是定量化，特别是对于BOM系统非常复杂的公司，物料有成千上万种，如果针对每种产品或原料进行预测，没有一个很好的预测系统或ERP软件。结果可想而知了。同时对于大多数，特别是市场上很多小公司，由于资源上的局限，即使有大最的历史、市场和行业数据，但是真正去使用这些数据的公司少之又少，所以很多公司在资源匮乏和传统思维禁锢下，很多公司高管使用的还是销售人员汇编的预测，并没有经过数据的核实，所以我们的预测与真正的需求相距甚远，预测很大程度上基上销售人员的经验和感觉。“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。”笔者认为：最关键的是销售部门未能提供相对准确的销售预测数据，而不是系统功能欠缺。从需求计划到生产、采购计划是ERP的标准功能，一般的中型大型ERP都可以提供这种功能。
6.需求的不确定性和随机性
在瞬息万变的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必须面对的一个重大问题。在以需求为导向的拉式管理模式上，企业的营销计划、生产计划、物流计划、乃至财务计划和人力资源计划等都直接受需求预测的影响和制约。需求的不确定性是指企业所面临的对需求无法准确预测的程度。需求不确定性的原因主要有需求预测的偏差、购买力的波动、从众心理和个性特征等。具体而言，需求的不确定性有两层含义：需求的易变性，指顾客的需求偏好变化的速度性；需求的多样性，即不同顾客对需求偏好的差异程度。理论上，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，协同式供应链中的需求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管理统计体系，这些没有满足的需求（包括延迟交付、替代和丧失销售）通常不会在统计报告中反映出来，因此这些数据也不会纳入到预测过程中。
7.企业销售预测存在的不确定性
随着信息与制造技术的加速革新和产品生命周期的缩短，企业及供应链管理中的库存与生产运作管理环节面临着越来越多的不确定性，其中最大的来源是需求的不确定性。市场需求的波动势必带来企业销售量的波动，而现代企业已经普遍实施了需求拉动式订单生产体系，其目的是为了降低企业的生产营运成本，减少不必要的加工、存储、采购等浪费。但是基于这样的生产模式，如果没有一个好的需求预测模型，给企业提供好的预测数据，就会导致诸多问题，传导到生产运营环节就会产生牛鞭效应，对加工品、半成品、上游原材料采购等诸多环节造成数据失真并逐级放大。同时，如果预测数据与实际需求不符且偏差较大，会导致生产不足或者过度生产，过少的库存导致企业的供应服务水平下降，丢失订单与客户，过多的库存则占用了企业的资金，导致现金流吃紧，应付账款增加等不良后果。再者，如果需求不准，那么根据市场需求经常调整生产计划，反而会导致生产的不平顺、产能的浪费以及物料采购等多方面的问题。
8.未能有效采用需求预测技术
企业大部分企业做销售预测还是凭经验，预测的准确性太低，导致预测的信任度降低，企业库存居高不上，即使是按单生产，半成品、原材料积压仍然严重和失控。就企业预测水平低的原因：（1）企业内部管理不太重视预测，更重视短期应对；（2）市场趋向个性化，更难预测；（3）专门的预测和需求计划培训较少；（4）缺乏所需的历史数据或未充分利用历史数据；（5）缺乏預测技术和需求计划的信息化软件工具。
9.牛鞭效应造成供应链缺乏整体系统性
牛鞭效应扩大了预测的误差。零售商试图预测消费者的需求；批发商试图预测零售商的需求；制造商试图预测批发商的需求；供应商试图预测制造商的需求。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作出新的预测，预测的误差因子沿着供应链的层级以指数形式放大。补充订货及相关信息管理由库存使用者掌握，而库存供应者只是被动接受信息，响应周期长、库存积压风险大。而企业的实际情况可能是：销售部门没有预测或者预测很不准，没有供应链部门需要的信息，因此，也就没有信息可以去集成。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、短缺博弈、库存失衡、缺少协作、提前期、供应链长短等。因为“牛鞭效应”的存在对企业造成了严重的危害。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掉，预测的结果也不会有效。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，由此产生的预测估计也被扭曲了。 10.预测的特征及其局限性
无论是通过定性预测的逻辑思维模型，还是建立定量预测的数学模型，一方面反映了市场预测的科学性，不是主观随意的猜测，另一方面，则反映了市场预测具有近似性，即预测会有误差。市场不是过去或历史的简单重复，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。预测人员对市场的判断，往往受知识、经验、时间、数据和工具等多方面的限制不能对市场的未来发展做出全面地、科学的分析，导致预测的局限性不可避免。
11.需求预测管理存在于不同的阶段
企业在功能集成方面易犯的错误如下：（1）营销、财务、销售、生产、物流各个职能部门独立开展需求预测，缺乏必要的协调；（2）即使各个部门以定期会议的形式进行沟通和协调，但是沟通过程容易受到营销部门、生产部门等强势部门的主导，难以获得真正的共识；（3）在预测结果达成共识之后，无法满足相关部门的需要（各部门对于预测的需求不同，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SKU的生产周期预测，物流部门基于SKU的订单提前期的预测）；（4）无法合理地给予预测人员绩效奖励，或者基于对本部门的贡献给予奖励，或者采取平均主义均分绩效奖励；（5）错误地理解了需求预测和业务计划的关系；（6）无法合理运用从上到下和从下到上的预测模式；（7）对于预测人员缺乏足够的培训；（8）对于所有产品同样对待，缺乏差异化的分析和处理；（9）对于预测精度不作评估，或者主要基于其它因素开展预测绩效评价，销售部门对销售额进行考核，而没有对销售预测的准确性进行考核；（10）无法准确地计算预测精度；（11）忽略预测对于其它部门运作的意义，从而低估了预测的贡献；（12）忽略必要信息。如果缺乏对高层产业和经济趋势、关键客户信息、主要促销事件、价格变动以及预测准确性指标重要性的应有认识，预测结果的有效性就会大打折扣。许多企业认为他们面对的市场没有任何规律，或者本公司在市场中的行为非常特殊，没有什么指标能够预见到他们将要面临的需求形态。但事实上这种情况极为少见。
12.分析预测误差应考虑的情况
（1）理论预测误差，即在选用预测方案之前，利用数学统计模型所估计的理论预测值，与过去同期的实际观察值相比而产生的误差（即理论预测误差），然后分析、改进、选择较为合适的数学统计模型（2）实际预测误差，即选用预测方案之后，追踪、检查预测方案的实施结果是否合乎实际的情况，分析预测误差的大小以及所造成的原因，总结经验教训，进一步改进今后的预测工作。对于预测结果的评价，主要来自统计检验和直观判断两个方面，从而判断预测结果的可信度。根据对预测结果的分析和评价，确定最终的预测值。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，因为不可控因素太多，所以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。因此不会因为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。
综上所述，企业在管理的各个方面都会对销售预测产生各种影响，从而使得销售预测失真，而由于销售预测失真又将最终导致企业库存管理陷入困境，企业生产成本居高不下，竞争力不断减弱。
参考文献：
[1]舒彤等，基于影响因子的供应链协同预测方法.系统工程理论与实践. 2010（8）：1363-1370.
[2] Helms M M，Ettkin L P， Chapman S.Supply ch ain fo reeast ing： Colab orat eiv for ecas ting supports supply Ch ai n m an agem ent [J]. B usiness P roeess M anagem ent Journal ， 2000， 6（5）： 392-407.
[3] Ach abalD D ， Melnt yre S H ， Sm ith S A ， et al . Adeeision support system fo r vendor- managed inv ent ory[J]. Journal of Retailing， 2000， 76（4）： 430-454.
[4]李俊.等，基于组合预测的商品销售量预测方法.统计与决策.2012（8）：28.
[5]殷春武.GM（1，1）在商品销量预测上的运用[J].中国商贸，2010，（28）.
[6]王兴伟.FGM预测模型在物流配送商品销量预测中的应用[J].中国经贸导刊，2010，（02）.
[7]戴 亮.等，零售业销售预测方法.《商场现代化》2011（1）（上旬刊）：83-85.
[8]舒林子.销售预测方法探究. 现代营销. 080
[9]赵改平.销售预测分析系统的研究与应用*.现代制造工程.2011（3）：28-31.
[10]戴胜利.销售预测风险的管理研究. 商业时代. 2008（2）：25-26.
[11]潘文莉. 销售预测中定性与定量分析方法比较.企业文化。2012（4）：182-183.
李文鸿.等，基于对跨国公司商品销售预测的数学模型. 重庆理工大学学报（ 自然科学）.2010（7）：117-119.
[12]孙明贵.物流管理学[M].北京大学出版社，2009
[13]王焰.企業生产物流规划与管理[J].中国物流与采购，2013，（08）：23-28.
[14]王平.企业库存管理中心—需求预测的主要问题及对策[J].市场营销，2014（02）：13-15.
[15]陈金亮，宋华，徐渝.不对称信息下具有需求预测更新的供应链合同协调研究[J].中国管理科学2013（1）：17-28
[16]黄敏珍，冯永冰.基于灰色-马尔可夫链的区域物流需求预测[J].统计与决策，2012（16）：8-10.
[17]杨杰，张斌，华中生.间断需求预测方法综述[J].预测，2013（5）：88-90.
[18]詹圣泽. 合理授权与有效管理的途径探析[J]. 齐鲁学刊，2007.学术理论专辑.
[19]詹圣泽.市场营销谈判的九大实战艺术[J].经济论坛，2010学术专刊.
[20] 程晓华.制造业库存控制技巧（第3版）[M].中国财富出版社，2013.
[21]王钧.中小企业物流系统的优化研究[J].广东工业大学，2006，（02）.
注：
本文系国家自然科学基金合作项目“西部区域创新环境质量评价、监测与空间差异研究”（批准号71273209）的阶段性研究成果。
作者简介：
詹圣泽（1963-），男，福建省永定县人，工商管理硕士，西北大学经济管理学院博士，高级经济师、高级政工师、副研究员，主要从事管理学、经济学以及社会科学，特别是企业管理、人力资源管理方面的实务工作及其研究。
【关键词】企业管理；商业贸易；企业销售；需求预测；供应链管理；效益研究
[Abstract] The academic circles put forward in recent years collaborative forecasting method of Supply Chain Based on influence factors and the empirical study of collaborative forecasting， that can reduce the overall cost of the supply chain. Found through research， sales forecast accuracy of enterprises is not high and there are many reasons， we can face the reality through research， and through the cooperation to improve the efficiency and reduce the inventory strategy of prediction error， find ways to solve problems and eliminate and channel conflict， achieve the purpose of improving business efficiency.
[Key words] Enterprise management；business；marketing；demand forecast；supply chain management；benefit research
學术界近年来提出了基于影响因子的供应链协同预测方法并进行了实证研究（舒彤等，2010）[1]；H el m s 等[2] 认为协同预测可降低供应链整体成本， 缩短生产提前期及提高客户服务水平， 使利用专家的技术及经验变得可能；A ch ab al 等[3] 利用v M 工决策支持系统的信息分享， 通过协同来提高库存策略效率和降低预测误差， 进而改善供应链的补货与缺货；自1982 年邓聚龙教授创立了一种研究少数据、贫信息不确定性问题的灰色系统理论后，灰色预测模型（即GM（1，1）模型）因其所需建模数据少、预测精度高的特点从而得到广泛的应用[4，5，6]。通过研究，企业的销售预测准确性不高的主要问题有以下几个方面：
1.以客户经理为主的定性预测管理问题
这是目前应用最为广泛的预测方法。它主要依靠客户经理对零售户当年逐月的需求量、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，从而达到预测下月销售量的目的。根据实际货源情况，每个月由客户经理与零售户“协议”一次，座席员的订单就根据“协议”按访销批次简单一分了事。因此，与其说它是种预测方法，倒不如说是种“拼盘”方案。但由于它一方面掩盖了搭配销售之实，另一方面又造成了无品牌不畅销的喜人假象，同时，还能表现出极高的“订单预测准确率”，因而广受欢迎。这类预测方法其实是销售人员意见汇总法的一种，本质上属于定性预测方法。因此，用它对需求量进行定量预测，显然有点先天不足。通常在销售预测的过程中经常会受到企业的发展方向的影响，比方说公司管理高层希望的业绩增长率将会对销售预测产生很大的影响，如果我们的销售预测完全依赖一线销售人员的数据，并以这些数据作为预算、计划人员的参考，我想销售人员如何提供准确的销售预测又是一个很大待解决的问题。比如说，销售人员每年都会有激励计划，但都会根据你的销售预测和你的实际达成率进行对比进行考核，这样由于销售人员的个人利益因素而得出的销售预测必将使销售预测的真实性和准确性大打折扣。
显然，现阶段行业常用的市场需求预测方法，呈现出主观预测方法较多、客观预测方法较少；定性预测方法较多、定量预测方法较少；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。因此，需要找到一种既能克服上述弊端，又能准确预测的方法来取代传统的预测方法。小样本相对饱和投放下的组合预测，即利用相对饱和投放的策略重铸数据，以组合预测的方法提高精度，可以较好地解决这一问题。但是预测做不好，预测方法和预测手段并非最重要，最重要的是没有基础数据以及对销售预测不重视。所以问题的核心是销售预测，提高销售预测准确度责任在销售部门。如果以业务规划制定的目标代替需求预测，就很容易造成高估或者低估产品的市场认可程度。造成预测不准确的原因很多，大多数问题出在预测工作的管理上。
2.对大客户需求预测的准确率普遍偏低
由于错误的预测结果，导致国外工厂在生产力和原材料等方面的准备不足或不合理，造成了交货延期等现象产生。预测的准确率低直接导致两个结果─剩余库存过多和延迟交货。最终影响供应商和客户之间的合作关系。至于第二个结果─交货延迟。尤其是大客户，他们所面对的终端客户通常也是国内甚至国际知名的大企业。一旦不能按时交货，大客户既要承担经济上的赔偿，同时也会影响到自身的商业信誉。实际订单和需求预测走势两者是不吻合的，甚至有时是不同向的。这就造成了供应商的备货和客户的实际订单不一致，进而，或者呆滞库存产生，或者供应商交不上货。虽然，供应商不会完全按照客户需求预测来备货，但是，需求预测的整体走势，即哪个月份多哪个月份少的大趋势是不会改变的。而造成需求预测准确率低的主要原因是：（a）国内大客户（本地品牌制造业）大多对自己两个月以外的订单没准确的预计，尤其是对其国外市场的订单走势更是把握不准。这些客户通常每季度调整一次生产计划，每月确定一次实际需求量，每周核对一次生产计划，需求数字的来源是其销售部门的预测和计划部门的调整。（b）因价格关系，某一物料的市场份额被其他竞争对手抢走。对所有的客户来说，成本始终是很关键和敏感的考量因素。 3.没有人或部门对预测的准确性负责
这在企业预测中很普遍。由于预测的不准确性，企业没有人或部门敢于承担预测准确性的责任。这导致了很多企业没有对预测的准确性进行衡量，也没有采取什么措施来提高预测准确性。当然最初运行中存在很多问题，比如各区域预测人员的专业预测水平不高，预测方式单一。在作预测的时候大多根据自己的工作经验推断，没有根据本行业、本企业特点和经验来建立预测模型，因此预测的误差较大，预测精度有待于进一步提高。表面上是库存导向还是市场导向的问题，实质上还是销售预测不准的问题。
4.预测方法选择存在的问题
目前用于需求预测的方法很多，但是每一种方法都有其假设条件和适用的场合，有些假设条件并不完全符合当前市场的实际情况。因此，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，也会导致需求预测误差。这种计算和推测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发展不会发生大的异常变化。缺乏可靠的需求预测、缺乏具有前瞻性的洞察力、分配和补库过程相分离，而且无法将约束因素结合在计划内。需求预测方法的选择只是需求预测的一部分，研究表明每一种预测方法在处理数据及应用过程中均存在其独到之处，都能从不同角度为我们的最终预测提供强有力的信息，但是我们很难建立一套统一的、完整的准则来评价我们所得的预测结果的好坏。而实际建模过程和基本数据生成机理也表明，我们研究人员难以确定某一种方法是最为合适的预测方法，从而否定其他方法的运用。在多种预测模型中，哪一种预测模型最好，更没有通用的数学模型，也因企业业务需求而异，往往一种简单的经典模型并不能解决问题，需要不断在实践的基础上寻找比现有方法更好的方法，不断总结以期得到更为准确的需求预测。需求预测和生产计划管理研究改进方法还存在着局限性，而企业的实际生产经营活动处于不停地变化之中，远非一些数学模型的那样理想。然而，由于各种主客观原因，预测不可能没有误差。
5.预测软件方面存在的缺失
很多公司目前使用的预测工作大多数不是定量化，特别是对于BOM系统非常复杂的公司，物料有成千上万种，如果针对每种产品或原料进行预测，没有一个很好的预测系统或ERP软件。结果可想而知了。同时对于大多数，特别是市场上很多小公司，由于资源上的局限，即使有大最的历史、市场和行业数据，但是真正去使用这些数据的公司少之又少，所以很多公司在资源匮乏和传统思维禁锢下，很多公司高管使用的还是销售人员汇编的预测，并没有经过数据的核实，所以我们的预测与真正的需求相距甚远，预测很大程度上基上销售人员的经验和感觉。“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。”笔者认为：最关键的是销售部门未能提供相对准确的销售预测数据，而不是系统功能欠缺。从需求计划到生产、采购计划是ERP的标准功能，一般的中型大型ERP都可以提供这种功能。
6.需求的不确定性和随机性
在瞬息万变的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必须面对的一个重大问题。在以需求为导向的拉式管理模式上，企业的营销计划、生产计划、物流计划、乃至财务计划和人力资源计划等都直接受需求预测的影响和制约。需求的不确定性是指企业所面临的对需求无法准确预测的程度。需求不确定性的原因主要有需求预测的偏差、购买力的波动、从众心理和个性特征等。具体而言，需求的不确定性有两层含义：需求的易变性，指顾客的需求偏好变化的速度性；需求的多样性，即不同顾客对需求偏好的差异程度。理论上，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，协同式供应链中的需求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管理统计体系，这些没有满足的需求（包括延迟交付、替代和丧失销售）通常不会在统计报告中反映出来，因此这些数据也不会纳入到预测过程中。
7.企业销售预测存在的不确定性
随着信息与制造技术的加速革新和产品生命周期的缩短，企业及供应链管理中的库存与生产运作管理环节面临着越来越多的不确定性，其中最大的来源是需求的不确定性。市场需求的波动势必带来企业销售量的波动，而现代企业已经普遍实施了需求拉动式订单生产体系，其目的是为了降低企业的生产营运成本，减少不必要的加工、存储、采购等浪费。但是基于这样的生产模式，如果没有一个好的需求预测模型，给企业提供好的预测数据，就会导致诸多问题，传导到生产运营环节就会产生牛鞭效应，对加工品、半成品、上游原材料采购等诸多环节造成数据失真并逐级放大。同时，如果预测数据与实际需求不符且偏差较大，会导致生产不足或者过度生产，过少的库存导致企业的供应服务水平下降，丢失订单与客户，过多的库存则占用了企业的资金，导致现金流吃紧，应付账款增加等不良后果。再者，如果需求不准，那么根据市场需求经常调整生产计划，反而会导致生产的不平顺、产能的浪费以及物料采购等多方面的问题。
8.未能有效采用需求预测技术
企业大部分企业做销售预测还是凭经验，预测的准确性太低，导致预测的信任度降低，企业库存居高不上，即使是按单生产，半成品、原材料积压仍然严重和失控。就企业预测水平低的原因：（1）企业内部管理不太重视预测，更重视短期应对；（2）市场趋向个性化，更难预测；（3）专门的预测和需求计划培训较少；（4）缺乏所需的历史数据或未充分利用历史数据；（5）缺乏預测技术和需求计划的信息化软件工具。
9.牛鞭效应造成供应链缺乏整体系统性
牛鞭效应扩大了预测的误差。零售商试图预测消费者的需求；批发商试图预测零售商的需求；制造商试图预测批发商的需求；供应商试图预测制造商的需求。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作出新的预测，预测的误差因子沿着供应链的层级以指数形式放大。补充订货及相关信息管理由库存使用者掌握，而库存供应者只是被动接受信息，响应周期长、库存积压风险大。而企业的实际情况可能是：销售部门没有预测或者预测很不准，没有供应链部门需要的信息，因此，也就没有信息可以去集成。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、短缺博弈、库存失衡、缺少协作、提前期、供应链长短等。因为“牛鞭效应”的存在对企业造成了严重的危害。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掉，预测的结果也不会有效。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，由此产生的预测估计也被扭曲了。 10.预测的特征及其局限性
无论是通过定性预测的逻辑思维模型，还是建立定量预测的数学模型，一方面反映了市场预测的科学性，不是主观随意的猜测，另一方面，则反映了市场预测具有近似性，即预测会有误差。市场不是过去或历史的简单重复，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。预测人员对市场的判断，往往受知识、经验、时间、数据和工具等多方面的限制不能对市场的未来发展做出全面地、科学的分析，导致预测的局限性不可避免。
11.需求预测管理存在于不同的阶段
企业在功能集成方面易犯的错误如下：（1）营销、财务、销售、生产、物流各个职能部门独立开展需求预测，缺乏必要的协调；（2）即使各个部门以定期会议的形式进行沟通和协调，但是沟通过程容易受到营销部门、生产部门等强势部门的主导，难以获得真正的共识；（3）在预测结果达成共识之后，无法满足相关部门的需要（各部门对于预测的需求不同，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SKU的生产周期预测，物流部门基于SKU的订单提前期的预测）；（4）无法合理地给予预测人员绩效奖励，或者基于对本部门的贡献给予奖励，或者采取平均主义均分绩效奖励；（5）错误地理解了需求预测和业务计划的关系；（6）无法合理运用从上到下和从下到上的预测模式；（7）对于预测人员缺乏足够的培训；（8）对于所有产品同样对待，缺乏差异化的分析和处理；（9）对于预测精度不作评估，或者主要基于其它因素开展预测绩效评价，销售部门对销售额进行考核，而没有对销售预测的准确性进行考核；（10）无法准确地计算预测精度；（11）忽略预测对于其它部门运作的意义，从而低估了预测的贡献；（12）忽略必要信息。如果缺乏对高层产业和经济趋势、关键客户信息、主要促销事件、价格变动以及预测准确性指标重要性的应有认识，预测结果的有效性就会大打折扣。许多企业认为他们面对的市场没有任何规律，或者本公司在市场中的行为非常特殊，没有什么指标能够预见到他们将要面临的需求形态。但事实上这种情况极为少见。
12.分析预测误差应考虑的情况
（1）理论预测误差，即在选用预测方案之前，利用数学统计模型所估计的理论预测值，与过去同期的实际观察值相比而产生的误差（即理论预测误差），然后分析、改进、选择较为合适的数学统计模型（2）实际预测误差，即选用预测方案之后，追踪、检查预测方案的实施结果是否合乎实际的情况，分析预测误差的大小以及所造成的原因，总结经验教训，进一步改进今后的预测工作。对于预测结果的评价，主要来自统计检验和直观判断两个方面，从而判断预测结果的可信度。根据对预测结果的分析和评价，确定最终的预测值。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，因为不可控因素太多，所以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。因此不会因为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。
综上所述，企业在管理的各个方面都会对销售预测产生各种影响，从而使得销售预测失真，而由于销售预测失真又将最终导致企业库存管理陷入困境，企业生产成本居高不下，竞争力不断减弱。
参考文献：
[1]舒彤等，基于影响因子的供应链协同预测方法.系统工程理论与实践. 2010（8）：1363-1370.
[2] Helms M M，Ettkin L P， Chapman S.Supply ch ain fo reeast ing： Colab orat eiv for ecas ting supports supply Ch ai n m an agem ent [J]. B usiness P roeess M anagem ent Journal ， 2000， 6（5）： 392-407.
[3] Ach abalD D ， Melnt yre S H ， Sm ith S A ， et al . Adeeision support system fo r vendor- managed inv ent ory[J]. Journal of Retailing， 2000， 76（4）： 430-454.
[4]李俊.等，基于组合预测的商品销售量预测方法.统计与决策.2012（8）：28.
[5]殷春武.GM（1，1）在商品销量预测上的运用[J].中国商贸，2010，（28）.
[6]王兴伟.FGM预测模型在物流配送商品销量预测中的应用[J].中国经贸导刊，2010，（02）.
[7]戴 亮.等，零售业销售预测方法.《商场现代化》2011（1）（上旬刊）：83-85.
[8]舒林子.销售预测方法探究. 现代营销. 080
[9]赵改平.销售预测分析系统的研究与应用*.现代制造工程.2011（3）：28-31.
[10]戴胜利.销售预测风险的管理研究. 商业时代. 2008（2）：25-26.
[11]潘文莉. 销售预测中定性与定量分析方法比较.企业文化。2012（4）：182-183.
李文鸿.等，基于对跨国公司商品销售预测的数学模型. 重庆理工大学学报（ 自然科学）.2010（7）：117-119.
[12]孙明贵.物流管理学[M].北京大学出版社，2009
[13]王焰.企業生产物流规划与管理[J].中国物流与采购，2013，（08）：23-28.
[14]王平.企业库存管理中心—需求预测的主要问题及对策[J].市场营销，2014（02）：13-15.
[15]陈金亮，宋华，徐渝.不对称信息下具有需求预测更新的供应链合同协调研究[J].中国管理科学2013（1）：17-28
[16]黄敏珍，冯永冰.基于灰色-马尔可夫链的区域物流需求预测[J].统计与决策，2012（16）：8-10.
[17]杨杰，张斌，华中生.间断需求预测方法综述[J].预测，2013（5）：88-90.
[18]詹圣泽. 合理授权与有效管理的途径探析[J]. 齐鲁学刊，2007.学术理论专辑.
[19]詹圣泽.市场营销谈判的九大实战艺术[J].经济论坛，2010学术专刊.
[20] 程晓华.制造业库存控制技巧（第3版）[M].中国财富出版社，2013.
[21]王钧.中小企业物流系统的优化研究[J].广东工业大学，2006，（02）.
注：
本文系国家自然科学基金合作项目“西部区域创新环境质量评价、监测与空间差异研究”（批准号71273209）的阶段性研究成果。
作者简介：
詹圣泽（1963-），男，福建省永定县人，工商管理硕士，西北大学经济管理学院博士，高级经济师、高级政工师、副研究员，主要从事管理学、经济学以及社会科学，特别是企业管理、人力资源管理方面的实务工作及其研究。