我们在刚进入供应链工作领域的时候，一般都会从“老师傅”那里拿到一个用来做预测和算安全库存的宝贝excel表格，当年由某个牛人创造的，里面密密麻麻设置好的公式和算法，只要把历史数据那么一导，就能生产新的预测和安全库存建议等。很多经理人都当个宝贝也一代一代的流传着。
我本人在前几年还把几个宝贝excel提供给员工。
如果你现在还在用的话……还是赶紧把你的宝贝收起来吧！
这种方法犯了一个严重的错误：认为所有产品/物料的预测基础是相同的。
就好像次贷危机前评级机构对于房贷违约的预测和判断所犯的错误一样，用一个看似非常量化和科学的手法，掩盖了一个致命的假设。
供应链管理，很重要的一个思想是“分层”（segmentation），比如物料的ABC分类就是一个典型的分层管理。我们在之前的文章维多利亚的秘密的供应链分析里面，就讲到了两种不同的供应链设置：功能性产品和创新型产品的，他们在管理上的分野从预测就开始了。
功能性产品：以历史，测未来
所谓功能性产品（function product），一般是指产品生命周期成熟，有相对比较全面的历史数据，产品需求曲线有一定的趋势性和稳定性。像这一类的产品，用那种宝贝excel表格还是相对可以处理的，当然不同的趋势线对应的exponential smoothing算法也不一样，在关于预测的上一篇中我们也解释了exponential smoothing到底是个什么意思，在此也不再赘述。需要再简单说明下的是，像季节性产品也算是这一类，只不过因为季节性趋势比较明显，在算法上会加上季节性调整参数。
长尾产品：excel表格视而不见
长尾产品就是那种需求非常断续的产品，可能好几个月都没有一个订单。在一般的预测表格里，这类产品会因为“不具备预测的基础”而被选择性的忽视掉。在我继承的那个宝贝里，如果有需求的周期小于一个比例，比如50%，这部分的产品就直接不预测了。
但是无论如何还是要对这部分产品的需求做出一个判断，如果交货期允许的话，很多公司也许会MTO，如果不允许的话，计划可能根据自己的判断。
如果非要一个量化工具的话，也确实有：Croton’s method。这个算法比较有新意的地方在于，它把这种间断性需求发生的概率和预测数量联系起来，如果很久都没有需求进来，那么预测数量就会大，如果刚刚发生了一笔需求，那么下个周期的预测数量就被调下来。我虽然没有自己用过，但是在逻辑上觉得很有道理。
新产品的预测怎么做？
和功能性产品相反，新产品，或者叫创新型产品（innovation product），可能没有什么太多的历史需求信息。比如2008年苹果发布第一代iphone的时候，作为一种从来没有过的产品，要预测销售数量太难了！苹果的供应链确实组织的很好，这么多年来从没有过什么大的问题，Cook能够做接班人也确实有他的道理。而老罗的锤子手机简直就是反面教科书。
而新产品本身，也有一个有多“新”的细分。像刚才讲的iphone，是属于new-to-the-world，顶级新，预测顶级难，而很多公司的新产品，很大比例上是产品线延伸或者再定位。像后面这种产品线延伸，在预测上的办法就多很多了，比如拿相似产品线来做类比预测。
市场在发展，预测怎么做？
当销售部门在前面开疆破土的时候，这个时候S&OP上大家关于备货吵架的概率就高很多了。销售说我新建了50个代理商，拓展了7-8个省份，你怎么还是给我备这么点货？
这个时候用时间序列去分析永远是滞后的，道理我们在上一篇也讲了。你想更主动的去解决这个问题，只有好好梳理一下具有提前性的指标，用因果分析（causal analysis）来做预测。
比如讲，代理商数量可能是一个非常重要的因，如果你是在房地产市场，新建商品房数量可能是一个重要的因，等等。跟你的marketing的姐姐们搞好关系，喝几杯咖啡，这些东西在每个行业其实都不那么难拿到。
然后要用回归去判断这些因是不是真的会对你的销售产生影响，有多大的影响。
在一本关于丰田精益生产的书里，也讲了丰田是怎么做到Heijunka均衡化生产，丰田在日本的销售人员在自己负责的片区里，兢兢业业的不断拜访新老客户潜在客户，客户家里买的什么车，用了多久，多少里程数，都追踪的清清楚楚，这个信息收上来，公司就比较好判断客户大概什么时候会换车。
在进入到工业互联网时代，像这样的信息相对来讲可能也更加容易获得了，新的车载系统可能把这些数据都记得清清楚楚并能及时同步，也未必需要销售人员挨家挨户的去跑。我们现在很多的资产管理软件（APM）也能够把设备运行的状况信息收集的更加全面，那么更加多的信息，是否意味着我们能够预测的更加准确了？准确预测的前提有哪些？我们下次再聊。
