需求预测管理：承认不准，才是解决问题的开始

库存积压3000万，销售却说"缺货"

2020年，深圳一家做汽车电子的公司遇到了一个"诡异"的问题。

仓库里堆着价值3000万的库存，周转天数长达180天。但销售团队每天都在叫：这个料缺货，那个料也缺货。生产因为缺料停线，一个月停了好几次。

3000万的库存，为什么还会缺货？

需求预测团队说："我年初就给了预测了，计划不准我有什么办法？"

采购说："按你的预测买了，结果实际订单根本不是这样。"

销售说："市场变化那么快，你让我怎么给准确预测？"

谁都没错，但问题就在那里。

需求预测做得准是运气，做不准是常态。真正的能力不是预测有多准，而是当预测不准时，你的供应链能有多快响应。

为什么预测永远不准？三个根源

1. 客户的需求本身就不稳定

你的客户也在被他的客户逼着。终端市场波动、竞品促销、政策变化、季节性因素——这些信息你的客户都不一定知道，他又怎么给你准确的预测？

在电子制造业，客户的"预测"常常是一份"愿望清单"——如果真的全卖了就下单这么多，卖不掉就砍单。这不是预测，这是期权。

2. 牛鞭效应放大偏差

终端需求波动10%，到了整机厂变成20%，到了模组厂变成30%，到了元器件厂变成40%。每一级都在加安全库存，每一级都在放大波动。这个原理从1958年就被人研究清楚了，但至今没有公司真正解决了它。

3. 预测和考核的矛盾

销售说预测8000，因为报少了怕产能不够。计划按8000买了料，实际订单只有5000。没人为此负责——销售说"市场变化"、计划说"我就按你的预测买的"。没有预测准确率的考核机制，预测永远是一笔糊涂账。

需求预测的四个层次

大部分EMS工厂在1和2之间。第3层就需要专门的计划团队和工具了。第4层需要数据基础和信息共享机制，能做好的公司凤毛麟角。

不靠预测，还能怎么办？

如果你承认"预测永远不准"这个前提，那么解法和别人就不一样——重点不是提升预测精度，而是缩短响应时间：

策略一：缩短采购LT

长交期物料（比如芯片，动辄16-20周）是预测不准的罪魁祸首。因为你必须提前4-5个月下单，这期间市场变数太大了。

对策：和核心供应商做VMI（供应商管理库存）或JIT（准时交付），把LT从16周压到4周。压力后移，响应变快。

策略二：建立缓冲机制

预测和实际总会有差距，所以要在关键节点设置缓冲：

• 长交期物料设安全库存（ABC分类法：A类高价值低安全库存，C类低价值高安全库存）
• 关键物料设两种Buffer：预测Buffer + 波动Buffer
• 成品设阶梯库存（快周转品类多备，慢周转品类少备）

策略三：和客户共享预测风险

不要把预测的风险全部自己扛。和客户约定：

• N+1月预测必须60%以上是PO（实际采购订单）
• N+2月预测不得随意更改
• 客户取消订单造成的呆滞库存，约定双方分担比例

策略四：滚动预测+每周刷新

不要做一个年度预测就放到那不管了。用滚动预测方式：

• 每月做一次未来6个月的预测更新
• 每周Review最近4周的预测准确率
• 偏差超过30%的品类，立即启动原因分析

预测的价值不在于它有多准，而在于它让你提前思考"如果不对怎么办"。一份好的预测计划，必须包含"如果实际和预测偏差30%，我该怎么办"的预案。

三个金句

• "预测永远不准，但预测的价值在于让你提前准备。"
• "与其花100%的精力把预测做到80%的准确率，不如花50%的精力把响应速度提高一倍。"
• "客户给的预测是需求信号，不是订单承诺。永远不要拿客户的预测直接去采购。"

总结

需求预测管理不是数学题，是管理题。

它考验的不是你用什么模型、什么算法，而是你如何管理信息流：销售的信息有没有传回计划、计划的信息有没有传回采购、采购的信息有没有和供应商共享、供应商的信息有没有反馈回来。

信息越通畅，预测越准确。这不是统计学的命题，是组织协作的命题。