预测是应对供应链弹性不足的方式之一

虽然能够搭建精致的预测模型，但是并不希望供应链同仁误解预测和预测技术的用处。

本篇，唐州司马阐述一下对于“预测”本身的看法。

需要明白，并不是所有公司，都对预测这个话题感兴趣。

如果产能完全不是问题，弹性极度充分，就几乎没有人在乎预测。越是轻资产类的企业，越是无所谓预测，最极端的例子是软件公司。你能想象Microsoft Office内部开会讨论S&OP吗？——这里的“无所谓”，是“不介意”。

如果产能是唯一问题，产能绝对刚性，也一样没人在乎预测。越是重资产类的公司，也一样越是无所谓预测，例如农业、矿业，以及各种供应链最上游企业。想买晶圆吗？交钱排队就是了。——这里的“无所谓”，是“爱莫能助”。

所以，供应链管理者一定要清楚，——预测，核心原因就是为了弥补弹性缺陷。

同样需要清楚的是，预测只是弥补弹性缺陷的方式之一，而不是全部。

先聊一聊供应链弹性不足。

首先需要明确，供应链弹性不足，这是市场竞争劣势。

如果你的供应链弹性落后于同行，那么，公司的业务拓展必受拖累。

哪怕是市场地位再高，你都要很清楚：在供应链弹性上的保守，实质上就是为竞争对手留下成长空间。如果说，诺基亚之败，是败于在智能手机开发上的失策；那么，摩托罗拉之败，实质上就是败于供应链弹性。

只要有可能，供应链首先应该追求的都是足以适应市场需求变化的弹性水平。

如果无视供应链弹性能力建设，而把所有希望都寄托在预测，则是典型的“舍本逐末”。

说句题外话。大致上你也可以认定，如果哪家供应商整天跟你纠结预测准确度，那么这家供应商要么是管理能力有限，要么就干脆没把你当做重要客户。

再聊一聊弹性不足的弥补方式。

供应链弹性的建设，是需要成本和时间的。

这些弹性成本包括但不限于：

    —多技能工人的培训及维持成本

    —快速换线、多品类通用产线的工装设备等投资

    —为需求峰值预留的生产及检测工位设备等

    —替代供应商、工序外包供应商等的开发和维持

正因如此，所以很多时候，弹性能力的建设速度会落后于现实需求。这时就需要一定手段来弥补。

用于弥补弹性不足的手段，首先是库存缓冲，其次是预测。

需要注意的是，这二者不是替代关系，而是缺一不可的互补关系。

库存缓冲是最基本的弥补手段。

    如果市场波动远超产线弹性，那么，成品库存缓冲就是有价值的；

    如果存在某一工序瓶颈，那么，半成品库存缓冲就是很有必要的；

    如果原材料供应弹性不足，那么，原材料库存缓冲则是必然的。

如果这些都不做，那就只能让客户来承受更长交期，——而我们知道，这种与市场掰手腕的胜负结果，通常取决于第三者，也就是竞争对手🙂

库存的确有成本。所以，应当对比库存成本和弹性成本，做出取舍。当弹性成本较高时，则需要对比原材料、半成品、成品库存成本，选择最合适的节点来安排库存缓冲。

库存缓冲，所有的分析讨论基础也仍然是基于统计分析的，也即，是基于过去历史的。如果业务成熟度低，那么，基于统计分析的库存策略则存在着较大的失效风险。

由于库存缓冲策略的上述两个缺陷，所以，必要时我们需要采用预测技术来进一步弥补。

预测，是与库存缓冲相互配合使用的一种手段。

如果缓冲库存成本过高、或者风险过大，同时预测又是可行的，那么，就应当使用预测方式来平衡库存成本。

换言之，预测技术，应当用来优化库存缓冲策略，或者，用来应对那些库存缓冲并不能有效解决的问题。

最为常见的优化应用是：需求峰值超出供应链弹性水平，但是这个需求峰值又只是每年阶段性的，这个时候，就可以通过预测来识别评估峰值，并通过提前预建库存来缓冲。峰值过后，库存恢复常规状态。

这种情况下，用恒定高水位的成品库存来应对一年一次的需求峰值，显然是不够经济的。

基于统计分析的库存缓冲策略，所不能很好解决的问题，包括：由于大客户开发、新行业开发等造成的需求突增或者产品需求结构变化，由于促销政策、大项目等带来的特殊需求峰值等。这种情况，只能通过预测技术和流程，来尽可能保证供应链的提前响应时间。

不能单纯依赖预测技术来应对弹性不足的原因在于，预测有两个特点：预测是有成本的，以及，预测“测不准原理”。

预测，也一样是有成本的。这些成本包括但不限于：

   —信息收集处理成本

    —数据分析成本

    —沟通成本

通常，越是颗粒度(包括时间、产品类、客户类)要求精细，越是要求更长的预测周期，预测成本也就越高。

预测的“测不准原理”指的是，预测技术很难保证在准确度和颗粒度两个方面同时得到最优结果。较高的准确度，需要适当舍弃颗粒度；反过来，追求颗粒度，则很难保证高准确度。

预测存在这种情况的根源在于，我们所能够总结归纳的订单行为特征都是统计学意义上的，而统计科学的理论基石，在于大数定律和中心极限定理。客户群体所符合的行为特征，具体到单个客户则未必。

同样地，正是由于客户下单过程受到诸多内部操作、管理方式等因素的影响，指望1+1=2的这种精确搜集信息汇总预测的模式，既不经济也不现实。

所以，虽然我们前面细致地解读了两个预测案例，并给出了精致的预测模型，但是对于预测，我们秉持的观点是：

    --最重要的是供应链弹性能力建设

    --库存缓冲是应对弹性不足的基本手段

    --预测技术是与库存缓冲策略配合使用的手段

最该避免的事情是：将任何缺料问题的解决，都寄希望于精确预测。

正如前面两个案例所展示的，建立起能够有效反映业务逻辑的预测模型，判断最可能的未来需求场景，将会对我们的供应链库存缓冲策略的有效实施带来很大的助益。

这一点，才是追求预测技术的目的。