记者：需求预测如此重要，那么，企业该如何做好预测？在做需求预测的时候应当注意哪些问题？

 

　　李波：首先，企业要有一个合理的预测准确性的预期。完美的预测是不可能的，无休止地追求这一目标是毫无道理的。预测的精确度受预测对象的自然特性所限制。就各个行业来说，服装行业的销售预测是最难做的行业之一。服装销售的波动性特别强，因为影响服装销售的外在变量因素很多，如市场计划、广告投放、天气、节假日、突发事件等等。SAS软件的优势就是能够允许更多的变量添加到计算中去，从而提高预测的准确率。对于服装企业来说，销售预测的准确率如果能达到50%，对企业就具有非常重大的意义。

 

　　其次，做好一个预测系统需要长远的规划，即越早做越有利，不要等到必需这个系统不可的时候再上马，那样将为项目实施带来非常大的难度。之前，企业大都已经接受了业务类软件，例如ERP、供应链管理软件等，它们主要帮助企业完成了信息电子化和信息的准确性。但是这些数据一旦有了，企业应该更多去挖掘这些数据的价值，让数据真正为企业带来利润，这就需要分析类软件了，包括预测软件。以我们做过的一个非常成功的案例——宝钢。宝钢使用我们的分析系统已经有二十多年，它的分析系统和执行系统是同时构建的。宝钢的执行系统，例如ERP，最初就把数据复制存储起来，这样就利于后期的分析。而如果一开始一个信息系统没考虑要介入数据分析的问题，之后再加入数据分析、需求预测的系统，项目难度就比较大了。因此，企业不要等到离开分析系统不行的时候再考虑上马软件。

 

　　再次，需求预测、数据分析依赖以往的数据，所以要注意数据的质量和分类方法。其实，上马数据分析软件对数据的积累和质量的提高有很大的帮助。每个企业的数据质量没有需求的话不会变好，而分析系统的上马会促进数据质量的改善。另外，分析系统需要对一些产品的分类更科学。

 

　　以服装行业为例。服装销售预测难做，除了变量多以外，还有一个重要原因是很难积累历史数据。其实预测软件的原理是拿销售历史来推演未来的情况。而服装往往一款产品卖完了就不会再生产了。因为作为时尚产品，服装是不断变化的，款式不断翻新。而且服装销售的特点往往是，今年销售好的颜色和款式，来年一定会滞销，因为消费者是追求多变的。所以服装销售预测是非常难的，特别是单品的预测，单个SKU的预测几乎是很难准确的。为了应对这种情况，SAS软件有一个非常好的处理方法，就是按服装的类别来预测。因为服装的大类变化是不大的。这就涉及到一个问题，如何分类。我们在做项目时发现，有些企业的产品分类不是十分合理。因为很多公司的产品分类是IT部门做的，这种分类更多是为了在信息系统中运行得便捷，却很难真正对应市场中的销售情况。一般分类的问题是分类过粗或过细。例如运动裤中，分类细到了七分裤和六分裤，但是消费者都把它们当成短裤来看待。另一种情况是分类过粗，例如把休闲服装统统作为一大类。我们会帮助客户重新构建分类标准，把之前的数据重新输入到新的分类标准体系中去，然后按照这个体系再去推算销售预测的数值。一般我们推算的小类产品的销售数值的准确率在90%以上。但是一个小类中，一个款式中，更细的分类中，例如每个SKU的预测，难度就加大了。但是服装销售的规律是，在畅销的小类产品中，可能有20个左右SKU产品，往往畅销前三名的产品就能占整个销售的一半以上。SAS软件会对每个SKU产品做竞争力分析，把重点的计算能力放在排名靠前的产品上。抓大放小，这样就大大提高了销售预测的准确性。

 

　　最后，数据分析和需求预测是一个持续优化的过程。在服装行业，我们在一个销售周期会做两类预测：季前预测和季中预测。季前预测是预测产品的生命周期，是在服装上市前做出预测;季中预测是根据一段时间的销售情况对之前的预测作出调整，用更准确的预测来指导企业之后的生产与销售。季前预测主要是预测总量，季中预测主要是预测出更准确的数据，并且是按照时间分段的数据，这样才有利于组织生产、物流等等。

 

　　预测的目的就是要面向未来做管理。在预测的基础上，产品上市一两周的时间，我们大概就能看出各款产品的销售情况。这时企业就需要马上做出管理上的调整：超出预期畅销的产品，要做好补货和调货的准备；销量没有达到预期的产品，要做好促销打折的准备。要防止出现断货和滞销的情况，因为如果出现那种情况再去补货往往是来不及的，可能就会错过最佳的销售时期。

 

　　分析软件是要不断运营，持续改进的。因为市场环境不断变化，预测是需要不断调整，持续进行的。另外，每个企业的数据是不同的，不可能完全拷贝其他成功企业的模式。在其他企业成功的数学模型，可能在这个企业就不适合。所以每个公司的预测软件系统是更加个性化的，但同时也是更不容易被别人复制的。