我們經常說，供應鏈要麽是訂單驅動（拉），要麽是預測驅動（推）。其實不管是訂單驅動還是預測驅動，從整個供應鏈的角度來看，最終都是預測驅動，因為壹個人的訂單註定是另壹個人的預測。比如女性用戶在網上買衣服，她得在平臺上給商家下訂單，是基於她預測未來會穿這衣服。
需求預測就是供應鏈的原始驅動力。
需求預測的目標是“盡量做準、盡快糾偏”。這需要解決三個問題：壹是需求預測怎麽做，二是需求預測由誰做，才能有效對接銷售和運營，三是如果預測錯了，如何建立滾動計劃機制，盡早發現，盡快糾偏和補救？
需求預測和庫存計劃其實就是圍繞預測風險博弈，壹個好的需求預測需要定期調整，但這並不是說可以隨意調整，供應鏈的柔性不是無限的。當進入壹定的時間窗口，我們就要控制需求預測的調整，以保護供應鏈的效率。
否則，會造成過高的運營成本和產能浪費，頻繁的調整會打亂整體的生產、配送安排，讓整體交付更加不可預計，越是不可預計，越需要人為幹預，這就陷入惡性循環，增加了不確定性，最終會轉化為成本和庫存。
有些期貨品牌，習慣性地向加盟商壓貨，迫使加盟商、門店提前幾個月下訂單。這個訂單其實就是需求預測，如果預測準確度低，就會造成庫存積壓。
訂貨會的訂貨目標壹般都是在“由（歷史）數據開始，基於歷史結果判斷結束”，在分析歷史銷售數據的基礎上，征詢銷售部門的反饋意見而生成。但是，最重要的壹步，也就是把最後的目標與加盟商達成壹致，卻往往沒做。
服裝行業的訂貨會就是典型的例子。
現在壹些服裝品牌已經開始做供需預測，預測區域、全國的需求，而且時間顆粒度分解得更細，有專門的部門了解市場動向、消費者偏好、競品信息。做好整體預測，把好總量，生產出合適數量的產品，因為時間顆粒度分解得更細，預測未來的壹到兩周的提貨計劃，即便預測錯了，影響也有限，糾正也容易。
預測怎麽做的問題沒解決，需求預測準確度低，預測風險就大，誰都不願意承擔風險，需求預測就成了企業與企業、職能與職能之間博弈的壹大焦點；而博弈的結果呢，壹方面讓錯誤的人在做預測，壹方面也助長了信息不對稱，都無助於預測準確度的改善。
需求預測是什麽？
我們先來探討壹下什麽是需求？需求是假設產能充足，沒有其它限制條件，客戶能夠在公司購買的商品和服務數量。那麽需求預測就是壹家公司在壹系列假設條件下，對未來需求進行精準的測算。
假設條件又有哪些呢？它包含公司內部假設和外部假設。內部假設主要指壹些刺激需求變動的公司活動，比如投放廣告、宣傳活動、增加分銷渠道、調整商品價格等；外部假設主要對未來經濟水平的預期，如行業大盤、國際或國家大事件、銀行 利率 、材料通脹、競爭對手動向等。
而測算是壹種對未來的猜測。所以它並不是準確的，大體上預測準確度只在50%到60%之間，也就是說所有的預測都是錯的，我們所有的工作都是在盡可能利用現有已知的條件使其盡量準確，錯的不那麽離譜而已。
那麽既然預測的都是錯誤的，我們為什麽還要做需求預測呢？
首先，需求預測是基於歷史數據和未來的預判得出的有理論依據的結論，有利於管理者對未來的銷售及運營計劃、目標，資金預算做決策參考；其次，需求預測能為采購計劃、倉庫作業資源調配起推薦作用，有助於采購部門做采購計劃，倉庫提前做排產計劃，減少受業務的波動影響。
如果沒有需求預測，公司內部很多關於銷售、采購、財務預算的決策都只能根據經驗拍腦袋而來了，會導致對市場預測不足，產生庫存和資金的積壓或不足等問題。
當然，需求預測雖然很重要，但它並不能被當做需求計劃，也不能被當做銷售目標。
所謂預測，是對未來可能發生的情況的壹種假設，本質上還是壹種推測，只能作為參考，而需求計劃則是保證目標能達成而做的決策，更具有權威性和可執行性，銷售目標則是希望達到的結果，三者不能混為壹談。
要做需求預測，先了解預測的5個基本維度：
預測維度。預測的顆粒度，是按包還是按箱，按單品還是按品牌。通常顆粒度越細，變量更多，預測準確性會越低。
預測跨度。目前預測的是未來多長時間內的需求數據，比如未來2個月或半年。壹般來說，預測區間跨度越大，預測準確性越低。
預測間隔。需求預測更新的頻率，比如壹個月更新壹次，或壹周更新壹次。
預測單位。需求預測數據的物理衡量標準，如件、個、元、克等。
預測機制。描述不同維度的顆粒度之間的連接情況及不同維度之間的關系。
了解需求預測的基本屬性以後，我們便具備了預測需求的基本功底。而需求預測方法主要分為定量預測和定性預測兩種。
定量預測
定量預測法是通過歷史數據的分析進而探索需求模式，通俗點解釋，就是根據歷史數據來尋找規律。主要有兩種可預見的需求模式：
第壹種是時間類型的需求模式。此模式可以被識別是因為它們在某些時候進行著可預見的重復，例如遊船在春夏季節需求比在冬天需要要高，每逢情人節玫瑰和巧克力銷量比較好。想要發現並預見這種需求模式，推薦時間序列統計法。
第二種是除了時間之外能夠對需求造成影響的其它因素。這種模式被識別出是因為某些可量化的變量對於需求有著可預見的影響，例如可口可樂公司的產品對於促銷反應比較敏感，如果打折，顧客就會多買。針對這類模式的最佳解決方案是進行回歸分析。
定性預測
定性預測法也叫主觀預測法或判斷預測法，就是對經驗人士的意見、知識及直覺進行收集整理並轉化為預測結果的方法。
哪些情況下適合定性分析呢？主要有三種：
新品上市，沒有歷史數據可參考。
壹些新情況的出現改變了現有的需求模式。例如因為疫情、政策等原因，嚴重影響了某些產品的銷量，就不能只通過定量分析看歷史數據了。
歷史需求數據與未來預測相關性不大的產品。例如項目型或定制型的產品。
企業想要做好需求預測，除補充市場信息之外，還有兩個關鍵因素：
企業應該提供預測績效評估機制，重視預測，有獎有罰，獎罰分明，及時診斷績效評估問題並鼓勵不斷精進。
沒有客戶會因為預測做的好而多購買產品，但需求預測可以轉換為優質的商業決策，從而提升庫存周轉率、服務質量，降低供應成本，這些方面的提升就會促使用戶多購買公司產品了。
可以通過誤差率來做績效評估，識別需求預測的偏差並評估準確性，計算公式為：誤差率=（預測需求-實際需求）*100%/實際需求。
執行好企業供需關系集成。優秀的預測=預測算法及建模 + 供需關系集成，所謂供需關系集成是指調動負責供應的生產部門、物流部門、采購部門，以及負責需求的銷售部門、財務部門、公司高管壹起協同制定出統壹且有遠瞻性的計劃，做出資源最優及壹系列組織目標平衡的決策。
高效的供需關系集成體現在三個方面：
文化方面：需要公開透明、團結協作、目標壹致。
流程方面：各環節緊密銜接、暢通無阻、全程可視。
工具方面：使用正確的系統，將對的信息傳達給對的人。
由於預測是對未來的猜測，所以預測永遠都是錯誤的，預測本身並不難，難的是怎樣讓錯誤的程度達到最小。
預測也並不是某壹個部門的事，銷售和市場部門、銷售規劃部門、財務部門、企業高管都必須參與預測流程。
老板必須認可供需關系集成是公司運行的壹種方式，對於供需關系集成和需求預測來說，公司文化比任何流程圖或者技術手段都重要。