PMC学习之旅第二站：Day 2需求管理与预测，你了解多少？

好的，我们继续前进！

热忱欢迎您踏入PMC学习旅程的第二篇章：第二日——深入探索需求管理与预测（Demand Management & Forecasting）的奥秘。

在第一天，我们得知PMC是连接市场与生产的纽带。而在这座纽带之上，首个且至关重要的信息即是“市场究竟需要什么？”。接下来，我们将对如何科学地管理及预测这一需求进行深入探讨。

目标在于掌握平衡供需的技巧，洞察预测未来需求的根本途径，以及学会评估预测精确度的方法。这些构成了制定后续计划（包括生产、物料、产能等）的基础。

需求管理是指对产品或服务需求进行识别、分析、规划、控制和监控的过程。

需求管理并不仅仅是进行预测工作。它代表了一个更为广泛的范畴，涉及一个完整的流程，该流程致力于发现、整合并对公司产品与服务相关的所有需求来源施加影响。

需求管理的宗旨在于确立一个统一且得到公司内部各分支部门——包括销售、市场、财务以及生产等部门——普遍认同的“需求计划”，此计划旨在引导公司的日常运营。

这一流程的极致体现，便是销售与运营规划（Sales and Operations Planning，简称S&OP）。

2. 销售与运营规划 (S&OP)

S&OP是企业高层管理层的决策流程，其核心目的是不断调整并协调供需关系。这一流程能够保证公司制定的战略规划（通常涵盖未来3至18个月的时间范围）与公司的整体战略目标相吻合。

核心宗旨在于消除部门间的隔阂，促使销售、市场营销、运营（包括生产与PMC）以及财务等各个部门能够齐聚一堂，依托同一份数据资源，协同构建一个统一且可行的行动计划。

典型的S&OP月度循环流程:

S&OP对于PMC的重要性体现在：它为PMC提供了最具权威性的需求信息。若缺乏S&OP的支持，PMC可能会每日都忙于应对销售部门突然提出的、未经充分评估的所谓“紧急”需求，从而陷入不断的忙碌之中。

需求预测的关键手段

预测，即基于一定依据对未来状况的推测。这种推测并非绝对精确，然而，一个优秀的预测体系却能显著降低预测的不确定性。预测技术大体上可以划分为两大流派：一类是定性分析，另一类则是定量分析。

方法类别

描述

适用场景

定性方法 (Qualitative)

依赖于人的主观判断、经验和直觉。也称为判断法。

在数据不足的情况下，比如新产品的市场推广阶段；在市场发生重大变动的时刻，例如新政策的实施期间。

定量方法 (Quantitative)

依赖于历史数据，使用数学模型来预测未来。

历史数据可用且稳定；假设未来的模式与过去相似。

A. 对事物性质进行判断的预测手段

专家团意见法，即邀请公司高层管理人员，依据个人经验展开集体讨论，共同形成一种具有共识性的预测。此方法的优势在于其高效性以及战略考量的全面性。然而，其不足之处在于，可能会受到职位最高或声音最响亮者的主导影响。而德尔菲法，则是一种结构更为严谨的专家意见法。通过多轮匿名问卷的形式来形成共识。协调员在处理并汇总第一轮的反馈后，将其作为第二轮讨论的参考材料分发给参与者，如此循环往复，直至意见逐渐趋向一致。这种方法的优点在于匿名性减少了群体压力的影响，使得整个过程更加客观公正。然而，其缺点是所需时间相对较长。销售团队综合法（Sales Force Composite）则是将每位销售人员对其负责区域的预测进行汇总。销售人员身处一线，与客户紧密接触，对市场动态有着直观的认知。然而，他们有时可能会过于乐观或悲观，这或许是由于追求更高的销售目标或是面对较易实现的目标。采用市场调研方法，如发放问卷、组织焦点小组讨论、进行消费者访谈等，可以直面搜集潜在客户的购买意愿。这种方法的优势在于，能够直接获取有关客户偏好和需求的最原始信息。缺点：成本高，样本可能无法代表总体。

B. 数值预测技术

主要分为时间序列模型和因果关系模型。

时间序列模型，亦称时序模型，是一种统计分析方法，主要用于对按时间顺序排列的数据进行分析。

假设未来是过去的延伸，仅使用历史需求数据来预测。

朴素法，即最基础的方法，其核心思想是假定下一期的需求将与前一期的实际需求保持一致。具体而言，预测公式F(t)可表示为A(t-1)，这意味着t期的预测值等同于t-1期的实际需求。该方法的效用在于，它提供了一个参考标准，任何更为复杂的预测技术都理应在此基准之上实现更优的表现。移动平均法，即通过取最近n期历史数据的算术平均值，以此预测下一期的需求量。此方法有助于平缓短期内的随机波动。简单移动平均计算公式为：F(t)等于从A(t-1)到A(t-n)的各期数据之和，再除以n。在加权移动平均中，对近期数据进行更高的权重赋予。函数F(t)的计算方式为：w1乘以A(t-1)，再加上w2乘以A(t-2)，以此类推，每个权重w的和等于1。

示例：3期简单移动平均

指数平滑技术，这是一种广受欢迎的加权平均计算方法，其操作仅需三个关键数据点：前期的预测结果、前期的实际数值以及一个介于0到1之间的平滑系数α。新预测值等于上期实际值的α倍加上上期预测值的(1-α)倍；其中，α的数值越高，新预测结果对近期实际数值的变化就越敏感；反之，α的数值越低，预测结果则更加平稳，对随机波动的抑制作用更强。此方法的优点在于计算过程简便，所需存储的数据量较少，因此被众多商业软件作为内置算法广泛应用。

II. 关联与因果模型

若需求与一个或多个其他要素（自变量）之间存在某种联系。其中，线性回归（Linear Regression）是最常采用的统计方法之一。

评估预测的精确程度

预测总有误差，管理预测的关键是衡量并持续改进它。

预测偏差等于实际需求量减去预测需求量。

常用的衡量指标：

平均绝对百分比误差，即MAPE，它将误差数值转换为百分比形式，这样便于在多种产品之间进行对比分析。

计算示例:

5. CRM系统在需求管理中的作用

CRM系统，例如Salesforce，详尽地保存了所有涉及客户的资料：包括联系方式、往昔购买记录、交流纪要以及潜在的销售机遇等。这些资料构成了定性分析的重要数据基础，极大地辅助销售团队作出更为可靠的决策。

Day 2 小结:

今天，我们深入了计划的源头——需求。我们现在应该需理解了：

S&OP是一项涉及多个部门的战略协同流程，其核心目标是实现供需的均衡，并向产品管理委员会提供具有权威性的计划参考。在预测方法上，我们主要分为定性预测（主要依靠经验）和定量预测（主要依赖数据）两大类别，具体应用时需根据实际情况灵活选择或结合使用。在时间序列预测技术中，移动平均和指数平滑是两种基础且至关重要的方法。对于预测结果，我们必须进行评估。而MAD（平均绝对误差）和MAPE（平均绝对百分比误差）则是衡量预测准确性的关键性能指标。PMC需要持续追踪这些指标，以推动预测质量的改善。