統(tǒng)計技術其實只是預測技術中的十分之一

在經(jīng)歷與很多客戶的溝通后，發(fā)現(xiàn)一個比較有趣的現(xiàn)象，就是對統(tǒng)計技術的認可度的差異。一類公司認為一個需求預測管理體系的主要價值就是統(tǒng)計模型，因此，他們不停問你有什么他們行業(yè)適用的模型或公式，并很快要求用他們的歷史數(shù)據(jù)驗證模型的準確性—盲測。而另一類公司認為，統(tǒng)計模型沒有什么價值，他們之前也在使用EXCEL，或者在SAP APO里做過，統(tǒng)計預測不準確，也不知用了什么模型，完全黑盒，系統(tǒng)只是告訴你這是Best Fit，無從調(diào)整，最后只能放棄。這兩種態(tài)度折射出了不同的管理理念。

前者認為預測歸根結底是技術，所以模型是最重要的。實際上全世界的模型從原理上大體差異不大，因為統(tǒng)計技術是公理，不是那個公司的發(fā)明或可以壟斷的，只是在應用方式上略有差異，比如如何修正歷史數(shù)據(jù)，長周期預測如何自動調(diào)整偏差，以及如何組合應用等，當然近幾年出現(xiàn)了大數(shù)據(jù)技術，但是其對數(shù)據(jù)本身要求極高。但是不管何種統(tǒng)計技術，如果有一種最佳模型可以解決所有問題，那這個事情成為數(shù)學問題了。如果只是個數(shù)學問題，那一切就簡單了，找?guī)讉€數(shù)學博士不是問題。

而后者往往基于以前的應用經(jīng)驗鄙視統(tǒng)計技術，認為市場，特別是中國市場是不能靠理性預估的。他們的觀點基于市場的無法分析性，但實際上如果否定市場的可預測性和引導性，則否定了市場部存在的價值。因為在市場看來，不僅可預測，而且還可以引導。其實再動蕩的市場也不是完全無規(guī)律的，極端如同中國的股票市場，大家還是在積極的做各種分析和展望，并且每次都是據(jù)情據(jù)理，深入透徹，屢敗屢戰(zhàn)，永不言棄。如果公司也能拿出股評家的激情去預估公司的未來市場，其可靠性一定大大超過對于股市的預測。

在實際業(yè)務中我們都知道，如果不了解渠道庫存，不了解促銷政策，不了解市場環(huán)境變化等，無論何種統(tǒng)計技術，預測都將是一場賭博。因此，后者的觀點相對于前者更加全面，因為他們認可需求預測主要是管出來的，不是算出來的。

即使技術占有一定比重，統(tǒng)計技術也只是預測技術的十分之一

我們整體認為需求預測管理中其管理的比重遠大于技術，但是也有一定的行業(yè)差異，比如偏向利用終端數(shù)據(jù)進行預測的零售行業(yè)其技術比重要遠高于其他行業(yè)。但是所需應用的預測技術中統(tǒng)計技術又只是其中一個部分。在實務操作中，對于需求預測經(jīng)理而言最重要的挑戰(zhàn)是如何選擇合適的統(tǒng)計技術， 因為現(xiàn)在有各種成熟的需求預測系統(tǒng)來減輕需求預測人員在實際操作中的數(shù)據(jù)處理壓力，所以我們將著重在于如何基于統(tǒng)計技術的應用場景選擇合適的統(tǒng)計技術，而并不著重在對技術本身進行講解。我們只要會開車，不需要了解車是如何造出來的。如果對技術本身有興趣者，市場上有很多專業(yè)書籍可以學習。今天我們要和大家概要分享的預測技術，不僅僅是統(tǒng)計技術，還有其他各種預測技術：

1. 商業(yè)環(huán)境分析技術（Business Environmental Analysis）：建立外部環(huán)境變化對業(yè)務影響度的相關性分析機制。

2. 歷史修正技術（Data Cleansing）：將異常因素對歷史銷售所產(chǎn)生的影響（離群值）進行剝離。

3. 趨勢衰減技術（Trend Damping）：在使用趨勢類統(tǒng)計技術進行中長期預測時，對趨勢幅度進行合理修正，使其更加接近真實的業(yè)務環(huán)境。

4. 分解和聚合技術（Aggregation and Disaggregatoion）：需求預測管理中最重要的技術，用于支持多維度和多層次數(shù)據(jù)之間的自動協(xié)同。分解法主要分為同期法和環(huán)比法，而聚合主要基于層級樹自動生成。

5. 組合預測技術（Weighted Forecasting）：該技術主要用于支持基于多角色的協(xié)同，通常的協(xié)同是定性協(xié)同，而組合預測技術可以達成定量協(xié)同。

6. 分類技術（Segmenting Technology）：選擇統(tǒng)計技術之前，首先要對產(chǎn)品進行分類，因為實際業(yè)務中，我們不可能也不應該按每個SKU來運行統(tǒng)計預測。因此，合理的分類非常重要。

7. 統(tǒng)計預測技術(Statistic Forecasting)：統(tǒng)計預測是在大量統(tǒng)計資料的基礎上，運用社會、經(jīng)濟、環(huán)境統(tǒng)計和數(shù)理統(tǒng)計方法研究事物發(fā)展變化趨勢和方向的預測方法。

8. 滾動預測技術（Rolling Forecasting）：在實際業(yè)務中，公司的預測是按預定義的期間粒度進行滾動的，并連續(xù)生成N個未來期間的預測。

9. 模型優(yōu)選和預警技術（Best Fit & Warning）：基于對統(tǒng)計偏差的綜合評估，幫助使用者自動選擇最佳模型一種偏差分析技術，同時該技術也適用于對模型適用性的預警。

10. 預測策略定義（Forecasting Strategy）：最后這個技術幫助大家在實際業(yè)務中，如面對上千的產(chǎn)品和上千客戶時，如何綜合利用上述9種技術形成最佳預測策略。