很多從事計(jì)劃工作的人，都繞不開一個指標(biāo)，就是預(yù)測準(zhǔn)確率。而預(yù)測準(zhǔn)確率算法也各有差異。通常使用MAPE（平均絕對百分比誤差，Mean Absolute Percentage Error）作為計(jì)算的依據(jù)。而預(yù)測準(zhǔn)確率就是1-MAPE的百分比值了。不過在計(jì)算MAPE的時候，差異也就產(chǎn)生，有些是以實(shí)際值為分母計(jì)算MAPE, 而有些則是以預(yù)測值為分母。

以下數(shù)據(jù)采用不同的計(jì)算標(biāo)準(zhǔn)，從而得出不同的預(yù)測準(zhǔn)確率。

那么究竟采用哪一種好呢?

這個問題不妨留給讀者自己思考，筆者的本文并非詳談這點(diǎn)。感興趣的讀者不妨發(fā)表你的見解。

另外，有一點(diǎn)就是通過引入一個預(yù)測準(zhǔn)確率，來顯示“專業(yè)“和所謂的工作有效性。假如當(dāng)問及一個做計(jì)劃的人員，你做的預(yù)測準(zhǔn)確率能去到多準(zhǔn)？而對方答你，我不使用預(yù)測準(zhǔn)確率，又或者不到50%，那多半被認(rèn)定這個人能力不行。預(yù)測準(zhǔn)確率和計(jì)劃能力掛鉤了。

同時預(yù)測準(zhǔn)確率又是一個很好的KPI工具，為KPI而KPI的工具，這個月準(zhǔn)確率70%的話，那下一個月就做到75%吧，否則獎金就沒有了。

而并不多人去思考為什么采用和追求預(yù)測準(zhǔn)確率這個問題。

預(yù)測準(zhǔn)確率高，就表明越能準(zhǔn)確預(yù)測到需求，然后建立相應(yīng)的需求計(jì)劃，從而減少因此帶來的諸如安全庫存拔高，加急安排或者延遲交貨，缺貨等，對企業(yè)帶來損失的情況。這進(jìn)一步引來一種無謂的責(zé)任背負(fù)，企業(yè)在交貨方面引起的額外成本（自認(rèn)為的），又或者利潤損失，就是因?yàn)轭A(yù)測不準(zhǔn)，從而扣上大帽，稱為替罪人。

首先看看預(yù)測的特質(zhì)。

預(yù)測總是錯誤的。這是做計(jì)劃和考核者的爭論點(diǎn)，前者認(rèn)為預(yù)測肯定是錯誤的，準(zhǔn)確率要是做到KPI（很多KPI都是自我中心出發(fā)，而非考核和被考核真正共同得出的目標(biāo)），何不去買彩票？而反對者認(rèn)為做到這么低的預(yù)測率，根本沒有意義，肯定是計(jì)劃者水平不夠。

接著我們回歸本源，究竟預(yù)測是為了什么？

預(yù)測應(yīng)該是為了計(jì)劃而服務(wù)的一個工作內(nèi)容，通過預(yù)測，得到對未來發(fā)生的預(yù)判，從而因此作出合理的計(jì)劃安排，包括采購，庫存，物流等工作，均可以以這個為前提作出具備彈性的安排。

在預(yù)測上，得到的結(jié)果，應(yīng)該起的是一個導(dǎo)向作用，而非判斷和決定作用。

為了更好地計(jì)劃工作，追求更好的預(yù)測準(zhǔn)確率是應(yīng)該的。但是追求更好的預(yù)測準(zhǔn)確率，并非是把著眼點(diǎn)只盯著在準(zhǔn)確上，而重點(diǎn)應(yīng)該是錯誤上。

預(yù)測的過程中，一個重要的工作就是把已知的可能因素納入在未來需求量的考慮中，比如時間序列法，過往歷史數(shù)據(jù)的諸如季節(jié)作用等，是否會反映在未來上，過去的歷史規(guī)律，是否都能重復(fù)反映在未來并按照這個規(guī)律發(fā)展，而在未來需求上，市場的信息，公司的策略，是否帶來其他因素，這些形成的預(yù)測一旦和實(shí)際需求不同。差異點(diǎn)，錯誤量，究竟哪些是納入需求預(yù)測而實(shí)際沒有的，這些才是追求預(yù)測準(zhǔn)確率的思考重點(diǎn)。

比如本月的預(yù)測準(zhǔn)確率是84.75%，那么相對而言，錯誤就是1-84.75%=15.25%，至于為何引起這15.25%就是計(jì)劃人員的思考點(diǎn)，同時這樣的差異，如何在計(jì)劃執(zhí)行工作能夠彌補(bǔ)，則是整個供應(yīng)鏈管理相關(guān)部門的共同協(xié)作的目標(biāo)，而非計(jì)劃部門單獨(dú)對應(yīng)。比如物流的安排上，生產(chǎn)的排期上，縮短提前期，而在需求上，是否可以分批交付和讓客戶接受延期，都是一些常規(guī)的處理方法。

而發(fā)現(xiàn)預(yù)測方法上，比如季節(jié)指數(shù)引入的不夠恰當(dāng)，當(dāng)修正處理之后，預(yù)測準(zhǔn)確率提升到87.22%，那么這就是挖掘預(yù)測準(zhǔn)確率錯誤的重要作用了。

至此，引發(fā)的問題就是，追求哪些SKU的預(yù)測準(zhǔn)確率。

動輒成千上萬的SKU，是不少企業(yè)常有的事情。那么每個作業(yè)人員應(yīng)該處理多少個SKU，是值得考慮的問題，當(dāng)然每人對應(yīng)數(shù)個自然是好事，有更多的精力考究和運(yùn)用，并借此提高準(zhǔn)確率，但是人力成本上不可能容許這么樣。

不過，一刀切又不是一件好事。

如下，假如有N個SKU，不同的預(yù)測準(zhǔn)確率，如果一刀切70%的準(zhǔn)確率作為考核點(diǎn)或者目標(biāo)值，則是意義有限。

在認(rèn)識貨物特征的時候，我們使用了XYZ分類法，就是根據(jù)貨物的不同波動程度來劃分出不同的群體，從而選擇適合的對應(yīng)方法。

如果是X類，波動比較平穩(wěn)，則預(yù)測相對比較容易，但是Z類產(chǎn)品，又或者間歇性需求的SKU，這些產(chǎn)品并不容易把握未來需求，假如和X類同樣一刀切建立一個目標(biāo)值，這顯然不恰當(dāng)，同時這類產(chǎn)品難以達(dá)到要求的效果。

由于預(yù)測涉及一個特點(diǎn)是，顆粒度越大的預(yù)測相對更加準(zhǔn)確，非要給Z類，甚至Y類，設(shè)立預(yù)測準(zhǔn)確率的，那么不妨以群體（比如類別等）進(jìn)行一個目標(biāo)設(shè)置。

還可以采用庫存管理的同樣方法。庫存管理往往按照價值進(jìn)行ABC分類，預(yù)測也可以采用ABC分類，僅僅對重點(diǎn)的貨物進(jìn)行預(yù)測準(zhǔn)確率的統(tǒng)計(jì)和追求，那么相對就可以釋放更多的人力物力去提供公司的供應(yīng)鏈管理價值。

其實(shí)，最重要的就是要清楚預(yù)測是為了什么。

知道為什么后才去預(yù)測，才去追求預(yù)測準(zhǔn)確率，總是好過把目光僅僅盯在預(yù)測準(zhǔn)確率和預(yù)測一點(diǎn)上。

當(dāng)然，預(yù)測的工作很難，要懂得，聯(lián)系的，涉及的非常非常多，不過相對于整個供應(yīng)鏈管理，這又僅僅是很小的一部分。

固然，預(yù)測準(zhǔn)確率提升，越準(zhǔn)確對整個供應(yīng)鏈管理起到很大的幫助作用，不管要是僅僅因此把它作為決定性因素，這其實(shí)夸大了預(yù)測準(zhǔn)確率的作用。