供应链计划中需求预测环节的业务流程，关键因素有哪些？

当前市场，客户需求趋向于多样化，个性化发展，需求管理在整个供应链计划体系中也越发重要，其作为后续执行相应的供应计划、排产安排等执行动作的关键驱动，具备十分重要的地位。

需求计划业务运作逻辑举例

对于需求计划部门而言，我们常见的需求计划的指标即为需求准确率了，而这个数字背后是可以洞察出很多具体产品的销售趋势等信息的。

以某产品系列X为例，需求计划师对上个月的此产品系列中与预测不一致的具体型号进行拆解分析，明确哪些产品低于预期，哪些超预期，并基于具体的准确率、销量数据和市场、销售部门讨论沟通，进一步对需求准确率做分析，形成下一轮做预测的输入信息，这其实也是清洗历史数据的过程。

然后，基于对上一轮预测计划到实际销量的转换形成的结论，加上本轮对历史数据的清洗，哪些销量是来自于去年同时间对应渠道的短期促销，哪些是由于缺货导致销量偏低，对历史数据的来源做”削峰填谷“，形成这个产品的基准需求历史数据。自然地，这个过程中对数据的清洗背后的假设条件需要作以记录，以便在后续和关联部门讨论时有数据的基础。

对上一轮的需求数据，同比历史的需求数据做了清洗之后，需求计划师需要选择合适的匹配的预测模型，和产品、市场、销售部门沟通对齐，对于基准预测中有分歧的地方做沟通讨论，形成这一轮的可被供应计划端执行的需求计划。

那么，数据清洗有哪些因素可供考虑呢？

影响需求的因素

需求趋势

表示需求随着时间的推移其整体需求曲线，是”上扬“还是”下降“；比如新品上市可能需求会有一段时间的爬坡上扬，产品生命周期临近尾期时需求逐渐下降。

季节性

既可以表示产品的需求有明显的季节性，比如羽绒服；也可以表示基于时间体现出来的周期性表征，比如午餐时间/周末时间指定商品是售卖高峰期。

周期性

表示产品的促销季需求非常明显，比如某炸鸡的疯狂星期四，国内的双十一活动等，那么对应的需求也会因折扣价格/广告宣传等对需求增长有体现。

随机偏差

由不确定或随机事件影响体现的需求数据震荡。

经济周期等外部因素

经济增长或者下行周期中必然会影响整体市场对产品的需求。

如上介绍的前几个因素也可以看作时间序列的模式中几个关键的参数。后续关于预测算法，时间序列算法中做展开分享。

下附图对前述的四种时间序列相关的要素做了典型示例图的呈现，其中左上体现了时间序列中的季节性因素；右上体现了时间序列中的趋势因素；左下体现时间序列中的趋势和季节性因素；右下体现了时间序列中的随机偏差模式。

预测的特点

首先预测肯定是有误差的，或者说预测肯定是有”错误“的，所以才是预测；

其次，预测在产品族层级通常是比具体产品型号更准确，因为每个具体产品的预测的偏差可能在产品族层级中和掉了一些；

然后，近期的预测通常是比长期的预测更准确，这个也比较通俗易懂，具体现在越远的时间，其不确定的因素越多，需求准确程度自然越低。