01 需求预测基础理论
📌 知识层级说明 🟢 基础必掌握 — 入职前、面试前必须理解 🟡 进阶了解 — 有基础后扩展，理解逻辑即可 🔴 暂缓 — 工作后遇到实际场景再深入
一、需求预测在供应链中的地位 🟢 基础必掌握
需求预测（Demand Forecasting）：基于历史数据、市场信息、经验判断，对未来一段时间内产品/物料需求量的估算。
为什么需求预测是供应链的起点？
需求预测
↓
S&OP（销售与运营计划）→ 生产计划（MPS）→ 物料计划（MRP）→ 采购订单（PO）
没有准确的需求预测：
- 预测过高 → 库存积压，资金占用，呆滞风险
- 预测过低 → 缺货，停线，客户投诉，失去订单
💡 对采购人的意义：采购的备货节奏、PO 数量、安全库存水位，全部依赖需求预测输入。预测不准，所有下游环节都跟着出错。
二、两类核心需求的区分 🟢 基础必掌握
独立需求 vs 从属需求
| 维度 | 独立需求（Independent Demand） | 从属需求（Dependent Demand） |
|---|---|---|
| 定义 | 来自外部市场/客户的需求，与其他产品无直接关系 | 由上层产品需求推导而来的需求 |
| 驱动力 | 市场、客户订单 | 上层产品的 BOM（物料清单） |
| 典型例子 | 成品手机的销售需求 | 生产手机所需的芯片、屏幕、电池 |
| 预测方式 | 需要统计/市场方法预测 | 由 MRP 计算得出，不需单独预测 |
| 不确定性 | 高（受市场影响） | 低（由 BOM 和生产计划确定） |
💡 实战含义：成品的需求是独立需求，要靠预测；原材料和零部件是从属需求，靠 MRP 计算（见 M5 库存管理模块）。采购人日常处理的大多是从属需求，但要理解其背后的独立需求驱动逻辑。
三、预测的本质——管理不确定性 🟢 基础必掌握
核心认知：预测永远不会 100% 准确。预测的目标不是消除不确定性，而是量化并管理不确定性。
两个重要推论：
- 预测误差永远存在 → 所以需要安全库存作为缓冲
- 预测越精细越难准 → 月度预测 > 周度预测 > 日度预测（时间粒度越细，误差越大）
四、预测误差的三大衡量指标 🟢 基础必掌握
评估预测质量的核心指标，面试和工作中都会遇到：
1. MAPE — 平均绝对百分比误差
MAPE（Mean Absolute Percentage Error）：预测误差占实际值的平均百分比。
示例：
- 1月实际销量100，预测90 → 误差10%
- 2月实际销量200，预测220 → 误差10%
- MAPE = 10%
行业参考标准：
| 行业特点 | MAPE 优秀水平 |
|---|---|
| 需求稳定（快消品） | < 10% |
| 需求波动中等（消费电子） | < 20% |
| 需求高度波动（新品/季节性） | < 30% |
局限性：实际值接近0时，MAPE 会无限放大，不适用于低销量/间歇性需求场景。
2. MAD — 平均绝对偏差
MAD（Mean Absolute Deviation）：预测误差绝对值的平均数。
特点：
- 以实际数量为单位（如”平均误差±500件”），直观易懂
- 对误差方向不敏感（不区分高估或低估）
- 常用于计算安全库存（安全库存 ≈ Z × MAD，Z 为服务水平系数）
3. Bias — 系统性偏差
Bias（预测偏差）：衡量预测是否持续性地高估或低估实际需求。
| Bias 值 | 含义 | 后果 |
|---|---|---|
| 正值（Bias > 0） | 预测持续高估，系统性多报 | 库存积压，资金浪费 |
| 负值（Bias < 0） | 预测持续低估，系统性少报 | 缺货，停线，失单 |
| 接近 0 | 无系统性偏差，误差随机分布 | 健康状态 |
💡 Bias vs MAPE 的区别：MAPE 衡量误差幅度（大不大），Bias 衡量误差方向（往哪边偏）。两个指标需要结合看：MAPE 低说明准，Bias 低说明没有系统性偏向。
五、影响预测准确率的主要因素 🟡 进阶了解
| 因素 | 影响说明 |
|---|---|
| 历史数据质量 | 数据越长、越干净，预测基础越好 |
| 需求稳定性 | 需求越稳定（CV 低），预测越准 |
| 季节性/促销活动 | 如果不剥离季节因素，预测误差会很大 |
| 预测时间跨度 | 预测未来越远，误差越大 |
| 预测颗粒度 | SKU 级别比产品族级别难预测得多 |
| 新产品 | 没有历史数据，预测极难 |
六、需求预测的基本流程 🟢 基础必掌握
Step 1：数据收集
历史销量、在手订单、市场调研、客户反馈
Step 2：数据清洗
去除异常值（如促销导致的临时峰值、缺货导致的人为低谷）
Step 3：选择预测方法
稳定需求 → 定量方法（移动平均、指数平滑）
新品 / 无数据 → 定性方法（专家判断、市场调研）
Step 4：生成预测结果
输出：未来 N 个月的需求量（通常滚动更新）
Step 5：评估与调整
计算 MAPE / Bias，与实际对比，持续修正
Step 6：输入到 S&OP 和 MRP
驱动生产计划和采购计划