上一节我们讲了从组织和系统的角度来提升需求计划的准确性，接下来我们要从流程的角度来看如何提升需求计划的准确性。主要分为几点: 一，遵循“从数据开始，由判断结束”的基本流程；二，选择合适的颗粒度；三，选择合适的预测模型。四、识别偏差、纠正偏差，调整预测；五、缩短供应链响应周期，缩短我们所做的任何事情的Leadtime。
我们先谈第一点“从数据开始，有判断结束”。
历史是重复的，我们所从事的大部分业务都具有重复性，因此可以参照需求历史做出基准预测(数据)。但历史不是百分之百重复，我们需要收集销售、市场、产品管理、高层管理的等靠近客户的职能部门的意见(判断)，考虑实际修正预测。这样的预测，整合了供应链和前端销售、市场等职能部门的智慧，往往更准确。
数据和判断的比例在不同的情况下会不一样。业务重复性越高，数据成分越多，重复性越低，判断成分越多；在产品生命周期的两头(导入期、衰退期)判断成分越多，在增长期、成熟期则数据的成分越多；客户或地域集中度越高，判断的成分越多，集中度越低则数据成分越多；另外与行业特性也有很大关系，比如在工业品行业，动辄几万个SKU，对历史数据和信息系统更为依赖。
关于数据的来源，主要取决于企业的渠道透明度和供应链管理能力。一般企业往往取工厂发货数据，最好是取零售终端销售数据，因为零售终端销售数据才是最真实的客户需求。像沃尔玛和宝洁实施的CPFR(协同计划、预测、补货)，当宝洁的产品在沃尔玛一经售出，相关数据立即被传送到宝洁，宝洁就可以依据这个数据来进行相应的计划、预测和补货，这样的预测准确性往往很高。
对于数据，我们需要进行一定的处理，削峰填谷，剔除掉不能重复的业务，而对于客户有需求但因为产能等原因未能满足的部分，则要加上来，然后选择合适的预测模型，得出一版基准预测。
判断一方面来自销售、市场、产品管理、高层管理等其他接近需求的职能部门，另一方面需要考虑宏观经济形势、行业发展趋势、行业库存状况、竞争对手动态。聚焦到具体产品、具体客户是获取销售判断的关键。将需求预测分解到适当层面，针对特定产品找到合适的人来做判断，销售看了数据后就会开始讲故事，比如这个客户最近打入了新的市场，预计会增加10%的销售量，或者计划下个月要促销，团购需求可能会增加20%，但后续需求会减少等等。
对于大多数产品来说，一个产品有多个客户，需求相对分散，需求变化对整体影响有限而且往往互相抵消，这些需求根本不需要一线销售人员的判断，其实销售也无能为力，计划人员按照需求历史加上对整体业务发展的判断，就能做出相当准确的预测。对于销售额较大的重点客户、重点产品、重大变化，需求计划必须明确地标注出来，以方便销售做出判断，并且要监控实际需求变化，及时提醒销售，让他们确认是一次性变化还是需要调整预测。
