【小贴士11】如何提高需求计划人员的影响力
1. 需求预测是一个流程型职能，其本质是跨职能的，需要其他部门的支持来完成。为推动跨职能协作，需求计划要建立影响力。计划人员的影响力来自两个方面：
1) 一方面是行政影响力，即公司赋予需求计划职位的影响力。在有些需求计划比较成熟的企业，需求计划进公司就是经理，至少是助理经理。否则很难与销售总监、市场总监、制造总监以及管理层进行有效对话，更无法影响他们。此外，这些企业还设立支持职能的绩效考核，以驱动他们支持需求计划。否则，计划职能注定没法发挥既定功效。
2) 一方面是个人影响力，即需求计划人员个人的信用和能力。做好本职工作，为需求计划职能建立信用的关键。信息分享和对信息的再处理，对于生产、采购来说，需求计划代表需求端，要代表供应链来管理销售；对于销售来说，需求计划代表供应端，要代表销售管好供应链，力图解释好所有的差异，体现作为中间环节的价值。
2. 需求预测汇报给哪个部门
1) 需求计划的全职化，一方面是专业化的结果，另一方面也是因为这个职能对接市场、销售、产品、品牌、高管、供应链甚至客户，有很多组织协调工作，再加上大量的数据分析工作，不是专职就很难高质量完成。
2) 企业规模大、业务复杂度高时，上面会设有总监，下面会设需求计划员或分析员的职位。在建制完善的大企业，需求计划是个标准岗位。
3) 取决于需求计划流程的完善程度
当需求计划流程比较完善的时候，需求计划一般汇报到供应链职能。好处是计划和执行在同一部门，相互协调更加容易，相互优化的概率更高；销售和运营的职责定义较清晰，前后端对接流程较完善，“从数据开始，由判断结束”的需求预测容易形成闭环。
需求计划流程不健全，要考虑汇报到销售、市场等更接近客户的职能。好处是需求计划和销售/市场同属一个部门，可以用组织的力量来弥补流程的不足。供应链没法有效驱动销售，这需求预测流程就注定建立不起来。
【小贴士12】计划与执行的二度分离
1. 很多销售老总对专职需求计划的重要性认识不足，所以一旦需求计划向销售汇报，就往往成为一个辅助功能，帮助销售汇总自下而上的预测数据，或者帮助销售老总分解销售目标，这从一定程度上边缘化了需求计划职能。
2. 弱者更弱，强者更强。需求计划汇报给供应链时，供应链至少还有机会影响需求（需求预测的本身是以供应链的理性制衡销售的强势）；需求计划汇报给销售或市场时，销售和市场就做了所有的决策，供应链完全沦为执行职能，容易成为“以销定产”的牺牲品。
3. 在有些公司，管理层没有给予计划部门足够的支持，风险与权力不一致，供应链部门也不愿意接受需求计划职能。需求计划汇报给销售或市场，其实也是两害相权取其轻的做法，是用组织措施来弥补流程的不足。通过强势销售、市场的支持，先将需求计划运作起来，还是有很多可取之处。
4. 任何组织措施都很难弥补基本流程的缺失，最终的解决方案，还是要从打通销售与运营的协调流程着手，以求计划提供数据，销售提供判断，完成“从数据开始，由判断结束”的需求计划闭环流程。
5. 需要强调的是，需求预测看上去是个职能，其实更重要的是个流程。在建制完善的企业，需求计划更多是供应链的一个职能。
【小贴士13】需求预测汇报给销售vs.一线销售提需求（做预测）并不是一回事
1. 需求预测是个全职工作——销售部门有一部分人专门做计划，分析数据，制定基准需求预测，然后借助组织力量，促进与一线销售的对接，让他们提供职业判断。从数据开始，由判断结束”，我们期望需求预测的准确度会更高，能够得到一个“准确度最高的错误的预测”。
2. 一线销售提需求，则意味着需求预测是个兼职工作，主要是一线销售拍脑袋做出来，注定是次优化的结果，“从判断开始，由判断结束”，预测的准确度低下。
3. 一线销售提需求与需求计划汇报给哪个部门没有直接关系。即使需求计划汇报到销售，管理粗放的企业还是没法打通“从数据开始，由判断结束”的需求预测流程，最后以一线销售提需求告终。而所谓的“需求计划”人员呢，则只能充当目标分解器、数据收集者的角色，沦为销售部门的边缘群体，起不到供应链的引擎作用。
【小贴士14】自来水模式的预测机制
1. 越是管理粗放、需求预测做得差的企业，做需求预测的人就越多。最好的预测是不需要预测，最好的协同是不需要协同。
1) “自来水模式”，自然运作的供应链系统就如城市自来水系统，细枝末节是不用做预测的。好处就是消除了各个分支机构预测，因而也消除了协同的必要。
2) 与自来水厂类似，在有些企业，需求计划部门负责编制公司层面的需求预测，一线销售等支持部门并不做预测，或者只有销售的管理层参与。需求预测主要在产品/工厂层面，不分解到区域和客户层面。其基本逻辑是，只要我们在公司/工厂层面预测好了，各分公司、省区、客户要多少就领多少得了。
3) “自来水模式”有一定的前提，比如产品的定制化程度低、需求相对分散等。这种模式在消费品、零售、电商等行业比较普遍。对于总库、地区库、子库等构成的多阶段库存模式也适用。比如全球备件网络就是典型的例子：备件在总库做好预测，让工厂和供应商生产好足够的库存，然后各地区库、分库有需求的话，下订单向总库调货即可。
4) “自来水模式”下，不用做预测的是“细枝末节”，并不意味着所有的分支都不用做预测。“大石头”分支不是“细枝末节”，必须提交预测，确保能够供应。
5) ZARA的“自来水模式”：
。第一个推拉结合点在供应端，针对标准化的半成品做预测，用自动化程度高的生产线大批量生产，然后根据市场需求的偏好对颜色、配件等进一步定制。第二个推拉结合点是成品，在分销渠道端。ZARA在总的配送中心层面预测需求，各地门店要多少，就下单补货多少，几天内到货——门店只设简单的再订货点，不做预测。
在供应链上两个推拉结合点上设置两个“自来水塔”，避免了在预测准确度低的层次做预测，从而避免了随之而来的库存问题。
2. 对于定制化程度高的工业品来说，“自来水模式”面临挑战。因为定制化程度越高，需求知识越在前端的销售、市场、产品管理等职能。这时候，客户或区域就变成更可靠的预测颗粒度，自下而上地汇总需求就成为选择，一线销售人员对需求预测的介入就更深。
3. “混合模式”，“自来水模式”和自下而上的汇总并存。
1) 在有些大批量行业，比如智能手机，由于产品的生命周期越来越短，以及运营商、地区化、销售渠道的差异，混合方式被广泛使用。
在成品层面，运营商的集中采购、不同语言国家的需求，手机厂商更依赖自下而上的方式；
对于关键的长周期物料，比如半导体芯片，则是“自来水模式”为主，在公司/工厂层面做好需求预测，提前驱动供应链响应；
混合模式的存在是个挑战，是业务全球化、复杂化，以及产品生命周期缩短的必然结果。
2) 在混合模式下，很多企业主要是用其中一种模式，而另一种模式则是作为参考，两种模式的过程独立，相互协同有限。当然，理想状况是两种模式能够完全协同，但这对信息系统和流程的要求相当高，操作难度很高。
新产品刚导入时，往往是针对具体的客户、具体的地域，自下而上的汇总模式或许更适合，由产品经理和相应的销售做预测；
进入量产期，客户更加多元化，自上而下的“自来水模式”就可能更合适，主导者则变为计划。
4. 我们的任务是找到合适的颗粒度，在合适的层面做预测。这不是个技术问题，因为在颗粒度大的地方做预测，准确度上面的技术优势是显而易见的。主要是个管理决策，因为种种管理问题，企业经常在不合适的颗粒度做预测，导致预测准确度太低。
5. 预测的颗粒度是个三维概念：组织、产品和时间，每个维度都有多个层次，形成多种组合，操作难度大不相同，预测的准确度也是。预测的偏差分析是基于哪个层次组合计算的，其意义也是完全不同的。
1) 组织维度有：全国、大区、分公司，中央仓库和RDC等；
计划天生就是个集中的概念。预测的组织范围越大，预测的准确度越高。预测颗粒度小，单个销售的预测准确度很低，汇总起来就更低。
绩效考核的天然倾向是分散，比如执行指标的层层分解。从绩效考核的角度看，组织的颗粒度越小，绩效考核越具体，责任越容易落实。
协调两者，是需求计划的一大挑战。而解决方案呢，就是“大石头”理论：
抓大放小，客户集中度高的“大石头”由判断驱动，要落实到具体的销售；需求相对分散的“小沙子”则由数据驱动，应交给计划整体负责。
各执行层面分析数据，风险是颗粒度小，而且受同样的因素影响，偏差没法互相抵消；集中统一分析，从数理统计的角度看，偏差更可能互相抵消，总体准确度更高。
当分散与集中没法有机协调的时候，简单粗暴的用考核的方式“落实”到一线，结果是既牺牲了预测的颗粒度，也没法达到考核的目的。没有销售因为预测准确度低而丢了工作。毕竟，从方法论上做不好的事，考核也不解决问题。
2) 时间维度有：季度、月度和星期等。
时间颗粒度越大，预测的准确度就越高。比如列车到站时间精准到几分钟还是半小时。预测的时间维度小，短期预测难做。
影响到时间颗粒度的选取因素一：管理能力越薄弱，时间的颗粒度就越大，对供应链的日常运作帮助就越有限。在把销售目标当需求预测的企业，很多都是年度目标一年不变，尽管它们也会分解到季度、月度，但其运作都以粗放著称。
影响到时间颗粒度的选取因素二：职能力量。销售、市场等前端职能的力量越大，需求预测的时间颗粒度往往也越大。常见的是销售提需求。销售把时间颗粒度定得大，这样预测看上去更“准”，其实并没解决多少供应链的问题。
解决方案，就是增加执行的灵活性，用执行来弥补计划的先天不足。精益生产，快速换线，交叉培训，都是增加执行灵活度的有益举措。通过提高供应链的柔性来应对，而不是花费巨大资源来提高SKU层面的预测准确度。
3) 产品维度有：从产品线到产品，再到规格型号SKU（存货单元），产品维度至少有三级。
产品线的颗粒度最大，指一群相关的产品，功能类似，销售给同一顾客群，经过相同的销售途径或者配送中心等。对于财务、销售来说，其年度目标按照产品线即可。
产品规格型号，或者叫存货单元（SKU），颗粒度最小。对于生产线来说，必须得落实到规格型号，才能运作物料需求计划MRP来驱动供应链。
企业常见的挑战是，销售按照产品、产品线做了“预测”，但没有深入到型号、规格，没法有效指导供应链运营。
解决方案：
提高供应链的柔性，用执行来弥补计划的不足外；
驱动需求预测向更小的颗粒度迈进，但要冒颗粒度越小，预测准确度越低的风险。其实是条不归路，比如有些企业在SKU层面的预测准确度只有20%，聊胜于无。
从产品设计角度，推动产品设计的标准化、模块化和通用化（“三化”），降低了产品的复杂度。在零部件、模组层面预测，提前建好库存，降低库存风险。这显然是更好的也是根本的解决方案，不过对产品开发和需求管理提出了更高的要求。
【小贴士15】SKU和SKU泛滥
1. SKU，stock keeping unit，最小存货单元，行业不同，公司不同，区域不同，SKU的叫法也各有差异，还有叫单品、囤货单元、库存持有单元、库存单品项、有效成品单位、最小发货单元的。
2. SKU泛滥是供应链的大敌，供应链的需求预测、库存计划和执行更加困难。
1) 从供应链的角度看，不管是计划、生产还是采购、配送，我们都是针对特定的SKU运作。产品系列，口味，不同包装，渠道经销商的客户码，这才真正是SKU层面。
2) 随着业务的多元化和全球化，以及为了维持高速增长，产品生命周期越来越短，需求变化也很频繁，导致需求预测准确度低，虽然名义上是大批量，但其实越来越小批量化，可以说是近年来众多行业的趋势。
3. SKU泛滥除了没法控制的外，还有可以作为之处。打法不同，结果自然也不同。不要让没法控制的成为不作为的借口；只要我们做了自己能够控制的，我们就比以前做得好，比竞争对手做得好，这就是竞争优势。
