3. 需求预测基础
需求预测是供应链计划系统的起点，其准确性直接影响库存策略、产能规划与SOP执行效果。本章系统梳理预测方法体系，聚焦定性预测、定量预测、时间序列分析与因果模型四大模块，并给出在计划系统落地时的选型建议。
3.1 预测方法分类与选型框架
需求预测方法按数据依赖程度分为定性预测与定量预测两大类。定量预测又可细分为时间序列分析与因果模型。选型时需综合考虑数据可得性、预测周期、业务场景与成本约束。
| 类别 | 子类 | 典型方法 | 适用场景 | 数据要求 |
|---|---|---|---|---|
| 定性预测 | 专家判断 | 德尔菲法、市场调研 | 新产品上市、突发需求、历史数据缺失 | 无历史数据 |
| 时间序列 | 平滑/分解 | 移动平均、指数平滑、Holt-Winters | 稳定需求、季节性明显、短期预测 | 历史需求序列 |
| 因果模型 | 回归/计量 | 线性回归、多元回归、ARIMAX | 需求受外部因素驱动、中长期预测 | 历史需求+外部变量 |
| 混合方法 | 组合预测 | 加权平均、Stacking | 高精度要求、多源数据可用 | 多种方法输出 |
选型原则： 当历史数据充足且需求模式稳定时，优先使用时间序列分析；当外部因素（如促销、天气、GDP）显著影响需求时，引入因果模型；新产品或极端事件场景必须保留定性判断作为修正输入。
3.2 定性预测方法
定性预测依赖人的经验、直觉与结构化判断流程，在数据稀缺或环境剧变时不可或缺。核心方法包括：
- 德尔菲法： 多轮匿名问卷 + 反馈收敛，避免权威偏见，适合中长期技术预测。
- 市场调研： 客户意向调查、焦点小组，直接获取下游需求信号。
- 类比法： 参照类似产品历史曲线，用于新品预测。
- 情景分析： 构建乐观/悲观/最可能三种情景，评估需求区间。
系统落地提示： 在计划系统中，定性预测结果应作为“人工干预层”输入，与定量基线进行加权融合，避免完全替代算法输出。
3.3 时间序列分析
时间序列分析假设历史模式在未来延续，核心任务是识别并建模趋势、季节性与随机波动。常用方法按复杂度递增排列如下：
| 方法 | 核心公式/逻辑 | 参数 | 适用模式 |
|---|---|---|---|
| 简单移动平均 | Ft+1 = (At + At-1 + ... + At-n+1) / n | 窗口长度 n | 无趋势、无季节 |
| 一次指数平滑 | Ft+1 = α·At + (1-α)·Ft | 平滑系数 α | 无趋势、无季节 |
| Holt 线性趋势 | 水平 + 趋势双平滑 | α, β | 线性趋势、无季节 |
| Holt-Winters 加法 | 水平 + 趋势 + 季节三平滑 | α, β, γ | 趋势 + 加法季节 |
| Holt-Winters 乘法 | 水平 + 趋势 + 季节三平滑（乘法） | α, β, γ | 趋势 + 乘法季节 |
| ARIMA | 差分 + 自回归 + 移动平均 | p, d, q | 非平稳、复杂模式 |
常见陷阱： 时间序列模型对异常值敏感，在促销、缺货、退货等事件发生后，必须进行数据清洗或事件修正，否则模型会“学习”错误模式。
3.4 因果模型
因果模型通过建立需求与外部驱动变量之间的函数关系进行预测，典型代表为线性回归与ARIMAX。其优势在于可解释性强，能量化促销、价格、宏观经济等因素的影响力度。
多元线性回归标准形式：
Y = β₀ + β₁X₁ + β₂X₂ + ... + βₖXₖ + ε其中 Y 为需求，X₁...Xₖ 为外部变量（如促销支出、价格指数、温度），β 为回归系数，ε 为误差项。
系统实施要点：
- 变量选择：使用逐步回归或Lasso筛选显著变量，避免过拟合。
- 滞后效应：促销对需求的影响通常滞后1-2周，需引入滞后项。
- 共线性诊断：VIF > 10 时需处理变量冗余。
- 残差检验：确保残差独立、同方差、近似正态。
3.5 预测方法体系架构图
下图展示了从数据输入到预测输出的完整方法体系与系统模块关系：
3.6 预测误差评估与模型选择
无论采用何种方法，必须通过误差指标评估预测质量。常用指标包括：
| 指标 | 公式 | 特点 |
|---|---|---|
| MAE | 平均误差 | 直观，单位与需求一致 |
| RMSE | 均方根误差 | 放大较大偏差，适合高惩罚场景 |
| MAPE | 平均百分比误差 | 无量纲，适合跨SKU对比 |
| MASE | 平均标度误差 | 不受零值影响，适合间歇需求 |
系统实施建议： 在计划系统中同时计算MAE与MAPE，并设置分层阈值。对于高价值SKU，优先使用RMSE最小化大偏差；对于低价值SKU，使用MAE降低计算成本。每月滚动回测，自动切换最优模型。
3.7 预测方法选型决策流程
下图给出了在计划系统中自动或半自动选择预测方法的决策流程：
工程落地要点： 在计划系统中实现上述决策流程时，建议将选型逻辑封装为可配置规则引擎，支持按产品品类、生命周期阶段、数据质量动态切换预测方法，并保留人工覆盖通道。