2、需求预测基础概念：预测类型（定性/定量）、预测时间跨度、预测误差指标（MAE/MAPE/RMSE）
需求预测是供应链计划系统的“输入起点”。预测方法的选择、时间跨度的定义以及误差指标的监控，直接决定了后续库存计划、采购计划与生产排程的可靠性。本节从三个核心维度拆解需求预测的基础概念。
2.1 预测类型：定性 vs 定量
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。实际工程中常采用“定性+定量”的混合策略，尤其在历史数据不足或市场突变时。
| 维度 | 定性预测 | 定量预测 |
|---|---|---|
| 数据基础 | 专家经验、市场调研、主观判断 | 历史销售数据、统计模型、机器学习 |
| 适用场景 | 新产品上市、促销活动、市场突变 | 成熟产品、稳定需求、长周期历史数据 |
| 常用方法 | 德尔菲法、销售人员意见汇总、市场测试 | 移动平均、指数平滑、ARIMA、Prophet |
| 优点 | 灵活、能捕捉非结构化信息 | 客观、可重复、可自动化 |
| 缺点 | 主观偏差大、难以标准化 | 对数据质量敏感、无法处理“黑天鹅” |
工程落地提示：在SOP（销售与运营计划）流程中，定性预测通常用于“需求评审”环节的修正输入，而定量预测作为基线输出。两者通过“预测共识会议”对齐，避免纯主观或纯统计的极端。
2.2 预测时间跨度
预测时间跨度决定了计划系统的响应粒度与资源约束。供应链计划中通常按以下三级划分：
- 短期预测（日/周/月）：用于补货计划、配送调度、产能排程。误差容忍度低，通常要求MAPE < 10%。
- 中期预测（季度/半年）：用于SOP滚动计划、采购合同签订、产能规划。误差容忍度中等，MAPE 10%~20%。
- 长期预测（年/多年）：用于战略投资、新工厂建设、供应商网络布局。误差容忍度高，MAPE > 20% 可接受。
经验法则：预测时间跨度每增加一倍，预测误差通常增加 1.5~2 倍。因此，计划系统应优先缩短预测周期，采用“滚动预测+快速修正”机制。
2.3 预测误差指标：MAE / MAPE / RMSE
误差指标是衡量预测模型效果、驱动模型迭代的“仪表盘”。供应链计划系统通常同时监控以下三个指标，避免单一指标带来的偏差。
| 指标 | 全称 | 公式 | 单位 | 特点 |
|---|---|---|---|---|
| MAE | Mean Absolute Error | MAE = (1/n) Σ |At - Ft| | 与原始数据单位一致 | 直观、对异常值不敏感 |
| MAPE | Mean Absolute Percentage Error | MAPE = (1/n) Σ |(At - Ft) / At| × 100% | 百分比（%） | 跨品类可比、但实际值接近0时失真 |
| RMSE | Root Mean Square Error | RMSE = √[(1/n) Σ (At - Ft)²] | 与原始数据单位一致 | 对大误差惩罚更大，适合高波动场景 |
工程避坑：MAPE 在需求量为零或极低时会出现无穷大或异常值。建议在计划系统中对 MAPE 设置“分母保护”，即当实际值 At < 阈值时，改用 MAE 或 sMAE（对称平均百分比误差）。
2.4 工程落地要点：误差指标的联合监控
在供应链计划系统中，单一误差指标容易导致模型优化方向偏离业务目标。推荐采用以下联合监控策略：
- MAE + MAPE 组合：MAE 监控偏差总量，MAPE 监控相对偏差比例，两者结合可同时控制“量”和“率”。
- RMSE 作为辅助：当库存成本对“大偏差”特别敏感时（如高价值物料），将 RMSE 纳入考核，迫使模型减少极端误差。
- 分SKU、分时段监控：不同品类、不同季节的误差容忍度不同，建议在计划系统中设置“误差阈值矩阵”，按SKU属性动态告警。
实战案例：某快消企业SOP系统中，对A类物料（高价值、高波动）采用RMSE为主指标，阈值设为500件；对C类物料（低价值、稳定）采用MAPE为主指标，阈值设为15%。当任一指标连续3个月超阈值时，自动触发模型重训练流程。