预测需求：关键在于正确判断

Dove多芬希望推出中国女性的品牌营销活动，在此之前，公司收集数据，并且进行分析，然后准确定位，判断用户需求是活动能否成功的前提和基础。于是，公司与百度合作，分析用户在搜索多芬时，同时还会搜索哪些关键词。

数据分析发现，用户在搜索多芬的时候，输入最多的关键词都与年龄有关。例如，多芬适合30岁的人使用吗？多芬的适用人群是多少岁等。不仅如此，通过竞品分析，公司发现多芬与年龄贡献的比例要远远高于竞品。

洞察客户的需求后，多芬发起了“hold住25岁”的营销活动，明确定位消费者的年龄层次，因为需求预测做得准确，多芬的营销活动非常成功。

需求预测是一项烦琐复杂的工作，其流程主要包括三步：第一步，从数据开始——在历史需求数据的基础上，用统计模型导出需求预测的初稿（这是需求预测的定量分析部分）；第二步，由判断而结束——市场、销售、产品、品牌、高层管理、最终客户提供反馈，对需求预测做出调整（这是需求预测的定性分析部分）；第三步，结合历史需求，最终达成共识，驱动从营销到供应商的整条供应链。

在上一节，我们讲了需求预测始于数据，对于多数企业来说，无论需求怎样变化，总是以重复业务为主，因此，需求历史中蕴含着丰富的信息。知往鉴今，历史需求可以为企业预测未来提供参考，但是历史需求毕竟代表着过去，企业要预测的是未知的事情，因此企业要对未知的信息做出判断。那么该怎么判断呢？

首先，企业要清楚谁来做判断，判断主要来自销售，还包括市场、产品管理、高层管理及其他接近需求。很显然，销售主导的判断与企业主导的判断，格局是不一样的。在预测产品需求时，企业考虑的是所有客户、所有地区，但销售考虑的面就窄得多，销售经理考虑的是自己所负责的片区的客户，而一线销售则考虑的是具体的客户。

因此企业做判断，一定要把需求预测细化到适当的层面，针对特定的产品，找到合适的人群来做判断。如果判断主要集中在华南地区，就细化到华南地区；如果判断集中在某个部门，就细化到部门。

例如，企业对特定产品A进行需求预测，假定未来10周的预测是每周1000个，通过查看历史数据发现，有一个大客户的总需求占到了30%，那么，每周1000个产品预测中，企业要为这个客户准备出 300个。

当然，这只是企业的预测，因为企业不是一线的销售，没有与这个客户直接联系过，不清楚客户的具体情况，所以，为了预测准确，企业有必要向与这个客户对接的一线销售了解该客户的具体情况。(www.xing528.com)

企业要告诉一线销售给客户的预测是300个，并询问一线销售，这个预测能否满足客户的需求，可能一线销售会告诉企业，下个月这个客户要进入销售旺季，需求会拔高5%，那么，企业就需要每周15个增量，也就是企业的总预测要从每周的1000个变成1015个，这就是“由判断结束”。

对于由企业自己主导的判断，如新产品导入，老产品下市，以及促销等活动，判断层面就相应较高。假设在华北销售区域，要针对某种产品，进行需求预测，那么，企业就要找到负责华北的销售管理、产品管理、市场管理人员，他们是合适的判断者。

宝洁公司在推出含有“欧勒斯”成分品客薯片时，曾做过这样的测试：公司先提供2000罐免费赠品给参观华盛顿首府的人，还在整个华盛顿特区的杂货店进行广泛的口味测试。

在一些报告开始指出“欧勒斯”对有肠胃疾病的人可能具有危险性之后，宝洁公司便扩大它的研究，并针对约3000名民众进行测试，结果显示只有一小部分人有肠胃不适现象，这让宝洁公司觉得对于一个花了25年时间以及2亿美元研发出来的产品来说，只能算是小 成本。

进行需求判断，要抓住两个要点：一是细化到合适的层面，二是找到重要客户。否则，需求预测“由判断结束”的闭环就无法形成。

例如，企业因盲目生产，造成库存问题严重，此时企业就需要进行需求预测，那么，真正的判断来自哪里呢？是大区销售经理，还是一线销售呢？真正的判断来自销售—客户层面，如果企业让大区销售经理来做判断，需求预测的准确性就会大打折扣。

另外，一款产品往往会有多个客户，需求都分散在这些客户中，可每个客户所占比重又很微小，需求起伏对企业的影响微乎其微，这个时候就不要依靠一线销售去做判断，而是企业的相关职能部门，按照需求历史，找出重要的客户，因为这些重要的客户对企业的影响最大，他们产能的扩大或者萎缩，将直接影响企业的发展，然后结合对整体业务发展的判断，就能做出准确的判断。

做出判断后，下一步就要与供应和财务计划协同，因为需求预测需要供应链的执行能力和财务资源来支持，如需要增加多少产能，增加多少员工，准备多少库存等，如果需求预测超出了供应链能力，或者公司的财务承担不起，就必须调整需求预测。