提起预测，很多人想到的往往是数理统计方法。常用的统计方法有几十种，绝大多数都有同一假设：历史会以一定的方式重演。数理统计的误区也正好在这里：市场变化复杂，产品更新换代迅速，消费者爱好、流行趋势难以捉摸，发生过的与未发生的关联度并不一定有多高，尤其是在单件产品、单个销售点、短期预测的情况下。套用股市中常用的免责声明，就是"过去的绩效并不代表未来回报"。不管是多好的工具、多精致的模型，都很难纳入难以量化的变量，即经验与直觉。模型得出的预测，准确与否都得过直觉这一关：看上去对不对？
其实，分析数据也是在分析可能发生的情况，以及在特定情况下应该如何应对。分析的过程就是关注细节的过程。例如二战期间，有一位美国将军制定战略行动之前，总是要求参谋部预测几周以后的天气情况。以当时的气象预报水平，预测几天之外都有困难，预测几周、几个月则与投硬币没区别。但将军还是乐此不疲，因为他的目的不是知道天会下多大的雨，刮多大的风；他的目的是促使部下深入了解细节，制定各种应对方案。此外，尽管过去不代表未来，但历史数据确实包含着很多信息和智慧，应该通过分析来获取。这就如股市分析中，人们为什么那么热衷分析历史数据了。
所有的预测都是错的，但不从实际出发、不分析数据、不做预测则更错。
永远从事实出发，下一句是以直觉判断结束：这预测看上去对不对？从流程的角度讲，模型只是提供基本预测，下一步应该是拿这基本数据给销售、业务等，征求他们的意见，因为他们往往知道很多模型不知道的东西。人的头脑是最复杂也是最精致的处理器，处理的结果往往是直觉。专家、业内人士浸淫某个行业多年，经验判断往往挺准确。预测的最大挑战往往不是选用什么模型，而是如何把人的直觉融入预测过程和结果中去。
那么，如何判断预测看上去对不对？用Netgear的供应链副总裁Si Gutierrez的话，就是你能不能解释预测结果（can you explain it?)。例如历史销售额为100件，这个季度预期增长10%，推销计划预计在这个季度增加销量2%，但在下个季度会减少1%。综合起来，本季度的预测就是112件。这种解释非常直觉。有些人喜欢用复杂模型、多种假设，导致预测过于复杂，预测结果远离直觉和经验，没法很直观地解释预测结果。这种预测就变成了数字游戏，实际应用意义不大。
能不能解释也是在验证预测的假设。任何预测都是基于一定的假设。假设是方向性决策。失之毫厘，谬以千里，往往是假设出了问题。执着于数据模型却忽视假设的预测值得怀疑。预测部门的悲哀就是花了太多的时间寻找模型，而不是挑战、验证假设。
笔者注：2009年4月，IE Group在旧金山举办的高科技预测与规划峰会，我去参加。有趣的是，这篇文章中提到的两位主讲人不约而同地提到预测是不是看上去对的问题（does it make sense）。其实这是预测必须面对的问题。华丽的模型、多元的预测变量、各种各样的假设，很多时候都是舍本逐末。真正的试金石不是尺码，而是脚--你得通过直觉这一关。没法以直观、外行人都能懂的方式解释的预测注定不是好预测。
IE Group的这次活动挺不错，主讲人大多是大公司的副总裁、总监，讲的都是非常实用的东西。幻灯片和全程录像可在网上下载。
IE Group准备在09年10月份在上海举办类似的活动。请拭目以待。
作者简介
刘宝红，毕业于美国亚利桑那州立大学MBA，专修供应链管理，现在硅谷从事供应链管理。他是美国注册采购经理（C.P.M.）、六西格玛黑带，并通过生产和库存管理认证（CPIM）。联系方式：bob.liu@asu.edu。更多文章，参见其管理专栏"硅谷客"www.guiguke.com和"供应链管理专栏"www.scm-blog.com。
© 版权所有。未经作者书面同意，不得用于商业用途。
http://www.scm-blog.com/2009/05/forecasting-does-it-make-sense.html
没有评论:
发表评论