所有的企业都在做某种形式的预测，但各家公司的预测流程、职责划分、预测数据的应用差异极大。做得好的企业，如飞思卡尔，每个月从系统下载滚动24个月的月滚动预测，然后每周从系统下载滚动26周的主计划，产能安排、设备投资、原材料采购都直接使用预测数据。做得差的企业中，销售、客服、计划、生产、物流、采购各自进行自己的预测，并用于自己部门的业务流程。

有一个笔者辅导过的客户，调研时企业总经理介绍他最得意的管理改善就是做了预测，具体的做法就是要求分布在全国的二十几个销售经理每个月初与主要的经销商对单后，按照具体的SKU型号提交2个月的滚动预测。然后客服经理汇总后，结合公司的一些销售政策生成正式预测，主计划员根据这个预测安排生产，采购根据这个预测来购买长周期的电子物料，注塑车间根据月预测进行零件的生产经济批量管理。听起来很美好，但实地调研时，发现各个部门都没按这个流程做，基本上还是各自独立做预测来指导业务。

调研是从客户经理开始的，笔者要求她提供过往3个月的销售经理的预测数据及最终预测数据。笔者发现，客服经理根本不使用销售提供的数据，而是根据过往几个月的销售数据来做预测。她的理由是各销售经理通常只认真填写主要的几款产品的预测，而企业有上百款产品，销售经理根本不会都填写，还不如自己用销售数据做预测准确。同时，笔者发现其欠缺对预测精度的监控。

接下来，笔者继续调研主计划员，发现主计划员基本不使用客户经理提供的数据。主计划员说：“客户经理的数据不准确，她提供的月销售预测，而我们排计划要按照周来计划。客户月初和月末取货是不均匀的，所以我们通常是根据过往8周的实际取货数据来做主计划，销售预测只是用来参考。”

在采购部，笔者发现，采购经理同样不使用销售预测数据，采购员根据过往3个月的平均消耗来购买物料。采购员解释：“2个月的预测期短于进口的芯片的采购周期，因此需要自己来预测。”

在注塑车间，笔者发现，车间计划员也同样未使用预测数据来安排合理批量，而是根据零件大小、过往的月用量来设定批次。

总之，这家企业虽然花了大力气进行销售预测，但实际上各部门都根据自己的理解独立做预测并应用于自己的业务。

那么，为什么会出现这种情况？笔者认为，主要有以下几个原因：

1）​ 预测的目的未清晰：做出来的预测到底是解决什么问题未想清楚，导致计划需要周预测、销售提供的月预测。采购需要4个月预测，而只提供了2个月的预测。

2）​ 预测的流程是错误的，后面笔者再详细阐述这种流程的错误点。

3）​ 预测的精度未得到持续的监控：缺少预测精度的监控，也就缺少了反馈环节，无法持续改善。

4）​ 预测的职责定义不清晰：如果采购按照预测备货，销售波动后，缺货算哪个部门的责任？

各部门独立做预测来运营自己部门的业务，这种事情在国内企业是非常常见的，表面看是预测精度不高导致的各部门不信任预测，实际上是绩效考核问题，谁来承担测不准带来的责任。

哪个部门应该负责销售预测？销售部就该负责销售预测，这个是普遍认识，毕竟销售经理天天在市场中，对市场趋势更了解。但实践中，发现凡是由销售经理做的预测一定不准确。有些企业的生产人员甚至说：“用过去3个月出货数据的平均值得到的预测结果都比销售经理给的预测数据准确！”

销售经理预测不准确并不是销售人员不认真，笔者辅导的一家企业，营销副总非常重视预测，销售经理的月度考核指标中预测占据了20%的比重，每个月都进行考核，如果预测数据过低甚至会进行罚款，最多每个月负激励达到500元。但还是没用，销售经理就是做不准预测。

预测的基本方式有三种：主观预测、基于历史数据的统计预测、因果模型。在实践中，企业多半是混合了三种方法来进行预测。

历史数据的统计预测就是基于过往一段时间的销售数据来进行统计预测，这是一种正规的预测方法，后面详细阐述。

因果预测是指企业建立一个包含若干变量的数学模型，例如9月份促销买十赠一，10月份的销量会增加多少，11月份的销量如何变化，是否会降低？这个促销是真正提升了总销量还是只是将货物压到了渠道？定性的讨论很多，但定量的可信的基于国内企业实际数据的模型和分析结果，笔者还没见到过实证研究。

所谓主观预测，笔者认为，本质上是销售经理基于历史数据和自身经验构建的隐形的因果模型做出的判断，只是目前还没法将这个隐形的因果模型定量化。