大多数变化不是突然发生，而是有个过程的，探知变化的根源，一定要落实到具体的客户上。所有的预测都是错的，我们要做的是两点：第一，尽量少错：“从数据开始，由判断结束”，整合了历史信息和未来判断的需求预测错得最少；第二，尽快纠错：尽快知道错在哪里，及时调整预测，采取纠偏措施，把损失降到最低。我们的挑战呢，一方面是预测准确度低，另一方面是预测错了但知道得太晚。

    需求预测的结果要么是短缺，要么是过剩。但问题是，因为供应链上的库存有冗余，信息传递有延迟，等我们知道了，已经太晚了。比如短缺，等你接到客户的催货电话时，安全库存已经消耗殆尽，供应链上已经是“无险可守”；对于过剩，等你发现一堆呆滞库存时，客户的设计变更已经落地两三个月了，要消耗老库存已断无可能。

    要知道，大多数变化不是突然发生，而是有个过程的。如果我们跟踪需求，识别变化，及时了解变化背后的原因，我们可以及早发现问题，及早纠偏。当然，公司业务一直处于变动中，变是绝对的，不变是相对的。你不能事无巨细都发出预警，因为供应链有相当的库存、产能冗余，能够消化大多变动。实际上，绝大多数变化是“噪音”，就如身处火山带上的日本，每隔5分钟就有个轻微的地震，你不用采取任何行动，因为房子做得足够结实。我们真正需要应对的，就是那些震级高，破坏性大的地震。放到企业业务中，就是那些变化幅度大，变化金额高的“大石头”。 我们需要的是一套监测系统，跟踪需求变化，及时识别这样的“大石头”，驱动供应链的前端和后端尽快响应。

    这里的逻辑就如日本的地震预警系统：地震发生后，震源附近的地震仪首先监测到地震波，立刻估算出震源位置、地震强度等，通过广播电视、电信运营商、地震安全服务厂商等，迅速向公众发出地震警报。地震波每秒传播几公里，地震预警信息每秒传递30万公里，两者之间的速度差让大众多争取几秒乃至数十秒的逃生时间。不要小看这点时间，训练有素的话，几秒钟是足够关闭煤气，逃出家门了[1]。

日本的地震应急系统：及早发现，尽快启动应急机制

    对于需求来说，这就是监控每个产品、每个客户的需求，发现显著变化的端倪，就及时提醒计划、销售、市场、产品管理等，让他们确认是一次性变化，还是需要调整预测。比如客户导入了竞争对手，对我们产品的需求会减少，这从需求历史就可以看出。我们及早识别，让销售尽快跟进客户，即使挽救不了市场份额，也至少让客户把现有的库存都消耗掉。如果等到客户的需求都没了，我们手头一大堆呆滞库存，再去找客户，就太晚了。

    我们在这里设计了一套预警机制，通过监测实际需求，尽早探知那些关键的需求变化（“大石头”），及时驱动销售判断未来需求走向，调整需求预测，并和供应链一道采取应急措施。

    案例公司有几千上万个料号，几百个客户。随着客户产品生命周期的缩短，客户的产品频繁更迭，意味着关键原材料的频繁更迭，短缺、过剩的风险都很大。该企业的挑战呢，就是没法及时探知变动，调整预测，短缺与过剩并存。

    对于该公司来说，最终的变化，不管大小，都是由具体的客户开始，即使有多个客户在改变，最大的麻烦一定是由其中为数不多的一两个造成。就如人很少给乱棍打死；人总是被其中的一根棍子打死。如果你觉得你是处于被乱棍打死的境地，八成是因为你没有识别那根关键的棍子，而这正是真正的问题所在。

    所以，为了探知变化的根源，一定要落实到具体的客户上。也就是说，针对每个料号，一定要分解到相应的每个客户上。这就是我们这里讲的料号—客户层面。比如一个料号有3个客户，那么就有3个料号—客户的组合。对于案例企业来说，很多料号只是供应给有限的几家客户，但料号—客户组合也有32000多个。你当然没有能力管理这3万多条数据；你得层层过滤，一步步来缩小管理范围，就如图2所示。

    我们的第一道过滤器是销量的变化幅度（百分比）。供应链有相当的冗余，比如安全库存，可以有效应对一定幅度的变化；我们需要识别的是超出一定变化幅度的。比如对比最近3个月与之前3个月的销量变化，升降超过15%的只有20000个左右，占60%的料号—客户组合。这里选择15%作为下限，只是用作例子，具体的下限取决于供应商的交期、需求变动等因素。比如交期越长，表明供应链响应能力越弱，能够有效承受的变化比例就越小；反之亦然。建议大家按照自己行业、公司的情况来确定。我们选用3个月（13周）、6个月（26周）的需求也是作为示例，业务变动越剧烈，建议的时段就越短，比如3周、6周；反之亦然。

    对于这20000多个料号—客户组合，你还是没法都当做例外来管理，那就继续缩小。于是我们就导入第二道过滤器：销货成本[2]。我们依据过去3个月的销货成本，把销货成本下降超过1万元（意味着最多可能有1万元的库存积压）或者上升超过5万元（意味着可能有短缺）的筛选出来，得到1700个料号—客户组合。这些变化有显著的库存影响，要么短缺，要么过剩，因而对业务影响更大，是“大石头”。

    在这里，销货成本下降的门槛之所以是1万元，显著低于上升门槛的5万元，是因为造成呆滞库存的风险不容易被注意到，而短缺呢，我们可以通过更多的反馈渠道获知。但不管怎样，这都是经验值，要按照自己公司的情况来调整。

层层筛选，寻找高影响、高风险的“大石头”

    这1700个料号—客户占总数的5%，分配给成成百个一线销售人员，每人平均一二十个，可操作度相对高多了。如果1700个料号—客户组合还有点多的话，我们可提升销货成本下降的门槛，比如提升到5万元时，就得到713个料号—客户组合，只占总数的2%，但覆盖了20%的客户，占了50%的销货成本变化。这对企业来说是“大石头”，影响大，风险高，需要及时驱动相应的销售来确认需求、管理需求变化、调整预测。同时，供应链也要采取行动，比如驱动供应商增加产能，应对短缺；或者让供应商停止未完工的订单，这样万一出现呆滞库存，我们也可能把半成品做成别的产品，最坏的情况下，也只用给供应商支付半成品的钱。

    这就是个简单的需求变动预警系统，用来识别那些重要的需求变化，找到合适的销售，获取他们的职业判断，以更好地调整计划和执行方案。其基本思路是，我们没法管理所有的变化；我们得筛选出那些影响最大的“大石头”，把有限的资源投入到回报最高的产品、客户上。当然，有些变化我们是知道的，比如季节性需求，比如促销，比如新市场、新客户的开拓，可以把这些很快剔除，让我们的“大石头”清单便得更短、更具体。

    需要说明的是，这不是在客户层面上针对这些料号做预测——那会陷入预测颗粒度太小、预测准确度太低的陷阱；这是给相关的销售人员提示，让他们做出判断：你的客户在这几个料号上的需求变动很大，你知道吗？这是短暂的变化，还是会持久？如果持久，未来的变化会更大，还是更小？大多少，小多少？要知道，不变的不需要管理；小的变化可以通过现有的系统、流程来对付；而显著的变化呢，系统和流程没法有效应对，必须有人的介入（组织措施），不但是计划团队，而且是销售人员。

    还要说明的是，这里寻找“大石头”的过程，并不是为取代日常的计划流程，而是作为日常计划流程的补充，即单纯从数据分析角度识别影响大、风险高的变化，驱动销售和供应链及时应对。在一个稍有规模的企业，产品动辄几十几百个，每个产品有成十个规格、型号，后面跟着成百成千的客户时，把需求历史分解到产品、型号、客户层面，按周排列，包括过去13周、26周，数据量相当大，这后面动辄就是成十、成百万行的数字，一般的人根本没有能力驾驭这么大的数据。建议由计划团队在公司层面统一完成。这也是“从数据开始”的一部分。