需求預測是所有供應鏈規劃的基礎，供應鏈中的所有推動流程（push process）都是根據對顧客需求的預測來進行的，然而，所有拉動流程（pull process）都是根據對市場需求的響應來進行的。對于推動流程，供應鏈管理者必須對生產、運輸或任何其他需要計劃的活動的預期水平進行計劃，對于拉動流程，供應鏈管理者必須計劃的是可獲得的產能和庫存的水平，而不是實際實施的數量。但是，不管是推動式供應鏈還是拉動式供應鏈，供應鏈管理者必須做的首要工作都是對未來顧客的需求進行預測。

企業和供應鏈管理者應當了解預測具有如下特點：

1.預測總是不精確的，所以我們必須兼顧預測結果和預測誤差。

2.長期預測的精度往往比短期預測低，也就是說，長期預測的標準差相對于均值而言比短期預測要大些。

3.綜合預測往往比分解預測更精確，因為相對于均值來說，綜合預測的標準差較小。

4.一般來說，企業越靠近供應鏈的上游（或者離消費者越遠），其接收到的信息失真就越大，這方面的一個經典例子就是牛鞭效應，或稱啤酒效應。

人們往往認為需求預測是一種藝術，認為一切皆為偶然。但是實際上，企業對顧客過去購買行為的把握將有助于對顧客未來購買行為的預測。所以，為了預測顧客需求，企業首先需要識別那些影響未來需求的因素，并確定這些因素與未來需求之間的關系。在預測過程中，企業必須平衡客觀因素和主觀因素這兩個方面，必須了解以下與需求預測相關的各種因素：過去的需求；產品補貨提前期；廣告計劃或其他營銷活動的力度；經濟狀況；價格促銷計劃；競爭企業采取的行動。

預測方法可分為以下四大類：

一是定性預測法，主要依賴人們的主觀判斷。

二是時間序列預測法，運用歷史需求數據對未來需求進行預測。

三是因果關系預測法，通過預測有關聯性的外界因素的變化來預測未來需求。

四是仿真法，通過模擬消費者的選擇來預測需求。

實際上，研究表明多種預測方法結合使用得到的綜合預測值將比單獨使用任何一種預測方法更為有效。

當未來需求與歷史需求、增長模式和季節性變化相關時，最適合使用時間序列法。無論采用哪一種預測方法，都存在一些不能用過去的需求模式解釋的隨機因素，因此，任何觀察到的需求都可以分解成系統成分和隨機成分：觀察的需求（O）=系統成分（S）+隨機成分（R）。系統成分是指需求的期望值，它由下面幾方面組成：需求水平是剔除季節性因素影響后的當前需求；需求趨勢是需求在下一期增長或衰退的比率；季節系數為可預測的需求季節性波動。隨機成分就是在預測中偏離系統需求的那一部分。預測的目的就在于剔除隨機成分，并對系統成分進行估計，一般來說，一種好的預測方法的預測誤差大小大致等同于需求中的隨機成分。

以下五項基本步驟對有效進行預測有很大幫助：

1.理解預測的目標。所有預測都支持以預測為基礎的決策，所以重要的第一步就是明確識別這些決策。

2.整合整個供應鏈的需求計劃和預測。企業應當將預測與整個供應鏈中的所有計劃活動聯系起來，如產能計劃、促銷計劃。

3.識別影響需求預測的主要因素。企業必須識別影響需求預測的一些需求、供給和產品相關的其他因素。

4.以合適的綜合水平進行預測。既然綜合預測比分解預測更為精確，那么在進行預測時選擇合適的綜合預測水平就變得非常重要。

5.建立預測績效和誤差衡量標準。企業必須確定明確的績效衡量標準以評價預測的準確性和時效性，這些衡量標準應該與企業在預測基礎上制定的商業決策目標密切相關。

任何預測方法的目標都是對需求的系統成分進行預測，并對隨機成分進行估計。就其最一般的形式，需求數據的系統成分包含需求水平、需求趨勢和季節系數，計算系統成分的等式可以采用如下所示的各種模型。乘法型：系統成分=需求水平*需求趨勢*季節系數；加法型：系統成分=需求水平+需求趨勢+季節系數；混合型：系統成分=（需求水平+需求趨勢）*季節系數。某一特定預測的系統成分的具體表示形式，取決于需求的特性。對于每種形式，企業都可以采用靜態預測和適應性預測兩種方法。

一種是靜態預測法。靜態預測法假定待評估的系數成分中的需求水平、需求趨勢和季節系數都不隨觀測到的新需求而改變，在這種情況下，我們利用歷史數據來對這些參數進行估計，然后應用于所有未來預測中。另一種是適應性預測法。在適應性預測法中，需求水平、需求趨勢和季節系數都要根據每次觀測到的實際需求值進行修改。適應性預測法的優點在于預測時所有被觀測到的新數據都被考慮其中了。

一種好的預測方法應當抓住需求的系統成分而不是隨機成分，隨機成分是通過預測誤差的形式表現出來。預測誤差包含了有價值的信息，基于下面兩個原因管理者必須對預測誤差進行仔細分析：1.管理者通過誤差分析來判定現行的預測方法是否準確預測了需求的系統成分。2.所有應變計劃都必須考慮預測誤差。只要預測到的誤差值在歷史誤差估計范圍內，企業就可以繼續使用現行的預測方法。如果某次誤差值遠大于歷史誤差估計范圍，就說明現行的預測方法不再使用了或者需求發生了根本變化。如果所有的預測值都傾向于連續高于或低于實際需求，那么可能也是暗示預測方法需要改變了。當運用指數平滑法進行預測時，平滑指數的取值直接影響預測值對近期實際需求數據的敏感性。如果管理者想要很好地把握未來潛在的需求模式，則選用的平滑指數最好不要超過0.2。

鑒于預測中涉及大量的數據、預測次數的頻繁性和盡可能獲取高質量預測結果的重要性，信息技術（IT）自然在預測中發揮著重要作用。供應鏈IT系統中的預測模塊通常被稱作需求計劃模塊，是關鍵的供應鏈軟件產品，在預測中發揮IT的功能是非常有益的。商業性的需求計劃模塊中包含多種相當先進或專有的預測算法，用這些方法求得的預測值通常比普通軟件求得的預測值更精確。好的預測軟件包可以為各式各樣的產品提供預測，并結合最新的需求信息對預測值進行實時更新。這有助于企業快速響應市場的變化，避免延遲反應帶來的成本。當然，沒有一種工具是完美無缺的，在運用預測值和享受預測所帶來的價值的同時，要記住這些分析工具無法對未來需求中一些更為定性的方面進行估計，而這可能只能憑預測者自己的經驗和能力進行判斷。

在未來計劃中必須考慮預測誤差帶來的風險，預測誤差可能導致庫存、設備、運輸、采購、定價甚至信息管理中嚴重的資源分配不當。很多因素都可能引起預測不精確，但其中少數因素會經常發生，值得關注。較長的提前期迫使企業提前更多時間作出預測，從而影響預測的可靠性。有兩種降低預測風險的策略：提高供應鏈的響應性和利用需求集中的機會。提高響應性可以使企業降低預測誤差，從而減少相關風險。加快響應速度和增加集中往往會增加成本，響應性的加快需要加大產能投資，而增加集中也會相應增加運輸費用。為了實現風險緩解與成本之間的平衡，我們需要制定合適的風險緩解策略。比如對于日用商品，通過現貨市場采購很容易彌補缺貨，因此投入大量資金提高市場響應性是不值得的。只有當潛在的預測誤差很大且商品價值遠高于運輸成本時，投資于集中才會是非常有益的。

在預測實踐中，一要進行合作預測。與你的供應鏈合作者一起預測通常可獲得更加精確的預測，雖然與合作者分享信息、建立合作預測關系需要花費時間和成本，但合作給供應鏈帶來的利益通常遠遠大于初期成本。二要共享真正有價值的數據。數據是否有用要看我們處于供應鏈的什么位置，分享真正需要的數據可以減少IT投資，增加成功合作的可能性。三要區分實際需求和銷售數據。為了獲得真實的需求數據，需要根據產品的脫銷信息、競爭者行為、價格以及促銷行為等來對銷售數據進行調整。如果做不到這一點，預測就不能反映當前的真實情況。